크레마클럽

이 책은 AI와 기반 기술에 대한 기본 작동원리 및 역사를 그림과 함께 아주 알기 쉽게 설명 한 책 입니다.

바둑의 알파고, 네비게이션, 번역, 자율주행, 검색 등 예전에는 알고리즘 기반의 각각의 서비스가 빅데이터와 딥러닝 기반으로 변모 해 왔고 또한 Chat GPT 같은 점점 더 통합적인 모습으로 우리에게 다가오고 있다는 내용을 자세한 예와 함께 설명 해 주어서 저 같은 반(?) 전문가 에게도 유익한 책이었습니다.

더욱이 제가 좋아하고 IT출신의 그림작가이신 정진호님 께서 그리신 일러스트레이터 들은 정말 핵심을 잘 표현하고 있는 것 같습니다.

AI 기술에 대해 비교적 이해하기 쉽게 쓰고자 했던 저자의 마음이 느껴지는 책이다. AI의 역사와 원리 그리고 현재 우리 실생활에서 접하고 또, 활용되고 있는 영역까지 터치한 부분을 통해 작가의 내공을 충분히 실감했다. 작가가 소개한 8가지 쓸모를 다시 한 번 리마인드 해본다

(인공지능/위대한 인공지능, 깨어나다)?1770년 오스트리아의 체스를 두는 인형 메케니컬터크는 비록 사람이 직접 들어가 조작했던 사기였지만 현재의 인공지능은 '인공지능 데이터 시스템'의 3박자가 어울러져 눈부신 발전을 하고 있다. 250년전 인간이 상상하고 또, 구현하고자 했던 스스로 생각하고 움직이는 기계를 경험할 날이 곧 다가올 기대감으로 느껴진다.

(알파고/인간을 능가하는 기계의 등장)?기술은 2년마다 2배씩 성장한다는 무어의 법칙에 따라 시스템 발전이 인공지능의 발전을 초래했다. 딥블루, 알파고의 탄생으로 비록 인간이 체스와 바둑에서 졌지만 새로운 미래를 얻는 기회가 생겼다. 기계를 너무 맹신하지도 또, 공포를 느낄 필요는 없다. 기계와 인간 서로 공존하며 발전하는 미래를 기대해 본다.

(자율주행/테슬라가 꿈꾸는 기계)?자율주행 자동차는 초기 하드웨어 중심에서 인간의 운전을 모방하면서 스스로 학습하는 등 소프트웨어 중심으로의 기술을 통해 나날이 발전하고 있다. 윤리적 측면에서의 문제로 인한 도입의 제한은 풀어야할 숙제 이지만 도입하게 되면 사회 전반에 큰 변화가 예상된다. 자동차 즉, Auto mobile이라는 이름에 걸맞는 모습이 상상된다.

(검색엔진/구글이 세상을 검색하는 법)?현재 검색은 인터넷 서비스 중 단연 1등으로 초창기에는 디렉토리 서비스의 야후가 대단했다. 그러나 인간이 직접 분류했던 이 시스템은 한계에 봉착하고 이후 검색 기반의 구글이 등장. 검색은 크롤러를 통해 자료를 수집하고 색인을 만들며, 랭킹을 접목하여 질문의 유사도, 근접도를 넘어 전체 맥락을 이해하는 단계까지 발전했다. 그래서 내가 원하는 답을 그렇게 빨리 보여줄 수 있었구나 라고 새삼 느낀다.

(스마트 스피커/시리는 쓸모 있는 비서가 될 수 있을까)?최초의 스마트 스피커는 아마존의 알렉사로 그 모티브는 아이폰의 시리였다는 사실을 통해 역시 잡스님은 대단하다는 것을 느꼈다. 스마트 스피커는 크게 3개의 영역이 있는데 음성을 인식하고 이해하는 '이해영역' 과 다이얼 매니저와 스킬의 '실행영역', 자연어를 생성하고 음성을 합성하는 '생성영역'으로 구분된다. 점점 말귀를 잘 알아듣는 스마트 스피커에 대해 새롭게 안 사실이 대부분의 인공지능 영역이 서버에서 이루어 진다는 것으로 정작 스마트 스피커는 Wake-up 수준의 엔진만 작동한다는 사실이다. 혹시 나의 일거수 일투족을 아마존에서 속속히 듣고 있는 건 아닌지 살짝 걱정이 든다.

(기계번역/외국어를 몰라도 파파고만 있다면)?기계번역도 최근 들어 눈부시게 발전하고 있다. 사실 몇 년전만 해도 어색하기 짝이 없었던 번역기가 꽤 자연스러워진 이유는 초기 규칙기반에서 예시기반, 이후 통계기반을 거쳐 신경망기반의 스스로 학습하는 단계까지 발전한 것에 기인한 것으로 보인다. 저자의 말처럼 바벨탑으로 인해 인간에게 내려진 각기 다른 언어를 쓰게된 형벌을 극복하는 길에 한 발짝 다가가는 것 처럼 외국어로 인해 스트레스를 받는 사람들의 머리 아픔이 확 풀리길 기대해 본다.

(챗봇/카카오 챗봇에게 고민 털어놓기)?컴퓨터와 소통하기 위한 컴파일러와, 대화를 위한 규칙기반 FAQ, 문장을 숫자로 표현하면서 유사도를 판별하고 확률을 통해 문장을 만드는 등 오랜기간 인간은 컴퓨터에게 언어를 가르쳤고 발전해 왔다. 또한 얼마전에는 Chat GPT라는 서비스를 오픈 API사에서 런칭했다. 노래가사를 개사하고, 컴퓨터 코딩을 스스로 설계하는 등 대단한 능력을 지녔다. 다만 사실이 아닌 것을 그럴듯 하게 답을 하는 즉, 거짓도 사실처럼 답변하는 등 위험 요인도 있다. 눈부시게 발전하는 부분과 위협적이라는 두 모순된 평가 속에 과연 챗봇의 미래는 어떻게 그려질지 궁금해진다.

(내비게이션/티맵은 어떻게 가장 빠른 길을 알까)?전형적인 길치인 나는 내비게이션이 없었다면 아마 어마어마한 시간을 길에서 허비하지 않았을까 하는 생각이 든다. GPS 기술과 머신러닝, 교통정보 시스템과의 연동이 내비게이션 기술발전을 이끌었다. 또한 저자가 지적한 대로 오컴의 면도날, 즉 단순한 모델의 힘을 통해 정교한 모델만이 답이 아닌, 상황과 여건에 맞는 모델이 중요하다라는 사실도 알게됐다.

(추천 알고리즘/알 수 없는 유튜브 알고리즘이 여기로 이끌다)?유튜브를 보면 시간이 순삭으로 지나갔던 것은 연관성 분석, 데이터 마이닝, 추천시스템인 콘텐츠 기반 필터링, 협업 필터링, 생각만 해도 정말 수학스러운 행렬 인수분해, 딥러닝 등 기술 발전을 통해서다. 추천 알고리즘이 나를 더욱 이해하고 뜻밖의 발견을 줄 수 있기를 기대해 본다.

"미래는 인공지능을 이해하는 사람의 것이다"라고 한다. 인공지능이라는 거대한 기술의 어깨에 올라타기 위한 노력 중 하나가 관련 서적을 읽고, 직접 경험해보고 또 다양한 의견을 나누는 것이다. 이런 활동을 통해 더 멀리 바라보고 더 스마트하게 미래를 준비 할 수 있기를 소망해 본다. -투빈투비

대세가 되어 가고 있는 인공지능에 대한 전반적인 설명. 이미 이에 대한 몇 권의 책을 읽어본 적이 있는지라 크게 어렵지는 않지만 그렇다고 마냥 쉬운 것도 아니다.

요즘의 인공지능이라는 것이 필수적으로 빅데이터를 다루어야 하니 수학적인 개념이 들어가고 통계학에 인문학적인 소양도 필요하기 때문.

그러나 알던 모르던 우리는 이미 인공지능의 영향을 받고 있고 사회 전체가 그쪽으로 바뀌고 있기 때문에 이에 대한 기본적인 이해는 하고 있어야 할 상황이다. 회피한다고 해결되는 것이 아니다 보니 보다 적극적이고 능동적인 대처가 필요한데 이런 책을 읽어 두는 것도 한 방법. 

아! 그렇다고!!^^

2010년, 스탠퍼드대학교의 페이페이 리 교수는 약 100만 장의 이미지를 1,000개의 카테고리로 분류하는 이미지넷 대규모 시각 인식 챌린지 ILSVRC 를 주최합니다. 사람이 직접 분류한 이미지와 기계가 자동으로 분류한 이미지가 얼마나 일치하는지를 겨루는 대회였죠. 여기서 '사람이 직접 분류하는 일은 '메케니컬 터크'를 이용해 진행했씁니다.

250년 전 사람이 직접 들어가 체스르 두었던 그 자동기계가 맞습니다. 메케니컬 터크가 250년 만에 부활했습니다. (-33-)

 

 

그럼에도 불구하고 사실상 엔비디아의 독점 체제가 유지되는 이유는 CUDA 의 존재 때문입니다. 사실상 모든 딥러닝 라이브러리가 CUDA를 우선으로 지원하고 있고 CUDA 플랫폼의 지원 또한 워낙 강력하기 때문에 CUDA 를 지원하지 않는 다른 회사에서 출시한 GPU는 사용하기가 어렵습니다. 마치 모든 게임이 윈도우를 지원하고 윈도우에는 DirectX 가 있기 때문에 윈도우 OS 를 사용할 수 밖에 없는 것과 비슷하다고 할 수 있죠. (-51-)

 

 

미 대선 결과를 정확하게 예측하여 일약 스타로 떠오른 통계학자 네이트 실버 는 《신호와 소음 The Signal and the Noise 》 에서 인간을 능가하는 기계를 두고 "기술을 있는 그대로 바라보라" 고 주문했습니다. (-94-)

 

 

라이다가 장애물을 발견하면 그 위치를 장애물로 설정하고 그 안쪽은 운전가능 구역으로 설정해 주행 가능한 곳으로 가정하고, 바깥쪽은 미확인 구역으로 설정해 주행할 수 없는 곳으로 가정했습니다. 이렇게 운전가능 구역에서 주행한 기록을 학습 데이터로 삼아 엄청나게 많은 주행 데이터를 수집하여 머신러닝으로 학습했습니다. 기존에는 수많은 규칙을 일일이 입력해야 했지만 이제는 인간이 먼저 운전 가능 구역에서 운전 시범을 보이면 기계가 이를 배우게 한 셈이죠. (-103-)

 

 

2014년 구글의 자율주행차는 전동 휠체어를 탄 여성이 빗자루를 들고 도망가는 오리를 쫓아 도로로 나온 상황을 맞닥뜨렸습니다.마찬가지로 난생처음 보는 광경에 구글의 자율주행차는 대응하지 못했죠. (-132-)

 

 

이제 알렉사는 단순히 에코의 호출어를 넘어 아마존의 인공지능 플랫폼 그 자체를 가리키는 이름이 되었습니다. 그리고 재밌게도 알렉사가 등장한 2014년 이후에는 미국에서 자녀의 이름을 더 이상 알렉사를 짓지 않습니다. 아마도 매일 날씨를 알려달라도 재촉당하는 비서의 이름을 자녀의 이름으로 정하고 싶지 않아서겠죠. 실제로 2015년에만 해도 알렉사라는 이름은 32번째로 인기 있는 이름이었지만 2019년에는 139위가 되어버렸습니다. (-211-)

 

 

이듬해 공개된 GPT-3 는 더욱 놀라웠습니다. 인간을 위협할 정도라고 했던 GPT-2 보다 100배나 더 큰 모델이었거든요. GPT-3 가 학습한 원본 데이터는 무려 45TB 에 달합니다. 이 엄청난 데이터에서 잘못된 데이터를 추리고 추려서 알짜배기만 정제한 것만 해도 570GB 에 달했고,이를 모두 학습에 이용했습니다. (-322-)

 

 

2013년에 나온 워드투백은 언어 이해 모델입니다. 그리고 2018년에 나온 비트 또한 언어 이해 모델이죠. 특정 단어를 가려놓고 들어갈 단어를 맞추도록 하는 것은 언어를 이해하려는 모델이 쓰는 방식입니다.버트는 워드투백과 마찬가지로 문장의 의미를 벡터로 잘 표현하기 위해 엄청나게 많은 문장을 학습하죠. (-331-)

 

 

인공지능, 알파고, 자율주행, 검색엔진, 스마트 스피커, 기계번역, 챗봇,내비게이션, 추천 알고리즘이 소개되고 있으며, 아홉개의 인프라는 불가능했던 일들을 가능함으로, 인간의 삶을 변화시키고 있다. 그 과정에서 새로운 가치를 만들어 내고, 변화의 주역이 되었다. Ai는 인간의 한계를 극복했고, 시간의 한계를 극복하기 위한 기술적 변화를 완성해 나가고 있었다. 추구하는 바대로 살아가는 것, 빅데이터가 딥러닝과 융합하면, 기술으 확보해 불가능을 가능으로 전환하게 된다.

 

 

인간이 직접 두 손으로 두 발로, 운전해 왔던 일들을 자율주행자동차가 자율적으로 움직일 수 있고, 인간의 말을 명령어로 바꿔 나갈 수 있는 조건이 완성된다. 인공지능은 인간의 눈과 귀로, 언어와 초감, 시각과 청각을 모방한다. 물론 그동안 인간에 의존하였던 번역을 기계 스스로 자연어 번역을 할 수 있도록 언어 번역의 한계를 극복했다. 완벽함과 완벽하지 않음의 경계를 허물었으며, 웹을 활용함 데이터 수집과 구조화, 데이터 생성원리에 대해 인간이 가진 한계를 찾아내고 있다. 우리의 언어의 불완전한 구조를 인간의 인식과 자각으로 쉽게 맥락에 따라서 풀어냈다면,인간이 직접 운전하였던 주행기술조차 기계의 자율 주해이 가능하게 된다. 빅데이터를 활용하게 되면서, 구글 검색최적화가 가능해졌고, 각각에 최적화된 알고리즘, 신경망 기술이 완성될 수 있게 된다. 그리고 이러한 자율주행자동차 운행이 가능하려면, 변화와 혁신의 주요 기술이 우선되어야 한다.

 

전체 내용을 보시려면 ISO 국제인증전문기관 : 네이버카페(naver.com) 사이트 를 방문하시면 됩니다.

 

비전공자도 이해할 수 있는 AI 지식 

 

요즘 가장 핫한 분야인 AI와 관련된 책들이 시중에 많이 나오고 있는데 어떤 책은 너무 어려워서 비전공자인 나한테는 힘들었고 또 어떤 책은 너무 입문자용으로 겉핥기에 그치는 수준이라 아쉬었다. 그러다 이번에 만난 이 책은 구글 검색부터 유튜브 추천, 파파고 번역과 내비게이션까지 일상을 움직이는 인공지능 기술들을 심도 깊고 체계적이면서도 이해하기 쉽게 풀어내어 무척 만족스러운 읽을거리가 되어준다. 

 

그리고 먼미래의 SF영화 같은 얘기가 아닌 이미 눈앞에서 펼쳐지고 있는 현재의 기술 트렌드를 다루고 있어 더 인공지능을 둘러싼 추상적인 이야기가 아닌 실제로 현실을 바꾸고 있는, 가장 쓸모 있는 AI 이야기였다. 

 

책의 구성은 총 아홉개의 챕터에 인공지능부터 알파고, 자율주행, 검색엔진, 스마트 스피커, 기계번역, 챗봇, 내비게이션, 추천 알고리즘란 키워드를 중심으로 설명하며 딥 블루는 어떻게 체스 챔피언이 되었는지, 자율주행차 스탠리가 우승한 비결, 음성인식 비서의 시대를 여는 애플시리, 아마존 알렉사, 신경망 기반, 자연스러운 번역의 시작, GPT, 인간을 능가하는 언어 생성 모델, 데이크스트라 알고리즘, 최단 거리 탐색의 비밀, 10대 소녀의 임신을 예측한 알고리즘, 딥러닝을 도입한 유튜브 추천 알고리즘 등의 목차만 봐도 궁금해서 어서 들춰보고 싶은 내용들이 가득했다. 

 

챕터별로 인공지능의 다양한 쓸모를 자세히 소개하고 단순한 소개에 그치지 않고, 각 서비스가 어떻게 작동하는지 구체적인 원리를 살펴보다보면 인공지능 서비스에 감탄을 하게 되었고 인공지능 기술과 과학에 대한 이해를 높여준다. 그 외에도 개념 이해를 돕는 300컷이 넘는 친근한 그림들이 이 책의 또다른 매력이기도 하다. 

 

개인적으로는 평소 유튜브를 하면서도 놀라웠던 유튜브 알고리즘에 대한 내용들이 인상적이었는데 여러 추천 알고리즘 중에 대표적인 것이 행렬 인수분해다. 행렬 인수분해를 이용하면 하나의 행렬을 2개의 행렬로 분해해서 계산하고 예측 정보를 얻어낼 수 있다. 예컨대, 고객이 어떤 영화에 남긴 평점을 하나의 행렬로 보고 여기에서 고객의 특징과 영화의 특징을 분해해 추출하는 것이다. 이러한 알고리즘에 딥러닝을 도입해 우리의 유튜브 화면에는 알 수 없는, 하지만 볼 수밖에 없는 영상들이 줄지어 올라온다. 참고로 행렬 인수분해는 사이먼 펑크라는 가명을 쓴 인물이 뉴질랜드 여행 중에 넷플릭스 프라이즈에 참가하여 고안한 알고리즘이다. 그는 이 알고리즘으로 대회에서 3위까지 올라가지만 대회에 관심이 없어진 그는 자신이 발명한 알고리즘을 블로그에 모두 공개하고 홀연히 자취를 감춘다.

 

또한 중간중간에 인공지능 업계의 비하인드 스토리도 즐거운 읽을거리가 되어주는데 시리를 둘러싼 뒷이야기도 흥미롭다. 시리는 원래 민간 연구소의 프로젝트로 시작했다가 그 가능성을 보고 일부 연구원이 세운 스타트업 회사의 이름이자 서비스명이었다. 시리는 처음에 챗봇에 가까운 서비스였으나 출시를 1년이나 미루면서 음성인식 기능을 도입하고 마침내 앱스토어에 올라가 순식간에 엄청난 인기를 끌게 된다. 

 

그리고 2주 후 시리의 공동 창업자 대그 키틀러스는 전화를 한 통 받는다. “안녕하세요. 스티브 잡스입니다.” 키틀러스는 장난전화라는 생각에 통화 종료 버튼을 누르지만 곧이어 두 번째 전화가 걸려오고 시리 팀은 모두 스티브 잡스의 집으로 초대된다. 잡스와 대화형 인공지능 그리고 애플의 미래를 두고 3시간이 넘도록 얘기를 나눈 후 잡스는 말한다. 애플이 시리를 인수하고 싶다고 말이다. 그렇게 시리는 애플의 핵심 서비스가 되어 아이폰 안에서 우리의 목소리를 기다리고 있다.