인공 지능과 뇌

결제 관련 웹 사이트 (pymnts [dot] com)에서 “Your Brain On AI”를 옮겼습니다. 원문은 2017년 1월 12일에 게재되었습니다.   

                           

너무나 순식간에, 컴퓨터나 전자 기기에 대고 말하는 것이 – 전기를 켜거나 휴대폰 화면을 터치하는 것처럼 – 정상적인 일이 되어가고 있습니다: 이전에는, 파일을 삼킨 (그래서 망친) 컴퓨터에게 화가 나서 소리지르는 것이 고작이었는데 말입니다. 알렉사 (Alexa), 코타나 (Cortana), 빅스비 (Bixby), 알로 (Allo), 시리 (Siri) 등 – 지난 주에 있었던 전자 가전 전시회 (CES)에서 일어났던 일이 무엇인지 몰랐다해도, 이제 인공 지능에 의한 (“powered by AI”) 가상의 개인 어시스턴트가 사용자의 곁에 있는 컴퓨터, 차 (car), 램프 (lamp), 스피커, 스마트폰, 냉장고, 텔레비전 등에 장착될 것입니다. 심지어, 사용자가 말하기 원하지 않을 때에도 인공 지능에 말할 기회는 있습니다. 대략 일년 동안에, 많은 수가 페이스북 메신저 (다른 많은 곳도 포함하여) 등에 퍼져서 도와줄 준비가 되어있습니다 - 혹은 어쨌든 도와주려고 노력합니다. 인공 지능의 문제점은 종종 실제의 실행 능력보다 개념이 더 괜찮다는 것입니다. PYMNTS의 최고 경영자인 웹스터 (K. Webster)씨는 페이스북의 날씨 캣 인공지능인 폰초 (“Poncho, Facebook’s Weather Cat AI”)와 오랫동안 말다툼을 했는데, 이 말다툼은 기록으로 잘 남겨져있으며 그리고 갈수록 악화되고 있다고 합니다. 그리고 아마존 인공 지능 사용자들 가운데 몇몇은 불평하기를, 만약 에코를 텔레비전에 너무 가까이 두면, 광고 시간대에 – 사용자가 원하지 않음에도 – 알렉사가 피자를 주문할수도 있다 (“if one puts their Echo too close to the TV, Alexa might order you an unwanted pizza when a certain commercial comes on”)고 합니다. 그리고 클린 (Clinc)의 최고 경영자이자 공동 창립자인 마스 (J. Mars) 교수는 웹스터씨와의 최근 대화에서, 과거에도 이런 정신없는 점이 있었다고 하며, 시장에 나와있는 많은 인공 지능에게 대화하면, 이들이 아무 문제없이 작동할 때에도 [이런 정신없는 점이] 있음을 시사했습니다. “알렉사는 – 어떤 회사든 혹은 어떤 사용자든 알렉사에 있는 기능을 사용하여 그들만의 작은 기술을 만들 수 있습니다. 그래서, 우버는 “우버를 불러줘”라고 명령하는 프로그램을 만들 수 있고, 알렉사는 이를 바로 보냅니다. 그러나, 사용자는, “도서관으로 가야되니, [나를 실어줄] 차가 필요해”라고 말할 수는 없습니다 – 왜냐면, 이것은 프로그램된 명령이 아니기 때문입니다. 이러한 점은 상인들과 벤더 (vendor)에게 제약이 되는 경험입니다: 만약 알렉사가 이런 기능을 수행하기 원한다면, 사용자가 직접 만들어야 합니다. 직접 만드세요 – 그리고, 소비자가 이를 이용할 수 있도록 정확한 음성 명령을 배우도록 훈련시키십시요. 그리고, 마스 교수와 공동 창립자들 – 탱 (L. Tang) 교수와 로렌자노 (M. Laurenzano) 교수 – 들이 말하기를, 이러한 점은 현재의 인공 지능이 풀어야 할 중심적인 문제점이라고 합니다: 컴퓨터가 인간의 언어를 사용하여, 기계와 쉽고 자연스럽게 상호 작용하는 방법을 찾아내는 것. 그리고 많은 해결방법이 제시되고 있지만, 마스 교수에 의하면, 배후의 문제는 아직도 해결되지 않은 채 더 나은 해결 방법을 아직도 요구하고 있다는 것입니다. 클린 (Clinc) 팀은 자신들이 이에 대한 해결방법을 찾았다고 생각하고 있습니다.   

머신 러닝 (기계학습)에 대하여 다시 생각하다 (“Rethinking Machine Learning”) : 마스 교수에 따르면, 세 명의 공동 창립자는 미시건 대학 (Michigan professors)의 교수이며, “오늘날에 존재하는 가장 뛰어난 과학과 기술”에 접근할 수 있습니다. 그리고 이러한 접근은 매우 뚜렷한 점을 창출했습니다: 그들이 가진 놀라운 기술에도 불구하고, 오늘날 시장에서 떠오르는 인공 지능은, 컴퓨터가 인공지능과 관련한 실제의 능력과 어떤 종류의 혁신이 가능한지를 다 보여주는 것은 아니라고 합니다. “지금 저희가 하는 것과 다른 시스템 사이의 가장 주요한 차이점은, 저희는 ‘구조화되지 않은, 그리고 제약되지 않은 말 (“unstructured, unconstrained speech)’을 이해하기 위하여 초점을 맞추고 있다는 점입니다. 따라서 사용자는 방에서 사람에게 말하듯 그것 (그것 = 클린의 인공 지능인 피니, “Clinc’s AI, Finie”)에게 말할 수 있습니다”. 그가 주목한 점은, 접근 방법의 차이점입니다: 지금 시장에서 흔히 사용되는 방법은, 인간의 언어를 이해하기 위하여 인공지능에게 이를 가르칩니다. 마스 교수가 설명하기를, 시장에 출시되는 거의 모든 인공 지능은 “문법에 기반한 접근법 (grammar-based approaches)”을 사용한다고 합니다. “따라서, 규칙에 기반을 둔, 문법 기반의 시스템에서의 인공 지능은 명사와 동사 등을 찾고, 어떤 형용사가 이 명사에 수식하는지 분석을 하여, 어떻게 반응해야 할지 규칙을 따라 이해하여 노력합니다. 이렇게 하는 데에는 매우 구체적인 프로그래밍이 필요하며, 아직 영어가 지닌 넓고도 깊은 측면을 다 이해하지 못했습니다”. 클린 (Clinc)의 접근 방법은 다른데, 실제 인간의 뇌의 뉴런에 관련된 디자인의 반복적으로 일어나는 신경 네트워크를 이용 (“recurrent neural networks that are designed around the actual neurons in actual human brains”)합니다. 피니 (Finie)가 따라야 할 명령과 규칙을 프로그램하는 대신, 클린 팀은 [피니가] 생각하도록 프로그램하려 노력하는 (“the Clinc team is instead trying to program it to think”) 중입니다. “저희는 뇌를 훈련하는 기간을 거치고 있습니다. 저희가 원하는 지능에 대하여 저희들도 생각하고 있습니다 – 예를 들어, 구매/소비에 대하여 알고싶다 등. 그러면, 저희는 전 세계의 소비에 대한 질문을 하여 (“asking questions about spending all around the world”) 사람들로부터 예를 수집합니다. 그리고, 이를 모아서 뇌에 제공합니다 – 제한적인 규칙 따위의 프로그램을 배울 필요없이 말입니다”라고 마스 교수는 설명합니다. “이렇게 함으로써, 질문은 하는 엉망인 방법을 시스템이 이해할 수 있도록 저희가 훈련시킵니다. 왜냐면, 신경 네트워크 자체는, 훈련받은 대로, 비슷한 것들을 – 동일하지 않지만 – 인식할 수 있기 때문입니다. 문자 그대로, 그는 말하기를, 인간의 뇌가 배우는 방법을 모방하도록 (“emulate”) 고안된 것입니다.    

그렇다면, 이렇게 똑똑한 프로그램으로 무엇을 할 것인가요? (“So, What To Do With So Smart A Program?”) : 클린이 일년 반 전에 피니를 출시한 이래, 피니는 소비자와 그들의 금융적/재정적인 이야기를 연결하도록 도와주고 있습니다. 그러나, 클린의 고객들은 소비자가 아닙니다: 그들은 금융 기관으로써, 그들을 위한 알렉사를 찾고 있습니다 – 고객들이 다양한 금융적인 기능을 알 수 있도록/배우도록  [금융 기관이] 돕기 위해섭니다. 따라서, 소비자들은 그들의 휴대폰에 피니를 설치할 필요조차 없습니다: 그러나, 소비자들이 선호하는 몇몇의 금융 기관들의 모바일 및 투자 사이트에는 이미 포함되어 있는 것을 [소비자들은] 알게 될 것입니다. 이것이 어떻게 사용되는지는 다양합니다. 어떤 사람들에게는, 이것은 단지 디지털 모바일 뱅킹 어시스턴트일 뿐입니다. 그러나, 그는 말하기를, 맞춤형 사용 사례들이 늘어나고 있는데다, 관심을 가진 잠재적인 파트너들이 점점 늘어나고 있다고 합니다. 마스 교수는 예를 들어 이렇게 말합니다: “직관은 지능이 있는 어시스턴트를 어떻게 만들 수 있는지 알려고 합니다. 소비자들이 어시스턴트에게 이야기하는 동안 그들은 세금 관련 사항을 적어내는 것처럼 말입니다”. 그러나, 피니는 넓고 다양한 주제에 대하여 정말 많이 알고 있습니다 – 왜냐면, 피니는, 기본적으로, 금융 서비스 인공 지능이 아니기 때문입니다: 이것은 학습하는 인공 지능 (“learning AI”)인데, 단지 금융 기관에 고용되어 있을 뿐입니다. 그러나, 엄청난 수의 버티컬 (verticals)에서 고용될 수도 있습니다. “유통은 어마어마한 사용 사례입니다. 사용자가 키오스크 (kiosk)에 빵이 어디에 있는지 물어볼 수 있는 것을 한 번 상상해 보십시요. 그리고 이런 종류의 시스템이 이해할 수 있다는 것을요. 저희는 삼성과도 토론을 약간 한 적이 있습니다. 사용자는 그들의 냉장고에 말을 할 수 있습니다. 저희가 대하는 회사들은, 상호작용하기 위하여 적절한 주요 구절을 배워야하는 소비자들 사이에서, 그들의 인공 지능 시스템을 만들지 않아도 된다는 것에 관심을 보이고 있습니다. 이들 인터페이스에게 말을 하는 것을 배워야 한다면, 이런 측면은 사용자에게 부담스러운 부분이기 때문입니다”. 그리고, 그들의 고객들에게 이런 부담을 지우고 싶어하지 않는 회사들은 결국 그들이 이런 부담을 져야 합니다. “예를 들어, 금융 서비스 부문에서는, 당신이 “내 잔액은 얼마인가요?”라고 묻는 질문을 삼만 (30,000)개의 다른 방법으로 프로그램해야 한다는 것을 의미하기 때문입니다".    

기본적인 문제를 해결하는 것 (“Solving The Baseline Problem”) : 인공 지능이 풀어야 할 기본적인 문제는, 통상의 사용자들이 인공 지능이 적절한 응답을 하도록 그들이 원하는 질문을 쉽게 할 수 있도록 하는 것입니다. 그리고 이러한 문제는, 마스 교수에 따르면, 늘 있습니다: “챗봇 (chatbot)을 사용하든 혹은 음성이 활성화된 개인 어시스턴트 (voice-activated personal assistant)를 쓰는 형태가 되든지 말입니다”. 그리고 기술이 쉽게 사용할 수 있는 접점 (touchpoint)을 내어놓지 않는 이상, 이 문제는 해결되지 않습니다. “당신이 그것을 무엇이라고 불러도 상관없습니다. 사용자가 사용자의 정보를 아주 간단한 인공 지능을 통하여 연결될 수 있는 가장 적절한 해결법이 되기를 저희는 바랍니다”. 인공 지능이 지금 현재 많은 것을 감안할 때 (그리고 그것을 지원하는 이들이 얼마나 강력한지를 감안할 때), 이러한 목표는 크고도 힘든 목표입니다. 그러나, 클린의 인공 지능이 다른 [인공 지능을] 앞지를 수 있다면, 인공 지능의 경쟁은 조금 더 흥미로워 진 상태일 것입니다.