머신러닝, 인공지능의 르네상스 (AI, Machine Learning)

요즘 산업과 학계에서 가장 뜨거운 주제를 고른다면, 바로 "AI(Artificial Intelligence)",

즉, 인공지능이라고 할 수 있을 것입니다.

 

 

출처) 구글

 

어떤 분들은 인공지능이라고 한다면 SF 영화 속의 "로봇"과 같은 어떤 하드웨어적인 기계를 생각하실 수 있으실텐데요.

우리들처럼 완벽하게 사고하고 행동하는 로봇의 상용화는 아직 미래의 일이지만, 우리가 볼 수 있는 곳과 보이지 않는 곳에서 인공지능은 이미 우리의 일상 속에 자리를 잡았습니다. 넓은 의미의 인공지능은 컴퓨터와 같은 기계에 의해 자동화된 시스템과 그 응용들을 의미하는 것이죠.

 

"기가지니"와 같은 음성인식을 탑재한 기기나 자율주행 자동차, 휴대폰 잠금 해제로 이용되는 안면인식 기술과 같은 것들이 우리가 이미 직접 체험하고 있는 인공지능 연구의 결과물들입니다.

이처럼 인공지능의 연구가 활발히 진행되면서 시장에는 우리가 직접 체험할 수 있는 재화와 서비스들이 쏟아져나오고 있습니다.

 

그런데, 사실 우리가 직접 체험하고 있는 상품과 서비스를 넘어, 인공지능은 모든 재화와 서비스에 가치를 더하는 산업 시스템 전반에 기여하고 있습니다. 우리에게 직접 보이지 않는 과정 속에서 말이죠.

 

 

"머신러닝" 알고리즘(딥러닝 등)이 그것을 가능하게 합니다.

 

 

오늘날 급부상한 딥러닝으로 대표되는 머신러닝 알고리즘들은 상품의 공급사슬, 가치사슬 전반에서 여러 역할을 하고 있습니다.

그렇다면 "머신러닝"과 그 알고리즘들과 그 역할은 무엇이고, 그것이 어떻게 등장할 수 있었을까요?

 

오늘날의 인공지능 시대는 머신러닝 알고리즘에 대한 연구와 이를 현실에 구현하려는 노력들에 의해 만들어졌습니다.

그런데, 치열한 연구와 창의적 산물이 터져나오는 오늘날이 있기까지, 인공지능 또한 암흑기를 거쳐왔습니다.

순간순간 고비에 직면하고, 이를 넘어서려는 노력이 이어지며 결국 우리는 암흑기를 극복하고 인공지능 기술을 향유할 수 있게 된 것이죠.

이러한 점에서 혹자는 오늘날의 시대를 중세유럽 천년의 암흑기를 뚫고 과학과 예술을 폭발시킨 "르네상스"시대에 빗대기도 합니다.

 

저는 이 "인공지능 르네상스"를 가능하게 한 머신러닝과 그 기술들이 어떻게 산업현장을 지배하고 있는 지, 그것을 다뤄보려고 합니다.

 

 

AI 그림대회 우승작, 출처) 뉴욕타임즈

 

 

인공지능, 머신러닝이란?

 

출처) 네이버 블로그

 

인공지능, 머신러닝, 딥러닝(머신러닝의 대표적 알고리즘)은 순서대로 앞 개념에 포함되는 하위개념들입니다.

(인공지능 > 머신러닝 > 딥러닝)

 

먼저 인공지능은 그림에 나와있듯이 머신러닝과 그 알고리즘을 포함하는 가장 상위개념인데요,

이는 인간이 가진 사고와 의사결정 능력 등의 지적 능력을 컴퓨터와 같은 기계로 구현하는 것을 통칭합니다.

 

이와 같은 맥락에서 머신러닝은 인공지능의 연구분야 중 하나인 것이죠.

머신러닝은 인공지능의 사상을 구현하는 구체적인 기술들과 알고리즘들을 의미합니다. 쉽게 말하면, 컴퓨터에게 지적능력을 주기위해 기계를 학습시키는, 가르치는 방법들입니다.

특히 머신러닝은, 수치를 예측하는 것과 같이, 데이터 분석 방법론을 컴퓨터가 그대로 이용할 수 있도록 알고리즘을 설계하고 이를 통해 결과를 도출하는 것을 포함하는데, 크게 지도학습, 비지도학습, 강화학습 이렇게 세 갈래가 있습니다.

 

딥러닝과 같은 알고리즘이 바로 그 머신러닝 연구의 결과물로서 매우 뛰어난 정확도를 자랑합니다.

혹여나 딥러닝과 머신러닝이 완전히 다른 개념이라고 오해하기 쉬운데, 딥러닝은 머신러닝 알고리즘 중 하나일 뿐입니다.

딥러닝 알고리즘은 인간의 두뇌 속의 뉴런이 실제로 동작하는 방식을 컴퓨터 알고리즘으로 옮겨 작성해놓은 것으로, 현재까지 가장 뛰어난 성능을 보이는 알고리즘으로 알려져 있습니다.

 

인공지능 르네상스

 

 

오늘날 인공지능 연구와 그 응용은 매우 활발히 일어나고 있습니다. 캐나다 오타와 대학교에 따르면, 매년 750만 건의 논문이 발표되고 이미 5000만건의 누적수치를 뛰어넘었다고 합니다.

그런데, 인공지능이 오늘날에 이르기까지 꽃길만 걸었던 것은 아닙니다. 연구자들은 여러 암흑기를 극복해오며 르네상스를 재현하는 것에 성공했습니다. 

인공지능 연구는 1950년, 영화 이미테이션 게임으로 잘 알려진 영국의 공학자 앨런 튜링으로부터 시작합니다.

 

1950년, 앨런 튜링은 "연산 기계와 지능"이라는 논문에서 인간의 지능을 기계에 옮길 수 있다는 아이디어와 이를 판별하는 튜링테스트를 제안합니다.

 

1958년, 사람의 신경인 뉴런의 기능과 이를 기계에 구현할 수 있다는 아이디어가 등장합니다. 이에 심리학자 로젠 블라트가 인공 신경망인 "퍼셉트론"을 제안하였고, 머신러닝 알고리즘에 대한 논의가 본격적으로 등장합니다. 이를 계기로 인공지능 연구는 탄력을 받아 매우 활발하게 일어나게 됩니다. (AI 1차 붐)

 

1969년~, 마빈 민스키와 시모어 패퍼트가 퍼셉트론의 치명적인 한계점을 밝혀냅니다. 그 전까지 퍼셉트론은 매우 낙관적으로 여겨졌습니다. 그러나 이 두 연구자는 퍼셉트론이 XOR 문제(비선형 문제)를 해결하지 못함을 밝혀내었고, 한계에 봉착한 인공지능 연구는 암흑기에 돌입하게 됩니다. (AI 1차 겨울)

 

1980~, 컴퓨터에 전문가들의 지식과 정보를 입력한 전문가 시스템의 실용성이 확인되었고, 다층 퍼셉트론(MLP)이 XOR 문제를 해결함과 동시에 역전파 알고리즘을 통한 학습방법이 성공하며 인공지능 연구는 다시 한번 불이 붙게 됩니다. (AI 2차 붐)

 

1980년대 후반, 2차 붐이 시작되고 얼마 가지 않아 수학적 미분을 통한 가중치 조정 과정(경사 하강법)에서 기울기가 소멸되는 문제와 성능 저하를 초래하는 과적합 문제가 대두되었고, 당시 하드웨어의 한계와 데이터 부족 등 연구환경의 한계까지 직면하자 인공지능 연구는 다시 암흑기에 빠집니다. (AI 2차 겨울) 

 

1990년대 초반, 인터넷 망(www)과 빅데이터 개념의 등장하였으며 하드웨어 성능이 비약적으로 발전하고, GPGPU 아키텍처의 출현 등으로 고속 병렬처리가 가능해졌습니다. 이렇게 인프라가 매우 개선됨에 따라 인공지능 연구는 다시 한번 활성화됩니다. 이후 기울기 소멸문제와 과적합 문제를 보완하는 연구 또한 활발하게 진행되죠. (AI 2차 붐)

 

2006, 제프리 힌튼 교수가 다중 퍼셉트론을 응용한 딥러닝의 개념을 제안합니다. 또한, 기울기 소멸, 과적합 등의 문제점을 보완하는 여러 방법들이 제안되며 인공 신경망을 통한 머신러닝이 큰 주목을 받게 되죠. 딥러닝은 수치예측 문제, 분류 문제 등 모든 문제를 매우 정확하게 해결할 수 있는 학습 알고리즘으로 기대를 모았습니다.

 

2010~오늘날, 딥러닝 알고리즘들이 퀴즈, 이미지 인식대회에서 우승을 차지하며 매우 뛰어난 성능을 입증해 나갔습니다. 그 후 오늘날 딥러닝을 포함한 여러 머신러닝 알고리즘들이 산업 전반에 응용되어 효율성을 불어넣고 있고, 이제 우리 일상에서도 쉽게 인공지능을 찾아볼 수 있는 정도가 되었죠. 

 

이렇게 인공지능 시대는 앨런 튜링 이후 50여년만에 그 결실을 맺게 되었습니다. 대부분의 혁신이 문제를 해결하는 것에서 출발하듯, 인공지능은 앞길을 가로막는 문제들을 뚫고 결국 그 잠재력을 터트리고 있습니다.

딥러닝 신경망 모형, 출처) 네이버 블로그

 

인공지능, 머신러닝의 가치 

진정한 인공지능의 가치는 우리가 보이지 않는 곳에 있습니다.

머신러닝 알고리즘이 구현하는 인공지능은 단순히 음성인식 기기, 자율주행 자동차 등 어떠한 물리적인 결과물로서만이 아니라 경영활동 전반의 엄청난 효율과 효과를 통해 우리에게 효용을 제공하고 있는 것이죠.

 

어떠한 재화와 서비스가 우리들과 접하기 전, 각 생산과정들은 그 상품에 가치를 더해갑니다.

수요파악부터 원재료 조달, 재고, 운송 및 유통, 광고/홍보 등 전 과정은 그 상품의 가치를 형성해 나가는 과정이라고 할 수 있는 것입니다. (a.k.a 가치사슬)

그러한 과정 곳곳에서 머신러닝 알고리즘들은 각 기능에 맞게 적절한 역할을 하고 있습니다. 예를 들어, 고객의 수요량을 예측하는 데 쓰이는 회귀분석 기반 알고리즘, 재고량과 최적의 주문량, 시점을 결정하는 데 도움을 주는 시계열분석 기반 알고리즘, 마케팅에 쓰이는 개인화 추천 알고리즘들이 있습니다. 비교적 최근에는 대부분의 문제를 뛰어난 성능으로 커버할 수 있는 딥러닝이 이들을 대체/보완하고 있죠.

인공지능은 인간보다 월등한 연산능력과 기억력으로 프로세스들을 자동화하고, 매우 정확한 결과를 이끌어냅니다.

이러한 머신러닝의 힘 덕분에 기업은 자원을 적재적소에 투입할 수 있고, 의사결정에 큰 도움을 받으며 가치사슬 전반에 효율과 효과를 불어넣고 있습니다.

 

그러한 혁신을 이룬 기업은 당연히 시장에서 엄청난 이윤을 얻고 경쟁자들을 혁신으로 유도해왔습니다.

그런데, 이러한 경쟁과 여기서 흘러나오는 가치는 기업 뿐만 아니라 결국 소비자들에게도 돌아가게 됩니다.

머신러닝 알고리즘을 통한 자원의 효율적 투입은 소비자들에게 적절한 가격으로 돌아오는 것처럼 말이죠.

또한 소비자들은 단순히 상품의 질적 효용을 넘어 기업들의 치열한 경쟁을 통해 선택의 폭이 넓어지고, 개인화 추천 알고리즘을 통해 매우 편리한 소비생활을 하고 있습니다. 

우리가 매일매일 체감하면서 살고 있지 않지만, 가치가 더해진 상품들과 매우 편리해진 소비생활은 우리에게 큰 편익을 제공하고 있죠.

 

이처럼 인공지능의 혁신은 기업과 소비자, 나아가 사회 전반에 큰 바람을 일으켜 왔습니다.

그런데 더욱 놀라운 것은 우리가 아직도 이 분야의 잠재력을 모두 확인하지 못했다는 것입니다.

매년 발표되는 750만 건의 논문에서 알 수 있듯이, 아직도 많은 연구와 프로젝트들이 활발하게 진행되고 있습니다.

과거 유럽의 르네상스가 일궈낸 과학기술, 사회적 변화는 영국의 첫 산업혁명의 밑바탕이 되었듯이, 오늘날의 인공지능 르네상스는 4차 산업혁명을 주도하고 있습니다.

 

과거 르네상스에서 오랜기간 금기시되었던 지동설이 팩트로 확인되었던 것처럼, 오늘날의 르네상스에는 또 어떠한 충격적인 변화가 우리를 기다리고 있을까요?

우리가 주목해야 할 것은 변화의 흐름 속 시장과 산업환경이 크게 변화해왔으며, 그 속에서 새로운 기회가 열린다는 것입니다.