LISP1의 아버지로 잘 알려져 있는 미국의 컴퓨터 과학자이자 인지 과학자 존 매카시(John McCarthy)가 인공지능의 목표를 ‘인간처럼 만드는 것이 아니라, 인간과 유사하게 생각하며 인간의 사고를 뛰어넘으려는 것’이라고 말했듯이, 인공지능이란 인간의 지능을 연구•모방하여 문제를 해결하는 분야를 말합니다.
그렇다면 최근 연구되는 인공지능은 인간지능과 얼마나 닮아있을까요? 오늘은 인간지능과 인공지능이 얼마나 닮았는지를 소프트웨어적 측면과 하드웨어적 측면, 그리고 데이터 처리 방식 측면에서 비교해 살펴보겠습니다.
인간지능과 인공지능의 비교: 소프트웨어적 측면
인간의 염색체(chromosome)는 수많은 DNA의 이중나선형으로 꼬여있는데, DNA는 아데닌(A), 시토신(C), 구아닌(G), 티민(T)의 4가지 핵산에 의해 조합을 이루면서 인간의 눈, 코, 입모양, 키, 성격 등을 결정합니다. 이런 DNA들의 집합체인 염색체들이 모여서 인간 게놈(genome)을 형성하여 결국 인간을 만들어내는 것이므로 ‘인간은 DNA의 덩어리이다’라고 말하곤 합니다.
반면 인공지능은 어떨까요? 컴퓨터는 핵산의 조합 대신 0과 1의 비트 조합에 의해 정보를 표현한다는 면에서 인간지능과 유사합니다. 하지만 인간은 4개의 핵산에 의한 4차원의 세계를 표현하고 있는데 반해, 컴퓨터는 2차원의 세계를 표현하고 있다는 점에서 표현하는 정보의 양이 차이가 많이 납니다. 바로 이러한 정보 표현량의 차이 때문에 우리가 사용하는 컴퓨터에서는 인간의 섬세함을 따라가기가 어려웠습니다.
이러한 컴퓨터의 표현 한계를 극복하기 위해 소프트웨어적인 측면에서 많은 연구가 진행되어 왔는데요. 단순히 0과 1만이 아니라 그 사이의 수많은 실수(float)에 의해 정보를 표현하고 처리할 수 있도록 하는 인공지능의 알고리즘적 연구 등이 바로 그것입니다. 딥러닝 알고리즘도 이 중의 하나죠.
인간지능과 인공지능의 비교: 하드웨어적 측면
인간의 뇌세포(nervous cell, neuron)는 인간 게놈이 모여서 이루어진 것으로 뇌세포(신경세포) 안에는 수많은 게놈들이 분포하고 있습니다. 이처럼 게놈은 뇌세포라는 하드웨어 안에 있으면서 상호작용을 하여 뇌세포가 변화하는 것을 돕도록 되어 있습니다.
즉, 새로운 환경을 만나게 되면 뇌세포는 게놈의 작용을 끊임없이 변화시키게 되고 게놈은 이러한 뇌세포를 도와서 끊임없이 변화하게 됩니다. 왜 그럴까요? 인간지능은 ‘똑똑해지기(smart)’ 위해 뇌세포와 게놈의 상호작용과 상호적응(adaptability)을 매우 중요시하고 있다는 뜻입니다.
인공지능에서는 ‘똑똑해지기(smart)’ 위한 일환으로 ‘학습(learning)’을 하게 되는데, 이 과정에서 신경회로망(뇌세포를 컴퓨터로 모델링한 네트워크 구조, neural network라고 함)을 통해 정보(neuron에 해당)를 끊임없이 반복시킴으로써, input-output 관계를 학습하게 됩니다.
이때 중요한 것은 원래의 학습시키려는 desired output(target y)과 실제 프로그램에서 반복시키면서 나온 actual output(output (y)^)간의 오차인데요. 이것을 줄이기 위해 수만 번의 반복 과정을 거치는데 이것이 인간지능의 상호 적응 과정에 해당됩니다. 이러한 이유로 아래 그림에서는 실선을 따라서 전방향으로 진행했다가 desired output과 actual output간의 오차를 줄이기 위해 빨간색으로 오류를 전파시키면서 후방향으로 진행하는 알고리즘을 반복하게 되는 것입니다.
인간지능과 인공지능의 비교: 데이터 처리 방식 측면
인간이 어떤 사물을 볼 때, 어떻게 그 사물이 무엇인지 인지를 하게 되는 걸까요? 우리 인간의 뇌는 여러 부분에서 뇌세포(뉴런)들이 서로 분담하여 분산처리하는 방식으로 사물을 인식하고 상호작용함으로써 하나의 완성된 데이터를 만들어내는 특징이 있습니다.
그동안 인공지능은 인간지능의 이러한 특징을 잘 구현하지 못해서 다소 침체기에 있었으나, 분산처리 방식의 데이터 처리 및 학습 알고리즘을 개발함으로써 보다 인간지능에 가까운 인공지능을 구현하게 되었습니다.
인간은 가장 에너지가 적게 소모되는 점에서 사물을 인식하고 판단해왔습니다. 이것이 처리해야 할 데이터의 소모가 가장 적고 또 가장 확실하게 판단을 할 수 있게 하는 방법이라는 것을 인간은 무의식적으로 이미 알고 있었기 때문입니다. 인공지능에서는 이것을 ‘비용 함수(cost function)’라고 합니다.
인공지능 학습과정에서 나오는 actual output과 desired output의 차이를 가장 최소화시키는 점이 바로 비용(cost)을 가장 적게 소모하고 판단할 수 있는 지점이 됩니다. 인공지능은 인간지능의 특성을 반영하여 바로 이러한 비용 함수를 학습 알고리즘에 적용시키기 때문에 반드시 하나의 답을 산출함을 보장하고 있습니다. 이것이 인공지능에서 ‘지능(smart 혹은 intelligence)’을 실현시키는 나름대로의 방법이며 철학입니다.
최근 컴퓨터 환경은 엄청나게 변화하고 있습니다. 현재 우리의 컴퓨터 환경은 IPv6로 사물인터넷 주소 체계가 바뀌고 있고, 슈퍼컴퓨터가 이젠 새로운 기술이 아니며, 인공지능 알고리즘 개발에 전 세계가 투자를 집중하고 있고, 뉴로칩의 등장으로 CPU의 시장이 바뀌려는 시점에 있습니다.
환경이 급변함에 따라 앞으로 인공지능이 어떻게 발전할지 예측하기 어려운데요. 인공지능이 하루가 다르게 인간지능을 따라잡기 위해 발전하고 있는 상황에서 인간들은 무엇을 해야 할까요? 앞으로 변화될 세상에서 인공지능에 의해 없어질 직업군만을 걱정할 것이 아니라, 인공지능과 차별화되는 인간지능만의 우월함을 찾아야 하지 않을까 생각합니다.
글 | 조영임 교수 | 가천대학교 컴퓨터공학과
고려대학교 컴퓨터학과 생물학을 전공하여 학사를 마쳤으며, 동 대학원 컴퓨터학과에서 석박사학위를 취득하였다. Univ. of Massachusetts에서 post-doc을 했으며 Purdue대학교의 교환교수로 근무하였다. 현재 가천대학교 컴퓨터공학과에 교수로 재직 중이다. 주요 관심분야는 인공지능, 플랫폼, IoT, 스마트 시티, 전자정부 등 인공지능의 기본연구와 융복합 연구 등이다. 현재 지능형 융복합 스마트시티 플랫폼과 차세대 전자정부 시스템에 대해 연구프로젝트를 수행하고 있다.
- 인공지능 소프트웨어를 만들기 위하여 사용하는 프로그래밍 언어 중 하나이다. 기본 자료구조가 연결리스트를 사용한다. [네이버 지식백과] [본문으로]
