전체메뉴

국립중앙도서관

국립중앙도서관 디지털컬렉션

4차 산업혁명의 첨병 – 인공 지능과 딥 러닝 –
#인공지능 , #딥러닝 , #4차산업혁명 , #IT , #데이터

4차 산업혁명의 첨병 – 인공 지능과 딥 러닝 –

 

1. 알파고를 아시나요?

 

작년인 2016년 초, 한국 전체를 뜨겁게 달군 한 사건이 있었습니다. 역대 최강의 바둑기사 중 한 명으로 꼽히는 이세돌과 구글이 개발한 인공 지능인 알파고와의 대국이 그것입니다. 이 구글 딥마인드 챌린지(Google DeepMind Challenge Match)에 사람들은 많은 관심을 기울였습니다. 특히 그 승패에 관해서도 관심이 집중되었는데, 많은 대중, 바둑계 관계자들은 사람이 승리할 것이라 생각했습니다. 이는 바둑은 그 게임의 특성상 엄청난 양의 경우의 수를 계산해야 하고, 따라서 컴퓨터의 정밀한 계산보다는 사람의 직관과 감각이 중요하다고 생각했기 때문입니다. 

 

 

그림 1. 알파고 대 이세돌

 

 

그러나 대국의 결과는 사람들의 예상과 정반대였습니다. 알파고는 4 1패로 압도적인 승리를 거뒀고, 이세돌은 단 1승만을 거뒀습니다. 이 결과는 매우 놀라운 것으로 받아들여졌고, 한국뿐만 아니라 전 세계적으로 많은 사람들에게 큰 충격을 가했습니다. ‘어떻게 인공 지능이 이런 성능을 갖추게 된 거지?’ ‘인공 지능은 우리사회에 어떠한 영향을 미치게 될까?’ 등등 말이죠. 이후 국내에서 4차 산업혁명이나 인공 지능에 대한 관심이 크게 증폭된 것도 이 사건의 영향일 것입니다.

 

많은 사람들이 의문을 가졌듯이, 대체 어떻게 인공 지능이 이런 성과를 거둘 수 있었던 것일까요? 인공 지능 연구에 어떤 변화가 있었던 것일까요? 그 해답이 바로 최근 유행하듯이 말해지는 기계 학습(machine learning), 그중에서도딥 러닝(deep learning)’ 기술입니다.  

  

2. 인공 지능, 그 개발과 발전의 역사

 

기계학습(machine learning)이란 개념은 인공 지능 연구의 여명기부터 존재해왔습니다. 하지만 이러한 개념들은 즉각적으로 인공 지능 개발의 주류로 활용되지는 못했습니다. 오히려 최근에 와서야 급격히 각광받기 시작했죠. 왜 그랬을까요?

 

먼저 인공 지능 연구의 개발사를 살펴보자면, 인공 지능 연구가 본격적으로 시작된 것은 20세기 중반의 일이었습니다. ‘인공 지능(artificial intelligence)’이란 개념이 1956년 다트머스 회의(Dartmouth Conference)에서 정립되었고 이후 인공 지능 연구는 본격적으로 진행되었습니다. 다만, 당시의 기술적, 또 연구적 한계로 인해서 인공 지능 연구는 곧 한계를 맞이합니다.

 

 

그림 2. 다트머스 회의 인공 지능의 창시자들

 

 

어느 기술이나 그러하지만, 인공 지능 연구는 이 이후에 여러 번 한계에 부딪히며 발전하기도 또 정체하기도 했습니다. 그 과정에서 다양한 연구방법론이 제기되고 또 사장되기도 했죠. 예를 들자면, 80년대에는 딥 러닝의 원형이 되는 인공 신경망(Artificial Neural Network)’이 새로운 연구방법론으로 주목받으며 잠시 연구의 주류가 되긴 했으나, 그 구현이 힘들었기에 곧 사장되고 말았었습니다.

 

결국, 80년대 이후 최근까지 인공 지능 구현의 주요 방법론으로 사용된 것은 전문가 시스템(experts system)이라는 방식이었습니다. 전문가 시스템’이란 특정 분야에 대한 방대한 데이터 베이스를 구축하고 문제에 대한 답안을 제시하는 것입니다. 예를 들어 설명하자면, 예상되는 질문에 대한 답변과 그에 따르는 답변 규칙을 모두 준비하여 인공 지능을 구현하는 것이 이 방식입니다.

 

  

그림 3. 전문가 시스템 개념도

 

  

이러한 전문가 시스템은 방대한 데이터베이스를 마련하기만 한다면 구현 가능했기에 주로 사용되었으나, 그 한계 역시 명확했습니다. 일단 방대한 데이터베이스 자체가 구현하기 까다로울뿐더러, 데이터베이스에 대량의 지식이 쌓이다 보면, 지식들이 일관되지 않거나 모순이 생기는 문제가 생겨난 것입니다. 결국 전문가 시스템은 한정된 분야에서만 사용 가능한 시스템이었습니다. 어쨌든 한동안 전문가 시스템이 주류를 이룬 가운데 다양한 방법이 사용되어 왔습니다.

 

시간이 흘러 2000년대, 인터넷 및 IT 기술의 발전과 하드웨어의 비약적인 상승으로 과거에 사장되었던 방법론들이 다시 주목 받기 시작했습니다. 관련 연구가 지속된 결과, 2012년 글로벌 이미지 인식 경진대회인 ILSVRC(Imagenet Large Scale Visual Recognition Challenge)에서 이전의 인공신경망을 개선한 딥 러닝이 이전보다 압도적인 성능 향상을 보여주면서 등장하였고, 이는 각광받는 기술로서 현재에 이르게 되었습니다. 

 

 

그림 4. 이미지넷의 정답률 추이. 2012년에 급격한 상승이 보인다.

 

3. 기계학습? 딥 러닝?

 

앞서 언급한 바와 같이, 최근까지 인공 지능을 실현하게 하는 대표적 방법은 ‘전문가 시스템’이었습니다. 하지만 이는 본질적으로 거대한 백과사전과 같은 것으로서 단점 역시 명확했습니다. 이에 반해 기계학습은 전혀 다른 방향에서 인공 지능을 구현하려 한 방법론입니다. 전문가 시스템이 모든 정보를 입력하여 거기서 정답을 뽑아내도록 한 것이라면, 기계학습은 그 말 그대로 데이터를 통해 기계를 학습시켜 정답을 도출하게 하려 했습니다. , 기계를 학습시켜 인간처럼 기계가 특정한 규칙을 형성하고, 정답을 구하는 능력을 부여하고자 한 것입니다.  

 

이 기계학습을 어떻게 구현해야 하는가에 대해서도 많은 방법이 제시되었습니다. 개중에는 앞서 언급되었던 인공신경망도 있었으며, 유전 알고리즘(Genetic Algorithm), 서포트 백터 머신(support vector machine) 등 다양한 모델이 나타났습니다. 딥 러닝은 그중에서 인공 신경망을 기반으로 하여 발전한 방법이라 할 수 있습니다. 정리하자면, 기계학습이란 방법론 속에 딥 러닝이 속하는 것이라 할 수 있는 것입니다.

 

  

그림 5. 신경세포의 데이터 처리 개념도

 

 

딥 러닝을 조금 더 자세히 살펴보자면, 딥 러닝의 개념자체는 그리 새로운 것은 아닙니다. 딥 러닝은 기존 인간의 뇌 구조를 모방하여 데이터 처리구조를 만들었던 인공신경망 방식을 개량한 것으로서, 그 핵심은 동일하죠. 다만, 이전의 인공신경망 방식이 가졌던 여러 단점과 한계를 해결했다는 점에서 큰 의미가 있습니다.

 

 

그림 6. 딥 러닝 개념도

 

 

우선 딥 러닝은 입력할 데이터의 전처리 과정을 강화함으로써 인공신경망의 최적화 문제를 해결했습니다. 또한, 과거에 단층 위주로 설계되던 신경망을 거대한 다층구조로 설계하였고, 이를 통해 데이터 처리의 질을 높였습니다. 물론 신경망 구조가 복잡해지고 거대해진 만큼 연산요구량이 늘어났으나, 이는 발달한 하드웨어의 성능으로 커버했습니다. , 2000년대 중반 나타난 클라우드 서비스 및 빅데이터 발달은 신경망에 입력할 충분한 데이터를 제공해주었고, 이는 딥 러닝 기법이 더욱 좋은 결과를 뽑아내는 원동력이 되었습니다.

 

특히 최근 딥 러닝 기술의 가장 큰 장점은 사람의 개입 없이 컴퓨터 스스로 규칙을 만들고 학습한다는 것입니다. 예를 들자면 여러 동물 사진을 놓고 고양이가 무엇인지 학습시킬 때, 사람이 이게 고양이, 이게 강아지라고 특징을 기술하지 않아도 딥 러닝은 이를 자체적으로 분류하여 특징을 스스로 찾게 됩니다. 이를 전문적으로 비지도학습이라 하는데, 딥 러닝은 이 분야에서 획기적인 성과를 보였습니다. 결국, 딥 러닝은 이러한 기술의 발전, 연구의 발전이 결실을 맺어 나타나게 되었으며, 답보상태였던 인공 지능 분야에 비약적인 성과를 가져왔습니다.  

 

4. 인공 지능과 딥 러닝, 그 현재와 미래.

 

이렇게 딥 러닝이라는 획기적인 방식이 등장하자, 인공 지능은 큰 전환기를 맞았습니다. 많은 기업, 연구단체에서 인공 지능 연구에 뛰어들었고, 인공 지능은 다양한 분야에 적용되어 구체적인 결과물들을 내놓고 있습니다.

 

대표적으로 몇 가지를 살펴보자면, 먼저 구글을 들 수 있습니다. 구글은 이 기술을 자사의 번역서비스인구글 번역에 적용해서 번역의 질을 상당히 향상하게 했습니다. 이는 얼마 전 한-영 번역에도 적용되었고 작년 말 이후 한-영 번역의 질이 상당히 좋아졌습니다. 네이버 역시 이를 적용하여파파고라는 자사 번역 서비스를 개발하였고, 현재 서비스 중입니다.

 

  

 

그림 7,8. 구글 번역과 네이버 파파고

 

 

번역뿐만 아니라 우리에게 잘 알려진 시리, 코타나 같은 음성인식 비서 시스템 역시 이것이 적용되고 있습니다. 이전에는 힘들었던 인간의 자연언어처리가 딥 러닝을 통해 쉽게 진행될 수 있게 된 것입니다. 또한, 최근 화제가 되는 자율주행차 분야를 비롯하여 이미지 인식, 검색엔진 개선, 자동 기사작성 등 거의 모든 분야에서 딥 러닝과 인공 지능은 응용되고 있습니다.

 

 

  

그림 9,10. 애플 시리와 마이크로소프트 코타나 

 

 

그림 11. 테슬라사의 자율주행차

 

이처럼 무한한 가능성과 잠재력을 가진 인공 지능은 과거 인터넷이 그러했던 것처럼 우리의 사회, 경제, 문화를 확실히 변화시킬 것입니다. 이에 대해선 부정적인 전망과 긍정적인 전망 모두 존재합니다. 어떤 이들은 이 인공 지능이 인간의 자리를 빼앗고, 파국적인 결과를 가져올 것이라고 주장하기도 합니다. 또 반면 어떤 이들은 인공 지능을 통해 인류가 더욱 풍족해질 것이며, 새로운 시대가 찾아올 것이라 말하기도 합니다. 어찌되었던 현재의 우리로서는 미래의 일을 정확히 예측할 수는 없습니다. 인공 지능이라는 새로운 기술이 훌쩍 다가온 현재, 과연 우리는 가까운 미래에 어떠한 삶을 맞이하게 될까요?

 

 

- 자료 출처 -
*사이트, 블로그
위키피디아 ‘기계학습’
https://ko.wikipedia.org/wiki/%EA%B8%B0%EA%B3%84_%ED%95%99%EC%8A%B5 
위키피디아 ‘딥 러닝’
https://ko.wikipedia.org/wiki/%EB%94%A5_%EB%9F%AC%EB%8B%9D
네이버 캐스트 ‘인공 지능’
http://terms.naver.com/entry.nhn?docId=3581914&cid=42171&categoryId=58698
네이버 캐스트 ‘머신러닝’
http://terms.naver.com/entry.nhn?docId=3386834&cid=58369&categoryId=58369
인공 지능(AI)은 어떻게 발달해 왔는가, 인공 지능의 역사
http://blogs.nvidia.co.kr/2016/03/13/history_of_ai/
요즘 뜬다는 ‘딥 러닝’, 대체 그게 뭐지?
http://www.bloter.net/archives/201445
60년 인공 지능 역사에 가장 충격적인 기술 ‘딥 러닝’
https://byline.network/2017/06/7-2/

 

 

 

- 이미지 출처 -

그림1. 알파고 대 이세돌
http://stoo.asiae.co.kr/news/view.htm?idxno=2016031518371621240
그림2, 다트머스 회의 – 인공 지능의 창시자들
https://www.linkedin.com/pulse/goedels-incompleteness-theorem-emergence-ai-eberhard-schoeneburg
그림3. 전문가 시스템 개념도
http://terms.naver.com/entry.nhn?docId=822829&cid=42344&categoryId=42344
그림4. 이미지넷의 정답률 추이.
http://post.naver.com/viewer/postView.nhn?volumeNo=7988017&memberNo=3881747
그림5. 신경세포의 데이터 처리 구조
https://appliedgo.net/media/perceptron/neuron.png
그림6. 딥 러닝 개념도
https://hackernoon.com/log-analytics-with-deep-learning-and-machine-learning-20a1891ff70e
그림7. 구글번역
http://www.huffingtonpost.kr/dongshin-yang/story_b_13033828.html
그림8. 네이버 파파고
http://blog.uplus.co.kr/2816
그림9. 애플 시리
http://www.nocutnews.co.kr/news/4600583
그림10. 구글 코타나
http://www.ciokorea.com/news/24017
그림11. 테슬라의 자율주행차
http://www.irobotnews.com/news/articleView.html?idxno=8065

 

 

☞ 작성 글은 등록일을 기준으로 하며 출처 사이트의 사정으로 링크 연결이 되지 않을 수 있습니다.

 

 

 

 

 

상세검색

자료유형
KDC 분류
발행년도 ~

다국어입력기