2019년을 맞아 여러 분석기관에서 최신기술 트렌드가 발표되는데, 공통 분모는 여전히 4차 산업혁명의 발판이 되는 핵심기술들이다. 그중 ‘로봇을 환영하라, 아니 영접하라!’는 제목이 눈에 띈다. 사물인터넷과 비슷하게 업무 환경으로 들어서는 로봇이 꽤나 증가할 것이라는 예측들이다. 물론 사람이 타고 다니는 로봇이나 공장에서 자동차를 만드는 로봇이 아니다. 자동화와 인공지능 기술을 탑재한 ‘봇 솔루션’을 말하는 것이다.

포레스터는 2019년 40%가 넘는 기업에서 로보틱 프로세스 자동화(robotic process automation, RPA)와 인공지능이 합세해 ‘디지털 직원’을 탄생시킬 것이라고 예측한다. 물론 이 직원들에게 물리적인 몸이 있지는 않을 것이다. “소프트웨어 자동화 기술이 널리 도입될 것이며, 25%의 기업 리더가 인재난을 해결하기 위한 방법으로 이러한 소프트웨어 파워에 의존하게 될 것이다. 그런 맥락에서 내년에는 약 7%의 직무가 봇으로 대체되면서 사라질 위기에 처하거나 실제로 사라질 것이다”고 예측한다.

인공지능(AI) 기술은 몇 년 전 천재 바둑기사인 이세돌과 중국의 커제를 꺾은 알파고로 인해서 많이 알려졌다. 당시의 알파고는 약 3000년간 남아 있던 모든 바둑 기보를 저장해 병렬처리를 활용한 강력한 하드웨어와 딥 러닝 알고리즘으로 인간을 가볍게 이겨버렸다. 더 무서운 것은 기존의 인간의 기보를 가르쳐 주지 않고 스스로 독학한 새로운 ‘알파고-제로’는 학습한 지 3시간 만에 바둑 초보 능력을 보였고 19시간 만에 실리, 집, 세력을 이해하게 되었으며 72시간 만에 기존 알파고를 100 대 0으로 격파하는 놀라운 기량을 선보였다. 이젠 인간이 남겨놓은 데이터의 도움 없이도 기계 스스로 셀프학습을 해서 괴력을 발휘하는 시대가 된 것이다. 알파고를 개발한 딥마인드사의 CEO인 하사비스는 “이제 알파고는 바둑이 아니라 인간들이 풀지 못하는 문제 해결에 적용할 것”이라는 선언도 했다. 세계적 기업들에도 딥 러닝 열풍이 거세다. 구글은 딥마인드사를 인수했고, 페이스북은 딥 러닝 대가인 뉴욕대학의 얀 러쿤(Yann LeCun) 교수를 인공지능 센터장으로 영입했으며, 중국의 구글이라 불리는 바이두에서도 기계학습 분야의 스타 학자인 스탠퍼드 대학의 앤드류 응(Andrew Ng) 교수를 모셨다.

대체 딥 러닝이란 과연 무엇일까? 딥 러닝은 사실 새로운 개념이 아니다. 오래전부터 있던 인공신경망(Artificial Neural Network; ANN)과 크게 다를 바 없다. 다시 말해, 인공신경망은 데이터를 잘 구분할 수 있는 선들을 긋고 이 공간들을 잘 왜곡해 합하기를 반복하는 구조라고 할 수 있다. 예를 들어 컴퓨터가 사진 속에서 고양이를 검출해내야 한다고 생각해보자. ‘고양이’라는 추상적 이미지는 아마 선, 면, 형상, 색깔, 크기 등 다양한 요소가 조합된 결과물일 것이다. 딥 러닝은 이 과제를 선 긋고 왜곡하고 합하고를 반복하며 복잡한 공간 속에서의 최적의 구분선을 만들어 내는 목적을 가지고 있다.

그럼 어떤 규칙으로 선을 긋고 공간을 왜곡하느냐? 바로 데이터에 근거하는 거다. 일단 대충 선을 긋고 구분 결과가 더 좋게 나오도록 살살 움직이는 것이다. 이러한 과정을 최적화(optimization)라고 하는데, 딥 러닝은 아주 많은 데이터와 아주 오랜 시간의 최적화를 통해 데이터를 학습한다. ‘양에는 장사 없다’고 할까?

요약하자면, 딥 러닝은 알고리즘적인 발전과 하드웨어의 발전, 그리고 빅데이터의 힘 덕분에 현재 최고 성능을 가진 기계학습 방법으로 평가받고 있으며, 미래 인공지능의 희망으로 떠오르고 있다.

컴퓨팅 파워가 부족한 스마트폰 같은 휴대용 장치에 적용하기 쉽지 않은 점은 딥 러닝의 한계다. 그러나 만약 휴대용 장치가 사물인터넷을 이용해 성능 좋은 서버와 잘 교신한다면 딥 러닝의 혜택을 받을 수 있다. 특히 구글이 ‘로봇의 미래’라 생각하는 클라우드 로보틱스를 구현한다면 여러 로봇의 집단 지성으로 어려운 문제를 해결해 나가는 미래를 볼 수도 있을 것 같다.

동의대 부총장·컴퓨터공학과 교수