[이코노믹리뷰=홍석윤 기자]  한때 공상과학영화(SF)에나 나왔던 인공지능(AI)이 세상을 지배하고 있다.

문장의 절반만 썼는데도 문장을 완성시켜준다. 스마트폰이나 스마트 스피커를 통해 질문에 답변도 한다. 어딘가에 갈 때는 가장 빠른 경로를 알려준다. 현관에 온 손님이 아는 사람인지 아닌지도 확인한다. 소셜 피드(Social Feed: 페이스북, 트위터, 이메일을 연동해주는 서비스)를 관리해주기도 하며, 듣기 원하는 곡 목록을 만들어 주기도 한다. 당신이 보는 모든 인터넷 화면에 당신이 살까 고민했던 멋진 부츠의 광고를 보여준다.

게다가 인공지능은 점점 더 정교해지고 있다. 자동차 제조사들은 사람들을 원하는 목적지까지 스스로 데려다 줄 자율주행차량을 개발하고 있고, 사람들을 픽업하는 시간에 맞춰 차량을 대기시켰다가 사람을 태우기도 한다. 조명이나 온도 조절기는 스마트폰의 위치 센서에 연결돼, 당신이 집을 나서면 자동으로 꺼지고 돌아오면 자동으로 켜진다. 공장의 로봇들은 고객의 주문서에 따라 상품을 분류하고 자율주행 드론으로 현관 앞까지 배달도 한다.

인공지능은 앞으로 다가올 큰 일이 아니다. 지금 여기 당신 곁에 있으면서 발전을 멈추지 않고 꾸준히 발전한다. <월스트리트저널>(WSJ)이 이제 당신이 머지않아 새로운 도우미, 새로운 교사, 새로운 직장 동료, 새로운 이웃, 새로운 친구로 여기게 될 기술에 대해 소개한다.

인공지능이란 무엇인가?

무엇이 인공지능이 아닌지부터 시작해 보자. 우선 인공지능은 인간의 두뇌를 대체하는 첨단 기술을 말하는 것이 아니다. 일반적으로 인공지능은 이전에는 인간이 하는 일로 간주되었던 것을 컴퓨터가 하는 것을 말한다. 그러나 컴퓨터의 변화 속도가 그것을 정의하기 어려운 표현으로 만들어 버렸다. 20년 전만 해도 세계 체스 챔피언 게리 카스파로브를 물리친 IBM의 딥 블루(Deep Blue)가 AI의 전형이었다. 그러나 지금은 공짜로 즐기는 스마트폰 게임도 딥 블루와 거의 동일한 일을 할 수 있다.

인공지능은 어떻게 작동하나?

초기 인공지능은 사전 정의된 객체와 동작에 논리를 적용해 인간의 문제 해결 능력을 모방하거나 If-Then 규칙(If-Then Rules, 일련의 사실들 간의 관계를 나타낸 문장)을 따라 인간의 사고를 모방하는 코드에 기반한 것이었다. 그러나 프로그래머가 실제 발생할 수 있는 모든 가능성을 다 포함하는 개체나 지침을 만들 수 없었기 때문에 초기 인공지능 기술은 종종 실패하는 경우가 많았다.

한편 머신러닝이라는 일련의 기술이 발전하면서, 세계가 어떻게 작동하는지를 예측하기 위해 모든 현실 세계 현상에 대해 통계 분석함으로써 무한한 가능성을 전부 관리해야 할 필요가 없어졌다. 그러나 머신러닝 프로그램도 지난 수십 년 동안 거의 보지 못했던 현상까지 포함된 엄청난 양의 데이터와 그 데이터를 처리할 능력이 없다면 많은 것을 배울 수 없었다.

그 다음에 인터넷이 등장했다. 검색에서 전자상거래에 이르기까지 이 넷(Net) 기반 애플리케이션은 데이터의 모체를 만들기 시작했으며, 구글이나 아마존 같은 회사들이 그들의 서버를 글로벌 메가 컴퓨터에 공유하기 시작하면서 데이터 처리 능력이 급상승했다.

데이터의 홍수와 무한한 처리능력으로 완전 무장한 머신러닝 알고리즘은 신경망(Neural Networks)이라는 형태로 처음 시작됐다. 이런 자가 학습 프로그램은 생물학적 뉴런(신경체계)이 어떻게 작동하는지에 대한 초기 개념을 모델로, 간단한 소프트웨어 루틴으로 만들어졌다. 디지털 뉴런은 서로 연결된 여러 층들에 배열되어 있으며, 각 층은 그 층이 생산한 정보를 다음 층으로 보낸다. 이와 같이 여러 층의 네트워크가 딥러닝을 수행하는 것이다.

신경망은 논리적 관계나 규칙들이 명시적으로 프로그래밍되지 않아도 학습을 할 수 있다. 프로그래머는 많은 양의 데이터를 관리하고 부호화하는 것으로 신경망 구축 작업을 시작한다. 고양이 이미지가 있다고 하자. 프로그래머는 트레이닝이라는 단계에서 이미지를 신경망에 공급한다. 네트워크가 사진을 소화하면, 프로그래머는 부호화되지 않은 일련의 새 사진들(고양이도 사진도 있고 고양이가 아닌 것도 있다)을 공급한다. 모든 것이 제대로 이루어졌다면 신경망은 고양이를 골라내는데, 이 작업을 흔히 추론이라고 부른다.

왜 모두가 인공지능을 이야기하는가?

AI는 1950년대 중반 다트머스 대학(Dartmouth College)의 수학자 존 매카티가 이 용어를 처음 사용한 이후 지나치게 과장되기도 했고 제대로 설명되지도 않았다. 그러다 몇 년 전에야 비로소 AI라는 말이 엄청나게 사용되기 시작했다.

2012년 2만2000개 카테고리에 걸쳐 1500만개 이미지를 확인하는 대회에서 토론토 대학교의 지오프리 힌튼과 그의 동료들은 신경망을 사용해 우승을 차지했는데, 힌튼의 소프트웨어는 오류율이 15.4%밖에 되지 않아 26.2%의 오류를 보인 2위 참가자를 크게 압도했다.

힌튼이 신경망이 인간의 인식을 모방할 수 있다는 사실을 입증하면서, AI 연구와 개발은 봇물처럼 터지기 시작했다. 갑자기 컴퓨터가 주변 세계를 보고, 듣고, 감지하는 것을 배우고, 급기야 그들이 배운 것을 기반으로 추론하기 시작했다.

컴퓨터가 직관적으로 생각하거나 무의식적으로 실수를 해 반이상향적 대혼란을 초래할 날이 과연 언제나 올 것인가? 어쩌면 곧 올지도 모르고, 어쩌면 오지 않을지도 모르겠다.

AI는 어디에 사용되나?

대부분의 경우 AI는 인간의 감각을 흉내 내기 위해 사용된다. 페이스북에서 보라색 모자 사진을 검색할 때, 페이스북의 소프트웨어는 사용자가 입력한 태그의 모양과 색상과 특징을 파악해 해당 스냅 샷을 찾아낸다. AI는 또 자신이 듣는 단어를 잘 이해한다. 언어 번역 능력이 뛰어나서 글로 쓰거나 말로 한 문장의 의미를 추출한다.

디지털 카메라로부터 이미지를 인식하는 기능이 개발되면서 주변 환경을 보고 유용한 방식으로 반응하는 기계가 쏟아져 나왔다. 스카이디오(Skydio Inc.)라는 회사는 카메라가 장착된 무인 항공기를 개발했다. 이 회사의 드론은 날면서 장애물을 피하며 사람을 추적하기도 한다. 창고 작업용으로 개발된 로봇도 변화하는 주변 상황에 따라 행동을 맞춘다.

게다가 인공지능은 추론 능력도 가지고 있다. 예를 들어 웨이즈(Waze)사의 내비게이션 앱은 교통 속도를 평가해 막히는 곳을 피해서 주행(도착 예정) 시간을 예측한다. 가장 효율적인 경로를 찾는 기능은 전력망이나 기타 대형 네트워크의 최적화와 같은 작업에 매우 유용하게 사용될 수 있다.

의료 기업들은 머신러닝을 사용해 방대한 치료법에서 도움이 필요한 환자의 기록과 맞는 치료법을 찾아낸다. 이 기술은 의약품 관리에서부터 건강한 라이프스타일을 추천해주는 일에 이르기까지 적응 범위가 매우 다양하다.