공상 과학 같은 인공지능 이야기 입니다. 아마, 주변에서 인공지능에 대한 이야기를 많이 들어 본 적이 있을 것입니다. 상품 광고에도 등장하고, 영화의 단골 주제로 다루어지기도 하였습니다. 말은 많이 들었지만, 정작 인공지능이 무엇인지 간단한 개념조차 알고 있지 못하는 경우가 대부분입니다. 그래서, 이번에는 인공지능을 중심으로 한 사회 변화와 미래 사회의 모습을 살펴 보고자 합니다.
인공지능을 이야기 하기 전에, 먼저 지능이란 무엇인지를 알아 보겠습니다. 그리고 나서, 인공지능의 개념이 무엇인지를 설명하겠습니다. 인공 지능의 발전 과정을 살펴 보면, 인공지능을 이해하는데 큰 도움이 될 것입니다. 인공지능의 발전 과정을 통하여 인공지능이 추구하는 비전과 목표를 명확히 이해하고, 앞으로 해결하여야 할 문제점이 무엇인지를 알아 보겠습니다.
인공지능을 좀 더 심도 있게 알아보기 위하여, 인공지능의 분야와 그 내용을 간단히 살펴 볼 예정입니다. 그리고, 인공지능이 어디까지 와 있는지 주요 현황을 살펴 보고, 인공지능이 가져 올 미래 사회 모습에 대하여 함께 생각해 보도록 하겠습니다.
이렇게 하여, 컴퓨터 기술의 총아라고 하는 인공지능의 개요와 미래 사회 변화에 어떤 영향과 역할을 할 수 있는지 여러 측면에서 조명해 보는 것이 3장의 주된 목표입니다.
인공지능이라는 단어는 낯설지가 않습니다. 우리 주변에 많이 듣던 말입니다. 세탁기나 냉장고 광고에도 등장하였고, 공상과학 영화의 단골 주제였습니다. 영화의 경우, 공상과학 영화의 명작으로 인정받고 있는 <블레이드 러너>, <터미네이터>, <매트릭스>가 모두 인공지능에 관한 영화입니다. 블레이드 러너는 공상 과학 영화의 원전으로 기억되고 있기도 합니다. 최근에는 <아이 로봇>, <A.I.>, <이글 아이> 등 인공지능과 관련된 영화가 끊임없이 제작되고 있습니다. 우리는 영화 <매트릭스>를 보고 큰 충격에 빠졌던 것을 기억할 것입니다. 현재, 우리가 살고 있는 이 세상은 진짜가 아니라, 인공지능 컴퓨터 매트릭스가 만든 가짜 세상이고, 인간들은 매트릭스에 에너지를 공급하기 위해 사육되고 있다는 사실에 큰 충격을 받았습니다. 매트릭스에 비하여 인공지능 컴퓨터가 세상을 지배한다는 영화 <테미네이터>나 <이글 아이>는 어떤 면에서는 허접한 수준의 이야기라고 생각됩니다. 왜 이렇게 우리는 인공지능에 많은 관심을 가질까요? 그것은 인공지능이 가져 올 세상의 변화가 너무 엄청나기 때문일 것입니다. 대부분의 영화나 문학 작품에서는 미래의 사회는 인공지능 컴퓨터가 지배하는 암울한 사회로 그려지고 있습니다. 그럴까요? 지금부터 알아 보도록 하겠습니다.
인공지능을 이야기 하려면 먼저, 지능이 무엇인지 알아야 합니다. 지능이란 무엇일까요? 우리는 일상 생활에서 지능이라는 단어를 널리 사용하고 있습니다. “저 친구는 아주 지능적이야. 이 문제는 지능적으로 풀어야 해. 저 사람은 지능지수가 아주 높데…”처럼 다양한 의미로 지능이란 말을 사용하고 있습니다.
지능이 무엇인가를 정의하는 것은 무척 어려운 일입니다. 그러나, 일반적으로 지능은 추상적으로 사고하고, 새로운 사실을 이해하고, 소통하고, 논리적으로 추론하고, 새로운 지식을 학습하고, 학습 내용을 기억하고, 계획을 세우고, 문제를 해결하는 인간의 능력을 총칭해서 지능이라고 합니다. 지능은 이처럼 아주 복합적인 요소를 갖고 있습니다. 그래서 흔히 말하는 지능 지수, IQ 만으로는 대변하기가 어렵습니다. 최근에는 인지 심리학의 발달로 지능을 정의하는 것이 더 복잡해졌습니다. 예일 대학교의 스텐버그(Sternberg, 1985) 교수는 삼위일체 지능이론(triarchic theory of intelligence)을 주장하고 있고, 하버드 대학교의 하워드 가드너(Howard Gardner, 1983)는 다중 지능 이론(Multiple Intelligence Theory)을 주장하고 있습니다. 어째든, 인간은 지능을 갖고 있기 때문에 배우고, 이해하고, 새롭고 복잡한 상황에 대응하고, 새로운 것을 창조할 수 있는 사고 능력을 발휘할 수 있습니다. 이러한 생각을 할 수 있는 사고 능력이 개인이나 인류 발전의 모태가 되었습니다.
그러면 인공지능을 어떻게 정의할 수 있을까요? 인공지능 역시 한마디로 똑부러지게 말하는 것은 어렵습니다. 그러나 개념적으로 이해하기 쉽게 말한다면, “인간과 같은 지능적 능력을 갖는 컴퓨터” 또는 “인간처럼 생각할 수 있는 컴퓨터”라고 할 수 있습니다. 그러므로, 인공지능 컴퓨터는 인간처럼 “지식을 표현하고, 이해하고, 학습하고, 추론하고, 문제를 해결하는 능력”을 가져야 합니다.
과연 컴퓨터가 이런 능력을 가질 수 있을까요? 지능은 인간만이 가지는 독특한 능력이고 동물조차도 원시적인 지능만 가지고 있는데, 기계가 인간과 같은 지능을 가질 수 있을까요? 인공지능의 발전 과정을 추적하면서 알아 보도록 하겠습니다.
인공지능이 독립된 학문으로 처음 등장한 것은 1956년 여름부터 입니다. 당시, 미국의 다트머스 대학(Dartmouth College)의 존 매카시(John McCarthy) 교수는 인간처럼 지능적으로 사고할 수 있는 컴퓨터 프로그램의 개발 가능성을 검토하기 위하여 민스키(Marvin Minsky), 사이먼(Herbert Simon), 뉴엘(Allen Newell)과 모임을 가졌습니다. 이 네 명의 젊은이들은 훗날 인공지능의 발전에 뛰어난 업적을 남겼으며 인공지능의 창시자로 불리고 있습니다.
1956년 당시에는 컴퓨터가 아주 빠른 속도로 발전하고 있었습니다. 대부분의 사람들은 컴퓨터를 인간보다 숫자 계산을 빨리하는 기계로 인식하고 있었습니다. 그러나, 사이먼과 뉴엘을 비롯한 이들은 컴퓨터는 숫자를 포함한 모든 종류의 기호를 조작하는 기계로 보았습니다. 컴퓨터를 범용 튜링 머신으로 간주한 것입니다. 이들은 이러한 직관을 통해서 컴퓨터가 인간의 마음의 정보체계를 구현할 수 있을 것으로 생각하였습니다. 이들의 생각은 이랬습니다.
① 인간의 마음은 정보를 처리하는 체계이다.
② 정보처리는 계산, 즉 기호를 조작하는 과정이다.
③ 컴퓨터의 프로그램은 기호를 조작하는 체계이다.
④ 따라서, 인간의 마음은 컴퓨터의 프로그램으로 모형화될 수 있다.
어떻습니까? 아주 논리 정연한 생각 아닙니까? 우리는 이미 라이프니츠의 보편 기호 체제를 통해서인간의 논리적 사고 과정을 기호 체계로 형식화하고자 하는 노력에 대하여 알아 보았습니다. 즉, 인간의 논리적 사고는 기호의 조작과 같다는 것입니다. 이런 생각이 컴퓨터 개발의 이론적 밑바탕이 된 것도 살펴 보았습니다. 어째거나, 인간의 마음과 생각의 체계는 기호를 조작하는 체계이고, 또한 컴퓨터 역시 기호를 조작하는 체계이기 때문에 인간의 사고를 컴퓨터로 실현할 수 있다고 본 것입니다. 컴퓨터 하드웨어는 인간의 두뇌에 해당하고, 소프트웨어는 인간의 마음에 해당한다고 생각한 것입니다. 이러한 인간 사고의 기호 체계 가설은 인공지능의 핵심 개념이 되었고, 이것을 인공지능의 기호주의라고 합니다.
사이먼과 뉴엘은 이러한 생각을 증명하기 위하여, 1956년 최초의 인공지능 프로그램인 “논리학 이론가(Logic Theorist)”라는 이름의 프로그램을 개발하였습니다. 이 프로그램은 20세기 최고의 지성으로 꼽히는 러셀의 명저, <수학의 원리>에 제시된 논리 문제를 컴퓨터로 풀어 낸 것입니다. <수학의 원리>에는 아주 복잡한 논리 추론 문제 즉, 고도의 논리적 사고를 요하는 문제로 가득 합니다. 이 문제를 컴퓨터가 풀어 낸 것입니다. 어떤 문제는 사람보다 더 간결하게 풀어서 모두를 놀라게 하였습니다. 컴퓨터가 인간보다도 더 논리적 사고 능력을 가질 수 있다는 것을 입증한 것입니다.
이와 다른 한편에서, 1943년 매클로지와 피츠(McCullouch and Pitts)에 의하여 신경망 이론이 제시되었습니다. 잘 알고 있겠지만, 인간의 두뇌는 뉴런(neron)이라는 신경세포와 뉴런을 연결하는 시냅스로 구성되어 있습니다. 인간의 두뇌에는 약 1천 억 개의 신경세포 뉴런과 신경세포들을 연결하는 1천 조(兆)개의 시냅스로 이루어져 있다고 합니다. 아주 거대한 소우주라 할 수 있습니다. 두뇌안의 신경세포들은 서로 신호를 주고 받음으로써 감정, 학습, 기억, 행동, 판단 등 중요한 지능적 기능을 수행하고 있습니다. 만약 뉴런과 같은 동작을 하는 기계를 만들 수 있다면, 인간처럼 지능적 사고를 하며 생각하는 기계를 만들 수 있을 것입니다. 매클로지와 피츠는 뉴런과 시냅스로 이루어진 신경망의 동작을 수학적으로 모델화 하여 기계를 만들 수 있는 기반을 마련하였습니다. 1957년 로센브러트(Frank Rosenblatt)가 퍼셉트론(Perceptron)이라는 최초의 신경망을 만들어 신경망 컴퓨터의 가능성을 제시하였습니다. 그리고, 1982년에는 홉필드 교수가 새로운 형태의 신경망 컴퓨터를 구축하여 신경망 컴퓨터 연구 개발에 새로운 전기를 마련하였습니다.
신경망 컴퓨터는 두뇌의 기능을 모방하여 인공지능을 실현하고자 하는 노력입니다. 신경망 컴퓨터는 뛰어난 학습 능력과 자율 조정 능력을 갖고 있어, 그 동안 해결하기 어려웠던 패턴 인식이나 이해 등에 탁월한 성능을 보여 주었습니다. 이처럼, 두뇌의 신경망을 모방한 신경망 컴퓨터로 인공지능을 구현하고자 하는 노력을 인공지능의 연결주의라고 합니다.
인공지능을 바라보는 관점에는 두 가지 형태가 있습니다. 인간의 사고 과정을 기호의 조작으로 보는 기호주의는 논리적이고 디지털적입니다. 반면에, 인간 두뇌 모델에 기반한 신경망으로 실현하고자 하는 연결주의는 유추적이고 아날로그적이라고 할 수 있습니다. 두 가지 관점들은 나름대로의 확고한 기반이 있고, 각각 장단점이 있습니다. 기호주의는 논리 추론에 강한 반면에 연결주의는 학습 능력이 뛰어 납니다. 기호주의는 자연언어 처리 등 논리적 응용에 적합한 반면, 연결주의는 패턴인식과 같은 인지적 응용에 적합합니다. 앞으로도, 이 두 가지 관점이 인공지능의 발전을 주도할 것으로 생각됩니다.
기호 주의(symbolism) | 연결 주의(connectionism) |
| 지식을 기호로 표현.형식적 논리 체계 | 뉴런을 모델화.지식을 네트워크 구조와 연결강도로 표현 |
| 디지털 | 아날로그 |
| 의미 네트워크, 프레임, 스크립트, 논리식 | 다양한 신경망 모델 |
| 추론 능력 우수 | 연상기억과 학습 능력 우수 |
| 논리식 구성의 어려움 | 학습에 많은 시간 소요 |
| 전문가 시스템, 자연언어 처리… | 패턴인식, 분류… |
[표 3-1] 인공지능의 두 가지 접근 사상
인공지능은 두 가지 접근 방식을 주축으로 지속적 발전을 하여 왔습니다. 50년대에는 인공지능이 태동하여 컴퓨터의 논리적 추론 능력을 입증하는데 주력하였습니다. 인공지능의 가능성이 제기되자, 시범 응용으로 기계 번역에 집중적인 연구가 있었습니다. 언어는 인간만 가지고 있는 인지 능력으로서 컴퓨터가 언어를 이해할 수 있다면, 인간과 같은 고도의 지능을 가질 수 있기 때문입니다. 60년대에 오면서, 언어학에도 새로운 이론이 등장하는 등 획기적인 발전이 있었습니다. 이를 기반으로 하여, 컴퓨터가 언어를 이해하는 자연언어 이해 연구가 활발하게 추진되었습니다. 인공지능 연구자들은 조만간에 인공지능 컴퓨터가 개발할 수 있다는 흥분에 쌓여 있었습니다. 그런데, 불행하게도 60년대말 컴퓨터가 언어를 이해하기 위해서는 더 많은 연구가 있어야 하고, 현시점에서는 적절치 않다는 비관적인 견해가 제시되어 인공지능 연구에 실망을 안겨 주었습니다. 그러나, 70년대에 오면서 획기적인 연구 성과가 도출되어 인공지능 연구가 다양한 분야에서 크게 각광을 받게 됩니다. 위노그래드가 언어 이해의 새로운 가능성을 보여 주었으며, 쇼트리프는 질병의 원인이 되는 박테리아에 대한 전문가 시스템을 개발하여, 인공지능의 실무 응용에 획기적인 방안을 제시하였습니다. 이처럼 인공지능 컴퓨터의 가능성이 어느 때보다도 확실하게 눈앞에 펼쳐졌습니다.
일본은 인공지능 기술을 선점하여 미래 사회의 선도 국가가 되고자, 제5세대 컴퓨터 프로젝트를 범국가적으로 추진하여 세계를 놀라게 합니다. 인공지능 기술을 선점하는 국가가 세계를 지배하게 된다는 인식이 팽배해져 각각의 국가에서도 제5세대 컴퓨터와 유사한 프로젝트를 수행합니다. 바야흐로, 세계는 인공지능 컴퓨터 개발의 치열한 경쟁에 돌입하게 됩니다. 10년간의 집중적인 연구 개발 노력과 막대한 투자에도 불구하고, 일본의 제5세대 컴퓨터 프로젝트는 실패하고, 유사한 연구도 원하는 성과를 얻지 못하게 됩니다. 컴퓨터 연구 개발자들은 비로소 인공지능을 가진 컴퓨터의 개발이 생각보다 훨씬 어렵고 벅찬 과제임을 인식하게 되었습니다. 인간의 지능은 기호주의나 연결주의로 구현될 수 없는 그 이상의 인지 능력이 있다는 것을 알았습니다. 초창기 인공지능 연구자들은 언어를 자유자재로 번역할 수 있는 기계번역 시스템을 쉽게 구축할 수 있을 것으로 낙관하였지만 실패하고 말았습니다. 언어를 이해한다는 것은 단순히 단어 뜻만을 이해한다고 해서 해결되는 문제가 아니었던 것입니다. 요즈음도 구글에서 언어번역 기능을 제공하고 있는데, 많은 발전이 있다고는 하지만, 번역문이 거의 이해를 할 수 없는 수준임을 보아도, 언어 번역이 얼마나 고도의 지능을 요하는지를 알 수 있습니다. 음성 인식이나 패턴 인식에도 부분적인 진전이 있었으나, 인간과 같은 유연한 인식 능력을 갖지 못하고 있습니다. 인간은 복잡한 도시의 소음 속에서도 대화를 할 수 있지만, 컴퓨터는 전혀 그렇지 못합니다. 인간은 흘려 쓴 글씨를 이해할 수 있지만, 컴퓨터는 그러하지 못합니다. 더구나, 인간은 일상 생활에서 생각하고 추론할 때, 상식을 이용하지만, 컴퓨터는 그렇지 못합니다. 어린 아이는 자동차나 자전거가 달려 오면 당연하게 피하지만, 컴퓨터의 경우에는 어떻게 하여야 할 것인지 판단하기가 어렵습니다.
| 1950년대(태동기) | 1956: 존 매카시 : 인공지능 용어 사용1957: 뉴엘, 쇼우, 시몬 : 논리문제 해결자(GPS) 개발.1958: 존 매카시 : 인공지능 언어 LISP 개발.기계 번역 연구 활성화. |
| 1960년대(발화기) | 자연언어 연구 활성화.1965: 로빈슨 : 기계적 논리 증명절차 방법.1965: 와젠바움 : 컴퓨터와 대화 시스템 ELIZA 개발.1966: 퀼리언 : 시멘트 네트 발표.1967: 와젠바움 : 지식 기반 프로그램 Dendral 개발 1969: 생크 : 자연언어이해 시스템. |
| 1970년대(개화기) | 1971: 위노그래드 : 자연언어이해 시스템 SHRDLU.1974: 쇼트리프 : 최초의 전문가 시스템 MYCIN.1975: 민스키 : 프레임(frame)이론 발표.1979: 다양한 전문가 시스템 출현, EMYCIN, INTERNIIST. |
| 1980년대 (확산기) | 신경망 컴퓨터 연구 활성화1981:대형 연결주의 컴퓨터 개발 일본, 제5세대 컴퓨터 연구 |
| 1990년대(암흑기) | 컴퓨터 비젼, 게임, 에이전트 등 다양한 지능시스템 개발.1997: DeepBlue : 세계 체스 챔피언(카스파로프 격퇴)로봇축구대회 개최.AI Winter: 인공지능 연구에 겨울 도래 |
[표 3-2] 인공지능의 발전 과정
인공지능 연구 성과가 미미하자 과학자들은 크게 실망하였고, 지능은 우리가 아직 알지 못하는 비밀에 싸여 있음을 직감하게 되었습니다. 그리하여, 90년대 들어 오면서, 인공지능 연구 열기는 급속하게 쇠퇴하게 되었습니다. 이를 두고, 인공지능의 암흑기, 인공지능의 겨울이 도래하였다고 하기도 합니다. 그렇지만, 인공지능에 대한 열망은 식지 않아 꾸준히 연구되어 왔고, 최근에는 심리학, 언어학, 철학, 뇌과학, 신경과학, 인류학 등 다양한 학문 분야가 융합하여 인공지능의 부활을 위하여 연구 노력하고 있습니다.
이제, 인공지능의 발전 과정을 개략적으로 알아 보았으니, 좀더 구체적으로 인공지능을 둘러 싼 여러 문제를 살펴보겠습니다. 인공지능이 당면한 가장 원초적인 문제는 기계가 지능을 가지고 있다는 것을 어떻게 알 수 있느냐 하는 문제일 것입니다. 내가 새로운 컴퓨터 시스템을 개발하였습니다. 그리고, 이것은 인공지능 컴퓨터라고 주장하였을 때, 이 컴퓨터가 과연 지능이 있는지를 어떻게 판정할 수 있을까 하는 것입니다. 이것은 컴퓨터가 지능을 가질 수 있을까 하는 문제와도 연관이 있습니다. 어떻게 생각하세요? 컴퓨터가 지능을 가질 수 있을까요? 그리고, 컴퓨터가 지능을 가지고 있다는 것을 어떻게 알아 낼 수 있을까요?
이 문제에 대하여 흥미로운 제안을 한 사람이 튜링(Alan Turing)입니다. 앞서 살펴 본 바와 같이, 튜링은 컴퓨터의 이론적 토대를 제공하였고, 튜링 머신으로 알려진 범용 컴퓨터의 구조를 제시한 바있습니다. 튜링은 1950년 그의 매우 유명한 논문 <계산하는 기계와 지능(Computing Machinery and Itelligence)>에서 “기계는 생각할 수 있을까(Can machines think?)?”하는 질문에 대한 대답으로 게임(imitation game)이라는 흥미로운 아이디어를 제안하였다. 이 모방 게임은 기계가 생각하고 있는지를 평가하는 일종의 시험이기 때문에 튜링 테스트(Turing test)라고 부릅니다. 튜링 테스트는 인공지능 학자들의 전폭적인 동의와 지지를 받았으며, 튜링 테스트에 합격할 수 있는 프로그램 개발이 인공지능 연구의 목표가 되었습니다. 튜링 테스트를 통과할 수 있으면, 지능을 가지고 생각하는 컴퓨터가 될 수 있다고 생각하였으니까요. 그럼, 튜링 테스트가 무엇인지 알아 보겠습니다.
[그림 튜링 테스트]와 같이 밀폐된 두 방이 있습니다. 한쪽 방에는 인간이 있고, 다른 쪽 방에는 무엇이 있는지 모릅니다. 인간이 될 수도 있고 컴퓨터가 될 수도 있습니다. 그리고, 방 밖에는 질문자가 있습니다. 질문자는 어느 방에 무엇이 있는지 전혀 알 수가 없고, 방과는 오직 통신만을 통해서 이야기할 수 있습니다. 이러한 상황에서 방 밖의 질문자는 다양한 질문으로 어느 것이 컴퓨터인지 또는 인간인지를 판정하게 됩니다. 만약, 질문자로부터 컴퓨터가 인간이라고 판정을 받는다면, 그 컴퓨터는 지능을 가진 인공지능 컴퓨터라는 것입니다.
[튜링 테스트]
컴퓨터가 지능이 있는지를 테스트하는 아주 간단하고 명쾌한 방법이라고 생각하지 않으세요? 우리는 튜링 테스트를 이용하여 아주 효과적으로 그리고 간단하게 컴퓨터가 지능이 있는지를 판정할 수 있게 되었습니다. 그래서, 인공지능 연구자들은 튜링 테스트를 통과할 수 있는 컴퓨터 개발에 매진하게 된 것입니다.
그러면, 튜링 테스트를 통과하면 인간과 같은 지능을 갖고 생각하는 컴퓨터라고 할 수 있을까요? 인간이 얼마나 위대한데 컴퓨터가 튜링 테스트를 통과했다고 해서, 인간의 반열에 오를만한 지능을 가지고 있다고 할 수 있을까요? 인간의 자존심은 접어 두고라도 과연 튜링 테스트를 통과한 컴퓨터는 정말 지능을 갖고 있다고 할 수 있을까요? 이와 같은 반론이 제기 되었습니다.
미국의 저명한 언어 철학자인 존 서얼(John Searle)은, 1980년 <마음, 뇌, 그리고 프로그램(Minds Brains, and Programs)>이라는 논문을 발표하여 튜링 테스트를 정면으로 비판하여, 치열한 논쟁을 촉발시켰습니다. 존 서얼은 컴퓨터가 튜링 테스트를 통과하더라도, 결코 지능을 가질 수 없다는 것입니다. 그러면서, 그 이유로 중국어방(Chinesse Room)이라는 예를 제시하였습니다.
[그림 존 서얼의 중국어 방1]
밀폐된 방에 중국어를 전혀 모르는 영국인이 있습니다. 그리고, 영국인 앞에는 중국어 질문에 대하여 중국어로 답변할 수 있는 영어로 된 규칙 매뉴얼이 있습니다. 또한, 중국어 문장 바구니가 있습니다. 중국어로 된 질문이 입력되면, 방안의 영국인은 매뉴얼 규칙에 따라 중국어로 된 답변을 바구니에서 찾아 출력합니다. 이 과정이 아주 순조롭게 진행된다고 할 때, 밀폐된 방에 있던 영국인이 중국어를 아주 잘 말할 수 있다고 할 수 있을까요? 생각해 보세요. 밀폐된 방의 영국인은 중국어를 전혀 몰라도 방 밖에 있는 사람들이 보았을 때는 중국어를 아주 잘 하는 것처럼 보입니다. 중국어 질문에 대하여 중국어 답변을 내어 놓는 것이 아주 능숙한 것으로 보아, 중국어를 사용하는 원어민처럼 보입니다. 이처럼, 존 서얼은 중국어 방 안의 사람이 기호(중국어 글자)의 단순한 조작을 수행하여 튜링 테스트에 합격했음에도 불구하고 여전히 중국어를 전혀 이해하지 못하고 있는 것과 마찬가지로, 기호를 조작하는 컴퓨터의 프로그램이 튜링 테스트를 통과할 수 있다고 하더라도 결코 인간의 지능을 가질 수 없다고 주장하였습니다. 인공지능 연구자들에게 크게 한방 먹인 것입니다.
존 서얼의 중국어 방 안에 있는 영국인은 컴퓨터, 중국어 글자를 조작하는 규칙이 적혀 있는 것은 컴퓨터 프로그램, 이 책자를 만든 사람은 프로그래머(programmer), 중국어 글자들이 들어 있는 여러 개의 바구니는 데이터베이스(database), 방 밖의 사람이 넣어주는 중국어 글자는 입력, 이 질문에 따라 방 밖으로 내보내는 중국어 글자는 출력에 비유할 수 있습니다.
[존 서얼의 중국어 방 인공지능]
존 서얼의 중국어 방은 인공지능에 대한 치열한 논쟁을 야기하였습니다. 인공지능 연구자들이 가만히 있을 리가 없지요. 인공지능 연구자들은 “그래, 인정한다. 방안의 영국인이 중국어를 이해하지 못한다는 것을. 그러나, 중국어가 입력되면, 정확한 중국어가 출력되므로, 전체적으로 보았을 때는 중국어를 이해하고 있는 것이다. 방 안에 있는 영국 사람만 보지 말고, 전체 시스템을 보아야 한다. 두뇌는 수많은 신경세포로 구성되어 있다. 신경 세포 하나하나가 생각하는 것이 아니라, 신경 세포 전체가 모인 두뇌 시스템이 생각하는 것이다. 그러므로, 시스템적으로 보았을 때 중국어 방은 중국어를 이해하고 있다고 할 수 있다.”라고 했습니다. 그렇습니다. 지능을 신경 세포 하나하나씩 보지 말고 두뇌 시스템으로 인식하면 중국어 방도 시스템적으로 보아 지능이 있다고 할 수 있습니다.
결국, 이러한 논쟁은 무승부가 되어 아직도 진행 중입니다. 컴퓨터가 지능을 가질 수 있는가 하는 것은 쉽게 결정될 수 있는 간단한 문제가 아니기 때문입니다. 존 서얼은 인공지능 연구를 비판하면서 인공지능 연구를 약(弱)한 인공지능(weak AI)과 강(强)한 인공지능(strong AI)으로 구분하였습니다. 약한 인공지능은 진짜 지능은 갖추고 못하지만, 지능적인 처리를보여 주는 것을 말합니다. 예를 들어, 환자의 각종 검사 결과를 기반으로 진단하거나 치료하여 주는 의료 전문가 시스템이나 항공기의 운행을 자동 조정하여 주는 것과 같은 지능적 능력을 보여 주는 것을 말합니다. 반면에, 강한 인공지능은 실제로 사고하고 스스로 인식하여 지능적으로 문제를 해결하는 것을 말합니다. 대부분의 영화에서 볼 수 있는 그런 지능적인 시스템을 강한 인공지능이라고 합니다. 이런 측면에서 보았을 때, 약한 인공지능 연구는 장족의 발전이 있었습니다. 강한 인공지능 연구는 최근에 크게 각광을 받고 있는 인지과학을 중심으로 활발한 연구가 진행 중입니다. 인지과학은 인간의 지능이 아니라, 마음(mind)의 구조를 연구하는 학문입니다. 이제 인간의 마음이 어떻게 동작하는지가 과학의 주요 대상이 되고 있습니다. 인지과학은 철학, 심리학, 언어학, 인류학, 신경과학 그리고 인공지능 등 6개 분야가 마음의 구조에 대하여 함께 공동 연구하는 분야입니다. 인지과학에서는 지능뿐만 아니라, 마음의 기능을 중심으로 인지 능력, 감성, 심상 등 마음의 정보처리를 연구하고 있습니다. 앞으로 인공지능은 인지과학과 더불어 인간의 마음을 이해하는데 정진할 것으로 보여집니다.
강한 인공 지능(Strong AI) | 약한 인공 지능(Weak AI) |
| 인간과 같은 사고 능력을 갖는 컴퓨터를 구현 | 지식이 요구되는 복잡한 문제 해결 |
| 인간과 같은 인지 및 지각 능력 | 고수준의 문제 해결 능력 |
| 예 : 지능형 로봇 | 예 : 전문가 시스템 |
[표 3-3] 강한 인공 지능 vs. 약한 인공 지능
지금까지 우리는 인공지능의 개념에 대하여 살펴 보았습니다. 컴퓨터의 역사는 인공지능의 역사라고 하여도 좋을 것입니다. 컴퓨터의 궁극적인 목적이 인공지능의 실현에 있기 때문에, 컴퓨터 초창기부터 핵심 관심사로 연구되어 왔습니다. 그리고 인공지능과 둘러싼 여러 논쟁에 대하여도 살펴 보았습니다.
앞에서 우리는 인공지능의 개념에 대하여 알아 보았습니다. 인공지능의 정의, 역사, 그리고 인공지능과 관련된 논쟁을 통하여 과연 컴퓨터가 지능을 가질 수 있는가 하는 문제에 대하여 깊이 생각해 보았습니다. 또한, 인공지능에는 약한 인공지능과 강한 인공지능이 있다는 것도 알았습니다.
지금부터는 인공지능에 대해여 좀더 전문적으로 알아 보기로 하겠습니다. 인공지능의 주요 분야를 살펴서 인공지능에 대한 이해를 돕고자 합니다.
약한 인공지능과 강한 인공지능 논쟁에서 보는 것과 같이, 인공지능은 앞으로도 지속적으로 더욱 연구해야 할 과제입니다. 아직, 우리는 인간의 인지 능력과 두뇌의 동작에 대하여 모르는 것이 너무 많습니다. 현재의 인공지능은 다각적인 접근 방법으로 인간과 같은 사고 능력을 갖는 컴퓨터 개발에 노력하고 있습니다. 현재의 인공지능 연구를 요약하면 [그림 인공지능의 중요 분야]과 같이 4가지 영역으로 나눌 수 있습니다.
[인공지능의 중요 분야]
가로 축의 약한 인공지능은 컴퓨터의 현실적 한계를 고려하여, 사고 능력이 요구되는 문제의 합리적 해결에 중점을 두며, 강한 인공지능은 궁극적으로 인간의 사고 과정을 컴퓨터에서 실현하고자 하는 노력입니다. 세로 축은 복잡한 문제의 자기 발견적(heuristic) 지능적 처리와 인간의 인지 능력을 기반으로 한 해결 방법 모색 등 인공지능의 방법론입니다. 가로 축의 접근 방법과 세로 축의 방법론에 의하여 인공지능의 연구 개발은 대략 4가지로 구분할 수 있게 됩니다.
첫째로, 지식처리 중심의 약한 인공지능 연구는 복잡한 문제를 지능적 요소를 가미하여 해결하고자 하는 것입니다. 예를 들어, 자동차 고장 수리를 컴퓨터가 하는 것을 들 수 있습니다. 자동차 고장 수리를 위해서는 자동차에 대한 전문 지식이 있어야 하고, 고장 증상에 따라 원인을 파악하고, 해결 방법을 제시하여야 합니다. 이런 것은 재래적 컴퓨터 응용으로는 해결하기가 어려울 것입니다. 이런 분야로 대표적인 것이 전문가 시스템 개발입니다.
둘째로, 인지적 사고 기반의 약한 인공지능은, 인간과 같은 인지 능력을 가지는 시스템을 개발하는 것을 목적으로 합니다. 영어를 한국어로 자동 번역하거나 인간과 컴퓨터가 대화하는 시스템을 예로 들 수가 있습니다. 언어를 번역하기 위해서는 문장의 의미와 문맥을 이해하는 고도의 인지 능력이 요구됩니다. 이런 것을 컴퓨터로 하고자 하는 것입니다.
셋째로, 지식처리 기반의 강한 인공지능에서는 인간의 논리 추론을 구현하고자 합니다. 키가 1m인 고릴라와 80cm 높이의 상자가 2개 있습니다. 그런데, 3m 높이에 있는 바나나를 어떻게 하면 딸 수 있을까? 하는 것처럼 논리적 사고가 요구되는 문제를 해결하는 분야입니다. 컴퓨터로 논리적 사고와 추론 능력을 구현하고자 하는 분야입니다.
마지막 네 번째로, 인지 능력을 갖는 강한 인공지능에서는 인간과 같은 인지 능력의 컴퓨터를 만들고자 하는 것입니다. 쉽게 말하면, 지능 로봇 또는 사이보그(cyborg)를 만들고자 하는 것입니다.
이처럼 인공지능에는 여러 세부 분야가 있습니다. 그러나, 여기에서 구분한 것처럼 인공지능의 영역을 분명하게 구분하는 것은 어렵습니다. 여러분이 인공지능의 핵심 분야를 이해하기 쉽도록 접근 방식을 중심으로 이해하기 쉽도록 구분해 본 것입니다. 그러면, 대표적인 분야를 좀더 세부적으로 살펴 보도록 하겠습니다.
먼저, 자연언어 이해 분야 입니다. 자연언어란 한국어, 영어, 중국어 같은 인간이 사용하는 언어를 말합니다. 반면에, Java, C와 같이 컴퓨터 프로그램을 작성할 때 사용하는 언어를 인공언어라 합니다. 자연언어를 이해하기 위해서 인간처럼 자유자재로 언어를 이해하고 대화하는 시스템을 개발하고자 합니다. 언어는 인간의 생각과 사고를 표현하는 도구로 인간만이 갖고 있는 고유한 인지 능력입니다. 침팬지도 언어 능력이 있다고 주장하기도 하지만, 언어는 인간만이 갖고 있는 아주 특이한 능력입니다. 인간이 생각하고 사고하는 것은 1차적으로 언어로 표현이 가능합니다. 따라서, 언어를 이해하면 인간이 어떻게 생각하고 사고하는지를 알 수 있게 됩니다. 언어의 이해는 인간의 인지 체계를 이해하는 가장 확실한 방법이라고 할 수 있습니다. 그래서, 인공지능을 비롯한 언어학, 심리학, 인지과학 등에서는 인간의 언어 이해를 규명하려고 많은 연구 노력을 기울려 왔습니다.
그런데, 언어는 참으로 이상한 특성이 있습니다. 머리가 좋거나 나쁘거나 남자나 여자, 즉 성별에 상관없이 대략 6, 7세가 지나면 모든 사람이 자유자재로 언어를 구사할 수 있습니다. 인간은 차별 없이 모두가 동일한 언어 능력을 갖고 있습니다. 초등학생도 대학생들과 똑같은 언어 구사 능력을 갖고 있습니다. 그런 의미에서 “어린 아기가 말을 배운다”라고 하는 것은 잘못된 것입니다. 만약, 언어를 배운다고 하면 어떤 아이는 잘 배워서 말을 잘 할 것이고, 어떤 아이는 잘 배우지 못해서 말을 잘하지 못해야 하는데, 모든 어린 아이는 일정한 나이가 되면 자유자재로 말을 하게 됩니다. 초등학생이나 대학원을 나온 박사나 언어를 사용하는데 있어서는 별반 차이가 없습니다. 그러므로, 언어는 배우는 것이 아니라 자연스럽게 습득되는 것입니다. 언어는 이처럼 아주 독특한 특성이 있습니다.
이런 언어를 컴퓨터가 이해한다는 것은 쉬운 일이 아닙니다. 한국 사람이 영어를 배우는 것이 어려운 것처럼, 컴퓨터가 자연언어를 이해하기 위해서는 힘들고 복잡한 과정을 거쳐야 합니다. 예를 들어, “관객들은 새 영화에 뜨거운 관심을 보였다”와 같은 문장을 어떻게 이해하는지 살펴 보도록 하겠습니다. 먼저, 어휘분석을 하여야 합니다. “관객”은 명사, “들”은 복수를 나타내는 접미사, “은”은 주어를 표시하는 조사와 같이 단어를 식별해 내고 그것에 해당하는 품사를 분석합니다. 다음으로 품사 분석을 기반으로 문법 구조를 분석하게 됩니다. “관객들은” 주어, “새”는 명사 “영화”를 수식하는 수식어로 “새 영화”는 부사어, “뜨거운”은 “관심”을 수식하는 수식어로 “뜨거운 관심”은 목적어, “보였다”는 “보다”의 과거 서술형으로 서술어처럼 문장의 문법 구조를 분석하게 됩니다.
[관객(명사)+들(복수 접미사)+이(주격 조사)]주어+[[새(관형사)+영화(명사)]+에(부사격 조사)]부사어+[[뜨거운(형용사)+관심(명사)]+을(목적격조사)]목적어+[보(동사)+였다(과거 서술어미)]서술어
문법구조가 분석되면, 문장의 의미구조를 분석합니다. “새 영화”는 새로운 영화인지, 아니면 새에 관한 영화인지 모호합니다. 또한 관심이 뜨겁다는 것은 정말로 관심의 온도가 뜨거운 것인지, 아니면 관심이 많다는 것인지를 등을 분석하여 문장의 정확한 의미를 알아 냅니다. 또한, 문장의 주체, 대상, 행위 등 구성 요소간의 의미관계도 파악하게 됩니다. 의미 분석이 끝나면, 문장이 사용된 전후의 문맥을 분석하여야 합니다. 같은 문장이라고 하더라도, 전후 문맥에 따라 의미가 달라지기 때문입니다. 예를 들어, “창호는 눈물을 흘렸다”라는 문장에 대하여, “창호의 어머님이 병원에 입원했다. 창호가 눈물을 흘렸다”하면, 어머니가 입원하여 슬퍼서 운 것이고, “창호가 드디어 금메달을 땄다. 창호가 눈물을 흘렸다”하면 기뻐서 운 것이 됩니다. 이처럼 전후의 문맥에 따라, 문장의 의미가 달라집니다. 자연언어 처리 시스템이 어떻게 동작하는지 질의 응답의 예를 통해서 알아 보겠습니다.
[자연언어의 이해]
컴퓨터는 이처럼 복잡한 과정을 통해서 인간의 언어인 자연언어를 이해하고자 합니다. 자연언어의 이해는 인간의 사고 과정을 이해할 수 있는 인공지능의 핵심 과제로 많은 연구가 진행되어 왔고, 상당한 수준에 이르고 있습니다. 그럼, 자연언어의 이해를 어떤 곳에 응용 또는 적용할 수 있을까요? 컴퓨터가 인간의 언어를 이해할 수 있다면, 모든 분야에서 그야말로 혁명적인 변화가 일어 날 것입니다. 몇 가지 대표적인 사례만 살펴 보겠습니다. 먼저, 컴퓨터와 인간이 상호 대화하는 시스템이 있습니다. 컴퓨터와 인간이 대화할 수 있다는 것은 아주 단순한 것이라고 해도, 충격적인 변화를 가져 올 것입니다. 영어를 한국어로 번역하는 것과 같은 기계번역에 응용할 수 있습니다. 구글에서 제공하는 번역 기능이 대표적인 예입니다. 이미 휴대용 번역기도 나와 있습니다. 아직은 만족할 수준이 되지는 못하지만, 조만간에 언어 장벽을 해소하는 기계번역 시스템이 나올 것입니다. 그러면, 사회가 어떻게 변화될지 생각해 보세요. 인류가 꿈꾸어 왔던 언어 장벽이 없는 신세계가 도래할 것입니다. 음성으로 스마트 TV나 가전제품이 조정하는 리모컨없는 스마트 가정이 도래하고 있습니다. 아이폰(iPhone)에서 제공하고 있는 시리(Siri)같은 대화형 비서 시스템도 조만간 일반화될 것입니다. 누구나 자기만을 위한 인공지능 비서를 가질 수 있게 될 것입니다. 그리고, 언어를 이해한다면 방대한 양의 자료를 분석해서 요약해 주는 시스템도 가능할 것입니다. 예를 들어, 책의 내용을 분석하여 요점과 주제를 요약해 주는 시스템입니다. 이미, IBM의 왓슨(Watson)에서 보는 바와 같이, 인간보다도 더 많은 전문 지식을 갖고 있는 시스템과 대화를 통해서 문제를 해결할 수도 있습니다. 이처럼 자연언어 이해는 무궁무진한 응용이 가능하며, 우리 사회의 지식 정보화를 가속화하는 기폭제가 될 것입니다.
인공지능의 주요 연구 분야로 패턴 인식(pattern recognition)이 있습니다. 패턴이란 구조, 형태, 형상으로 패턴인식은 형상의 의미를 이해하는 것입니다. 쉽게 말하면, 컴퓨터가 시각, 청각 등 감각 기관을 통해 인지한 형태의 의미를 이해하는 것입니다. 형태와 의미를 가진 어떤 것은 모두 패턴이 될 수 있습니다. 대표적인 패턴으로 슬라이드에 보는 것과 같은 것이 있습니다. 사람의 얼굴, 지문, 문자, 도로 표지판, 바코드, 음표, 유전자, 강아지와 고양이 같은 개체, 일기예보도 등 우리가 일상 생활에서 접하는 모든 도형이나 형태를 일반적으로 패턴이라 할 수 있습니다. 이러한 패턴은 고유의 의미를 갖고 있는데 패턴의 의미를 인식하여 처리하는 것이 패턴 인식입니다.
인간은 패턴을 보면 쉽게 그 의미를 이해하지만, 컴퓨터는 복잡한 처리 과정을 거쳐 인식하게 됩니다. 먼저, 시각이나 청각 장치 등을 통해서 패턴을 입력합니다. 이것을 패턴 센싱(sensing)이라고 합니다. 시각 장치로는 주로 카메라가 사용되고 청각 장치로는 마이크가 활용되고 있습니다. 카메라나 마이크로 입력된 패턴에서는 원하지 않는 잡음이나 불필요한 부분이 포함되어 있습니다. 이를 제거하는 전처리(preprocessing)를 하게 됩니다.
순수한 패턴을 만드는 것입니다. 그리고 나서, 패턴을 다루기 쉽도록 패턴의 영역을 분할합니다. 패턴을 처리하기 쉽도록 둘 또는 그 이상으로 쪼개는 것입니다. 각 패턴은 패턴 고유의 특징(feature)이 있습니다. 예를 들어, 숫자 8은 원이 두 개 있고, 숫자 9는 원 하나와 아래쪽 직선 하나가 있습니다. 사람의 얼굴도 제각기 특징이 있기 때문에 분간할 수 있는 것입니다. 바코드 역시 굵은 선과 가는 선의 수에 의하여 인식됩니다. 패턴은 패턴이 나타내는 특징에 의하여 인식되는 것입니다. 그래서, 컴퓨터는 패턴의 특징을 찾아 내게 되는 데, 이를 특징 추출(feature extraction)이라고 합니다. 특징 추출이 끝나면 이를 기반으로 패턴을 분류(classification)하여 패턴을 인식하고 그 의미를 찾아내게 됩니다.
패턴 인식은 넓은 활용성으로 인하여 많은 연구가 진행되었고, 다양한 상용 제품도 개발되어 있습니다. 이미 지문조회 시스템은 수사 기관의 기본 장비가 되었으며, 광학 문자 인식(optical character recognition)이라고 하는 OCR을 활용한 명함인식 장치, 필기문장의 파일 변환 시스템도 널리 사용되고 있습니다. 바코드나 QR코드 활용을 어디서나 볼 수 있게 되었습니다. 패턴 인식을 응용한 시스템입니다. 음표를 인식하여 자동 연주하는 시스템, 음성을 인식하여 문자로 변환하여 주는 음성-문자 변환기, 얼굴이나 홍체를 인식하는 출입을 통제하는 보안 시스템 등도 일상 생활에서 널리 활용되고 있습니다.
패턴 인식을 시각 분야에 집중적으로 확대한 것을 컴퓨터 비전(computer vision)이라고 합니다. 인간의 눈의 역할을 하는 시각 능력을 컴퓨터에게 부여해 주는 것입니다. 컴퓨터에 장착된 카메라를 통해서 입력된 영상의 내용을 컴퓨터가 이해하는 것입니다.
예를 들어, 컴퓨터에 거리 영상이 입력되면 컴퓨터는 영상을 분석하여 사람, 도로, 건물, 도로 표지판 등을 분리해 내고 그 내용을 이해하게 됩니다. 컴퓨터 비전은 어떤 곳에 응용될까요? 그렇습니다. 로봇에 시각 능력을 부여하는데 응용할 수 있습니다. 그러면, 로봇이 인간과 같은 시각 능력을 가지고 주변 사물을 인식하여 인간과 같은 행동을 할 수 있습니다. 공장에서 차량을 조립하기도 하고 환자를 돌보기도 하고, 심지어는 전쟁에서 군인 대신 싸울 수도 있습니다. 컴퓨터 비전을 활용한 무인 자동 주행 자동차 연구도 활발합니다. 컴퓨터가 운전자 없이도 스스로 도로의 상황과 교통 신호를 인식하여 자율적으로 안전하게 목적지로 운전하는 시스템입니다. 이미, 구글에서 이런 자동차를 개발하여 조만간 사용할 것이라는 뉴스도 있습니다. 가끔 영화 속에서 인공지능 자동차가 나오기도 합니다만, 이런 자동차가 나오면 사회는 어떻게 변할까요? 생각해 보는 것도 재미있을 것입니다.
인공지능의 실용적 분야로 전문가 시스템(expert system)이 있습니다. 의사, 요리사, 차량 정비사, 변호사, 증권 분석가처럼 전문 분야에 전문적인 지식을 갖고 있는 사람을 전문가라 합니다. 전문가의 전문 지식을 컴퓨터에 이식하면 컴퓨터는 전문가가 될 것입니다. 이처럼, 전문 분야의 지식을 컴퓨터에 기억시켜, 컴퓨터를 전문가처럼 활용하는 것을 전문가 시스템이라고 합니다. 전문가 시스템은 인공지능을 실용적으로 활용할 수 있다는 측면에서 크게 각광을 받아 왔습니다.
전문가의 지식은 아주 체계적이고 한정적입니다. 실제로 전문 지식은 크기도 그렇게 크지 않고 복잡하지도 않습니다. 그렇기 때문에, 전문 지식을 쉽게 컴퓨터에 구현할 수 있습니다. 요즘에는, 테라바이트 기억장치와 같은 대용량 기억장치가 보편화되고 있고 지식 처리 기법도 발달하여, 다양한 전문 지식을 손쉽게 컴퓨터에 구현할 수 있게 되었습니다. 컴퓨터가 전문 지식을 처리할 수 있는 능력을 갖게 되면, 전문가 이상의 능력을 발휘할 수 있게 될 것입니다.
일반적으로, 전문가 시스템은 두 부분으로 구성됩니다. 전문가의 지식을 편집하고 저장하여 지식베이스를 구축하고 관리하는 부분, 그리고 사용자의 질문을 분석하여 질문의 해답을 추론하고 해답이 어떻게 생성되었는지를 친절하게 설명해 주는 사용자 지원 부분의 두 부분으로 구성됩니다.전문가 시스템의 핵심이라고 하면 전문 지식을 저장하는 지식 베이스와 관련 지식을 추론하는 추론 엔진이라고 할 수 있습니다. 추론 엔진으로는 논리적 추론 엔진이 널리 이용되고 있습니다. 전문가 시스템은 실용성이 크기 때문에 다양한 형태의 전문가 시스템이 개발되고 있습니다.
예를 들어, 의료 전문가 시스템은 환자를 진료, 진단하고 의사처럼 처방할 수 있습니다. 의료 전문가 시스템은 의사보다도 더 정확하고 효과적으로 진료, 진단, 치료할 수 있을 것입니다. 석유와 같은 자원 탐사에는 많은 전문 지식과 경험이 필요합니다. 이런 지식을 컴퓨터에 구현한 자원 탐사 전문가 시스템이 널리 활용되고 있기도 합니다. 정확한 탐사와 비용 절감에 큰 도움이 되고 지속적으로 지식을 축적하여 탐사 능력을 고도화할 수 있습니다. 항공기 정비에는 방대한 지식이 요구된다고 합니다. 항공기 정비에 관한 지식을 컴퓨터에 구현하여 항공기 고장을 미리 예방하고, 고장 발생시 신속하게 정비 보수하는 시스템이 있다면 큰 도움이 될 것입니다. 이런 시스템은 오래 전에 개발되어 실무에서 전문가 이상의 능력을 발휘하고 있습니다. 앞으로도 다양한 분야의 전문가 시스템이 개발되어 인간의 역할을 대신할 것입니다.
지금까지, 인공지능의 주요 부분에 대하여 알아 보았습니다. 이번에는 또 다른 관점에서 인공지능을 접근하고 있는 분야에 대하여 살펴 보도록 하겠습니다. 앞서 인공지능은 기호주의와 연결주의의 두 가지 관점이 있다는 것을 알았습니다. 연결주의는 인간의 두뇌가 뉴런으로 연결된 거대한 네트워크인 것처럼, 컴퓨터가 지능적인 능력을 갖기 위해서는 인간의 두뇌를 모방한 네트워크 연결 구조를 가져야 한다는 것입니다. 연결주의의 입장에서 인공지능을 접근한 것이 인공 신경망 (artificial neural network)입니다.
1943년 워렌 맥컬럭(Warren McCulloch)과 월터 피츠(Walter Pitts)는 인간의 신경망 동작을 구현할 수 있는 논리적 뉴런 모델을 개발하여 인공 신경망의 가능성을 제시하였습니다. 1943년 캐나다의 심리학자 헵(Donald Hebb)은 ‘헵의 시냅스’라고 알려진 시냅스의 연결강도 조정을 위한 생리학적 학습규칙을 모델화하였고, 1957년 로젠블라트(Frank Rosenblatt)는 그 유명한 퍼셉트론(perceptron)을 개발하여 인공 신경망의 실현에 큰 관심을 불러 일으켰습니다. 퍼셉트론은 비교적 정확히 기술된 최초의 신경망 모델로서 학습 능력을 가지고 있어 개발 엔지니어들에게는 매우 매력적인 것이었습니다. 그러나, 가장 성공적이었던 퍼셉트론은 인공지능의 기호주의를 주장하는 마빈 민스키와 세이무어 페이퍼트의 <퍼셉트론: 계산 기하학 개론(Perceptron: an introdution to computational geometry)>에 의해 강력한 비난을 받아 침체되기도 하였습니다. 이렇게 사라진 신경망 이론은 루멜하트(David Rumelhart)를 위시한 여러 연구자의 노력으로 다시 화려하게 부활되게 됩니다.
인공 신경망은 인간의 사고가 두뇌작용의 산물이라면 이 두뇌구조를 분석하고 처리 메커니즘을 규명하여 이를 컴퓨터에 적용하면 생각하는 기계를 만들 수 있지 않겠느냐는 아이디어에서 출발한 이론입니다. 인공 신경망은 인간의 두뇌 신경세포와 같은 기능 장치를 대규모로 상호 연결하여 인공 두뇌 네트워크를 구성하는 것입니다.
[신경망 컴퓨터]
두뇌 신경망의 기본 세포인 뉴런은 [그림 신경망 컴퓨터]과 같이 모델화할 수 있습니다. 뉴런은 여러 입력 x1, x2, xn으로 부터 신호를 접수 합니다. 각 신호는 연결 강도 w1, w2, wn에 따라, 서로 다른 크기로 뉴런에 연결되고, 이런 뉴런신호들의 강도에 따라 출력을 발생합니다. 물론 이런 출력은 다음에 연결된 뉴런의 입력으로 작용하게 됩니다. 이런 동작은 인간의 뉴런 동작을 모방한 것입니다. 신경망의 동작은 각 입력의 연결 강도에 의해 좌우 됩니다. 따라서, 인공 신경망에서는 연결 강도 조정이 핵심 과제가 되고 있습니다.
인공 신경망은 다양한 입력 데이터에 의하여 연결 강도가 조정되어 인지 능력을 갖게 됩니다. 이러한 과정을 학습 또는 기계 학습(machine learning)이라고 합니다. 예를 들어, 그림에서 보는 바와 같이, 동물에 대한 다양한 영상에 대하여 연결강도가 학습되고 조정되어 최종적으로 동물들을 인식할 수 있는 지능적인 능력을 갖게 됩니다.
[신경망 컴퓨터(기계 학습)]
인공 신경망은 종래의 디지털 컴퓨터와는 여러 면에서 차이가 있습니다. 특히, 인공 신경망이 자발적으로 구성되는 학습 능력이 아주 뛰어 납니다. 디지털 컴퓨터와 인공 신경망의 주요 특성을 비교하면 [표 3-4]와 같습니다. 인공 신경망은 주로 아날로그 데이터를 처리하며, 모호하거나 불완전한 데이터를 학습에 의하여 처리할 수 있는 능력이 있습니다. 인공 신경망은 결정적인 해답을 출력하기 보다는 상황에 따라 다른 결과를 출력하며, 정확한 해답 보다는 근사적, 유의적 해답을 제시하게 됩니다. 인간의 두뇌 기능도 이와 유사하게 작동합니다. 단편적인 정보 보다는 전체적인 정보가 저장되고 학습에 의하여 자기 수정이 가능한 특징이 있습니다.
기존 디지털 컴퓨터 | 신경망 컴퓨터 |
| 디지털 데이터 처리 | 아날로그 데이터 처리 |
| 수학적, 논리적 함수를 사용, Yes/No의 결정 | 모호하거나 불완전하고 서로 상충되는 데이터로부터 연결강도를 포함한 결정 |
| 데이터를 결정된 오퍼레이션들의 순서에 따라 처리하므로 항상 조정이 필요하며, 결과에 대한 예측이 가능함 | 데이터 처리방법을 독립적으로 생성할 수 있으며 흔히 계산결과를 예측하기 어려움 |
| 충분한 시간이 주어지면 해결 가능한 문제의 정확한 해를 구함 | 복잡한 문제에 대한 근사해를 비교적 신속히 찾아냄 |
| 특정 데이터가 쉽게 검색될 수 있도록 정보가 저장됨 | 어떤 단편적 정보로써 연관된 전체적 정보를 쉽게 검색할 수 있도록 정보가 저장됨 |
| 학습 기능이 어려움 | 학습 기능이 용이하며 복잡한 문제를 학습 방법에 의하여 풀 수 있음 |
[표 3-4] 신경망 컴퓨터와 디지털 컴퓨터의 차이
인공 신경망은 학습 능력을 갖고 있어 일기 예측, 필기 문자 인식, 음성 인식 등 가변적인 상황에 적응할 수 있는 응용 시스템 개발에 널리 활용되고 있습니다. 뇌과학과 더불어 인공 신경망의 기능 고도화와 지능 처리가 주목되고 있습니다.
인공지능 연구에서 빼 놓을 수 없는 것이 로봇(robot)입니다. 인공지능에서 생각하는 로봇에는 여러 종류가 있습니다. 우리가 흔히 생각하는 인간을 닮은 지능형 로봇을 휴머노이드(humanoid)가 있습니다. 휴머노이드는 형태나 모습이 인간을 닮았을 뿐만 아니라, 인간과 같은 인식기능과 운동기능을 갖고 있는 지능형 로봇을 말합니다. 또 지능 에이전트(intelligent agent)라는 것도 있습니다. 지능 에이전트는 사용자를 대신하여 특정 작업을 수행하는 자율적이며, 지능적인 프로그램을 말합니다. 지능 에이전트는 고유의 목표를 가지고 능동적으로 동적인 환경에서도 주어진 업무를 수행하는 프로그램입니다. 휴머노이드에 대하여는 따로 자세히 알아 보기로 하고, 여기서는 지능 에이전트에 대하여 살펴 보도록 하겠습니다.
지능 에이전트는 특수한 장치나 기계가 아닙니다. 설명한 바와 같이, 지능 에이전트는 사용자를 대신해서 사용자가 원하는 작업을 자동적으로 해결하는 자율적 프로그램입니다. 그런데, 지능 에이전트라는 프로그램은 독립된 기능을 수행하기 위해 지식(knowledge)이 저장된 지식 베이스를 이용하여 상황을 추론하고 다른 에이전트와 통신을 통해 문제를 해결합니다. 또한 경험을 바탕으로 한 학습 기능 및 목적 지향적 능력을 가지고 지속적으로 업무를 수행하게 됩니다. 쉽게 설명하면, 비서의 역할을 하는 프로그램이라고 할 수 있습니다.
[지능 에이전트의 내부 구조]
지능 에이전트의 대표적인 내부 구조는 [그림 지능 에이전트의 내부 구조]와 같습니다. 감각기관을 통해 여러 상황 입력을 받아 들입니다. 상황이나 환경 등 외부 세계의 내용을 저장하고 있는 지식 베이스를 활용하여 상황을 분석하여 수행하여야 할 일을 도출합니다. 그리고 나서, 저장된 지식 창고에서 상황에 따라 어떤 일을 수행할지를 찾아 내어 실제로 작업을 수행하게 됩니다. 지능 에이전트는 업무를 실제로 수행하고 있는 사람과 비슷합니다. 예를 들어, 쇼핑을 전문으로 하는 지능 에이전트가 있다고 해 봅시다. 이 에이전트에게 “7만원 이하의 500W 진공 청소기를 찾아 주세요”하고 명령을 내리면, 지능 에이전트는 인터넷 사이트를 검색하여 진공 청소기를 찾습니다. 만약, 8만원 짜리 진공 청소기를 찾았으면, 조건에 맞지 않으므로 새로운 것을 찾게 됩니다. 또한, 500W가 되지 않으면 다시 검색하지만, 500W이상인데 7만원 이하라면 검색할 필요가 없습니다. 이렇게 하여 조건에 부합하는 여러 진공 청소기를 찾아 내어 그 중에 가장 적합한 것으로 알려 주게 되고, 요구에 따라서는 구매도 하게 됩니다. 지금 우리는 인터넷 사이트를 일일이 사람이 검색하지만, 지능 에이전트가 있으면 검색하는 일을 에이전트에게 대신 시킬 수가 있습니다. 이처럼 지능 에이전트는 사용자를 대신하여 특정 작업을 자율적이며 지능적으로 수행합니다. 지능 에이전트는 정보 검색, 뉴스 검색, 전자상거래와 같은 분야에서 활발하게 이용되고 있습니다. 어때요, 점심 시간에 알아서 식당을 예약해 주는 지능 에이전트가 있으면 좋지 않을까요?
앞서 설명한 바와 같이 인공지능에는 이외에도 다양한 분야가 있습니다. 고도의 지능이 요구되는 문제를 해결하는 문제 해결(problem-solving), 복잡한 논리 추론을 수행하고 증명하는 논리 증명(theorem proving), 날씨가 “맑다, 흐리다”처럼 정확하게 수치로 표현할 수 없는 모호한 데이터를 처리하는 퍼지 이론(fuzzy theory), 유전자의 돌연변이 현상을 이용하여 컴퓨터의 진화를 연구하는 유전자 알고리즘(genetic algorithm), 인공 생명체 현상을 연구하는 인공 생명(artificial life) 등 여러 분야가 있습니다. 인터넷이나 참고 자료를 활용하여 이들 분야가 어떻게 활용 또는 응용이 되고, 사회 진화 발전에 어떤 영향을 미칠지를 생각해 보시기 바랍니다.
지금까지 그 동안 피상적으로만 알아 왔던 인공지능을 좀더 자세히 알아 보았습니다. 인공지능의 주요 분야의 내용을 살펴 인공지능에 다하여 심층적으로 이해하도록 하였습니다. 사회의 주체는 인간이고 세상의 일들은 인간의 지적 능력을 기반으로 수행되기 때문에, 인공지능은 사회의 모든 분야에 적용된다 할 수 있습니다. 아직 우리가 인간의 두뇌 활동이나 지적 능력에 대하여 확실한 이해가 부족하기 때문에 강한 인공지능과 같은 시스템 개발은 많은 연구와 시간이 걸리겠지만, 약한 인공지능 영역에서 컴퓨터는 막강한 위력을 발휘하고 있음을 알 수가 있었습니다. 인공지능은 꿈이 아니라, 현실로 다가 오고 있는 기술입니다. 다음에는 인공지능이 어디까지 와 있는지, 그 응용 현황에 대하여 살펴 보도록 하겠습니다.
지금까지 우리는 컴퓨터의 출현과 인공지능의 생태적 관계를 고찰해 보았습니다. 컴퓨터가 인간의 사고 능력, 인식 능력을 실현하기 위하여 연구 개발 되었기 때문에 컴퓨터는 필연적으로 인공지능과 연계되어 있습니다. 우리는 인공지능 연구의 목적, 목표와 이를 둘러 싼 철학적, 인지 심리학적 논쟁에 대하여 핵심을 살펴 보았습니다. 그리고, 인공지능의 주요 연구 분야와 응용에 대하여도 살펴 보았습니다. 인공지능의 연구 개발은 어디까지 와 있는 것일까요? 인공지능의 활용 현황을 살펴 보고, 인공지능이 가져올 미래 사회의 변혁에 대하여 알아 보겠습니다.
인공지능의 응용 사례를 살펴 보기 위하여, 영화 속의 인공지능을 살펴 보는 것이 이해에 도움이 될 것으로 생각합니다. 인공지능은 공상과학 연구의 아주 좋은 주제였습니다. 인공지능을 주제나 소제로 한 영화로 50여 편의 대작이 제작되어 있고, 미래 공상과학 연구에는 거의 100% 어김없이 인공지능 요소가 가미되어 있습니다. 이것은 무엇을 의미하는 것일까요? 미래사회에서는 인공지능 기술이 아주 중요한 이슈가 될 것임을 암시한다고 생각할 수 있습니다. 미래사회는 인공지능 기술에 전적으로 의존되어 있다는 것입니다.
인공지능을 주제로 한 영화의 효시로는 스탠리 큐브릭 감독의 <2001년 스페이스 오딧세이>를 들 수 있습니다. 공상과학 영화의 명작으로 공상과학 영화의 원전으로 인정받고 있는 영화입니다. 이 영화에서는 HAL 9000이라는 자연언어를 이해하고 감정을 가진 컴퓨터가 등장합니다. 인간보다 뛰어난 지능을 가진 HAL 9000과 같은 기계가 인간을 지배하고 통제하는 비극적인 사회 모습을 보여 주고 있습니다. 이 영화에서는 인공지능 컴퓨터의 다양한 모습이 소개되고 있습니다. 이 영화가 컴퓨터 개발의 초창기이며, 인공지능의 개념조차 없었던 1968년도에 제작된 것을 감안하면, 기발한 상상력과 대단한 창의력이라고 생각합니다. 스탠리 큐브릭 감독이 구상하고 스티븐 스필버그가 완성하여 화제가 된 영화 <A.I>가 있습니다. 이 영화는 인공지능 컴퓨터 또는 로봇이 감정을 가질 수 있고 사랑을 느낄 수 있는가 하는 문제를 제기하고 있습니다. 감정은 인간만이 가진 정신 작용인가요? 기계는 감정을 자질 수 없는 것인가요? 나아가서 컴퓨터는 마음(mind)을 가질 수 없는 것인가요? 어떻게 생각하세요? 인공지능 연구자들은 감정을 가진 컴퓨터의 연구 개발에 노력하고 있습니다. <아이로봇>은 로봇의 3원칙을 주제로 한 영화입니다. 로봇이 인간과 함께 생활할 때, 이 원칙이 지켜질 수 있을까 하는 것입니다. 로봇 3원칙에 대하여는 다음 기회에 자세한 살펴 보도록 하겠습니다.
<바이센티니얼 맨>은 로봇 3원칙을 제시한 미국의 작가 아이작 아시모프의 원작 소설을 영화화 한 것입니다. 요약하자면, 로봇이 또 다른 종족으로 인간과 조화롭게 공존할 수 있을 것인가 하는 문제를 제기하고 있습니다. 다른 많은 인공지능 영화가 부정적인 측면을 부각하는데 비하여, <바이센티니얼 맨>은 로봇이 이상적인 인격체로 묘사하고 있습니다. <스텔스>는 인공지능 컴퓨터와 인간의의 대결을 그린 액션 영화입니다. 지능을 가진 컴퓨터와 인간의 대결. 누가 이길까요? 영화에서는 인간이 이깁니다. 그런데, 지능을 가진 컴퓨터가 대결에서 진다면 그 컴퓨터는 잘못 만들어진 것이 아닐까요? <터미네이터>는 대표적인 디스토피아에 대한 영화입니다. 인공지능 프로그램 “스카이넷”은 인간이 자신을 파괴할 것으로 생각해서, 핵무기를 동원한 선제 공격으로 인류를 말살합니다. 스카이넷이 인간과의 대결에서 승리하여 지구를 지배하게 됩니다.
앞서도 언급하였지만, 인공지능을 주제나 소재한 영화가 지속적으로 제작되고 있는 것은 인공지능이 미래 사회 발전에 치명적인 영향을 주기 때문입니다. 미래 사회에서는 인간의 진화는 멈추거나 더디게 진행되는 반면에, 컴퓨터는 급속도로 진화하여 인간의 진화를 능가할 수 있습니다. 이런 미래사회가 가져올 변혁을 예측하는 것은 아주 어렵습니다.
2010년 5월 세계 미래학회는 미래 전망 20가지를 발표하였습니다. 역시, 여기서도 정보 기술 IT가 핵심 역할을 하고 있고, 인공지능이 커다란 역할을 하고 있습니다. 궁극적으로 인간처럼 사고하고 행동하는 로봇이 가전제품처럼 보급될 것입니다. 이러한 변화는 현재의 IT 기술 발전을 보더라도 분명한 것으로 생각됩니다. 모바일 인터넷 사용자가 100억명을 넘었고, 스마트 정보 기기의 확산으로 언제, 어디에서든지 원하는 정보 서비스가 가능한 유비쿼터스 정보 사회가 되었습니다. 카페에서, 강의실에서, 승용차 안에서, 낯선 외국의 거리에서도 원하는 정보 서비스를 즐길 수 있게 됩니다. 이에 따라, 인공지능 시스템에 대한 더 많은 요구와 갈망이 필연적으로 증대되고 있습니다. 유비쿼터스 모바일 서비스가 보편화되면서, 사용자의 환경이나 상황, 정보의 환경이나 상황이 중요하게 되었습니다. 예를 들어, 단순하게 수많은 레스토랑을 검색하는 것이 아니라, 현재의 나의 위치, 내가 선호하는 식당의 형태, 내가 선호하는 음식과 적정한 가격 등을 고려하여 가장 적합한 레스토랑을 알려 주고, 예약 가능 상황까지 알려 주는 것입니다. 정보 서비스가 모바일 환경에서는 지속적으로 변화하기 때문에 상황이 주요한 역할을 하게 됩니다. 정보 서비스의 환경, 상황, 또는 문맥을 컨텍스트(context)라고 하는데, 이런 상황인지를 기반으로 하는 서비스가 절대 필수가 되고 있습니다. 상황인지를 실현하려면 무엇이 필요할까요? 그렇습니다. 지능화가 되어야 합니다. 상황인지 서비스는 지능 서비스라고 할 수 있습니다. 컴퓨터가 주도적으로 정보를 처리하고 서비스를 제공하기 위해서는 정보의 의미를 이해하여야 합니다. 현재의 IT 기술이 당면한 최대 과제 중 하나가 바로 의미의 이해입니다. 이제는 사람이 아니라, 컴퓨터가 주도적으로 스스로 정보의 의미를 이해하고, 자동적으로 처리해야 하는 시대가 되었습니다. 의미의 이해는 인공지능의 기초 연구 분야입니다. 컴퓨터는 의료, 교육, 경영, 과학기술, 문화예술 등 모든 분야의 필수 요소입니다. 컴퓨터가 다양한 분야에서 핵심적 역할을 하기 위해서는 그 분야의 전문 지식을 처리할 수 있어야 합니다. 단순 데이터 처리는 사회 각 분야에서 요구하는 정보 서비스를 충족할 수 없습니다. 이제는 지식처리가 컴퓨터의 최우선 대상이 되어야 합니다. 상황인지, 의미의 이해 및 처리, 지식 관리와 지식 서비스에 인공지능은 필수불가결한 절대 요소입니다.
자, 이제 인공지능이 미래 사회 발전에 얼마나 중요한지 또 다시 확인하였으니, 인공지능의 응용 현황에 대하여 살펴 보기로 합시다. 인공지능은 영화 속에서만 보여지는 환상의 기술이 아니라, 다양한 분야에서 실제로 활용되고 있는 기술입니다. 인공지능의 응용 시스템의 위력을 실감하려면 Deep Blue부터 시작하는 것이 좋을 것입니다. Deep Blue는 IBM이 개발한 서양 장기 체스 프로그램입니다. 체스는 유구한 전통을 가진 서양의 전략 게임입니다. 체스는 동양의 장기와도 비슷하지만, 말을 이동할 수 있는 가능한 경우의 수가 10120이라고 합니다. 10120이라는 경우의 수는 거의 무한대라고 할 수 있습니다. 태초의 빅뱅에서 지금까지 약 137억년이 지났는데 이것을 시간으로 환산하면 1026이고, 우주에 있는 원자의 총수가 1075인 것과 비교해 보면, 얼마나 큰 수인지 알 수 있을 것입니다. 체스는 이렇게 가능한 경우의 수도 많을 뿐만 아니라, 전략을 수립하고, 때로는 말을 희생할 수도 있어야 하고, 어떤 선택을 할 것인지 고도의 결단력이 요구되는 고수준의 지능 게임입니다. 그런데, 전설적인 세계 체스 챔피언인 개리 카스파로프와의 Deep Blue의 대결에서 Deep Blue가 승리하게 됩니다. 이것은 컴퓨터가 인간의 지적 수준을 능가할 수도 있음을 보여 준 충격적인 사건이었습니다. Deep Blue와 체스 챔피언의 대결은 인공지능에 대한 사회적 인식을 확산하는데 중요한 계기가 되기도 하였습니다. 최근에는 더 충격적인 사건이 있었습니다. IBM Watson이 미국 ABC 방송의 인기 퀴즈쇼 프로그램인 “제퍼디”에서 인간 도전자를 물리치고 우승을 한 것입니다. “제퍼디”는 세계적으로 인기가 있는 유명한 퀴즈 프로그램입니다. “제퍼디”에서는 철학, 과학, 문학, 예술, 산업 등 모든 분야에 고난도 퀴즈 문제가 출제됩니다. 2011년 2월16일 IBM Watson은 켄 제닝스, 브래드 루터와 대결하여 승리하게 됩니다. 패배한 사람들이 누구냐구요? 켄 제닝스는 “제퍼디” 74회 연속 우승의 전설적인 퀴즈 왕이고, 브래드 루터는 역대 최다 상금 수상자입니다. 아주 쟁쟁한 누구도 넘볼 수 없는 퀴즈의 달인들입니다. 다시 말하면, 최강 인간 퀴즈 팀을 컴퓨터가 물리친 것입니다. “제퍼디”에서는 컴퓨터에게 특혜를 전혀 주지 않고 인간과 똑같은 상황에서 시합을 하였습니다. IBM Watson은 사회자 알렉스 트레벡이 내어 주는 문제를 듣고 말로 정답을 이야기 하였습니다. 인간의 언어를 완벽하게 이해하여야 함은 물론이고, 퀴즈 문제의 내용과 의미를 파악하고 정답을 고속으로 생성하여야 합니다. IBM Watson은 인공지능 컴퓨터가 어디까지 와 있는가를 보여 주는 놀라운 사건이었습니다.
인공지능 시스템이나 인공지능의 기법을 활용하는 것은 모든 컴퓨터 응용에 보편화되어 있습니다. 인터넷 전략 시뮬레이션 게임도 인공지능 게임 엔진이 핵심 역할을 하고 있습니다. 대부분의 컴퓨터 응용이 수준의 차이는 있지만, 인공지능을 활용하고 있다고 해도 과언이 아닙니다.
여기서는 몇 가지 사례만을 살펴 보겠습니다. 지능형 CCTV 감시 시스템입니다. 우리 주변에 CCTV가 널려 있고, 우리의 일상 생활이 CCTV에 노출되어 사생활 침해 논쟁을 야기하고 있기도 합니다. CCTV는 교통 통제, 도난 방지, 보안, 사회 안전 유지 등에 필수요소가 되고 있습니다. CCTV는 단순한 영상 녹화, 저장이 아니라 영상을 인식, 이해, 분석하여 사전에 불상사와 위험을 예방하고, 사전에 적합한 통제를 조치하는 스마트 감시 제어 시스템으로 발전하고 있습니다. 사건이 발생하기 전에 위험 요소를 미리 탐지하고 선행 조치하는 것이 바람직합니다. 이런 시스템이 공항, 기차역 등 대규모 공공 장소에 널리 보급되고 있습니다.
유사한 사례로 스마트 신호등이 있습니다. 도로의 교통량을 측정하여 신호등을 자율 조정하여 최적의 교통 흐름을 유지하는 것입니다. 교통 혼잡으로 사회적 낭비가 점점 더 심화되고 있습니다. 스마트 신호등은 지능화 도로를 만드는 기반이 될 것입니다. 최근에는 무선 통신을 활용하여 도로의 차량들이 서로 정보를 주고 받는 시스템이 개발되고 있습니다. 도로의 차량들이 “앞쪽에 접촉사고 발생했다. 급정차 하려고 한다. 주의해라. 우리 차에는 노약자가 타고 있다”처럼 대화를 하면서 운행하는 것입니다. 생각만 해도 너무 좋지 않습니까? 교통사고가 없는 그런 사회가 되지 않을까요? 차량과 관련하여 오래 전부터 인공지능 무인 자동차를 개발하여 왔습니다. TV 드라마에 나오는 “키트”같은 차량입니다.
[스마트 신호등]
이번에 구글이 무인 승용차 주행에 성공했다고 합니다. 그리고, 캘리포니아 주에서 무인 자동차를 운행해도 좋다는 허가를 받았다고 합니다. 무인 자동차의 성능과 안정성이 입증되어 도로 운행이 허가된 것일 것입니다. 이제, 조만간 인공지능 무인 승용차를 구입할 날도 멀지 않았습니다. 우리나라의 경우에도 몇몇 연구소에서 도로 운행에 성공했다고 합니다. 무인 자동차는 신호등, 도로 표지판, 건널목의 상태, 도로의 상태, 차량의 흐름, 날씨 등 운전과 관련된 모든 정보를 실시간으로 인식하여 분석, 처리하여야 하고 불의의 사고에 대비하여 방어 운전, 안전 운전을 수행하여야 하는 고도의 지적 능력이 필요합니다. 이제, TV 드라마의 “키트”는 더 이상 선망의 대상이 아닙니다.
인공 지능하면 떠오르는 것이 지능로봇일 것입니다. 지능로봇은 인공지능 기술을 활용하여 환경의 인식, 정보의 획득, 지능적 판단, 자율적 행동으로 인간을 지원하고, 위험환 상황에서 인간을 대신하여 특수 작업을 수행하는 기계, 전자, 컴퓨터, 생체공학 등이 복합된 시스템을 말합니다. 영화 속의 로봇은 많은 부분이 과장된 지능로봇입니다. 지능로봇은 자동차 공장의 생산라인, 탄광 사고 등 재난구조, 원자로 유지보수 등 위험 작업등에 널리 사용되어 왔습니다. 로봇은 주로, 생산이나 작업 현장에서 사용되어 왔지만, 이제는 병원, 학교, 사무실 등에서 사용되고 가정에서 가사일을 대행하는 등 그 영역이 모든 생활분야로 확대되고 있습니다. 요즈음 많은 가정에서 진공 청소기 대신에 청소 로봇을 사용하고 있고, 애기를 돌보는 도우미 로봇을 활용하는 가정도 있습니다. 애완 동물 역할을 하는 로봇도 아주 인기가 좋습니다. 로봇은 이제 우리 생활의 반려자로 자리를 잡아가고 있습니다. 로봇에 대해서는 다음 또 자세히 알아 보기로 하겠습니다.
| 대분류 | 종류 |
| 생활지원용 | 오류, 교육, 가정, 청소, 사무 |
| 의료복지용 | 수술, 장애인/노약자 보조, 간호 |
| 국가전략용 | 재난구조, 국방, 원자료 유지보수, 해저탐사, 건설•농사 |
| 생산지원용 | 정밀 산업용, 지능형 생산 |
| 휴먼 – 로봇 인터페이스 기술 | 감성 및 오감 정보를 처리하고, 환경을 이해하는 인간의 요구에 대응 |
| 생체모방형 매커니즘 | 시각/촉각/후각 센서, 위치감지 센서 및 고출력 밀도의 Actuator 기술 |
| 자율 이동 / 보행기술 및 자율 / 원격 조작기술 | |
| 에이전트 기술, 언어적 / 비언어적 인터랙션기술 및 인간사고 모방학습 및 추론 등 인공지능 기술 | |
[표 3-5] 지능형 로봇의 분류 및 종류
웹 정보 검색도 의미 검색(semantic search)으로 진화되고 있습니다. 인터넷과 모바일 정보 기기의 보편화로 디지털화된 모든 정보가 검색의 대상이 되고 있습니다. 웹 정보자원뿐만 아니라, 트위터, 페이스북의 정보도 검색 대상이 되고 있으며, 앞서 설명한 것처럼, 컨텍스트도 이제는 주요한 정보 자원이므로 검색 대상입니다. 디지털화된 정보는 모두 검색할 수 있어야 합니다. 검색이 지금처럼 단순히 키워드(keyword) 검색으로는 디지털 정보 자원을 검색할 수 없고, 사용자에게 필요한 정보 서비스를 즉각적으로 제공할 수 없다. 사용자의 검색 의도를 파악하여 사용자가 원하는 정보를 신속, 정확하게 제공하여야 합니다. 그러기 위해서는 컴퓨터가 정보의 의미를 이해하는 것은 필수적 전제 조건입니다. 이제는 컨텍스트가 정보 환경에 중요한 영향을 미침으로, 컨텍스에 따른 실시간 정보 검색이 제공되어야 합니다. 동남아의 한류 열풍을 검색하는데 필요없는 3년전 자료를 제공하는 것은 바보 검색입니다. 웹 정보의 약 90%가 영어로 되어 있습니다. 그러므로, 영어로 된 정보를 무시하는 것은 정보 검색의 질적 수준을 저하시키게 됩니다. 또한, 중국의 한반도 정책에 대한 자료는 중국의 공공 기관에서 중국어로 발간한 정보가 가장 유익할 것입니다. 이를 위해서는 언어 장벽을 뛰어 넘는 검색이 필요합니다. 이미, 60년대부터 컴퓨터를 이용한 기계번역 연구를 진행하여 왔고 실용화 수준의 번역기가 개발되고 있어 조만간 언어에 구애받지 않는 검색이 가능해 질 것입니다. 이미, 구글, 야후, 빙 등 주요 검색 사이트가 변모하고 있습니다. 뿐만 아니라, 이들 기업에서는 인공지능 서비스 개발에 총력을 다하고 있습니다.
애플은 음성 인식하는 지능형 개인비서 시리(Siri)를 출시하여 폭발적인 인기를 얻고 있습니다. 버전이 업그레이드 되면서 지적 능력이 더욱 향상될 것입니다. 구글은 앞서 이야기한 것처럼 지능형 무인 자동차를 개발했으며, 기계번역 시스템의 상용화에 박차를 가하고 있습니다. 마이크로소프트사는 오래 전부터 자연언어 연구팀을 운영해 오고 있고, 오피스 제품의 언어처리 기능과 지능화에 심혈을 기울이고 있습니다. IBM은 Deep Blue와 Watson 등 인공지능에 유독 관심이 많고 인공지능 응용 연구 개발에 집중하고 있습니다. 아주 많은 제품이 인공지능 기법을 사용하고 있습니다. 인공지능이 기업의 성장을 좌우할 것이 분명합니다. 시리에서 보는 것처럼, 인공지능 기술에서 앞서가는 기업이 각광을 받을 것입니다.
인공지능의 주요 활용 현황에 대하여 개략적으로 살펴 보았습니다. 이런 응용 사례 이외에도 인공지능은 아주 다양하게 응용되고 있습니다. 영화에서 보는 것처럼, 미래 사회는 인공지능이 보편화된 사회가 될 것입니다. 인간과 로봇이 공존하고, 로봇의 진화가 인간의 진화보다 더 빠르게 이루어지는 세상, 어쩌면 영화처럼 인공지능 컴퓨터에 의해 사회가 감시되고 통제될 수도 있을 것입니다. 감정을 가진 컴퓨터가 나오면 사회는 어떻게 될까요? 컴퓨터가 범죄를 저지르면 인간의 법으로 다스려야 할까요? 아니면 컴퓨터를 위한 법을 만들어야 할까요? 컴퓨터가 선생님이나 목사, 신부가 되겠다고 하면 어떻게 할까요? 컴퓨터가 시를 쓰고 그림을 그리는 창조적 활동을 할 수 있을까요? 인공지능이 선도하는 미래 사회에 대해서는 너무나 많은 의문이 생깁니다. 예측 불가한 미래 사회가 도래하고 있습니다.
지금까지 인공지능의 응용 사례와 현황 그리고, 인공지능이 선도할 미래 사회의 모습 등에 대하여 살펴 보았습니다. 인공지능과 관련된 영화를 보면서 미래사회와 인공지능 기술의 역학적 관계에 대하여 생각해 보고 인식, 지능, 지식, 마음이란 무엇인가 하는 철학 명제도 생각해 보기 바랍니다. 예를 들어, 컴퓨터는 마음을 가질 수 있을까? 마음이 있는 컴퓨터와 인간이 공존하는 사회가 가능한가도 생각해 보기 바랍니다.
'Travia' 카테고리의 다른 글
| 김훈의 글로 살펴본 “보고서 쓸 때 지켜야 할 문장의 원칙” [펌] (0) | 2015.02.23 |
|---|---|
| 컴퓨터 진화를 이끈 ‘위대한 알고리즘 9’ [펌] (0) | 2014.03.17 |
| 불완전성 정리_쿠르트 괴델 (0) | 2014.03.16 |
| 불확정성 원리_하이젠베르크 (0) | 2014.03.16 |
| [연재] 완벽한 백신SW 불가능한 이유, 튜링은 알고 있다 (0) | 2014.03.16 |
