4차산업혁명,지능정보사회 그리고 교육

기계가 학습한다? 전통적 인공지능 vs. 현재 인공지능

윤크라테스 2018. 2. 5. 07:56

카이스트 김대식교수의 책 [김대식의 인간 vs. 기계(김대식, 동아시아, 2016)]에서 인공지능 기술 방식에 대한 설명을 정리했습니다. 기계가 학습을 한다는 것의 개념을 이해하는 것이 인공지능에 대한 막연함을 해소하는 데 도움이 될 것입니다. 




1. 1세대 인공지능 연구의 특징, 한계, 오류

‘기계학습’의 시작은 이렇습니다.

- 1956년 다트머스대학에 모인 컴퓨터 전문가들은 ‘인공지능’이라는 새로운 기술을 제시

- ‘어려운 계산을 너무나도 쉽게 하는 기계, 인간에게 어려운 문제 역시 쉽게 풀 수 있지 않을까?’


전통적인 인공지능 연구 방식은..

- 가정: 세상은 ‘기호와 규칙’으로 설명할 수 있다.

- ‘내 머리 안에서 기호와 규칙으로 시뮬레이션 할 수 있다면 사람하고 똑같이 지능을 만들어낼 수 있겠구나’라는 아이디어에서 시작


다음의 한계를 인식합니다.

- 기계에게 열심히 설명을 하려고 노력했었는데 결국엔 안 됨

- ‘아무리 시도를 해도 설명으로는 기계가 세상을 인식하지 못하는데, 사람은 분명히 할 수 있다.’

- ‘우리는 어떻게 강아지와 고양이를 구분하는 법을 배웠을까?’ 고민


인간이 가진 문제 인식의 오류 발견하고 연구 방법을 수정하게 됩니다.

- 우리가 보통 이야기하는 지능, 세상을 알아보는 능력은 설명이 아니라 경험과 학습을 통해 배움

- 인간이 ‘쉽다’와 ‘어렵다’를 잘못 생각한 것에서 문제 발생: 사람에게 쉬우면 쉬운 문제, 어려우면 어려운 문제로 인식해온 것이었음


2. 현재 인공지능 연구 방식 변화(by 딥러닝)

인간의 물체 인지 과정을 개념적으로 모방한 시스템

의의: 인공지능의 모든 문제를 해결해주는 것은 아니지만, 새로운 패러다임을 주는 것은 확실


'학습'하는 기계?

- 세상에 관한 엄청나게 많은 데이터를 그냥 집어 넣음

- 기계는 엄청난 양의 데이터를 자체 인공신경망 구조를 통해 스스로 학습

- 통계학적 정보에 대해 점점 더 압축된 표현을 만들어 냄 ⇒ 학습


출처: 김대식의 인간 vs. 기계(115-127쪽) / 김대식 / 동아시아 / 2016.04.12.



<< 요약 & 시사점>>

인공지능에 대한 시도는 과거에도 있었으나 실패했다고 평가되고 있습니다. 전통적인 인공지능 연구 실패 원인은 ‘언어를 통한 설명’으로 기계를 학습시키려 했기 때문이라고 보고 있습니다. 사람들 사이에도 언어로 소통되지 않는 경우가 왕왕 발생하는 것을 보면 충분히 납득할 만합니다. 


현재 인공지능 연구는 이제 설명하는 방식을 사용하지 않습니다. 기계가 수행해야 할 대상(예를 들어, 사진 속 고양이를 찾아라)에 대한 엄청난 정보를 기계에 집어넣고, 기계가 통계적 방법으로 스스로 원리를 찾도록 합니다(고양이가 있는 엄청난 양의 사진을 통해 고양이의 특징을 파악하고, 찾도록 한다). 이 과정을 ‘학습’이라고 합니다. ⇒ 그래서 ‘학습하는 기계’라고 하는 것입니다. 이것이 가능하게 된 데는 현대 기술 배경이 있습니다. 엄청나게 증가한(증가하고 있는) 디지털화된 자료, 저장장치와 연산능력 향상이 이를 가능하게 했습니다.


현재 인공지능의 대표주자인 딥러닝이 학습하는 방식은 교육에서 말하는 학습의 방법 중에서 ‘도제식 방식’과 유사합니다. 도제식 방식에서 장인(스승)은 기술을 배우려는 도제(학생)에게 일일이 말로 설명하지 않습니다. 도제는 일정 기간 장인의 집에 머무르며 그가 하는 모든 행위를 보면서 스스로 터득합니다. 즉, 경험을 통한 학습인데, 이는 충분한 시간과 자료가 있다면 학습이 이루어질 수 있다는 의미입니다.


딥러닝의 학습 방식이 시사하는 바는 현재의 인공지능은 수행하고자 하는 미션에 대한 자료가 충분히 있다면 일정 시간 후에 그 미션을 수행할 수 있다는 의미입니다. 가능할 수 있는 근거로는 우선 자료입니다. 자료는 사람들이 끊임없이 막대한 양으로 생성하고 있습니다. 디지털 기기를 사용하고, 업무와 일상에서 수많은 디지털 문서를 작성하고 있으며, 나에 대한 기록은 디지털되어 저장되고 있습니다. 기계가 학습하는 데 필요한 시간은 점점 더 줄어들 전망입니다. 새로운 소자 개발, 처리 알고리즘 발달로 시간과 처리 비용을 줄여나가기 위한 노력을 하고 있습니다.





김대식교수의 강연 동영상입니다. 책에 있는 내용을 쉽고 재밌게 이해할 수 있습니다.