Offcanvas

AI / SNS / 머신러닝|딥러닝 / 비즈니스|경제 / 빅데이터 | 애널리틱스 / 소매|유통

'의사결정은 아직… 목표는 최적화 찾기' 英 신생기업이 말하는 머신러닝의 현 주소

2019.10.10 Thomas Macaulay  |  Techworld
영국 AI 업체인 사탈리아(Satalia)의 설립자이자 유니버시티 칼리지 런던(UCL)에서 컴퓨터과학을 가르치는 다니엘 흄은 아르메니아에서 열린 WCIT 컨퍼런스에서 <테크월드>와 머신러닝 문제에 관해 이야기를 나눴다.

오늘날 거의 모든 기업이 인공지능을 도입하는 것으로 보이다. 가트너는 2020년까지 거의 모든 새로운 소프트웨어 제품 및 서비스에 AI가 널리 확산될 것으로 믿고 있다. 그러나 얼마나 많은 회사가 효과적인 AI 시스템을 개발 중일까?

사탈리아의 CEO 다니엘 흄에 따르면 그 대답은 ‘효과적인 AI 시스템을 개발하는 회사는 없다’였다. 
 
ⓒWCIT

이번주 아르메니아 예레반에서 열린 WCIT 컨퍼런스에서 흄은 "아무도 AI를 하고 있지 않다"라고 주장했다. 그는 "사람들이 머신러닝을 사용하여 데이터에서 패턴을 찾다. 머신러닝은 AI가 아니다"라고 말했다. 

흄이 업계에서 널리 퍼져 있는 용어에 관해 논쟁을 벌이는 일은 처음이 아니었다. AI라는 말의 잘못된 사용이 점점 더 확산됨에 따라 기술 스택에서 특정 수준의 인텔리전스를 허위로 암시하는 회사를 지칭하는 ‘AI 세척(AI Washing)’이라는 용어까지 등장했다.

MMC벤처스의 연구에 따르면 널리 사용되는 AI 세척이 어떻게 진행되고 있는지 보여준다. 런던에 기반을 둔 이 투자회사는 스스로 AI 스타트업이라고 부르는 2,830개의 유럽 회사 중 2/5가 실제로 이 기술을 전혀 사용하지 않는다는 것을 발견했다.

그러나 이 수치조차도 과장된 것일 수 있다. MMC 연구는 머신러닝이 AI의 하위 집합으로 간주했다. 흄은 모든 머신러닝이 하는 일이 데이터에서 패턴을 찾는 것이라면, 이 정의는 정확하지 않다고 주장했다.

그는 "인텔리전스의 정의는 목표 지향적 적응 행동"이라고 말했다. 이어서 "의사결정을 내리고 그 결정이 좋은지 나쁜지까지 학습한 시스템을 구축했다면 해당 시스템은 내일 더 나은 의사결정을 내릴 수 있을 것이다. 나는 ‘바로 그것이 AI’라고 주장할 것이다. 이제껏 살면서 그렇게 하는 성공적인 시스템을 단 한 번도 보지 못했다”라고 덧붙였다. 

MMC 연구는 AI 세척의 매력을 보여주었다. AI 스타트업이 투자받은 평균 금액은 다른 소프트웨어 회사보다 약 15% 더 많은 것으로 파악됐다.

흄은 처음 이 기술이 성장한 학술기관에서 문제의 근원이 더 깊이 작동한다고 주장했다. 

그는 학계의 양쪽에서 이를 직접 경험했다. 흄은 현재 UCL의 컴퓨터과학 기업가로 재직 중이며 이전에는 같은 대학에서 인공지능 석사 및 박사 학위를 취득했다.

"AI가 무엇인지에 관해 학계에서는 혼란이 있다"라고 그는 말했다. "머신러닝 경험이 있고 지난 20년 동안 머신러닝이 매우 흥미로워서 AI로 브랜드를 변경했기 때문에 많은 학계가 시류에 편승했음을 알 수 있다. 그러나 실제로 AI는 여러 기술의 조합이라고 생각한다. 학계에서 이를 깨닫기 시작했다"라고 흄은 설명했다. 

이러한 한계는 머신러닝이 항상 예측할 수 있거나 의도된 방식으로 적응한다는 의미도 아니다. 마이크로소프트는 2016년 트위터 사용자와 상호작용하며 배울 수 있는 챗봇인 테이(Tay)를 출시했을 때 이 방법이 어렵다는 것을 알게 되었다. 일부 사용자들은 이 챗봇에게 인종 차별주의와 성 차별적 언어를 가르치고자 시도했다. 하루 만에 마이크로소프트는 테이의 계정을 일시적으로 닫아버렸다. 자율 무기에서도 비슷한 상황이 발생하면 공격을 유발하여 대량 파괴를 일으킬 수 있는 위험이 커질 수 있다.
 
흄은 2007년 사탈리아를 설립해 최적화라고 하는 방법을 통해 이러한 위험을 줄였다. 이 방법을 통해 사탈리아는 목표 기능에 명시적인 제약 조건을 적용해 의사결정에서 자체적으로 적응할 수 있는 안전하고 효율적인 솔루션을 찾고 있다.

예를 들어 사탈리아의 고객사인 가구 소매 회사 DFS는 이 방법을 사용하여 배송 일정을 개선했다. 이러한 서비스는 과거에 사람 직원이 관리해 모든 주문이 준비된 후 고객에게 전화를 걸어 배송 날짜를 정하고 일정을 수동으로 생성했다. 

사탈리아는 이 시스템을 새로운 주문이 있을 때마다 경로와 일정을 지속해서 다시 최적화하는 맞춤형 알고리즘으로 대체했다. 이 알고리즘은 차량 제한, 로딩 시간, 운전자 교대, 제품 유형, 위치 데이터를 포함한 제약 조건을 고려하여 각 배송에 드는 시간을 예측한다. 그런 다음 이러한 예측은 알고리즘으로 피드백되어 시간이 지남에 따라 조정할 수 있다.

흄은 꾸준히 반복하는 이러한 접근 방식이 기존 머신러닝 기술의 고유한 한계를 극복할 수 있다고 생각했다.

그는 "의사결정을 내리는 것은 완전히 다른 기술이다. 이러한 문제는 해결하기가 매우 어려우며, 일단 결정을 내리면 그 결정이 좋은지 나쁜지 알아야 한다. 그런 다음 자신만의 모델을 조정해야 한다"라고 말했다. ciokr@idg.co.kr
 
CIO Korea 뉴스레터 및 IT 트랜드 보고서 무료 구독하기
추천 테크라이브러리

회사명:한국IDG 제호: CIO Korea 주소 : 서울시 중구 세종대로 23, 4층 우)04512
등록번호 : 서울 아01641 등록발행일자 : 2011년 05월 27일

발행인 : 박형미 편집인 : 천신응 청소년보호책임자 : 한정규
사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.