또 다른 “인공지능의 겨울”이 올 가능성

from https://www.popsci.com/ai-winter-artificial-intelligence

자율 주행 차량, 빠른 MRI 스캔, 로봇에 의한 방사성 치료, 독심술, 그리고 X-ray비전 등은 인공지능이 새로운 세상을 열게 해주는 기술들 입니다.

인공지능은 많은 변화를 가지고 오지만, 인간의 감각이나 어떤 일에 결정하는 것을 따라 오기에는 아직 많은 장애물이 있습니다. 그리고, 과거에서 알수 있다시피, 그 장애물로 인해 인공지능의 인기는 급격하게 사그라들 수 있습니다. 물론, 최신 기술들이 인공지능의 기술을 많이 올려주었지만, 그 인기의 붐이 마지막 단계에 왔다며, “인공지능의 겨울”이 올 가능성이 많다고 많은 과학자들이 우려를 표하고 있습니다.

“인공지능의 겨울”이란?

인간은 천년이상 인공지능의 그 잠재력을 높이사고 그 기술로 인한 많은 꿈을 꾸고 왔습니다. 고대 그리스인들은 예를 들어, 청동기술의 자동화인 Talos가 크레타섬을 침공하려는 적으로부터 보호해 주었다고 믿었습니다.

하지만, 본격적인 인공지능은 앨런 튜링이 질문에 대답하는 기계를 만든 약 50년 전부터 시작되었습니다. 그때 당시 미국은 냉전중이었습니다. 적의 보안을 뚫어 전쟁에서 이기기위해 인공지능에 큰 투자를 하기로 한 미국은 러시아 어를 영어로 또는 영어를 러시아어로 바꾸는 번역부터 집중을 하였습니다.

1954년부터 1966년까지는, 컴퓨터 언어학자인 W. John Hutchins의 기계번역서에 따르면, 저명한 과학자들이 곧 인공지능에 돌파구가 보일 것이라고 믿은 긍정의 시대였습니다. 하지만,그 결과를 쉽게내지 못했고, 1966년 7명의 과학자들이 기계 번역은 느리고, 경제적이지 못하며, 인간의 번역보다 미숙 하다고 결론 내리고 말았습니다. 그와 동시에, 모든 인공지능에 대한 투자는 멈췄습니다. 더욱이, Defense Advanced Research Projects Agency(DARPA)에서도 기본적인 인공지능 연구나 미군에게 직접적으로 도움을 주는 곳에만 투자되도록 강제를 받았습니다. 이로인해 “인공지능의 겨울”라고 불리는 이 시간 동안 과학자들은 투자를 받기위해 프로젝트의 명을 바꾸기도 했습니다.

늦은 1970년에는, Lisp 기계를 사용한 효율적이고, 특별하지만 비싼 기계가 미래의 인공지능의 모습이다라며, 약간의 인기가 있었지만, 그것 또한 일시적으로 끝나고 말았습니다.

또 다른 희망은 1980년말, 개인 컴퓨터가 보급되면서 회의적이었던 정부가 인공지능에 대한 투자를 하면서, 잠시 인기가 있었지만, 1990년 중반까지, 좋은 결과가 나지않자, 대부분의 사람들이 그 분야에서 빠져나오게 되었습니다.

마지막으로 과거 20년은, 고성능의 마이크로 프로세서와 새로운 기술에 힘입어, 딥러닝이라는 테두리 안에 많은 긍정적인 신호가 나타나기 시작하였고, 일반 사람들과 투자자들까지도 놀랄만한 결과가 가져왔습니다. 그 중 신경망 기술은 잘 정리된 훈련용 데이터로 “고양이”와 “고양이가 아님”을 구분할 수 있게 되었습니다. 또한 딥러닝 기술은 생물학, 약학, 그리고 언어학분야에도 기술향상을 시켜 아마존의 알렉사나 구글의 구글홈을 각 가정에 보급시켰으며, 기계의 시각 센서로 자율주행을 할 수 있는 수준까지 높였습니다.

“인공지능의 겨울”이 다시 올까요?

하지만, 완벽한 자율주행차가 “인공지능의 겨울”을 야기시킬수도 있습니다. 2015년 테슬라의 일론머스크는 2018년까지 완벽한 자율주행차량을 만들어 도로에서 달릴수 있게 하겠다고 단언하였지만, 이제 3개월이 채 남지 않은 상황이고, GM은 2019년까지의 현실화를 단언했습니다. 또한, 포드는 2021년까지 그 목표를 정했습니다. 하지만, 이러한 목표들은 우리 현실 세계에서 잠재적인 큰 문제점으로 인해 점점 더 달성하기 힘들어지고 있는 듯 보입니다. 예를 들어, 우버의 자율주행차량의 아리조나의 보행자 사고는 순식간에 그 인기를 식혀버리기에 충분했습니다.

인공지능 연구원인 Filip Piekniewski은 딥러닝에 대한 기술의 향상은 점점 느려지고 있으며,  아직 풀려지지 않은 점들은 많은 연구에도 불구하고 정답을 찾기 어렵다고 하였습니다. 그리고 인공지능 기술은 일반화 하기도 힘들다고 덧붙였습니다. 예를 들어, 집 고양이 사진으로 훈련시킨 인공지능은 집 고양이는 구분할 수 있지만, 서성거리는 사자같은 것은 구분할 수 없습니다.

이러한 조그맣지만 본질적인 문제는 자율 주행차량에서도 나타나고 있습니다. 카네기 멜론 대학교의 컴퓨터과학 교수인 Andrew Moore는 “우리가 2020년에 자율 주행차량을 런칭시킬 예정이라면, 99.9999 퍼센트의 안전을 위해 앞으로 매년 자율주행의 문제점을 60%씩 줄여나가야 한다”고 설명했으며, “나는 그 문제에 대한 해결이 그렇게 빨리 일어날 것이라 믿지 않는다”라고 덧붙였습니다. 또한, “향후 몇년은 약 20%씩 그 문제점을 줄일 수 있겠지만, 갈수록 그 향상 속도는 한자리 수로 줄어들 것이며, 결국에는 풀지못한 문제로 남게 될수도 있다”라고 마무리 지었습니다.

“인공지능의 겨울”은 예측하기 힘듭니다. 게다가 그 분야도 다양합니다. 기술에 대한 흥분은 충분히 필요하지만, 그것들을 현실화 하려면 아직도 많은 문제점을 충분한 시간을 두어 풀어야할 것입니다.

마지막으로 페이스북의 전 인공지능 디렉터인 Yann LeCun이 IEEE에 언급한 부분으로 마무리 할까합니다.

“인공지능은 그 겨울을 많이 지나왔었다. 바로 사람들이 풀지못할 문제점들때문에…”

Leave a Reply

Your email address will not be published. Required fields are marked *