[AI 사피엔스 시대] '기계학습'으로 진화…스스로 '생각하는 AI' 성큼

신경망. [사진= 소프트웨어정책연구소 제공]

📁관련 통계자료 다운로드글로벌 기계학습 시장 규모 및 전망기계학습 프로세스

“운전자 편의를 뛰어넘어 승객 안전을 향한 열망.”

현대자동차가 자사 홈페이지에 게재한 자율주행시스템 광고 문구다. 현대차 아이오닉은 미국 자동차공학회가 분류한 레벨 0~5 등 총 6단계 자율주행 기준에서 레벨 4를 만족했다. 기술 완성도에서 높은 수준에 이르렀다는 의미다. 당시 선보인 영상에서는 운전자가 정면 아닌 다른 곳에 시선을 둬도 차가 운전자와 보행자를 안전하게 보호하는 자율주행 모습이 담겼다.

'기계가 운전하는 시대'가 코앞이다. 이는 기계학습에 기초한다. 기계학습은 환경과 상호작용해 축적되는 경험 데이터를 바탕으로 지식 즉, 모델을 자동으로 구축하고 스스로 성능을 향상하는 시스템이다. '데이터로부터 학습하는 기계'로 축약 가능하다. 이는 인경신경망과 딥러닝 등을 포괄하는 개념이다.

기계에 데이터를 학습시키려면 기초 데이터가 필요하다. 이는 크게 학습, 검증, 테스트 데이터로 분류된다. 수능을 보는 수험생에 대입해 보면 학습은 수능을 대비해 공부하는 과정이고 검증과 테스트는 각각 모의고사, 수능 시험을 치르는 것으로 비교 가능하다.

기계학습의 대표 특성은 딥러닝이다. 딥러닝은 많은 수의 신경층을 쌓아 입력된 데이터가 여러 단계 특징 추출 과정을 거쳐 자동으로 높은 수준의 추상적인 지식을 추출한다. 특징 추출 및 분류를 특징 학습으로 통합해 보다 자동적으로 학습한다. 이는 여러 분야에서 응용된다. 백만여장의 이미지로부터 천 가지 종류의 물체를 분류하는 구글 넷(Google Net)과 실제 사람처럼 비디오 게임을 학습하는 구글 딥마인드(Google DeepMind), 사람의 얼굴을 인간 만큼 인식하는 페이스북 딥페이스(Facebook DeepFace) 등이 대표적이다. 우리에겐 2016년 이세돌 9단과 대국에서 승리한 구글 알파고(Google AlphaGo)가 가장 널리 알려져 있다.

기계학습은 갈수록 중요해질 전망이다. 빅데이터를 기반으로 컴퓨팅 성능이 높아지면서 고난도 학습이 가능해졌다. 이를 서비스와 직접 연결하면 비즈니스 가치를 창출해 그 효과를 극대화할 수 있다. 예를 들어 사업자는 기계학습 기술을 사용해 판매 및 고객 데이터를 분석해 판매와 재고 프로세스를 최적하고, 판매 비용을 낮출 수 있다. 또한 타깃 마케팅이 가능해져 판매량을 높일 수 있다.

이미 기계학습은 인간 생활과 밀접하다. 구글 검색 엔진을 통해 집을 나서기 전 목적지 정보를 얻고 호텔과 레스토랑을 결정할 수 있다. 미국 타임지는 '모든 사람과 모든 문제의 답안 사이의 거리를 마우스 클릭 한 번의 거리로 좁혔다'며 구글을 평가했다. 인터넷 검색은 네트워크상 데이터를 분석해 사용자가 원하는 정보를 제공한다. 그 과정에서 사용자 검색은 '입력'이고 검색 결과는 '출력'에 해당한다. 이를 이어주는 데 기계학습이 활용된다. 오늘날 검색 대상, 내용 등이 복잡해지면서 기계학습 기술 영향력은 더욱 커졌다.

물론 기계학습도 아직 한계가 있다. 기계학습을 통한 인공지능(AI)은 제한 범위의 특정 주제와 관련한 질문에만 적합한 답을 찾는다. 사용 데이터나 적용 범위, 질문 형태가 바뀌면 시스템을 처음부터 다시 구축해야 하는 문제가 발생한다. 향후 이를 해소하는 게 관건이다. AI업계 관계자는 “알파고 등장은 컴퓨터가 사람의 직관을 흉내내는 일까지도 가능하다는 것을 보여줬다”면서 “기계학습이 고도화할수록 인간의 생활 방식은 크게 변화할 것”이라고 말했다.

류태웅 기자 bigheroryu@etnews.com