인공지능(AI)은 새로운 기술이 아니다. 1950년대부터 컴퓨터 공학 분야에서 꾸준히 연구해 온 기술 분야지만 당시 기술적 한계와 시대적 상황에 맞물려 빛을 보지 못했을 뿐이다.
컴퓨터 공학의 아버지로 불리는 앨런 튜닝은 1950년 발표한 논문 '계산 기계와 지능'을 통해 AI 개념을 제시하고 기계의 지능을 판별하는 기준으로 '튜링 테스트'를 제안했다. 이후 1956년 미국 다트머스 대학교에서 'AI 컨퍼런스'를 개최해 AI의 연구 기틀을 마련하면서, 현재까지 수많은 AI 연구가 이뤄졌다.
약 70년간 이어진 AI 연구에서 세상을 놀라게 했던 AI 5가지를 소개한다.
1. 단순 알고리즘으로 몰입도를 높였다…심리 상담 프로그램 '일라이자(Eliza)'
'일라이자 효과'는 컴퓨터 프로그램이나 AI 등이 나타내는 인간적 행위에 몰입해 무의식적으로 컴퓨터와 AI에게 인격을 부여하는 현상을 말한다. 이 효과는 단순 심리 상담 채팅 프로그램 '일라이자'의 사례에서 파생한 용어다.
일라이자(Eliza)는 1966년 조지프 와이젠바움 매사추세츠공과대학교(MIT) 교수가 개발한 심리 상담 컴퓨터 프로그램으로 내담자가 하는 말을 반복하면서 적절한 호응과 공감하는 대답을 내놓을 수 있도록 단순한 알고리즘을 적용한 자동 채팅 기술이다.
당시 와이젠바움 교수는 일라이자를 전문 심리상담가로 소개하고 젊은 여성과 심리 상담 채팅을 진행했다. 여성이 "내 남자친구가 이곳에 오게 했다"고 말하자 일라이자는 "당신의 남자친구가 이곳에 오게 했군요"라며 호응했다. 이어 여성이 "남자친구는 내가 우울해하고 있다고 말한다"고 하자 "우울하다는 말을 들었다니 안됐다"고 공감했다.
일라이자는 피실험자의 사전 정보없이 단순 호응만으로 그들을 상대했다. 피실험자는 자신이 기계와 대화 중이란 사실도 모른 채 대화에 몰입했다. 일라이자가 컴퓨터 프로그램임을 알고 있던 와이젠바움 교수의 제자와 비서도 일라이자와의 대화에 빠져들어 내면 속 이야기를 모두 털어놨다.
당시 정신 의료계는 일라이자를 정신병원에 도입해 정신질환자의 심리 치료를 돕게 하자며 호의적인 반응을 내비쳤다.
와이젠바움 교수는 초보적인 AI 기술로 구현한 일라이자가 인간을 속이는 것을 보며 큰 충격을 받았다. 이후 그는 AI와 컴퓨터 기술의 근본적인 특성을 연구했고 AI 기술의 비판자로 돌아섰다.
2. 세계 체스 챔피언을 꺾다...체스 프로그램 '딥 블루(Deep Blue)'
'딥 블루(Deep Blue)' 는 미국 하드웨어 기업 IBM이 개발한 체스 게임 컴퓨터 프로그램이다. IBM에 따르면, 딥 블루는 1985년 한 대학원생의 논문에서 출발했다. 당시 쉬펑슝 카네기멜론대학원생은 체스 플레이 기계를 연구하는 자신의 논문 프로젝트 '칩테스트'를 수행했다. 1989년 IBM 연구소에 고용돼 관련 연구를 계속했고, 딥 블루의 초기 모델을 만들었다.
이 모델을 활용해 1996년 당시 체스 세계 챔피언인 가리 카스파로프와 첫 대국을 가졌다. 이 경기에서 딥 블루는 첫 판을 승리했지만 이어진 5경기에서 2무 3패를 기록했다.
이후 IBM 연구진은 딥 블루의 체스 알고리즘을 개선하고 카스파로프의 기보를 딥 블루에 학습시키는 등 프로그램을 업그레이드했다. 1년 뒤 IBM은 카스파로프에게 재도전을 신청했고, 이를 받아들여 1997년 딥 블루와 카스파로프의 2차 대국이 성사됐다.
이 경기에서, 딥 블루는 인간과 비교해 7000만배 빠른 속도로 매초 2억개의 수를 분석했다. 1경기를 내줬지만 이어진 2경기를 승리해 동점을 만들었다. 이어진 3번의 경기에서는 승부를 내지 못했으나 마지막 6경기에서 딥 블루가 승리하며 2승 3무 1패를 기록했다.
경기 종료 직후 '인간이 컴퓨터에게 패배했다'는 매체 보도가 전 세계로 퍼졌으며, 이 경기는 많은 이들에게 AI의 존재감을 알린 계기가 됐다.
IBM은 IBM100을 통해 "딥 블루는 수많은 컴퓨팅 산업에 영향을 미쳤다"며 "연구자가 대량 병렬 처리의 한계를 탐구하고 이해할 수 있도록 했다"고 설명했다.
3. 미국 TV 퀴즈 쇼 '제퍼디'에서 우승…자연어 AI '왓슨(Watson)'
'왓슨(Watson)'은 IBM의 DeepQA 프로젝트로 개발한 자연어 처리 AI다.
2011년 왓슨은 미국 ABC 방송 인기 TV 퀴즈 쇼 '제퍼디'에 출전해 인간 퀴즈 챔피언을 꺾고 역대 최다 상금을 수상했다.
이 쇼에 왓슨을 비롯해 제퍼디 퀴즈쇼 74회 연속 우승자 켄 제닝스와 역대 최대 상금 수상자 브래드 루터도 참가했다. 총 3라운드로 진행한 퀴즈 대결에서 왓슨은 7만7140달러의 상금을 획득했다. 제닝스와 루터는 각각 2만4000달러와 2만1600달러를 얻는 데 그쳤다.
왓슨은 몇 가지 질문에서 불안정한 모습을 보였으나 막대한 지식을 바탕으로 인간 출연자를 앞섰으며 정답을 말하는 속도도 인간 출연자보다 빨랐다.
왓슨의 퀴즈 쇼 우승 후, 업계 전문가는 컴퓨터의 수준이 계산 도구를 넘어 인간 언어를 이해하며 알맞은 답을 찾는 단계까지 도달했다고 평가했다.
댄 올드 가브리엘컨설팅 그룹 분석가는 "숨은 의도를 해독하거나 문맥을 판단하는 것이 어려운 부분이다"라고 설명하며 "이제 컴퓨터가 질문과 문맥을 이해한다"고 말했다.
지난 3월 IBM은 왓슨에 '고급감정분석' 기술을 적용해 영어 관용구와 구어 표현까지 해석할 수 있는 수준으로 발전시켰다.
4. 튜링 테스트를 통과한 세계 최초 AI…'유진 구스트만'
'유진 구스트만'은 러시아와 우크라이나 연구진이 공동 개발한 AI 챗봇이다. 13세 우크라이나 소년으로 묘사했다.
2014년 유진 구스트만은 인간처럼 생각하는 AI 판별 기준인 '튜링 테스트'를 통과한 세계 최초 AI다. 레딩대학교 발표에 따르면, 레딩대 시스템공학부와 유럽연합(EU) 재정 지원을 받는 로봇 기술 법제도 연구기관 로보토가 개최한 '튜링 테스트 2014'에서 유진 구스트만이 튜링 테스트 기준을 통과했다.
튜링테스트는 기계 사고 능력을 판별하는 테스트로 기계와 인간 간 대화 수준이 얼마나 비슷한지 측정한다. 실험 대상인 기계(A)와 대조 샘플인 사람(B)을 두고, 심사위원이 컴퓨터를 이용해 AㆍB와 각각 대화를 나눈다. 심사위원은 어느 쪽이 사람인지 모른다. 대화를 나눈 후, 심사위원의 30% 이상이 사람을 구별하지 못할 경우 AㆍB 모두 사람 수준의 사고를 가진 것으로 판정한다.
유진 구스트만은 이번 테스트에서 5분간 텍스트 대화를 나눈 끝에 심사위원 중 33% 이상에게 '진짜 인간'이라는 확신을 줬다.
케빈 워웍 레딩대 교수는 "튜링 테스트를 통과한 유진이 컴퓨터 역사에 한 획을 그었다"고 설명했다.
하지만 유진 구스트만의 튜링 테스트 통과를 향한 회의적 시각도 존재한다.
'특이점이 온다'의 저자인 미래학자 레이 커즈와일은 자신의 블로그를 통해 유진의 튜링 테스트 통과를 비판했다. 그는 "영어 모국어가 아닌 13세 소년이란 캐릭터 자체가 효과적인 제약이다"라며 "5분이란 짧은 시간은 어수룩한 심사위원이라면 충분히 속아 넘어갈 수 있다"고 말했다.
레이 커즈와일이 공개한 유진과의 대화 내용을 보면, 유진의 대답은 일부 어색하거나 같은 말을 반복한다.
게리 마르쿠스 뉴욕대학교 인지 과학자는 21세기에 맞도록 튜링 테스트를 업데이트해야 한다고 주장했다. 그는 "진짜 AI는 TV 프로그램이나 유튜브 동영상을 보고 관련 질문에 답할 수 있어야 한다"고 설명했다.
5. 우주 원자보다 많은 경우의 수를 가진 바둑을 점령하다…'알파고(AlphaGo)'
2016년 3월, 세계 바둑 챔피언 이세돌이 바둑 AI '알파고(AlphaGo)'와의 대결에서 무릎을 꿇었다. 총 5회에 걸친 대국에서 이세돌은 제4국만을 승리, 1승 4패를 기록했다.
이세돌의 패배는 큰 충격이었다. 1997년 딥 블루가 세계 체스 챔피언을 꺾은 바 있지만, 바둑은 경우의 수가 우주 원자의 수보다 많기 때문에 상당히 빠르고 정확한 연산 능력이 필요하다. 이에 대다수 AI 전문가는 이세돌의 승리를 점쳤다. 하지만 예상과 달리, 알파고가 승리를 따내자 많은 매체는 '인간을 절망시킨 AI'라며 보도했다.
알파고는 알파벳의 자회사 딥마인드가 개발한 바둑 게임 프로그램이다. 2016년 딥마인드 창립자 데미스 허사비스 등 공동 저자가 발표한 논문 '심층신경망과 트리 검색으로 바둑 게임 마스터하기'에 따르면, 알파고는 '심층신경망(DNN)'과 '몬테카를로 트리 검색'을 결합한 새로운 검색 알고리즘을 활용한다.
알파고에 적용한 DNN은 '정책망(Policy Network)'와 '가치망(Value Network)'으로 이뤄져 있다. 정책망은 이어질 수를 예측해 검색 범위를 좁혀 승리로 이어질 가능성이 가장 높은 수를 찾는다. 가치망은 검색 트리의 깊이를 감소시키는 데 활용한다.
이에 알파고는 심층신경망으로 시뮬레이션 게임을 하며 다양한 수를 찾는다. 각 시뮬레이션 게임에서, 정책망은 지능적인 플레이를 제안하고 가치망은 도달한 위치를 평가한다. 이 과정을 거쳐 알파고는 가장 이상적인 수를 둔다.
논문은 이 같은 알고리즘을 바탕으로 한 알파고가 다른 바둑 프로그램과 대결해 99.8%의 승률을 달성했다고 설명했다.
알파고는 해를 거듭하며 업그레이드 됐다. 가장 초기 버전인 알파고 판(AlphaGo Fan)과 알파고 리(AlphaGo Lee), 알파고 마스터(AlphaGo Master)를 거쳐 알파고 최종 버전인 알파고 제로(AlphaGo Zero)까지 왔다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com