2019.05.14

이재용 IT+심리학 | 인공지능에서 유용한 사회문화심리학

이재용 | CIO KR
외국의 IT기업은 심리학이나 심리철학을 전공한 인력을 고액의 연봉으로 스카웃하고 있다. 물론 IT를 이해하고 있어야 하는 것은 당연하다. 이에 비해 한국에서는 ‘문송’(문과라서 죄송)이라는 자조적인 말이 공감을 얻고 있을 뿐만 아니라 인문학과 IT 기술의 장벽이 공고하다. 이번 컬럼에서는 공학적 인공지능이 어떻게 문화심리학의 관점으로 투영될 때 더 발전시킬 수 있을지를 다루면서 IT+심리학의 중요성을 생각해본다. 

인공지능과 사회문화심리학
신경망의 발전으로 영상처리 분야에서 주목할 만한 결과가 나오면서 합성곱신경망(CNN)이 인공지능의 큰 부분으로 인식되곤 하지만 인공지능의 발전을 이끈 또 하나의 축은 기호(Symbol) 기반의 인공지능이다. 언어는 인간의 의식에서 벌어지는 상징물들의 조작이고 상징이다. 이에 기반해 기호를 처리하는 기호주의 인공지능이 자연어 처리 분야(NLP: Natural Language Processing)를 오랫동안 이끌어 왔다. 

자연어 처리 연구는 그간 형태소 분석, 품사부착, 구절단위분석, 구문 분석에 대한 연구들에 순환신경망(RNN)을 적용했다는 한계로 인해 큰 벽을 넘지 못했다. 그러나 2018년 10월 구글이 발표한 대화형 인공지능 언어 BERT(Bidirectional Encoder Representations from Transformers)가 발표되면서 인간의 언어 이해 능력 이상의 결과를 보이고 있다. BERT는 학습 속도의 향상시킬 수 있도록 병렬처리형 범용 딥러닝 모듈 아키텍처인 ‘Transformer’를 양방향으로 설계하고 있다. 이러한 구조와 더불어 언어사용자의 중요한 단어에 집중해 의도와 문맥 분석에 집중하는 범용 어텐션(Attention) 모델을 채택했다. 이 어텐션 모델은 기본적으로 언어심리학에 기반한 것으로 발화 의도와 문맥 분석에 집중한 것이다. 

그렇다면 구글에서 제안한 어텐션 모델을 우리나라를 비롯한 동양의 언어분석 인공지능에 곧바로 적용할 수 있을까? 거기에는 몇가지 주의해야 할 점이 있다. 동양과 서양의 사회관계 속에서 벌어지는 관점이 차이가 언어에 반영된다는 점을 고려해야 하기 때문이다. 대체로 다음과 같이 다음과 같이 구분해 볼 수 있다.

- 인사이더/아웃사이더 관점의 대화
 - 내적 동기 중심과 외적 동기 중심
- 물체 중심적 사고와 물질 중심적 사고
- 명사 중심의 언어 사용과 동사 중심의 사고
- 수평적 관계와 수직적 관계
- 정보제공적(informative) 의도와 통제적(controllative) 의도

서양에서는 인사이더 관점(자기중심적 투사)의 대화를 한다. 일인칭 시점에서 자기 자신의 생각과 감정에 집중한다. 예를 들어, 사과를 안좋아 하냐고 물으면 안좋다면 ‘아니요’ 라고 답해야 한다. 자신의 입장에서 안좋아 하므로 ‘아니요’라고 답하는 것이다. 이에 반하여 동양에서는 사과를 ‘안좋아 하냐’고 물으면 안좋아 하는 경우에 상대방 입장에서 ‘네’라고 말해야 하는 것이다. 동양에서는 아웃사이더 관점(관계적 투사)를 하는 것이다. 이와 같이 언어에는 인사이더/아웃사이더 관점이 숨어 있으므로 맥락을 파악하는 방법인 어텐션 모델에서도 이러한 내용이 반영하는 공학적 인공지능이 되어야 하는 것이다.

또 서양에서는 물체를 중심으로 생각한다. 사물의 객체성을 강조하는 것이다. 따라서 단복수가 발달되어 있다. 우리나라에서 ‘사과를 하나 먹어봐’라고 하지 않는 것처럼 동양에서는 단복수를 그리 구분하지 않는다. 동양에서는 사물을 바라볼 때 물질을 중심으로 바라보기 때문에 이와 같은 차이가 발생하는 것이다. 그만큼 서양 언어보다 동양의 언어에서 더 문맥을 통한 추론을 해야 하는 것이다. 

이러한 차이는 ‘커피 더 마실래?’ 라고 할 때 서양에서는 ‘more coffee?’ 라고 하는 반면에 동양에서는 ‘더 마실래?’라고 다르게 대화하는 것이다. 서양에서는 명사(coffee)를 중심으로 생각하고 동양에서는 동사(마실 것)를 중심으로 생각하는 차이에서 기인한다고 볼 수 있다. 따라서 맥락을 파악하여 구현하는 모델에서는 동서양의 언어 차이가 나타나는 양태를 다른 방식으로 구현해야 한다.

또 대화의 중요한 특성 중에 하나가 서양의 대화는 상대방에게 정보를 제공하는 관점이 반영된다는 것이다. 이에 반하여 동양에서는 상태를 통제하고 제어하려는 의도(맥락)이 숨어 있다. 상대방에게 대화하는 만큼의 에너지를 투여하는 것에 상응하는 통제적 요소가 반영될 때 나의 에너지 투여에 가치가 있는 것이라는 관념이 깔려 있는 것이다. 따라서 대화에는 숨은 의도에서 맥락의 기본적인 차이가 존재한다.


(그림1) BERT의 입력 표현에서 사용되는 임베딩들(출처- BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding)

자연어 처리에서 사용되는 딥러닝 모델의 첫번째 데이터 처리는 단어 임베딩이다. 단어 임베딩은 문맥 유사도를 찾아내는데 효율적이며 주로 문맥(context)을 통하여 학습된다. 동서양의 문화심리학에서 나타나는 언어의 차이는 단어 임베딩에 대한 연구의 필요성이 증가된다. 단어 임베딩은 차원이 작기 때문에 빠르고 효율적이다. 좋은 임베딩을 생성하는 데 있어 깊은 구조의 뉴럴 네트워크가 필요하지 않았으나 작은 차원을 동양의 언어 분석에서는 변형해야 할지 모른다.

이와 같이 동서양의 문화심리적으로 나타나는 언어의 차이는 공학적 인공지능 만으로는 현대의 인공지능 기술을 따라가기 어려운 점을 설명해준다. 따라서 심리학자나 심리철학자가 IT개발 팀에 있어야 발전하는 인공지능의 수준을 높여 컴퓨터 기술자들이 만이 있었을 때 얻을 수 없었던 새로운 방법론을 찾아낼 수 있을 것이다.

심리학도들은 IT기술을 어떻게 익힐 수 있을까?
그렇다면 우리나라처럼 인문학과 공학의 구분이 공고한 상황에서 심리학도들은 어떻게 인공지능 전문 사회에 대비해야 할까? 물론 고려대학교의 융합심리학부(문과 학위와 이공과 학위 병행 운영)와 인공지능 전문대학원이나 데이터사이언스학과와 심리뇌과학과 2개 학과를 미래산업학부로 운영하는 한양대학교에 입학하면 될 것이다. 그러나 이 모두 2020학번 혹은 2021학번부터나 가능할 것이다. 이미 대학을 입학하거나 사회에 진출한 심리학 전공자들은 어찌 준비하면 좋을까? 다음의 3가지의 접근 방법을 권한다.

- 연구방법론을 학부에서부터 학습할 것
- 인문학도(심리학도)를 위한 프로그래밍 교육 
- 인공지능 개발 툴들을 통한 구현

심리학적 지식은 심리학과의 교과에서 제공될 것이나 문제는 IT 기술이다. 현재의 정규교과에서는 심리학도들이 인공지능기반의 공학적 인공지능을 익히기는 물리적으로 불가능할 것이다. 필자가 제안하는 방법은 연구방법론이다. 연구방법론은 지금도 인문학도(심리학도)들이 석박사 과정에서 심도있게 다룰 것이므로 학부 수준에서부터 연구방법론을 다루면서 인지공학의 능력을 배가하는 것이 합리적일 것이다. 회귀분석등을 어떻게 자동으로 실행할 것인가에 집중하여야 한다. 통계적 인공지능이야말로 인문학도들로 접근할 수 있는 인공지능일 뿐만 아니라, 최근 설명 가능한 인공지능의 발전 경향은 인문학의 학문적 배경이 되는 인간 존재적 사고와 같은 때문이다.

두 번째로 인문학도들이 빅데이터나 머신러닝을 배울 수 있는 비정규 교육 서비스가 여러 곳에서 진행되고 있으므로 이를 이용하는 것도 유용할 것이다. 

세번째로는 많은 기업에서 개념기반으로 인공지능을 구현할 수 있는 도구를 발표했다. 대표적으로 IBM의 에이브릴(AIBRIL), IBM의 파워AI 비전(PowerAI vision), MS 애저 AI, 솔트룩스(Saltlux)의 ADAMs.ai 등이 있다. 

에이브릴(Aibril)은 IBM 왓슨 한국어 API 기반의 서비스로 한국어 API 8종류가 있으며 API는 ▲대화 ▲자연어 이해 ▲자연어 분류 ▲검색 및 평가 ▲문서변환 ▲언어번역 ▲이미지 인식 ▲성향분석 등의 기능을 제공하고 있어 Python과 같은 전문적인 인공지능 도구가 아니더라도 빅데이타 모델링이 가능하다. 

IBM의 파워AI 비전을 이용하면 영상처리의 전문적인 지식이 없다고 하더라고 영상분석 모델링을 할 수 있다. MS도 애저 AI 플랫폼을 서비스하고 있다. 특히, 솔트룩스는 국내 기업에서 ADAMs.ai 라는 OPEN API를 제공하고 있어 주목받고 있다. ADAM.ai는 챗봇과 질의응답 시스템, 가상현실과 지식검색, IoT와 임베디드 서비스, 퀴즈쇼와 엔터테인먼트를 실행할 수 있도록 구성되어 있다. 

이들은 모두 API(Application Programming Interface)를 제공하고 있어 복잡한 컴퓨터 기술을 알지 못하여도 데이터 모델링을 통한 인공지능을 사용할 수 있도록 한다. 

지금까지 사회문화심리학의 내용으로 인공지능을 어떻게 발전시킬지를 살펴봄으로써 공학적 인공지능을 어떻게 이끌 수 있는지를 확인했다. 위에서 제시한 심리학도(인문학도)들의 인공지능 프로그래밍을 학습하는 방법이 가까운 시일 내에 구체적으로 체계화될 수 있으리라 기대해본다. 

* 한서대학교에 근무하는 이재용 교수는 ICT 목표 카운셀러로서 프로그래밍심리학을 활용한 교육, 상담을 통하여 IT기술자들을 돕고, IT리더들과 CIO들이 IT팀을 이끄는 과정에서의 기업의 어려움을 해결하도록 돕고 있다. 본 회를 끝으로 이재용 교수의 IT+심리학 칼럼 연재가 끝난다. 추가 접촉은 이메일(dovejlee@gmail.com)을 통해 가능하다. ciokr@idg.co.kr



2019.05.14

이재용 IT+심리학 | 인공지능에서 유용한 사회문화심리학

이재용 | CIO KR
외국의 IT기업은 심리학이나 심리철학을 전공한 인력을 고액의 연봉으로 스카웃하고 있다. 물론 IT를 이해하고 있어야 하는 것은 당연하다. 이에 비해 한국에서는 ‘문송’(문과라서 죄송)이라는 자조적인 말이 공감을 얻고 있을 뿐만 아니라 인문학과 IT 기술의 장벽이 공고하다. 이번 컬럼에서는 공학적 인공지능이 어떻게 문화심리학의 관점으로 투영될 때 더 발전시킬 수 있을지를 다루면서 IT+심리학의 중요성을 생각해본다. 

인공지능과 사회문화심리학
신경망의 발전으로 영상처리 분야에서 주목할 만한 결과가 나오면서 합성곱신경망(CNN)이 인공지능의 큰 부분으로 인식되곤 하지만 인공지능의 발전을 이끈 또 하나의 축은 기호(Symbol) 기반의 인공지능이다. 언어는 인간의 의식에서 벌어지는 상징물들의 조작이고 상징이다. 이에 기반해 기호를 처리하는 기호주의 인공지능이 자연어 처리 분야(NLP: Natural Language Processing)를 오랫동안 이끌어 왔다. 

자연어 처리 연구는 그간 형태소 분석, 품사부착, 구절단위분석, 구문 분석에 대한 연구들에 순환신경망(RNN)을 적용했다는 한계로 인해 큰 벽을 넘지 못했다. 그러나 2018년 10월 구글이 발표한 대화형 인공지능 언어 BERT(Bidirectional Encoder Representations from Transformers)가 발표되면서 인간의 언어 이해 능력 이상의 결과를 보이고 있다. BERT는 학습 속도의 향상시킬 수 있도록 병렬처리형 범용 딥러닝 모듈 아키텍처인 ‘Transformer’를 양방향으로 설계하고 있다. 이러한 구조와 더불어 언어사용자의 중요한 단어에 집중해 의도와 문맥 분석에 집중하는 범용 어텐션(Attention) 모델을 채택했다. 이 어텐션 모델은 기본적으로 언어심리학에 기반한 것으로 발화 의도와 문맥 분석에 집중한 것이다. 

그렇다면 구글에서 제안한 어텐션 모델을 우리나라를 비롯한 동양의 언어분석 인공지능에 곧바로 적용할 수 있을까? 거기에는 몇가지 주의해야 할 점이 있다. 동양과 서양의 사회관계 속에서 벌어지는 관점이 차이가 언어에 반영된다는 점을 고려해야 하기 때문이다. 대체로 다음과 같이 다음과 같이 구분해 볼 수 있다.

- 인사이더/아웃사이더 관점의 대화
 - 내적 동기 중심과 외적 동기 중심
- 물체 중심적 사고와 물질 중심적 사고
- 명사 중심의 언어 사용과 동사 중심의 사고
- 수평적 관계와 수직적 관계
- 정보제공적(informative) 의도와 통제적(controllative) 의도

서양에서는 인사이더 관점(자기중심적 투사)의 대화를 한다. 일인칭 시점에서 자기 자신의 생각과 감정에 집중한다. 예를 들어, 사과를 안좋아 하냐고 물으면 안좋다면 ‘아니요’ 라고 답해야 한다. 자신의 입장에서 안좋아 하므로 ‘아니요’라고 답하는 것이다. 이에 반하여 동양에서는 사과를 ‘안좋아 하냐’고 물으면 안좋아 하는 경우에 상대방 입장에서 ‘네’라고 말해야 하는 것이다. 동양에서는 아웃사이더 관점(관계적 투사)를 하는 것이다. 이와 같이 언어에는 인사이더/아웃사이더 관점이 숨어 있으므로 맥락을 파악하는 방법인 어텐션 모델에서도 이러한 내용이 반영하는 공학적 인공지능이 되어야 하는 것이다.

또 서양에서는 물체를 중심으로 생각한다. 사물의 객체성을 강조하는 것이다. 따라서 단복수가 발달되어 있다. 우리나라에서 ‘사과를 하나 먹어봐’라고 하지 않는 것처럼 동양에서는 단복수를 그리 구분하지 않는다. 동양에서는 사물을 바라볼 때 물질을 중심으로 바라보기 때문에 이와 같은 차이가 발생하는 것이다. 그만큼 서양 언어보다 동양의 언어에서 더 문맥을 통한 추론을 해야 하는 것이다. 

이러한 차이는 ‘커피 더 마실래?’ 라고 할 때 서양에서는 ‘more coffee?’ 라고 하는 반면에 동양에서는 ‘더 마실래?’라고 다르게 대화하는 것이다. 서양에서는 명사(coffee)를 중심으로 생각하고 동양에서는 동사(마실 것)를 중심으로 생각하는 차이에서 기인한다고 볼 수 있다. 따라서 맥락을 파악하여 구현하는 모델에서는 동서양의 언어 차이가 나타나는 양태를 다른 방식으로 구현해야 한다.

또 대화의 중요한 특성 중에 하나가 서양의 대화는 상대방에게 정보를 제공하는 관점이 반영된다는 것이다. 이에 반하여 동양에서는 상태를 통제하고 제어하려는 의도(맥락)이 숨어 있다. 상대방에게 대화하는 만큼의 에너지를 투여하는 것에 상응하는 통제적 요소가 반영될 때 나의 에너지 투여에 가치가 있는 것이라는 관념이 깔려 있는 것이다. 따라서 대화에는 숨은 의도에서 맥락의 기본적인 차이가 존재한다.


(그림1) BERT의 입력 표현에서 사용되는 임베딩들(출처- BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding)

자연어 처리에서 사용되는 딥러닝 모델의 첫번째 데이터 처리는 단어 임베딩이다. 단어 임베딩은 문맥 유사도를 찾아내는데 효율적이며 주로 문맥(context)을 통하여 학습된다. 동서양의 문화심리학에서 나타나는 언어의 차이는 단어 임베딩에 대한 연구의 필요성이 증가된다. 단어 임베딩은 차원이 작기 때문에 빠르고 효율적이다. 좋은 임베딩을 생성하는 데 있어 깊은 구조의 뉴럴 네트워크가 필요하지 않았으나 작은 차원을 동양의 언어 분석에서는 변형해야 할지 모른다.

이와 같이 동서양의 문화심리적으로 나타나는 언어의 차이는 공학적 인공지능 만으로는 현대의 인공지능 기술을 따라가기 어려운 점을 설명해준다. 따라서 심리학자나 심리철학자가 IT개발 팀에 있어야 발전하는 인공지능의 수준을 높여 컴퓨터 기술자들이 만이 있었을 때 얻을 수 없었던 새로운 방법론을 찾아낼 수 있을 것이다.

심리학도들은 IT기술을 어떻게 익힐 수 있을까?
그렇다면 우리나라처럼 인문학과 공학의 구분이 공고한 상황에서 심리학도들은 어떻게 인공지능 전문 사회에 대비해야 할까? 물론 고려대학교의 융합심리학부(문과 학위와 이공과 학위 병행 운영)와 인공지능 전문대학원이나 데이터사이언스학과와 심리뇌과학과 2개 학과를 미래산업학부로 운영하는 한양대학교에 입학하면 될 것이다. 그러나 이 모두 2020학번 혹은 2021학번부터나 가능할 것이다. 이미 대학을 입학하거나 사회에 진출한 심리학 전공자들은 어찌 준비하면 좋을까? 다음의 3가지의 접근 방법을 권한다.

- 연구방법론을 학부에서부터 학습할 것
- 인문학도(심리학도)를 위한 프로그래밍 교육 
- 인공지능 개발 툴들을 통한 구현

심리학적 지식은 심리학과의 교과에서 제공될 것이나 문제는 IT 기술이다. 현재의 정규교과에서는 심리학도들이 인공지능기반의 공학적 인공지능을 익히기는 물리적으로 불가능할 것이다. 필자가 제안하는 방법은 연구방법론이다. 연구방법론은 지금도 인문학도(심리학도)들이 석박사 과정에서 심도있게 다룰 것이므로 학부 수준에서부터 연구방법론을 다루면서 인지공학의 능력을 배가하는 것이 합리적일 것이다. 회귀분석등을 어떻게 자동으로 실행할 것인가에 집중하여야 한다. 통계적 인공지능이야말로 인문학도들로 접근할 수 있는 인공지능일 뿐만 아니라, 최근 설명 가능한 인공지능의 발전 경향은 인문학의 학문적 배경이 되는 인간 존재적 사고와 같은 때문이다.

두 번째로 인문학도들이 빅데이터나 머신러닝을 배울 수 있는 비정규 교육 서비스가 여러 곳에서 진행되고 있으므로 이를 이용하는 것도 유용할 것이다. 

세번째로는 많은 기업에서 개념기반으로 인공지능을 구현할 수 있는 도구를 발표했다. 대표적으로 IBM의 에이브릴(AIBRIL), IBM의 파워AI 비전(PowerAI vision), MS 애저 AI, 솔트룩스(Saltlux)의 ADAMs.ai 등이 있다. 

에이브릴(Aibril)은 IBM 왓슨 한국어 API 기반의 서비스로 한국어 API 8종류가 있으며 API는 ▲대화 ▲자연어 이해 ▲자연어 분류 ▲검색 및 평가 ▲문서변환 ▲언어번역 ▲이미지 인식 ▲성향분석 등의 기능을 제공하고 있어 Python과 같은 전문적인 인공지능 도구가 아니더라도 빅데이타 모델링이 가능하다. 

IBM의 파워AI 비전을 이용하면 영상처리의 전문적인 지식이 없다고 하더라고 영상분석 모델링을 할 수 있다. MS도 애저 AI 플랫폼을 서비스하고 있다. 특히, 솔트룩스는 국내 기업에서 ADAMs.ai 라는 OPEN API를 제공하고 있어 주목받고 있다. ADAM.ai는 챗봇과 질의응답 시스템, 가상현실과 지식검색, IoT와 임베디드 서비스, 퀴즈쇼와 엔터테인먼트를 실행할 수 있도록 구성되어 있다. 

이들은 모두 API(Application Programming Interface)를 제공하고 있어 복잡한 컴퓨터 기술을 알지 못하여도 데이터 모델링을 통한 인공지능을 사용할 수 있도록 한다. 

지금까지 사회문화심리학의 내용으로 인공지능을 어떻게 발전시킬지를 살펴봄으로써 공학적 인공지능을 어떻게 이끌 수 있는지를 확인했다. 위에서 제시한 심리학도(인문학도)들의 인공지능 프로그래밍을 학습하는 방법이 가까운 시일 내에 구체적으로 체계화될 수 있으리라 기대해본다. 

* 한서대학교에 근무하는 이재용 교수는 ICT 목표 카운셀러로서 프로그래밍심리학을 활용한 교육, 상담을 통하여 IT기술자들을 돕고, IT리더들과 CIO들이 IT팀을 이끄는 과정에서의 기업의 어려움을 해결하도록 돕고 있다. 본 회를 끝으로 이재용 교수의 IT+심리학 칼럼 연재가 끝난다. 추가 접촉은 이메일(dovejlee@gmail.com)을 통해 가능하다. ciokr@idg.co.kr

X