A.I(Artificial Inteligence). 조금이라도 미디어 매체를 접하는 사람이라면 익숙한 용어일 것이다. 한국에서는 작년 3월, A.I를 이용한 Google의 ‘알파고(AlphaGo)’와 이세돌 기사의 바둑결이 기폭제 역할을 하며 대중의 관심이 급증하였다. 바둑에서 A.I는 체스와는 달리 경우의 수가 무한에 수렴하기 때문에 직관과 감각이 있는 인간의 경지에 닿을 수 없을 것이라는 예상이 지배적이었다. 1997년 IBM 의 A.I ‘Deep Blue’가 체스 챔피언을 꺾을 당시 뉴욕타임즈는 ‘바둑에서는 컴퓨터가 사람을 이기기 위해서 100년 이상이 걸릴 것’이라는 보도를 내기도 했다. 하지만 ‘알파고’는 이세돌 기사와의 국에서 종합전적 4승 1패로 승을 거두며 A.I 시대의 시작을 알렸다. 인간 최고의 기사를 꺾은 ‘알파고’의 실력은 어디서 온 것일까? ‘알파고’는 많은 양의 기보를 저장해두고, 스스로 학습하고 분석해 판단하는 딥러닝(Deep Learning) 방식을 사용했다. 기존의 바둑 프로그램은 어떤 수를 둘지 인간이 미리 정해 둔 알고리즘로 따라간다. 반면, ‘알파고’는 스스로 학습하며 최선의 수를 연구한다. 딥러닝을 이용해 난공불락이라 여겨지던 바둑에서 컴퓨터가 인간의 수준을 넘어선 것이다. 오늘은 A.I시의 서막을 알린 학습방식, 딥러닝에 대해 이야기하고자 한다.
사실 딥러닝은 그다지 새로운 개념은 아니다. 1940년에 고안된 인공신경망이라는 개념과 크게 다를 것 없는 방법이다. 그동안 인공신경망 방식이 활용되거나 연구되지 않았던 이유는 구조가 복잡해 최적화가 어려웠기 때문이다. 하지만 개선된 최적화 기법과 빅데이터가 만난 이후 딥러닝 방식은 압도적인 성능을 보이며 각종 기계학습대회에서 우승을 휩쓸었다. 뉴런이나 선형, 비선형 등 어려운 개념을 사용하지 않고 최대한 간단한 예를 통해 딥 러닝이 어떤 학습방식인지 알아보자. 컴퓨터에게 사진을 주고 개인지 고양이인지 맞추게 하는 프로그램을 만든다고 생각해 보자. 딥러닝 방식 이전에는 인간이 개와 고양이의 구별점을 설정해 컴퓨터에게 학습을 시키는 방식으로 코드를 짰다. 인간이 직접 개와 고양이가 구분되는 특징을 찾아서 입력 해야 하고 그중에서도 귀가 접힌 고양이, 털이 없고 주름이 많은 강아지 등 모든 변수를 입력해야 정확하게 사진을 구분할 수 있다. 시간이 오래 걸리고 모든 변수를 입력하는 것은 불가능하기 때문에 프로그램을 만들더라도 정확성이 떨어진다. 딥러닝 방식을 이용하면 간단하게 프로그램을 만들 수 있다. 컴퓨터에 무수히 많은 고양이와 강아지 사진을 입력하고 각각 고양이와 강아지라는 사실을 설정한다. 상황에 따라 설정하는 경우도 있지만 둘을 구별하는 특징과 변수는 설정하지 않아도 컴퓨터가 무수히 많은 사진 사이에서 딥러닝방식을 통해 스스로 학습하게 된다. 홀로 사물의 특징을 만들고 변수를 찾아낸다. 인간이 변수를 설정할 필요가 없으니 프로그램을 만드는 시간도 짧고, 쌓여있는 빅데이터를 사용하면 이전 방식보다 압도적으로 우월한 정확도를 자랑할 것이다. ‘알파고’도 같은 방식이다. 바둑을 두는 법은 프로그래밍하지 않았지만 방대한 양의 기보를 입력한 후 딥러닝을 통해 스스로 이기는 방법을 터득하게 한 것이다. 무수히 많은 데이터를 이용해 컴퓨터 스스로 학습하고 방법을 찾는 것. 이것이 딥러닝의 가장 큰 특징이다.
딥러닝은 우리가 인지하고 있는 것보다 생활 가까이 들어와 있다. 핸드폰에 탑재돼있는 애플의 Siri나 삼성의 Bixby부터 요즘 각광받고 있는 인공 지능 스피커 Nugu와 Genie까지 모두 딥러닝을 기반으로 만들어진 결과물이다. 이들은 무수히 많은 음성데이터 입력을 통한 학습으로 목소리 톤과 속도에 상관없이 단어를 구분하고 이용자의 의도를 알아차릴 수 있다. 이외에도 자율주행자동차, 얼굴 인식, 보안, 저작권 침해 감지 등 폭넓은 분야에서 사용되는 중이다. 빅데이터의 상용화와 컴퓨터 하드웨어의 약진 덕분에 딥러닝의 발전 속도는 여타 다른 산업에 비해 월등히 빨라졌다. 사회 전반의 구조를 바꿔놓을 혁신적인 기계학습 방식인 딥러닝에 대한 관심은 선택이 아닌 필수다.
