선한 얼굴의 AI, EBS 위대한 수업 리뷰

제목

EBS 위대한 수업, '엔지니어 앤드류 응의 AI' 강의를 리뷰해 본다. 앤드류 응은 랜딩 AI의 대표이자 스탠퍼드 대학 겸임교수로 여러 이력이 눈에 띈다.

- 코세라 이사회 의장,구글브레인창립자, 바이드수석연구원, ICT 4대천왕중 1명

엔지니어 앤드류 응의 AI
- 1강. 선한 얼굴의 AI
- 2강. ‘맞춤형 AI '가 온다.

 

1강. 선한 얼굴의 AI 

강의 내용 중 언급되는 핵심 용어 개념을 정리하면 다음과 같다. 

AI(인공지능) 정의
- 사람을 돕는 지능적인 기계

딥 러닝(Deep Learning)
- 컴퓨터가 다양한 데이터를 통해 사람처럼 생각하고 배울 수 있도록 하는 기술

ANI(Artificial Narrow Intelligence), 좁은 인공 지능
- 특정 문제 하나만 해결
- 한 가지 일을 반복해 가치 창출
- AI의 발전이 곧 ANI의 발전

AGI(Artificial General Intelligence), 범용 인공지능
- 모든 상황에서 학습, 사고 가능
- ANI에 비해 발전 속도가 느림
- AGI에 대한 연구도 미미

AI(인공지능)의 시작, 딥러닝

AI 전문가들 사이에도 무엇이 AI이고 AI가 아닌지 모두 동의하는 기준은 없다. 다른 분야들에 비해서 인공지능 분야가 더욱 빠르게 성장할 수 있었던 이유는 우리 대부분이 기계가 더욱 지능적으로 행동하고 사람들을 도울 수 있기를 바라기 때문이다. 그리고 우리가 사용하는 모든 기술과 방법론들을 모두 AI라고 받아들이고 있다. 기계가 지능적으로 행동하고 그걸 사람들을 돕는 데 활용할 수 있다면, AI라고 부를 수 있다고 생각된다.

 

인공지능 역사에서 큰 터닝 포인트 중 하나는 약 15년 전쯤 신경망 또는 딥러닝이라고 불리는 오래된 기술이 수십 년간 활용되지 않았다는 걸 인식하게 됐을 때이다.

 

컴퓨터의 속도는 점점 빨라졌고 스탠퍼드 박사 과정을 밟고 있던 학생들이 신경망을 더 크게 만들면 더 정확하고 나은 결과를 만든다는 것을 알게 됐다. 그 덕분에 구글 브레인 팀을 이끌면서 구글의 아주 거대한 컴퓨터 클러스터에 신경망을 구축하고 실행하는 일을 일찍 시작할 수 있었다. 그래서 그 당시에 누구보다도 큰 신경망을 만들어 낼 수 있었고 제가 시작하고 이끌었던 구글 브레인팀이 AI의 발전에 작은 역할을 할 수 있었다. 

 

인공지능의 서로 다른 두 가지 개념

ANI(Artificial Narrow Intelligence), 즉 좁은 인공지능은 한 가지 업무에 최적화된 AI이다. 운전자의 운전을 돕거나 직접 차를 운전하는 것이다. 엑스레이 사진을 판별해서 진단을 도와주기도 한다.

 

ANI는 공장에 결함이 있는지 없는지 알아내는 일도 한다. ANI가 쓰인 사례를 보면 올바른 응용 방법을 찾았을 때, AI는 그 한 가지 일을 반복해서 많은 가치를 만들어 낼 수 있다. 그러니까 AI가 부상한 건 ANI 덕분이다.

 

AGI(Artificial General Intelligence), 범용 인공지능은 좀 다른 개념이다. 아직까지 희망 사항이지만, 언젠가 AI가 거의 모든 것을 심지어 사람이 할 수 있는 것보다 더 많은 것을 하게 된다는 것이다. 어쩌면 거의 모든 직장인들을 대체하기 시작할 수도 있다.

 

사회에서 AI를 바라보는 방식의 문제점은 이것이다. 현재 ANI, 즉 좁은 인공지능은 엄청나게 발전했다. 그래서 AI도 그만큼 발전했다. 하지만 AGI의 발전은 거의 찾아볼 수 없다. 기술적 특이점이나 AGI, 그리고 킬러 로봇이 세상을 지배하는 것에 대한 두려움은 많은 부분 과장돼 있다.

 

AI(인공지능)의 미래

잠재성 있는 AI 분야

잠재성 있는 AI분야는 바로 교육을 돕는 AI이다. 코세라나 딥러닝 AI와 같은 회사들에 교육 온라인 콘텐츠들이 많다. 하지만, 지금은 선생님이 하는 많은 일을 수행할 수 있는 AI를 개발하지 못했다.

 

수년에 걸쳐 똑같은 강의실에 들어가서 똑같은 강의를 하면서 똑같은 말을 하고 심지어 똑같은 농담을 한다는 점을 깨달았다. 똑같은 강의를 몇 번이고 반복해서 가르치는 대신에 온라인상에 수많은 강의 콘텐츠를 넣고 과제를 컴퓨터가 채점하게 할 수 있으면 좋겠다는 생각이 들었다.

 

그러면 강사로서 같은 강의를 반복해서 하는 게 아니라 학생들을 더 깊게 이해하고 풍부한 토론을 할 수 있고 학생들의 프로젝트를 도와줄 시간이 더 많이 생길 것이다. 컴퓨터와 AI는 반복적인 부분을 담당하고 교사는 반복적이지 않은 다른 일에 더 집중할 수 있다. 그러면 전 세계에 있는 학생들을 위해 더 많은 가치를 창출해 낼 수 있을 것이다. 우리 모두 지금보다 좋은 교육을 접하기를 기대한다.

AI를 공부하고 싶어하는 학생들

더 많은 사람이 코딩을 할 줄 알고 AI시스템을 구축하는 방법을 알 수 있도록 사회가 바뀌어야 한다고 생각한다. 코딩이 사람과 컴퓨터가 가장 깊게 소통할 수 있는 방식이라고 생각한다. 하지만 우리는 아직도 코드를 작성할 줄 하는 소수의 사람이 나머지 모두를 위해 코드를 작성하는 세상에 살고 있다.

 

우리 모두가 코딩을 조금이라도 아는 미래 사회를 만들어야 한다고 생각한다. 그러면 우리가 컴퓨터를 더 제대로 사용할 수 있게 되고 인류는 훨씬 더 강성해질 것이다.

 

AI를 공부하고 싶어하는 전 세계 학생들에게 해주고 싶은 말은 이런 기술을 온라인으로 배우고 그 기술들을 사용할 프로젝트를 찾아 계속 실력을 키우라는 것이다.

 

모든 직업은 AI로 대체될 것이다.

AI는 더 심각한 사회문제를 야기할 것이다.

AI가 인류를 지배할 것이다.

세상의 우려와는 달리 AI는 인류의 문제를 해결할 수 있다.

 

 

AI가 해결할 수 있는 사회문제

AI가 사회 문제 중 어떤 것부터 해결할 수 있을지 가끔씩 고민해 볼 가치가 있다고 생각한다. 

 

현대 사회의 가장 큰 문제는 기후 변화라고 생각한다. 물론 AI가 만병통치약이라고 생각하지는 않는다. 예를 들어 스탠퍼드에 있는 우리 팀은 세계 어느 곳에서 메탄이 배출되고 에너지가 생산되는지를 알아낼 수 있도록 AI가 위성 이미지를 분석하게 하는데 많을 시간을 들이고 있다. 에너지 시스템을 최적화하고 정부나 개인이나 에너지 시스템 관련 기업이 배출물의 양을 줄일 수 있도록 도와주려고 한다.

 

기후문제나 정치적 상황에 대한 '잘못된 정보'는 현대사회의 또 다른 중대한 문제이다. AI로 인해 소셜 미디어 플랫폼에서 일부 문제들이 악화되었다고 본다. 우리가 직면하는 가장 어려운 문제를 해결하기 위해 그들이 할 수 있는 일이 무엇인지 고민해 봐야 한다.

 

AI의 미래, 더 많은 헤택, 위험 최소화

AI는 정말 강력한 기술이다. AI의 잠재력을 최대한 끌어내서 많은 사람들을 돕고 이 사회가 더 많은 혜택을 누리고 위험을 최소화하는 올바른 방향으로 갈 수 있게 하려면, AI 개발자들이 시스템을 최대한 투명하게 보여주는 것이 중요하다. 미래에 AI가 사회에 의해 제어되고 사회의 이익을 위해서 개발되는 민주적인 기술이 될 가능성이 있다고 생각한다. 반대로 AI는 우리가 전에 경험해 본 적이 없는 수준으로 권력을 한 곳으로 집중시키고 엄청난 힘의 우위를 갖게 될 수도 있다.

 

민주주의가 잘 작동되는 국가의 정부는 사람들의 목소리를 대변해야 한다. 그리고 정부는 AI 기술을 이해해서 직접 활용하고 법안을 통과시키며 AI를 규제해야 한다. 그렇게 신뢰를 구축하고 더 나은 결과를 낳으면서 동시에 부정적 결과가 불러올 위험을 최소화하는 것이다. 이건 곧 전 세계의 지도자들이 훌륭한 결정을 내릴 수 있을 정도로 AI에 대해 잘 알아야 한다는 뜻이기도 하다.

 

또한 AI 공동체에서 정부와 시민들에게 AI가 정말로 무엇을 하는지를 알려 줄 투명한 모델을 제시해서 AI가 무엇을 할 수 있고, 해야하며, 해도 되는지에 대한 권한을 민주주의 시민들에게 넘겨줘야 한다는 걸 의미한다. 그렇게 하면 AI가 모두에게 더 나은 결과를 가져올 수 있을 것이다.

▶[또다른일상] - 일본 저출산 '패러사이트 싱글', EBS 위대한 수업 리뷰