북집 지식DB

경제와 산업을 뒤흔드는 인공지능의 진화

경제 인프라의 중요한 요소로 떠오른 인공지능AI의 변천사는 단일세포 유기...

경제 인프라의 중요한 요소로 떠오른 인공지능AI의 변천사는 단일세포 유기체들이 공생 커뮤니티를 이뤄 지배하던 38억 년 전의 생태계와 유사한 측면이 있다. 그리고 이제 우리는 캄브리아기의 대폭발처럼 거대한 변화를 몰고 올 인공지능의 폭발적 진화를 눈앞에 두고 있다. 인공지능이 비즈니스 생태계에 미칠 영향과 그로 인해 발생할 위기와 기회는 무엇인가?

인공지능과 업무 자동화가 지닌 잠재적 영향은 우리가 익히 알고 있는 주제다. 무인 자동차, 자동주행 자동차도 인공지능의 발전 덕에 가능해진 것이다. 이제 인공지능이 기업의 비즈니스에 미칠 영향에 대해 살펴보도록 하자.

인공지능은 통상 “컴퓨터 소프트웨어의 의사 결정, 논증, 문제 해결을 연구하는 컴퓨터 과학의 한 분야”로 정의된다. 하지만 이는 전문용어로 ‘강한strong AI’의 측면을 정의한 것으로, 인간의 두뇌처럼 융통성을 발휘할 수 있는 인공지능 시스템에 대한 설명이라고 할 수 있다. 그런 인공지능이 실현되려면 앞으로 최소한 30년은 더 기다려야 할 것이다.

대신 오늘날 하루가 멀다 하고 응용되어 등장하는 것은 ‘약한weak AI’다. 약한 인공지능은 매우 집중을 요하는 기술 분야에서 사용되는데, 하나 이상의 단순한 업무를 인간보다 더 효율적으로 수행한다. 다음과 같은 예를 들 수 있다.

▶ 항공기의 비행 계획을 결정하고 최적의 착륙 게이트를 선택하는 항공교통관제 시스템

▶ UPS 같은 배송업체들이 시간과 연료를 절약하도록 트럭 경로를 지정해 주는 물류 애플리케이션

▶ 담보 대출 신청자들의 신용도를 평가하는 대출 처리 시스템

▶ 걸려오는 전화를 처리하고 자동화된 고객 서비스를 제공하는 음성인식 전화기

▶ 다양한 데이터 소스를 검색하고 간단한 답을 할 수 있는, 애플의 시리Siri와 같은 디지털 개인비서

이 모든 경우에서 인공지능은 인공신경망Neural Networks이 정보를 처리하고 답을 산출하는 데 사용하는 일련의 알고리즘(공식이나 규칙들)을 토대로 하고 있다. 수십 년 동안 과학자들이 인공지능 개발을 연구해 왔지만, 이제야 중요한 비즈니스 도구로 등장한 이유는 다음 두 가지의 중요한 발전 때문이다.

1. 처리 능력이 가속화되고 있다. 인텔 창립자 고든 무어Gordon Moore의 이름을 딴 ‘무어의 법칙Moore’s Law’이 예측한 바와 같이, 지난 40년 동안 칩 한 개당 트랜지스터의 수는 매년 2배가량 증가해 왔다. 엔비디아Nvidia 등의 기업은 성능을 향상시키기 위해 칩 안에 중앙처리장치CPU 코어 외에 그래픽처리장치GPU 코어를 추가한다. CPU는 한 번에 한 가지 업무를 연속적으로 수행하는 직렬 처리방식의 몇몇 코어로 구성되는 반면, GPU는 동시에 여러 업무를 수행하는 병렬 처리방식의 수천 개 코어로 이뤄져 있다. 이는 곧 인공신경망이 방대한 양의 데이터를 동시다발적으로 분석하는 소위 ‘딥 러닝deep learning’이 가능하다는 의미다.

2. 데이터의 양과 저장 가능 용량이 지속적으로 확대되고 있다. 연구기관 신테프SINTEF에 따르면, “현재 전 세계 모든 데이터 중 90%가 지난 2년 동안 생성”되었다고 한다. 그리고 시장조사 기관 IDC의 보고서에 따르면 매년 생성되고 복제되는 데이터의 양은 2년마다 두 배가 되어, 2020년에는 44제타바이트(44조 기가바이트)에 이를 것이라고 한다. 한편 하드디스크 전문기업 시게이트Seagate의 전임 최고기술책임자 마크 크라이더Mark Kryder의 이름을 딴 ‘크라이더의 법칙Kryder’s Law’에 의하면 하드디스크 드라이브의 저장 용량은 18개월마다 두 배가 된다. 즉 데이터 저장 비용이 18개월마다 절반으로 줄어든다는 말과 같다. 이는 인공신경망을 ‘가르치는’ 데 필요한 모든 데이터를 저렴하게 저장하고, 인공신경망이 분석할 매일같이 생성되는 어마어마한 양의 새로운 데이터를 취합하는 것이 가능해진다는 의미다.

데이터와 처리능력이 이렇듯 엄청나게 폭발적으로 증가하고 발전한 결과는, 신용카드 범죄를 잡아내거나 특정 고객에게 노출시킬 광고를 결정하기 위해 온라인 구매 패턴을 분석하는 비즈니스 응용 분야에서 이미 찾아볼 수 있다. 새로운 기능들이 보다 완벽한 모습을 갖춰감에 따라 이 기술의 적용 가능성도 확대될 전망이다. 일례로 구글과 스탠퍼드 대학교의 과학자들은 인공지능망, 컴퓨터 비전Computer Vision, 자연언어 처리과정을 결합하는 시스템을 개발 중에 있다.

위 두 가지 발전이 가져온 결과가 이미지를 텍스트로 변환할 수 있는 인공지능 시스템이다. 예를 들면, 이 시스템은 사진에서 무슨 일이 일어나는지 정확하게 파악해 “비포장도로에서 오토바이를 타고 있는 사람”이라는 설명을 내놓는 것이 가능하다.

사진과 영상은 이제까지 인공지능 시스템이 해석하는 데 어려움을 겪어왔던 비정형 데이터의 일종이다. 올해만 해도 1조에 달하는 사진들이 (아마 스마트폰 덕이겠지만) 찍히고 그 중 수십억 장이 온라인에 게시되리라고 가정해 보자. 이 사진들을 활용할 수 있는 응용 분야 중 하나는 인공지능을 이용한 보안 업무가 될 수 있다. 보스턴 마라톤 폭발 사건의 용의자를 식별하기 위해 FBI가 용의자의 사진과 영상을 사용했던 일을 떠올려 보라. 이제 데이터의 양이 수조에 달하니 그만큼 범죄자와 테러리스트들의 활동을 감시할 기회가 확대된다고 할 수 있다.

로봇공학은 인공지능의 발달로 혜택을 입게 될 또 다른 응용 분야다. 예를 들자면, 구글과 스탠퍼드의 연구결과는 휴머노이드 로봇과 자동주행 자동차가 주위에 있는 물체를 파악하고, 이에 대처하는 방법을 결정하고, 이를 사람들에게 설명할 수 있게 해줄 것이다. 소매업체들은 비디오카메라와 결합한 기술을 활용해서 매장 내의 쇼핑객을 추적할 수 있다. 도난을 방지할 뿐만 아니라 맞춤 상품을 선보이고 고객의 스마트폰으로 할인 쿠폰을 전송하는 등 판촉 활동에 활용할 수 있을 것이다.

이러한 과학적 진화에 따라 우리는 이 분야에서 향후 다음과 같은 예측을 내려 본다.

첫째, 인공지능이 발전함에 따라 인공지능 시스템은 비즈니스에서 더욱 폭넓게 적용될 것이다.

알고리즘의 개선 그리고 계산 능력과 데이터 저장 용량의 지속적 발전은, 인공지능의 위상을 ‘선도기업이 사용하는 도구’에서 오늘날 살아남기 위해 요구되는 ‘경쟁 우위의 확보 수단’으로 높여줄 것이다. 가트너의 연구에 따르면, 인공지능은 기업 경영에 필요한 비용을 2019년이면 30% 줄여줄 것이라고 한다. 이런 시류에서 뒤처지는 기업들은 고객들이 기대하는 개인 맞춤형 저비용 제품과 서비스를 전달할 수 없을 것이다. 이는 인터넷과 상당히 유사한 패턴이다. 부가적인 마케팅 채널에 불과했던 인터넷은 지난 30년 동안 진화하여 업계의 가치 체인을 재형성하고 완전히 새로운 비즈니스 모델을 가능하게 하는 강력하고 파괴적인 원동력으로 발전했다.

둘째, 인공지능은 지식 근로자들의 생산성과 정확성을 향상시킬 것이다.

<테크리퍼블릭TechRepublic>에 따르면, 캔쇼Kensho라는 신생 기업은 ‘금융업계를 위한 세계 최초의 전산 지식 엔진’을 표방하는데, 방대한 병렬 통계 연산, 자연언어 입력, 빅데이터, 머신 러닝을 사용해서 복잡한 금융 관련 질문을 쉽게 설명하는 시스템이다. 이는 월스트리트, 런던 등 여러 금융 중심지에서 시장의 역동성을 분석하기 위해 고용된 값비싼 ‘금융시장 분석가’들의 고용 안전에 잠재적인 위협이 될 만한 개발이다. 하지만 적어도 가까운 미래에 인공지능 시스템이 고도로 숙련된 인간 노동자를 대신하지는 않을 가능성이 다분하다. 그보다는 전문가들과 함께 운영되면서 그들의 능률을 향상시키는 역할을 할 것이다.

셋째, 의료 산업에서 인공지능은 질병의 예방 및 치료에 일대 혁명을 가져올 것이다.

IBM의 종양 진단 시스템 왓슨Watson for Oncology을 생각해 보라. 이 시스템은 환자의 증상을 분석하기 위해 여러 의료 데이터베이스에 저장된 모든 지식을 활용하여, 치료법 리스트(효과 확률이 높은 순서대로)와 함께 참고할 문헌 목록을 제공한다. 또 가트너의 연구에 따르면, 무선으로 건강 상태를 모니터링하는 기술 덕분에 2020년에는 선진국에서의 기대 수명이 평균 6개월 정도 더 늘어날 것이라고 한다.

넷째, 인공지능은 알고리즘을 통해 자동화될 수 있는 다양한 업무를 담당하겠지만, 인간 고유의 자질을 모방하지는 못할 것이다.

예를 들어, 왓슨 시스템이 환자의 암을 진단하고 최선의 치료 방법을 도출하는 일에 있어서는 인간 의사보다 나을지 몰라도, 환자들은 아마 기계보다는 같은 인간으로부터 치료에 대한 설명을 듣길 바랄 것이다. 진료실에서부터 미용실과 판매 매장에 이르기까지 인공지능은 이런 환경들의 프로세스를 보다 효율화시키겠지만, 고객들과 개인적이고 감정적으로 소통하기 위해서는 인간 근로자들이 여전히 필요할 것이다.

다섯째, 인공지능은 경제를 바꿔놓을 기술들을 가능하게 할 것이며, 또한 그로부터 인공지능도 도움을 얻을 것이다.

20세기 초 자동차, 도로, 석유 산업, 그리고 대량생산 등의 기술이 함께 발전하면서 문명을 변화시킨 것과 마찬가지로, 인공지능은 독자적으로는 생존이 불가능한 무수히 많은 상호 의존적 산업과 기술의 결합체 중 한 부분이다. 인공지능의 잠재력을 최대한 이끌어내는 일은 네트워크, 바이오칩, 양자 컴퓨팅, 웨어러블 컴퓨터, 로봇공학, 음성인식, 머신 러닝, 사물인터넷의 활성화에 달려 있으며, 또한 이 모든 기술들은 인공지능에 의존하고 있기도 하다.

여섯째, 인공지능이 제대로 관리되지 않는다면, 이론적으로는 문명의 종말로 이어질 큰 위험을 안고 있다.

‘강한 AI’는 머신 러닝을 통해 진보해 갈 것이고 환경에 대응해 스스로를 수정하며 계속 똑똑해질 것이기 때문에, 인간의 통제를 벗어나 발전할 가능성이 있다. 현재 인공지능 시스템의 알고리즘에는 부정적 결과를 방지하기 위한 규칙들이 포함돼 있다. 예를 들어, 로봇 진공청소기의 업무가 “집안 먼지를 가능한 한 많이 모으기”로 규정되어 있다면, 계속해서 먼지를 모으기 위해 여태껏 모은 먼지를 다시 바닥에 버렸다 모으기를 반복할 것이다. 그러니 그 대신 “바닥을 깨끗하게 유지하기”처럼 할 일을 신중히 입력해야 한다. 마찬가지로 인공지능 시스템에 인터넷의 모든 지식을 흡수해서 “지구 자원을 보존할 방법을 찾아라.”는 명령을 입력했다면, 최선의 해결책은 인류를 멸망시키는 것이란 결정을 내릴 수도 있다. 터무니없는 얘기로 들릴 수 있겠지만 스티븐 호킹, 빌 게이츠, 엘론 머스크도 인공지능의 위험성에 대해 우려를 표해 왔다. 스카이프Skype를 창업한 얀 타일린Jaan Tallinn은 최근 ‘삶의 미래 연구소’라는 조직을 창설했다. 세계적으로 뛰어난 인공지능 전문가들이 다수 포함된 자문위원회와 엘론 머스크의 1,000만 달러 기부금으로 발족한 이 연구소의 임무는 기술이 대재앙을 일으키지 못하도록 할 방법을 모색하는 일이라고 한다.

* *

References List :
1. For more information about GPU-accelerated computing, visit the Nvidia website at:
http://www.nvidia.com/object/what-is-gpu-computing.html

2. For more information about “deep learning” using neural networks, visit the Nvidia website at:
https://developer.nvidia.com/deep-learning

3. For more information about data expansion, visit the SINTEF website at:
http://www.sintef.no/en/corporate-news/big-data?for-better-or-worse/

4. ComputerWeekly, April 9, 2014, “Data Set to Grow 10-Fold by 2020 as Internet of Things Takes Off,” by Antony Adshead. ⓒ 2014 TechTarget, Inc. All rights reserved.
http://www.computerweekly.com/news/2240217788/Data-set-to-grow-10-fold-by-2020-as-internet-of-things-takes-off

5. Scientific American, August 2005, “Kryder’s Law,” by Chip Walter. ⓒ 2005 Scientific American, a division of Nature America, Inc. All rights reserved.
http://www.scientificamerican.com/article/kryders-law/

7. For more information about Stanford University’s efforts to combine neural networks, computer vision, and natural language processing, visit their website at:
http://cs.stanford.edu/people/karpathy/deepimagesent/

8. For more information about Gartner’s predictions for digital business, visit their website at:
http://www.gartner.com/smarterwithgartner/top-10-strategic-technology-predictions-for-2015-and-beyond/

10. Business Insider, May 5, 2015, “IBM’s Watson Computer Can Now Do in a Matter of Minutes What It Takes Cancer Doctors Weeks to Perform,” by Lauren F. Friedman and Reuters. ⓒ 2015 Business Insider Inc. All rights reserved.
http://www.businessinsider.com/r-ibms-watson-to-guide-cancer-therapies-at-14-centers-2015-5

11. TechTimes, January 29, 2015, “Bill Gates, Like Stephen Hawking and Elon Musk, Worries About Artificial Intelligence Being a Threat,” by Aaron Mamiit. ⓒ 2015 TechTimes.com. All rights reserved.
http://www.techtimes.com/articles/29436/20150129/bill-gates-like-stephen-hawking-and-elon-musk-worries-about-artificial-intelligence-being-a-threat.htm