진정한 AI는 기계가 생각할 수 있도록 하는 것... 인간의 직관을 흉내는 AI가 필요
대부분의 인공지능(AI)은 과거 데이터를 바탕으로 진행된 훈련의 결과물이다. 사람처럼 ‘본능적’으로 생각하는 AI를 개발하기 위해서는 또 다른 기술이 필요하다.
전문가들은 이를 '인공직관(Artificial Intuition)'이라고 말한다. 인간처럼 직관적으로 AI가 결정할 수 있다는 것이다.
기술 개발이 어려울 것만 같은 AI ‘인공직관’ 능력을 이미 일부 업체들이 구현했다고 네덜란드 IT 매체 더넥스트웹(TNW)은 3일(현지시간) 보도했다. 구글, 아마존, IBM 등이 인공직관 솔루션을 운용하는데 성공했다는 것이다.
최근에서야 AI라고 불리는 기술을 사용하고 있지만, 이 개념은 제법 오래 전에 만들어졌다. 이미 1950년도에 생긴 AI라는 단어는 몇 차례 진화 과정을 거쳤다.
1세대 AI는 ‘기술적인 분석’을 통해 “무슨 일이 일어났는가?”라는 질문에 대한 답을 준다. 2세대 AI는 "왜 그 일이 발생했는가?”에 대한 응답을 하며 ‘진단ᆞ분석’을 수행했다.
TNW는 최근의 AI는 3세대라고 말한다. 3세대 AI는 "이미 발생한 과거 데이터를 바탕으로 미래에 어떤 일이 일어날 수 있는가?"라는 질문에 대한 답을 제공하는 '예측 분석'이다.
예측 분석은 데이터 과학자에게 매우 유용하고 시간을 절약할 수 있지만, 여전히 전적으로 과거 데이터에 의존하고 있다. 따라서 AI가 처음 접하는 상황에 처하게 되면 무능력 해진다.
TNW는 진정한 AI는 낯선 상황을 마주하더라도 스스로 생각할 수 있어야 한다며 인간의 직관을 모방할 수 있는 AI가 필요하다고 강조했다.
이것이 바로 4세대 AI라는 것이다.
4세대 AI는 인간이 직관에 따라 구체적으로 어떻게 행동해야 하는지 지시 받지 않고도 의사결정을 하는 것처럼 컴퓨터 스스로 위협과 기회를 식별할 수 있는 '인공직관' 능력을 갖췄다.
TNW는 "인공직관은 5년 전만 해도 불가능했던 개념이었으나 최근 들어 가능해졌다"고 밝혔다. 그리고 다음과 같이 설명했다.
◇ 어떻게 작동할까?
정답은 데이터 자체에 있다. 현재 데이터 세트를 제시하면 인공직관의 복잡한 알고리즘은 데이터 사이 상관 관계나 이상 징후를 식별할 수 있다.
인공직관은 데이터를 처리하기 위해 정량적 모델을 만드는 대신 정성적 모델을 적용한다. 데이터 세트를 분석하고 관찰한 내용의 전체 구성을 나타내는 상황 별 언어를 개발한다.
이 언어는 잠재적 위협과 기회라는 ‘큰 그림’을 나타내기 위해 행렬, 기하학적 다차원 공간, 선형 방정식 같은 다양한 수학 모형을 사용한다. 만약 큰 그림을 거대한 퍼즐로 상상한다면 인공직관은 완성된 퍼즐을 ‘처음부터’ 볼 수 있다. 그러고 나서 고유벡터 상호 관계에 기초해 현재와 잠재적인 미래 사이에 연관성을 파악한다.
◇ 인공직관이 어떻게 사용될 수 있을까?
인공직관은 모든 산업에 적용될 수 있지만 금융산업에 적합하다. 글로벌 은행들은 사이버 금융 범죄를 적발하기 위해 인공직관 사용을 확대하고 있다.
인공직관은 수학 알고리즘을 사용해 가장 의심스러운 금융거래로 지목되는 변수를 신속하게 식별해 사이버금융 범죄 분석가에게 전달한다. 분석가는 수십 개의 데이터 중 유의미한 몇가지 요소의 상호 연관성을 발견하면 범죄유형을 빠르게 특정할 수 있다.
인공직관은 여러 거래 속 숨겨진 관계를 밝혀낸다. 은행이 모르는 '이상'을 감지하고 경고한다. 이를 통해 금융감독위원회 등 관련 기관에 정보를 전달할 수 있다.
인공직관은 인간의 본능을 대신하는 것이 아니다. 사람이 자신의 일을 더 효과적으로 할 수 있도록 도와주는 보조도구다.
앞서 설명한 은행의 예에서 인공직관은 스스로 최종 결정을 내리지 않는다. 분석가에게 범죄 행위라고 믿는 것을 전달한다.
아직 AI의 분석과 판단은 최종적으로 사람의 확인을 거쳐야 한다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com