2018.08.24

“AI, 4개 레시피로 폭발적 성장 중··· 그러나 위협적 수준까지는 멀었다” UNSW 미래학자

Jennifer O'Brien | CIO Australia
기계가 지배하는 세상이나, 극도의 기계화로 인한 인류의 멸망과 같은 시나리오는 어디까지나 영화 속 시나리오일 뿐이며 CIO들이 여기에 휘둘려서는 안 된다고 AI 전문가 토비 월쉬가 단언했다.



UNSW 교수이자 Data61(CSIRO)의 리서치 그룹 리더인 월쉬는 시드니에서 열린 CIO 서밋 기조 연설에서 “인간의 뇌에 필적할 만한 기계가 탄생하려면 아직도 많은 시간이 필요하다”라며 다음과 같이 말했다.

“지금도 한정적이고 좁은 범위의 태스크를 집중적으로 처리할 수 있는 기계는 만들 수 있다. 어쩌면 이런 부분에서는 기계가 인간을 능가하는 수준의 퍼포먼스를 보여줄지도 모른다. 하지만 인간의 사고 능력과 동등한 수준의 기계가 탄생하기 위해서는 50년, 어쩌면 100년이나 그 이상 걸릴 지도 모른다. 의식이나 직감, 또는 욕망을 지닌 기계는 말할 것도 없다.”

“기계는 인간이 시키는 일을 그대로 수행한다. 사실 그것이 기계의 문제이기도 하다. 컴퓨터는 답답할 정도로 명령을 글자 그대로 해석한다.”

“오늘날 세상에는 인공지능이 인류의 존재에 미치는 위협 같은 것보다 훨씬 더 시급하고 중요한 문제들이 산재해 있다. 기후 변화 같은 것들 말이다.”

그는 그러나 이제 CIO 커뮤니티에서도 인공지능 주제에 주목하고 있고, 전략적 비즈니스 계획을 세울 때에도 인공지능을 고려하는 곳들이 늘어나고 있어 기쁘다고 덧붙였다.

월쉬는 “꿈만 꾸던 미래가, 생각보다 빨리 도래할 것 같다. 내가 어릴 적 아서 C. 클라크(Arthur C. Clarke)나 아이작 아시모프(Isaac Asimov)같은 작가들의 작품을 읽으며 키워 왔던 꿈에 이제는 다른 사람들도 가담하고 있다는 사실이 무척 기쁘다”라고 말했다.

4가지 주요 트렌드
월쉬는 AI가 하필이면 지금, 역사의 이 시점에 폭발적 성장을 보여주고 있는 데에는 몇 가지 이유가 있다고 말한다.

그는 이 질문에 대한 해답을 4가지 기하급수적 트렌드에서 찾을 수 있다고 말한다. 첫 번째 트렌드는 무어의 법칙인데, 사실 이 법칙은 물리적인 양자 한계(quantum limit) 등으로 인해 사망 선고를 받은 상태이다.

그는 “무어의 법칙이 유효성을 잃었다고 해서 이 분야가 침체될 것이라고 생각하지는 않는다. 어차피 칩 설계자들은 지난 20년동안 줄곧 게으른 태도를 보여 왔다. 사실상 806 아키텍처를 축소시켜 온 것이 전부이다. 칩 디자인에 있어서 그다지 혁신이라고 할 만한 것은 거의 없었으며 이제는 DPU에서도 비슷한 현상이 일어나고 있다. 앞으로는 특수 하드웨어에서 머신러닝과 같은 특정 태스크를 수행하는 흥미로운 현상이 훨씬 자주 목격될 것이며 덕분에 동일한 마이크로 칩 용량으로 훨씬 많은 컴퓨팅 파워를 기대할 수 있게 될 것이다”라고 말했다.

무어의 법칙은 이제 유명무실해진 상태이지만, 여러 다양한 혁신들로 인하여 컴퓨팅 파워는 무한대로 증가하게 될 것이라는 이야기다.

두 번째 트렌드는 천정부지로 증가하는 데이터 볼륨이다. 점점 더 많은 기업들이 사업 운영이나 고객과 관련한 데이터가 얼마나 중요한 비즈니스 자산인지 깨닫고 있다.

그는 “기업들의 가용 데이터 볼륨이 2배 가까이 증가했으며 인공지능 기술은 이러한 데이터를 활용하게 될 것이다. 우리의 활동 중 상당 부분이 데이터로 저장되어 머신러닝 교육에 사용되기 때문이다”라고 말했다.

하지만 오늘날 AI가 지닌 한계들 중 언급하고 넘어가야 할 것이 하나 있다고 그는 덧붙였다. 기계의 학습 속도이 놀라울 정도로 느리다는 것이다.

“단 하나의 사례에서도 많은 것을 학습해 내는 인간과 달리 기계나 최신 머신러닝 테크놀로지는 여전히 수십 만, 때로는 수백 만 건의 사례를 피드 해야만 뭔가를 배울 수 있다. 그나마 다행인 것은 이러한 사례(데이터)를 수집하는 것이 어렵지 않다는 것이다. 우리는 이미 수십, 수백 만 건의 사례를 제공해 주는 데이터셋을 가지고 있다”라고 말했다.

세 번째 트렌드는 알고리즘 퍼포먼스의 괄목상대할 만한 발전이다. “지난 수 년 동안 딥 러닝과 같은 테크놀로지의 발달로 여러 가지 알고리즘 퍼포먼스의 비약적 개선이 이뤄졌다”라고 그는 진단했다.

네 번째 트렌드는 이 분야로 유입되는 자금이다. 그는 “이를 통해 머신러닝 및 인공지능 분야로 유입되는 벤처 자본의 양을 측정할 수 있다. 약 2년 정도를 주기로 하여 인공지능과 관련된 활동, 연루된 사람 및 기업의 수, 그리고 스타트업의 수 등이 2배씩 늘어나고 있다”라고 말했다.

월쉬는 “이들 4가지는 인공지능 기술의 비약적 발전을 위한 재료이자 레시피와도 같다”라고 말했다.

그러나 설령 인공지능 기술이 발전을 이루더라도, 인간만큼 폭 넓고 다양한 태스크를 수행할 수 있는 기계를 만들 수 있으려면 아직 한참은 더 기다려야 한다는 것이 월쉬의 생각이다.

“한정적 태스크만을 수행하는 기계는 얼마든지 만들 수 있다. 바둑을 둔다든지, 엑스레이 결과를 해석하거나, 눈병을 진단하는 것처럼 특정한 목적을 수행하기 위한 기능은 가르칠 수 있다. 이미 우리는 기계를 통해 많은 작업을 할 수 있지만, 그보다 더 많은 수의 작업이 아직까지 인간 고유의 영역으로 남아 있다”라고 그는 말했다.

그렇다면 오늘날의 기기들은 주로 어떤 작업에 쓰이게 될 것인가? 궁극적인 목표는 소위 4D로 불리는 산업에 기계를 투입하는 것이다. 4D란 ‘지저분한(dirty),’ ‘지루한(dull),’ ‘어려운(difficult),’ 그리고 ‘위험한(dangerous)’ 작업이라는 의미로, 인간이 하기를 꺼리는 일들을 말한다.

그는 “기계가 인간을 대신하여 이러한 작업을 해 준다면 이는 분명 반가운 일일 것”이라며, 이미 이런 직종들 중 일부는 자동화와 AI 기술의 비중을 늘려 나가고 있다고 전했다. ciokr@idg.co.kr 



2018.08.24

“AI, 4개 레시피로 폭발적 성장 중··· 그러나 위협적 수준까지는 멀었다” UNSW 미래학자

Jennifer O'Brien | CIO Australia
기계가 지배하는 세상이나, 극도의 기계화로 인한 인류의 멸망과 같은 시나리오는 어디까지나 영화 속 시나리오일 뿐이며 CIO들이 여기에 휘둘려서는 안 된다고 AI 전문가 토비 월쉬가 단언했다.



UNSW 교수이자 Data61(CSIRO)의 리서치 그룹 리더인 월쉬는 시드니에서 열린 CIO 서밋 기조 연설에서 “인간의 뇌에 필적할 만한 기계가 탄생하려면 아직도 많은 시간이 필요하다”라며 다음과 같이 말했다.

“지금도 한정적이고 좁은 범위의 태스크를 집중적으로 처리할 수 있는 기계는 만들 수 있다. 어쩌면 이런 부분에서는 기계가 인간을 능가하는 수준의 퍼포먼스를 보여줄지도 모른다. 하지만 인간의 사고 능력과 동등한 수준의 기계가 탄생하기 위해서는 50년, 어쩌면 100년이나 그 이상 걸릴 지도 모른다. 의식이나 직감, 또는 욕망을 지닌 기계는 말할 것도 없다.”

“기계는 인간이 시키는 일을 그대로 수행한다. 사실 그것이 기계의 문제이기도 하다. 컴퓨터는 답답할 정도로 명령을 글자 그대로 해석한다.”

“오늘날 세상에는 인공지능이 인류의 존재에 미치는 위협 같은 것보다 훨씬 더 시급하고 중요한 문제들이 산재해 있다. 기후 변화 같은 것들 말이다.”

그는 그러나 이제 CIO 커뮤니티에서도 인공지능 주제에 주목하고 있고, 전략적 비즈니스 계획을 세울 때에도 인공지능을 고려하는 곳들이 늘어나고 있어 기쁘다고 덧붙였다.

월쉬는 “꿈만 꾸던 미래가, 생각보다 빨리 도래할 것 같다. 내가 어릴 적 아서 C. 클라크(Arthur C. Clarke)나 아이작 아시모프(Isaac Asimov)같은 작가들의 작품을 읽으며 키워 왔던 꿈에 이제는 다른 사람들도 가담하고 있다는 사실이 무척 기쁘다”라고 말했다.

4가지 주요 트렌드
월쉬는 AI가 하필이면 지금, 역사의 이 시점에 폭발적 성장을 보여주고 있는 데에는 몇 가지 이유가 있다고 말한다.

그는 이 질문에 대한 해답을 4가지 기하급수적 트렌드에서 찾을 수 있다고 말한다. 첫 번째 트렌드는 무어의 법칙인데, 사실 이 법칙은 물리적인 양자 한계(quantum limit) 등으로 인해 사망 선고를 받은 상태이다.

그는 “무어의 법칙이 유효성을 잃었다고 해서 이 분야가 침체될 것이라고 생각하지는 않는다. 어차피 칩 설계자들은 지난 20년동안 줄곧 게으른 태도를 보여 왔다. 사실상 806 아키텍처를 축소시켜 온 것이 전부이다. 칩 디자인에 있어서 그다지 혁신이라고 할 만한 것은 거의 없었으며 이제는 DPU에서도 비슷한 현상이 일어나고 있다. 앞으로는 특수 하드웨어에서 머신러닝과 같은 특정 태스크를 수행하는 흥미로운 현상이 훨씬 자주 목격될 것이며 덕분에 동일한 마이크로 칩 용량으로 훨씬 많은 컴퓨팅 파워를 기대할 수 있게 될 것이다”라고 말했다.

무어의 법칙은 이제 유명무실해진 상태이지만, 여러 다양한 혁신들로 인하여 컴퓨팅 파워는 무한대로 증가하게 될 것이라는 이야기다.

두 번째 트렌드는 천정부지로 증가하는 데이터 볼륨이다. 점점 더 많은 기업들이 사업 운영이나 고객과 관련한 데이터가 얼마나 중요한 비즈니스 자산인지 깨닫고 있다.

그는 “기업들의 가용 데이터 볼륨이 2배 가까이 증가했으며 인공지능 기술은 이러한 데이터를 활용하게 될 것이다. 우리의 활동 중 상당 부분이 데이터로 저장되어 머신러닝 교육에 사용되기 때문이다”라고 말했다.

하지만 오늘날 AI가 지닌 한계들 중 언급하고 넘어가야 할 것이 하나 있다고 그는 덧붙였다. 기계의 학습 속도이 놀라울 정도로 느리다는 것이다.

“단 하나의 사례에서도 많은 것을 학습해 내는 인간과 달리 기계나 최신 머신러닝 테크놀로지는 여전히 수십 만, 때로는 수백 만 건의 사례를 피드 해야만 뭔가를 배울 수 있다. 그나마 다행인 것은 이러한 사례(데이터)를 수집하는 것이 어렵지 않다는 것이다. 우리는 이미 수십, 수백 만 건의 사례를 제공해 주는 데이터셋을 가지고 있다”라고 말했다.

세 번째 트렌드는 알고리즘 퍼포먼스의 괄목상대할 만한 발전이다. “지난 수 년 동안 딥 러닝과 같은 테크놀로지의 발달로 여러 가지 알고리즘 퍼포먼스의 비약적 개선이 이뤄졌다”라고 그는 진단했다.

네 번째 트렌드는 이 분야로 유입되는 자금이다. 그는 “이를 통해 머신러닝 및 인공지능 분야로 유입되는 벤처 자본의 양을 측정할 수 있다. 약 2년 정도를 주기로 하여 인공지능과 관련된 활동, 연루된 사람 및 기업의 수, 그리고 스타트업의 수 등이 2배씩 늘어나고 있다”라고 말했다.

월쉬는 “이들 4가지는 인공지능 기술의 비약적 발전을 위한 재료이자 레시피와도 같다”라고 말했다.

그러나 설령 인공지능 기술이 발전을 이루더라도, 인간만큼 폭 넓고 다양한 태스크를 수행할 수 있는 기계를 만들 수 있으려면 아직 한참은 더 기다려야 한다는 것이 월쉬의 생각이다.

“한정적 태스크만을 수행하는 기계는 얼마든지 만들 수 있다. 바둑을 둔다든지, 엑스레이 결과를 해석하거나, 눈병을 진단하는 것처럼 특정한 목적을 수행하기 위한 기능은 가르칠 수 있다. 이미 우리는 기계를 통해 많은 작업을 할 수 있지만, 그보다 더 많은 수의 작업이 아직까지 인간 고유의 영역으로 남아 있다”라고 그는 말했다.

그렇다면 오늘날의 기기들은 주로 어떤 작업에 쓰이게 될 것인가? 궁극적인 목표는 소위 4D로 불리는 산업에 기계를 투입하는 것이다. 4D란 ‘지저분한(dirty),’ ‘지루한(dull),’ ‘어려운(difficult),’ 그리고 ‘위험한(dangerous)’ 작업이라는 의미로, 인간이 하기를 꺼리는 일들을 말한다.

그는 “기계가 인간을 대신하여 이러한 작업을 해 준다면 이는 분명 반가운 일일 것”이라며, 이미 이런 직종들 중 일부는 자동화와 AI 기술의 비중을 늘려 나가고 있다고 전했다. ciokr@idg.co.kr 

X