때마침 벌어진 이번 이세돌 9단과 알파고와의 바둑 대결은 어렸을 적부터 항상 궁금하게 생각하던 '인공지능'이 무엇인지 직접 눈으로 확인해 볼 수 있었던 기회였다.
인공지능에 관심이 없던 한국인들의 관심을 한번에 끌었다.
알파고와 같은 '인공지능'을 구현하기 위해 사용된 것이 '머신러닝(Machine Learning, 또는 Deep learning)'이다. '클라우드 컴퓨팅'이 인공지능 구현을 위해 필요한 요소 중 하나인 저장·처리 장치(뇌)라고 한다면, '머신러닝'은 뇌가 올바른 의사 결정을 내릴 수 있도록 판단하기 위한 '알고리즘'을 만드는 과정, 즉 교육이라 비유 할 수 있다.
'기계도 사람처럼 사고(思考)하도록 만들 수 있을까'는 컴퓨터의 아버지라고 불리는 영국의 수학자이자 논리학자인 앨런 튜링(Alan Turing)이 평생 고민하던 질문이다.
그는 인간의 사고(思考) 과정이 어떤 논리에 따른 계산의 과정에 따라 이루어지는 것이라고 한다면, 이것을 컴퓨터로 실현시키지 못할 이유가 없다고 생각했다. 그는 데이터가 들어오는 입력 장치와 이를 저장·처리하기 위한 장치(Memory·CPU), 그리고 이를 적절하게 해석할 수 있는 알고리즘(논리)을 알맞게 부여한다면 기계도 인간처럼 사고할 수 있는 '인공지능'를 구현할 수 있다고 믿었다.
그 후로 60여년이 지난 지금, 앨런 튜링이 인공 지능 구현을 위한 3가지 조건이라고 언급했던 것들 중 입력 장치와 처리 장치는 인공 지능을 구현하기에 부족함 없는 수준까지 발전되었다.
입력 장치는 이제 키보드와 마우스 뿐만 아니라 터치패드, 3D 카메라등 센서들의 빠른 발전으로 사람의 오감을 무리 없이 재현해내고 있다. 특히 저장·처리장치의 경우는 2000년대 중반 이후 '클라우드 컴퓨팅' 기술이 발전을 거듭하며 과거에 존재했던 데이터 처리 용량에 대한 한계에서 해방되고 있는 상황이다.
하지만 아직까지 사람의 사고력을 가장 유사하게 구현하기 위한 알고리즘의 완성도는 미흡한 상황이고, 이를 개발하기 위한 연구가 꾸준히 진행되고 있다. 이 중 최근 가장 주목받고 있는 알고리즘 구성 방법 중 하나가 바로 '머신러닝'이다.
그 동안 알고리즘 구성에 적용되는 방식은 알고리즘에 최대한 많은 변수를 입력하는 것이었다. 하지만 이러한 방법은 실생활의 모든 불규칙한 변수들을 모두 반영하기에 현실적으로 불가능하다는 근본적인 한계가 존재했고, 알고리즘을 구성하는 방식 자체에 대한 근본적인 변화가 필요했다.
이 새로운 방식이 바로 기존 알고리즘에 통계·확률을 입힌 '머신러닝'이다.
관련기사
[머신러닝②] 인공지능 완성도, 알고리즘에 달렸다
[머신러닝④] 딥러닝, 인간의 뉴런을 모방하다
[머신러닝③] 알고리즘에 통계·확률을 입히다
한승균 기자 / 전자공학 박사
<저작권자 © 빅데이터뉴스, 무단 전재 및 재배포 금지>
