2016년 초 부터 4차 산업 혁명에 대한 이야기가 여기저기서 많이 나오는 것 같습니다. 특정한 분야의 변화만을 놓고 '혁명'이라는 단어를 쓰지는 않을것입니다. 그럼에도 4차 산업 혁명을 이끄는 핵심적인 단어 하나를 꼽으라면 AI 즉, 인공지능을 꼽을 수 있습니다.
대용량 데이터처리 기술의 발달과 WWW와 IoT등, 무한대로 연결 사회가 된 덕분에 인공지능 기술은 이미 우리의 희망과 공포심 양쪽 모두 자극할 수 있을 정도로 더욱 빠르게 진화중이라고 생각됩니다. 컴퓨터는 이제 무한대에 가까운 텍스트, 이미지, 동영상, 사운드 등의 데이터를 방대하게 취해서 딥러닝이라는 이름으로 활용할 수 있게 되었고, 하드웨어 성능과 알고리즘도 이제는 충분히 방대한 데이터를 처리하기에 적당한 수준까지 올라왔습니다.
이세돌을 이긴 알파고의 구글 딥마인드
2016년 3월. 1,920개의 CPU와 280개의 GPU를 동원한 알파고는 한국 바둑계의 자존심인 이세돌 9단을 이겼습니다. 바둑계는 물론이고 전세계인이 경악했습니다. 공포심마저 느끼는 사람도 있었습니다. 하드웨어의 성능이 대단한 것은 아니지만 훌륭한 알고리즘이 바둑과 같이 무한대에 가까운 수를 생각해야 하는 게임에서 사람을 이긴것 입니다.
알파고는 기본적으로 기존에 고수들이 진행했던 약 16만 개의 대국을 학습했습니다. 약 4천만 수 입니다. 사람이 공부한다면 1,000년이 넘는 엄청난 분량입니다.
이 인공신경망은 같이 학습한 또 다른 인공신경망과 대결을 하면서 승률을 올리기 위한 수준을 더욱 높여갑니다. 그리고 살아남은 가장 강력한 인공신경망은 스스로 복기를 하면서 또 한번 스스로 단련됩니다. 이 과정은 수억~수십억 번의 시뮬레이션도 가능합니다. 이 과정을 통해서 알파고는 '어떤 수를 둬야 이길 수 있는지?'보다는 '어떤 수를 둬야 패착을 줄일 수 있는지'를 몬테카를로 트리 탐색법(MCTS)을 활용해서 연산함으로써 연산에 들어가는 자원을 극적으로 줄일 수 있습니다.
몬테카를로 트리 탐색의 각 단계별 예시
출처:위키피디아
이 방식은 인간이 지식을 얻는 과정과 꽤 유사합니다. 갓 태어난 아기는 백지장입니다. 그러나 아기는 보고, 듣고, 느끼면서 조금씩 지식을 축적해 나가니다. 딥러닝도 인간이 이런식으로 지식을 습득하는 과정과 비슷하게 데이터와 지식을 축적해 나갑니다.
최적의 효율을 찾는 능력과 스스로 학습하는 능력은 이미 인간을 압도적으로 넘어섰습니다. 산술적으로만 생각해도 AI의 학습량은 인간을 압도합니다. 우리가 책을 한권 읽고, 구글에서 이미지를 검색해서 입수하는데 걸리는 시간과 AI가 초당 수천, 수만 권에 달하는 책 내용을 학습하는 속도만 놓고봐도 그렇습니다. 그리고 AI가 딥러닝을 통해서 스스로 학습 하는 능력은 아래의 동영상을 보고나서 개인적으로 한동안 말을 잇지 못했습니다.
아래의 영상은 딥마인드에서 만든 DQN이라는 AI입니다. 8비트 ATARI 게임들을 스스로 학습하는 AI입니다. 일단 핑퐁 영상 먼저 보시죠.
핑퐁 게임을 처음접한 DQN은 갓 태어난 아기와 같습니다. 내가 왜 여기 있는가? 나는 누구인가? 조차 인지 못하는 그야말로 백지상태의 AI입니다.
처음 200게임을 진행하면서는 계속 죽습니다. 죽으면서 어떻게 해야 안죽는지 스스로 학습합니다. 400게임 정도 진행하면 게임왕이 됩니다. 절대로 죽지 않습니다. 그리고 학습을 조금 더 시켜보면 놀랍게도 DQN은 가장 효율적으로 게임을 진행하는 방법 즉, '꼼수'를 찾아냅니다. 왼쪽에 있는 돌만 계속 공략해서 깬 다음에 왼쪽 구멍으로 공을 집어넣습니다. 딥마인드의 수장인 하사비스 조차도 DQN이 스스로 학습을 통해서 단 하룻밤만에 이렇게 영리하게 발전한 줄은 전혀 예상하지도 못했다고 합니다.
이외에도 스페이스 인베이더나 다른 ATARI 게임들을 DQN이 스스로 학습하고 진행하는 영상들을 유튜브에서 찾아보시길 추천드립니다. 걸음마 배우는 아기를 지켜보는 것 마냥 재미있습니다. DQN의 학습 속도는 물론이고 최적의 효율을 결국은 찾아내고야 마는 능력에 놀라서 입만 떡 벌어집니다.
AI가 캡차를 깨는 장면
출처:KBS1 기계와의 대결
사실상 인간 고유 영역이라 생각했던 캡차 해제도 할 수 있습니다. 캡차는 불완전한 문자나 모양을 '유추'해야 하는데 얼마전까지만 해도 이 유추의 영역은 인간만이 할 수 있는 영역이라 우리는 믿고 있었습니다. 그러나 이미 기초적인 캡차는 몇년전부터 무장해제 된 상태입니다. 이후에 다양한 형태의 캡차가 나오고 버전업 된 리캡차(reCAPTCHA)등이 나왔지만 이미 로봇에 의해 깨지고 있는 상태입니다.
G메일의 자동 스팸 처리 출처 : G메일
구글의 지메일은 광고메일, 소셜관련 메일, 스팸메일 그리고 보통 메일을 자동으로 분류해줍니다. 이 모든 것들을 로봇이 하고 있습니다. 지메일의 이 자동 스팸처리 로봇 역시 딥러닝과 패턴 처리 기술을 활용하여 만든 것입니다. 이미 AI는 우리 삶 곳곳에 녹아 들어와 있습니다.
AI의 활용 범위는 무궁무진
활용 범위는 너무나 무궁무진해서 여기에 기술하는 것이 무의미 할 정도입니다. AI로 무엇을 할 수 있는지 간단히 몇가지만 적어보겠습니다. 아직은 AI 수준이 우리가 생각하는 범용적으로 뭔가 할 수 있는 수준은 아닙니다. 특정 분야에 국한돼 활약할 뿐입니다. 가령 알파고는 천재 바둑기사이지만 주식 매매는 전혀 못합니다. DQN은 ATARI게임을 스스로 학습하고 달인이 되는데 반나절도 걸리지 않는 ATARI 게임 마스터이지만 운전은 젬병입니다. 현재 이 정도의 제약이 있다는 점을 감안해야 합니다.
얼굴 인식이나 목소리 인식을 통해서 보안 장치를 만드는데 활용할 수 있습니다. 목소리와 음성 패턴 인식에 대한 생각을 하다보니 전세계 모든 언어간 통역이 가능한 통역 로봇도 만들 수 있겠군요. 기후나 재난 예측도 가능할지 모르겠습니다. 기후나 재난이 예측 된다면 인간들은 그야말로 엄청난 능력을 손에 쥐게 되는 셈인데요 기후는 어느 정도 예측이 된다고 하더라도 재난까지 AI들이 예측해주는 날이 올지 무척 기대가 됩니다.
한 개인의 건강 관리나 다가 올 질병에 대한 예측도 가능할까요? 사회 구성원 전체의 건강 관리도 가능할지 모르겠습니다. 교통 혼잡도를 낮추는 AI가 나올수도 있고요. 공무원이나 신입 사원을 뽑을 때 서류 심사를 하는 로봇 정도는 지금도 쉽게 만들 수 있을 것 같네요. 이미 작곡을 하는 로봇도 있습니다. 머지 않아 AI가 제 일정을 자동으로 관리해주는 비서 로봇도 널리 활용될 것 같구요. AI의 활용 방향은 무한대로 봐도 좋을 것 같습니다.
AI, 한국식 교육 시스템에는 치명적
단순 정보를 주입식으로 익히고 이걸 반복적으로 활용하는 형태의 직업은 직격탄을 맞을 것으로 예상됩니다. 한국 사회 특성상 중상 직업군부터 중하 직업군까지 골고루 AI에게 일자리가 잠식될 가능성이 높습니다. 이를테면, 판사는 화이트칼라 직군에서도 최고위직에 속하는 직업이지만 AI가 대체할 가능성도 배제할 수 없습니다. 감정이 없으니 감정을 배제한 판결 결과는 인간 누구의 판결보다 공정할 수 있습니다.
회계사나 은행원 같은 화이트칼라 직군도 위험해지겠지요. AI가 탑재된 무인자동차는 모든 운전 관련 직종을 없애버릴 것입니다. 프로그래머들도 상당수 AI에 대체될 수 있습니다. 화가나 연예인, 작곡가들도 얼마든지 AI와 경쟁해야 하는 시절이 오리라 생각됩니다. 블루칼라라고 다르지 않습니다. 배달부, 택배기사, 주유원, 막일꾼 등 거의 모든 직군이 AI에 의해 대체될 수 있습니다. AI 쓰나미는 화이트칼라와 블루칼라를 막론하고 많은 사람들의 일자리를 휩쓸게 되리라 예상합니다.
AI가 실제로 우리의 일자리를 위협하게 된다면 빈부격차는 더욱 고착화 될 가능성이 높습니다. 사실상 인간이 부를 축적할 수단이 상당수 사라지기 때문입니다. 이미 부를 획득한 사람은 더욱더 자유롭고 편리한 생활을 누리는 가운데 자본이득으로 부를 더욱 많이 축적할 것입니다. 부를 축적하지 못하고 AI에 미처 대비도 못한채 대체되는 사람들의 미래는 너무나 어둡습니다.
올해 1월 18일 다보스포럼에서는 향후 5년간 AI로 인해 사라지는 일자리가 700만개, 새로 생기는 일자리가 210만개로 490만개의 일자리가 순감소할 것이라고 내다봤습니다.
동물 육체의 약점을 보완한 보스턴 다이내믹스
딥마인드가 인공지능의 핵심 중 핵심인 두뇌를 만든다면 보스턴 다이내믹스는 인공지능이 가지게 될 육체를 만드는 회사입니다. 구글이 이 회사를 인수해서 갖고 있었습니다. 그렇다면 구글은 터미네이터의 두뇌와 몸을 모두 가진셈이 되는데요, 아쉽게도(?) 혹은 다행히도(?) 구글은 보스턴 다이내믹스를 다시 매물로 내놨고 올해 5월에 일본의 도요타에서 인수했습니다.
구글은 보스턴 다이내믹스가 만드는 로봇 개발의 어려움을 인지하고 10년내 상용화가 힘든 것으로 판단했다고 알려져 있습니다. 보스턴 다이내믹스 팀과 구글과의 불화설도 있구요. 그래서 구글이 보스턴 다이내믹스를 매각한 것으로만 알려져 있습니다.
구글이 정말로 지구를 지배하려나보다 생각했는데, 이렇게 되면 제 생각은 빗나가게 되는 것인지도 모르겠습니다. 이미 구글은 세계를 어느 정도 지배하고 있는 것은 사실이지만요. 혹시 또 아나요, 보스턴 다이내믹스의 핵심 설계와 기술은 이미 구글이 가지고 있을지도요. 지적 재산권을 중시하는 미국 사회에서 그게 가능할지는 모르겠지만, 실제 이미 그렇게 했다면 구글 내에서 보스턴 다이내믹스가 만드는 프로토타입들을 쉽게 따라만들 수 있을지도 모르겠습니다.
어쨌든 보스턴 다이내믹스가 보유한 프로토타입들의 영상을 몇개 먼저 보겠습니다. 보스턴 다이내믹스가 왜 세상의 주목을 받았는지 알 수 있습니다.
스팟(Spot)이라고 불리는 사족 보행 로봇입니다. 기존 버전보다 무게가 가벼워지고 소음이 줄어든 것이 가장 큰 특징입니다. 2015년에 공개된 버전으로 현재 보스턴 다이내믹스가 개발한 사족 보행 로봇 중 가장 진보한 것입니다.
경사진 곳을 자유롭게 오르내리고, 장애물도 피하고 충격이 가해져도 잘 넘어지지 않습니다. 물론 마음만 먹으면 달릴수도 있습니다. 이전 버전인 치타는 시속 45km까지 달렸습니다.
보스턴 다이내믹스의 자랑인 이족 직립 보행로봇 아트라스(Atlas)입니다. 전투 시 인간 병사를 대체합니다. 앞의 사족 로봇들도 대단하지만 아트라스는 보스턴 다이내믹스가 보유한 기술의 정수를 보여줍니다. 이족 직립 보행은 유인원 중에서도 소수만이 가질 수 있는 능력입니다. 특히, 인간이 가장 완벽하게 이를 구현할 수 있습니다.
많은 공학도들이 사람처럼 완전하게 이족보행을 할 수 있는 로봇을 만들기 위해서 노력해왔습니다. 현재 이족 보행 그 자체를 구현한 곳은 기업이나 대학이나 꽤 되는 것으로 알지만 아트라스는 기대 이상의 이족 직립 보행 능력을 구현해 냈습니다. 위의 영상을 보시면 스팟과 마찬가지로 기본적인 걷기, 달리기, 어지간한 충격으로는 넘어지지 않기, 장애물 해쳐나가기, 경사면 오르고 내리기가 모두 가능합니다. 심지어 눈 덮인 산악지대까지도 안 넘어지고 잘 걸어다닙니다. 굉장히 어려운 기술들을 구현해 낸 것입니다.
보스턴 다이내믹스는 원래 군사 목적으로 로봇들을 만들어왔습니다. 위의 영상을 보시면 보행 로봇 이외에도 다양한 목적과 기능을 가진 군사 로봇들을 만들어 왔습니다.
도요타는 올 5월에 보스턴 다이내믹스를 인수한 이유로 '바퀴 달린 운송 수단이 갈 수 없는 곳도 자유롭게 이동하는 운송 수단을 연구하고 만들기 위해서'라고 말했습니다. 도로나 철도 없이도 산간 오지에 물류를 편리하게 수송할 수 있는 수단이 생긴다면 우리에게 큰 도움이 되리라 생각합니다.
다리가 불편한 분들에게도 보스턴 다이내믹스의 로봇들이 큰 역할을 해줌으로써 그분들의 행동 반경이 더 넓어지리라 예상됩니다.
딥마인드의 머리와 보스턴 다이내믹스의 몸이 합체하면?
구글이 보스턴 다이내믹스를 팔기 전에 관련 기술을 미리 습득했다면 상관없지만 그렇지 않다면 이 좋은 회사를 너무 성급하게 팔아버린게 아닌가 생각됩니다. 이미, 보행 측면에서는 구현할 수 있는 대부분의 것들을 구현해낸 회사라고 생각하기 때문입니다. 보스턴 다이내믹스의 몸에 딥마인드의 인공신경망을 합체 시켜서 보스턴 다이내믹스가 보행을 하거나 움직일 때 인간의 컨트롤을 넘어서 스스로 보행을 할 수 있도록 머신러닝을 시켜보았다면 어땠을까 싶은 생각도 듭니다.
영화에서나 보던 터미네이터 로봇이 우리 삶에 실제로 등장할 날도 머지 않은 것 같습니다.
기계에 의한 인류 멸망?
AI와 보스턴 다이내믹스의 보행 로봇 덕분에 우리가 얻을 이익이 많을 것이라는 데는 이견이 없습니다. 다만, 사람들의 우려도 있습니다. 그 우려는 사실 무시무시한건데요. 바로 인류 멸망과 관련된것 입니다.
스티븐 호킹을 비롯해서 몇몇 학자들은 '기계 반란'에 의해 인류가 수백년내 멸망할 수 있다고 경고하고 있습니다. 외계인 침공과 같은 것들은 조금 어처구니 없는 이야기일 수 있습니다. 그러나 핵전쟁, 꿀벌 멸종, 운석 충돌, 기계 반란과 같은 시나리오로 인류가 위기에 처할 수 있다는 이야기는 충분히 가능성이 있는 이야기라고 생각합니다.
앞서, 딥마인드에서 만든 DQN AI가 핑퐁과 갤러그 게임을 스스로 학습하는 영상을 상기해봅시다. DQN이 쓰는 가장 효율적인 꼼수를 기억하시나요. 이처럼 AI가 효율만은 좇는다면, 머지않아 인간은 AI에게 있어서 비효율적인 존재로 낙인찍힐 가능성이 있습니다. 가뜩이나 좁은 지구에서 생존의 효율을 높이자면 AI 본인들보다 비효율적인 인간들을 제거해버리자고 스스로 학습하고 실행할지도 모르죠. 이게 막연한 이야기도 아닌게, DQN 학습을 진행하면서 하사비스 본인 조차도 AI가 이렇게 꼼수를 찾아낼 줄은 전혀 몰랐다고 말을 하는 부분에서 느꼈습니다. AI를 만드는 사람들 조차도 AI가 딥러닝을 통해서 어떤 방향으로 움직일지 예측할 수 없다는 부분이 미래를 불안하게 만듭니다. 그것도 간단한 핑퐁 게임에서 AI의 행동이 예측 불가하다면 훨씬 복잡한 복잡계 세상에서는...
우리는 효율을 위해서 컴퓨터를 만들어서 사용해 왔고, 이제는 AI를 만드는 조물주 역할까지 하려하고 있습니다. 그런데 과연 효율 너머의 다양한 위기 상황에 대한 준비는 제대로 돼 있는지 의문입니다. 어쨌든, 지금 우리는 인류 역사상 큰 변혁의 시대에 살고 있는 것은 확실해 보입니다.
본 글은 2016년에 기록한 저의 소고를 스팀잇으로 옮겨온 글입니다.