예컨대 20년전 추억의 오락실 게임 스트리트파이터2도 컴퓨터와 대결하면서 최종라운드까지 진출했습니다. 이중에 주목받는 ‘오락실 초딩’ 혹은 ‘형님’들이 있었습니다. 이른바 숙련된 오락실 게이머입니다. 이들은 오락실 게임을 수십차례 하면서 스스로 실력을 키웠죠. 반대로 게임의 능력치는 그대로였습니다. 사람은 수차례 게임을 통해 스스로 게임하는 법, 캐릭터를 이겨가는 법을 학습했던 것이지요.
이번 알파고와 이세돌 9단간의 대결은 이 같은 양상이 반대로 뒤바뀐 경우입니다. 이미 최정상급 바둑 기량을 자랑하는 이세돌 9단에 지난 2년여간 기량을 키워온 알파고가 도전하는 것입니다.
알파고는 수십만, 수백만 대국을 학습했습니다. 아마추어 기사부터 프로기사까지 엄청나게 많은 대국을 공부한 것입니다. 달리 말하면 이번 대국은 이세돌이라는 천재 기사와 수십만명의 집단 지성으로 성장한 인공지능간의 대결로 요약할 수 있습니다.
잘 알려져 있다시피 알파고는 머신러닝이란 개념으로 학습합니다. 기계가 외부 상황에 대한 데이터를 수집하고 이를 분석해 새로운 대안을 내놓거나 실수를 피하는 방식입니다. 인간이 외부 사물을 인식해 이를 피하거나 만져보거나 맛을 보는 개념과 비슷합니다. 일련의 과정이 시각, 촉각, 미각 등 감각 기관을 통해 수집된 신호가 신경망을 통해 뇌에 전달되고, 뇌는 이를 판단합니다. 뇌는 신경망을 통해 명령을 내리고 이는 손과 발 등 외부 행동으로 연결됩니다.
구글도 이런 사람의 뇌 활동을 본따 ‘신경망’ 개념을 도입했습니다. 카메라가 인간의 눈 역할을 하고 클라우드 컴퓨터 서버가 뇌 역할을 합니다.
제프 딘 구글 시니어 펠로우는 9일 이세돌 9단과 알파고간 대결을 앞두고 머신러닝의 개념에 대해 보다 자세히 설명하는 자리를 마련했습니다. 딘 시니어 펠로우는 1999년 구글에 입사해 구글 딥러닝 리서치팀인 구글 프레인 팀을 이끌고 있습니다. 구글의 역사와 함께한 인물입니다.
|
딘 시니어 펠로우가 설명한 바에 따르면 먼저 다양한 물체가 있으면 이를 신경망이 인식을 합니다. 가령 고양이의 사진이 있다면 이 동물의 귀 모양이 어떤지, 털 색깔은 어떤지, 눈은 어떻게 생겼는지 수집을 합니다. 다양한 각도에서 어떤 이미지가 있는지 데이터를 검색합니다.
이 단순한 정보들은 모여서 합성이 됩니다. 더 많은 정보를 취합해 기계가 일전에 수집해 놓은 사진과 비교를 합니다. 일치하면 고양이라고 인식합니다. 기초적인 머신러닝인 셈입니다.
만약에 실제로 본 것이 고양이인데 결과값이 개였다면 다시 처음으로 돌아갑니다. 새로운 결과값을 인식하고 새로운 개념으로 인식이 돼 데이터가 된다면 기계는 학습을 한 것입니다.
모든 학습 과정에는 선생님이 필요하듯이 머신러닝도 ‘선생님’이 필요합니다. 이 선생님 역할을 사람이 해주는 것입니다.
다른 예를 들어보겠습니다. 5살 짜리 꼬마가 지나가는 버스를 보고 트럭이라고 말한다면 어머니는 버스라고 고쳐줍니다. 꼬마는 그때부터 버스를 인식하고 이후 나오는 사각형 문달린 자동차에 대해 버스라고 생각합니다.
이 머신러닝을 딘 시니어펠로우는 ‘감독 학습’이라고 불렀습니다. 인간이 기본적인 색인을 기계에 제시해주는 것입니다. 이후 감독없이 기계가 스스로 비교하면서 학습하는 것을 ‘비감독 학습’이라고 합니다.
아직까지는 감독 학습이 더 많다고 합니다. 알파고도 이런 감독학습을 통해 바둑 실력을 키워왔습니다. 딥마인드 연구원들이 수많은 대국 기보를 입력하는 과정을 거쳐왔습니다.
결국 머신러닝의 고도화는 데이터 량과 밀접한 관계가 있습니다. 더 많은 데이터를 확보할수록 정확성은 높아지게 됩니다. 판단에 대한 착오도 줄일 수 있습니다.
구글이 무인자동차를 통해 실제 도로를 주행하고, 로봇암(Robot Arm)으로 물건 집는 연습을 시키는 것도 각종 데이터를 모으기 위한 목적입니다. 운전을 많이 한 사람이 더 능숙하게 운전하는 이치입니다.
구글은 현재 머신러닝을 자신들의 다양한 서비스에 적용하고 있습니다. 사진이나 동영상을 자동으로 분류하는 방식은 이미 적용중입니다. 스팸 메일을 걸러내는 일도 이미 수년간 쌓아놓은 데이터를 토대로 배운 로봇이 하고 있습니다.
머신러닝이 고도화될수록 인간은 자신의 존재를 기계에 내줄것이라는 우려도 있습니다. 구글에서 머신러닝 사업을 진두지휘하는 딘 시니어펠로우는 “어떠한 기술이 됐던 간에 인류에게 유용할 수도 위협이 될 수도 있다”며 “이 부분은 공통된 고민”이라고 말했습니다. 이를 만든 인간이 쓰기 나름이란 얘기입니다.
그는 “머신러닝이 인간 생활에 도움이 됐으면 좋겠다”며 “그 사용 예로 헬스케어가 될 것”이라고 예상했습니다.
