알파고가 반상에서 배운 것

◇ 인공지능의 등장과 발전=인공지능(Artificial Intelligence)이라는 말이 처음 등장한 건 지난 1956년 미국 다트머스대학의 존 매카시 교수가 다트머스회의에서 처음 사용하면서부터다.

 

당시만 해도 인공지능의 핵심은 추론과 탐색이었다. 본격적으로 인간처럼 생각하거나 문제를 푸는 인공지능 연구는 1970년대까지 이뤄졌다. 하지만 당시에는 단순 문제 풀이에 그쳤다. 이후 1990년대 초반까지 별다른 성과가 없었지만 1990년대 후반 인터넷이 등장하고 검색엔진을 발달하면서 이전과는 비교할 수 없는 방대한 데이터를 수집할 수 있게 된다.

 

빅데이터를 분석해 인공지능이 스스로 학습하는 머신러닝(Machine Learning)이 본격적인 발전을 시작한 것이다.

다시 머신러닝에 인간의 뇌를 모방한 신경망 네트워크를 더한 딥러닝 알고리즘이 등장했다. 인간의 두뇌는 수많은 데이터에서 패턴을 발견하고 사물을 구분하는 것 같은 정보 처리 방식을 이용한다.

 

컴퓨터가 이를 모방해 기존 머신러닝의 한계를 넘은 것이다. DNN((Deep Neural Network), 인공신경망은 1989년 얀 레쿤(Yann LeCunn) 교수가 처음 개념을 밝히고 2000년대 중반 제프리 힌튼(Geoffrey Hinton)이 개선한 데 이어 앤드류 응(Andrew Ng) 같은 전문가가 발전시켰다. 이후 구글과 페이스북, 바이두 같은 IT 기업이 이 연구를 발전시키고 있는 것.

 

하드웨어 발전도 딥러닝의 비약적인 발전에 일조했다. 2012년 캐나다 토론토대학의 알렉스 크리제브스키는 이미지 인식 대회 이미지넷(Imagenet)에서 우승을 차지했다. 알렉스가 우승을 차지하기 전까지만 해도 10년 동안 컴퓨터의 이미지 인식률은 75%를 넘지 못했지만 알렉스는 84.7%를 기록했다. 그는 나선형신경망을 이용한 알렉스넷이라는 DNN(Deep Neural Network)을 설계했고 여기에 GPU를 활용, 이미지 인식 훈련을 시켰다.

 

이후 병렬 컴퓨팅 기술이 계속 발전하면서 지난해 이미지넷에선 마이크로소프트가 96%가 넘는 정확도를 기록했다. 이미지 인식 능력에서 인간과 동등한 수준에 도달하게 된 것이다. 구글 딥마인드(DeepMind)가 만든 인공지능 소프트웨어인 알파고(AlphaGo)는 16만 건이 넘는 프로기사 기보를 바탕으로 매일 3만 회에 달하는 실전을 치른다. 이를 통해 자가 학습하고 성장하는 것이다.

 

이런 과정을 거쳐 알파고는 지금껏 인공지능이 이루지 못한 바둑에서 세계 최고 프로 기사 가운데 한 명인 이세돌 9단을 이겼다. 지난 3월 9일부터 15일까지 열린 알파고와 이 9단의 5국 승부는 알파고가 4승 1패를 기록해 승리를 거둔 것. 이 대결은 생방송으로 전 세계에 중계됐다. 구글에선 바둑 규칙이나 바둑판 등 바둑 관련 검색 질의가 폭발적으로 늘어나는 한편 우리나라에선 바둑붐이 일었다. 중국 웨이보에선 관련 해시 태그가 2억 페이지뷰를 넘어서는 등 전 세계적으로 관심을 끈 것이다.

물론 이렇게 많은 사람의 관심사는 인공지능과 인간의 대결이라는 구도였다. 하지만 알파고의 개발자인 딥마인드 CEO 데미스 하사비스는 단순한 인공지능의 승리를 말하려 하지 않는다. 구글에 인수되기 전 그가 딥마인드를 설립한 이유는 스스로 학습하고 궁극적으론 환경 문제와 질병 진단 등 인류를 둘러싼 문제를 해결할 도구로 인공지능을 개발하는 것이었다.

 

알파고는 인간의 신경망을 모방해 데이터를 분류하는 신경망을 이용한 딥러닝을 이용해 학습하고 그 결과를 통해 더 나은 행동을 학습하는 강화학습을 사용하기 위해 개발한 소프트웨어다.

올해 1월 처음 공개된 알파고의 가장 큰 도전은 보드 게임 가운데 가장 복잡하다고 말하는 바둑이었다. 세계 최강 기사 중 하나인 이세돌 9단과의 대결을 선언한 것이다. 알파고는 예측 불가능하다거나 창조적, 아름답다는 바둑 전문가들의 평가를 얻으며 이 9단에게 승리했다.

딥마인드가 밝힌 대국 데이터에 따르면 2국에서 알파고가 둔 37수에 대해 인간이 이길 가능성은 0.001%로 분석된 것이라고 한다. 하지만 이 9단이 4국에서 둔 신의 한 수로 불리는 78수 역시 인간이 이길 가능성은 0.001%로 분석되고 있다. 이 9단은 1국 후 초반 알파고의 전략이 탁월하며 인간에 뒤처지지 않는 수를 뒀다고 밝히기도 했다.

 

◇ 알파고가 얻은 2가지 교훈=하사비스는 이 9단과 알파고의 대국에서 2가지를 얻었다고 말한다. 하나는 다양한 문제를 해결하는 인공지능의 능력을 테스트할 수 있었다는 것이다. 알파고는 바둑판 전체 시야를 대상으로 전문 기사가 이렇게 두면 된다거나 안 된다는 것과는 다른 창의적인 수를 뒀다. 이는 인공지능이 인간의 능력으로 풀기 어려운 창의적 문제 해결 능력을 갖출 수 있다는 걸 보여준다.

 

다음은 이번 대국이 인간과 인공지능의 대결 구도로만 이야기되고 있지만 알파고는 인간이 만든 것이며 알파고의 승리는 결국 인간의 공로인 인한 것이라는 점이다. 알파고가 보여준 가능성이 다른 분야로 확대되면 인간에게도 큰 이익을 가져다줄 수 있다는 것.

물론 과제도 남겼다. 창의적인 수와 별개로 오류라고 할 수 있는 버그를 보인다는 것은 인공지능이 다른 분야에 활용되어도 오류가 발생할 수 있다는 우려를 떠올릴 수도 있다. 실제로 4국 후 대국 중 발생한 오류가 의학 같은 다른 분야에 인공지능을 접목했을 경우 발생한다면 어떻겠냐는 질문이 나오기도 했다.

 

조훈현 9단은 “이겼다고 우쭐해 하면 지는 걸 견디지 못한다”고 말했다. 인공지능에게 이번 대국은 작은 발걸음을 뗀 것에 불과하다. 한 판이 끝났을 뿐이다. 놀라운 일이지만 인간이 할 수 있는 일을 인공지능이 해내려면 아직 상당 시간이나 연구가 필요한 것도 사실이다. 관련 내용은 이곳에서 확인할 수 있다.

Read more: http://news.danawa.com/view?boardSeq=60&listSeq=3142633&past=N&#csidx194999a0732987fa80e3cae303dfb8f 
Copyright © LinkBack