'AI 일반화 어떻게 달성할 것인가'…AI 기술적 핵심 전략에 대해 논의
"타 영역에선 성능 보장할 수 없어"…딥러닝에 대한 다양한 문제 제기
견고한 AI, 설명 가능한 AI, 대학에서의 역할과 스타트업 성공 전략 등
지난 21일 열린 IITP 글로벌 인공지능 포럼 행사의 마지막 순서로 진행된 패널 토의에서 다양한 주제에 대한 종합적인 논의가 이뤄졌다.
연세대 조성배 교수의 사회로 이뤄진 본 토의는 '인공지능의 당면한 이슈와 해결방안, 차세대 AI 당위성과 기술전략'이라는 주제로 AI 도전과제와 이에 대한 해답을 도출하기 위해 마련됐다.
레슬리 P. 캘블링 MIT 교수를 포함, 클라우스 로베르트 뮐러 베를린 공과대 교수, 장형진 버밍엄대 교수, 수바라오 캄밤파티 애리조나주립대 교수, 이현규 정보통신기획평가원(IITP) PM/AI사업단장 등 5인이 참석한 가운데 진행됐다.
먼저, 캘블링 교수가 "AI 일반화를 어떻게 달성할 것인가"라는 화두를 던지며 본격적인 토론이 시작됐다.
그는 "현재 AI 시스템은 사람이 규정한 과학적 이론만큼 일반화가 돼있지 않아 한 개의 시스템으로 여러 가지 목적을 수행하는 것이 목표가 돼야 한다"고 규정했다.
"AI 일반화는 지식의 여러 조각들을 조합해 그것을 새로운 문제를 해결하는 데 사용하도록 하는 것이 핵심이라고 생각한다"고 전했다.
이에 장형진 교수는 "자신이 여러 학문에서의 경계선에서 연구했던 것이 정말 많은 보람을 느끼게 하는 부분"이라며, "AI의 기술적 진전이 바로 이와 같은 경계선에서 이뤄지지 않았나 생각하게 된다"고 덧붙였다.
또, 캘블링 교수는 "AI의 정확도 측면 뿐만 아니라 이와 같이 AI가 스스로 인지·인식 능력을 갖추는 데도 집중해야 한다"고 말했다. 뮐러 교수는 "AI가 의식을 갖고 있는 것은 결국 견고한 AI를 의미하는 것"이라고 언급했다.
◆ 현 시점에서 딥러닝이 가진 한계는?
캘블링 교수는 "딥러닝은 사실 어마어마한 기법들이 합쳐진 뭉치"라며, "아직 그 이면의 것들이 많이 남아 있어 앞으로 갈 길이 멀다"고 주장했다.
뮐러 교수는 "딥러닝을 통해 인간이 필요한 것을 실용화해야 한다"고 가르치면서 '이를 지식에 어떻게 반영할 것인가'에 대한 고민도 가지고 있다고 말했다.
그는 "그냥 단순히 AI를 통해 정확한 예측만 하는 것이 아니라 그 안에서 통찰력을 발견해 과학도 진보시켜야 한다"고 덧붙이며, 효율적으로 에너지를 소비할 수 있는 AI 모델에 대한 필요성도 제기했다.
캄바파티 교수는 "특히, 도덕적인 충고와 관련된 오류와 허점이 많이 발견됐다"며, "예를 들어, 아이를 때리는 건 나빠, 그런데 아이를 어떤 도구로 때리는 건 괜찮다 등의 결과가 나오기도 했다"고 덧붙였다.
다시 말해 "아주 협소한 영역에서는 딥러닝한 기계가 사람보다 잘할 수 있지만 그 영역을 벗어나면 어느 정도의 성능을 보일지 전혀 보장할 수 없고, 직접 개발해야 하는 단계"라고 지적했다.
이에 대해 "학습할 사례들이 많이 필요하다"면서 "그것을 기계가 스스로 경험할 수 있어야 한다"고 강조했다. 또, "기계에게 수천 가지 사례를 사람이 적어 입력해 답은 하나다라고 정의하는 것은 맞지 않다고 생각한다"고 말했다.
이현규 사업단장은 딥러닝을 통한 지속학습, 평생학습 개발시 발생되는 '기억문제'와 '장시간소요' 등 2가지 문제를 지적했다.
◆ 설명가능한 AI…"사람 중심, 사람이 이해할 수 있는 방식으로"
캄밤파티 교수는 "근본적으로 기계가 장악한 세계에서 살고 싶지는 않다. 하지만 기계가 표현을 배운다는 것은 좋은 것 같다"고 말했다. 그리고 이 모든 것은 "사람이 이해할 수 있는 방식으로 제공돼야 할 것"이라고 덧붙였다.
그는 "지금도 어느 정도 그 역할을 할 수 있지만 AI 초기단계부터 집중했던 목적대로 기계가 우리한테 조언을 할 수 있는 정도의 수준까지 가야 한다"고 조언했다. "사람간 소통처럼 정서적인 감정과 사회적인 지능이 필요하다"며, "AI가 상징을 통한 추론이 가능하더라도 이것을 통해 우리에게 조언할 수 있는 수준이 돼야 한다"고 덧붙였다.
장형진 교수는 "딥러닝은 항상 데이터를 필요로 하지만 우리는 AI가 데이터에 대해 말하는 단순한 업무를 시키는 것을 바라는 게 아니다"라고 지적했다.
그는 "설명가능한 AI는 사람 중심으로 사람과 컴퓨터 간의 상호작용이 가능하다는 것을 의미한다"며, "그렇기 때문에 AI 사용시 가장 큰 혜택을 누려야 하는 것 역시 사람이라고 생각한다"고 강조했다. "그렇기 때문에 AI개발에서 사람과의 상호작용은 굉장히 복잡하지만 더 중요하고, AI발전과 인간 지능 간의 격차를 줄이는 영역이 될 것"이라고 주장했다.
◆ AI연구에 대한 대학의 역할과 스타트업 성공 전략
캘블링 교수는 "대학은 아이디어들을 계속 진행할 수 있는 곳이라는 중요한 기능을 수행한다"고 말했다. 그는 "AI 연구는 앞으로 10년, 20년 뒤 더 큰 의미가 있을 것으로 생각한다"며, "어떤 문화를 단일화하지 않게 해주는 것이 중요한 것 같다"고 덧붙였다.
뮐러 교수는 "성공적인 스타트업은 '행운'과 '좋은 팀으로 꾸려있는지" 여부에 달려있다고 생각한다"며, "어떤 문화권에서는 실패하는 것은 나쁜 것이라고 간주하기도 하지만 사실 무언가를 시작할 때, 안정화되는 것과 시의적절성 문제 등으로 실패할 가능성은 굉장히 크다"며, "그래서 이를 게임의 일부라고 생각해 '행운'도 필요한 영역이라고 생각한다"고 주장했다.
이현규 단장은 "100년 전이든 10년전이든 AI는 인공지능이기 때문에 사람이 생각하는 지능적인 부분을 기계가 행동할 수 있게끔 만들기 위해 비슷한 생각을 했을 것"이라며, "그래서 옛날에 생각했던 그런 아이디어들도 지금 시점에서 시의적절하게 활용할 수 있게 다시 되돌아보는 것도 스타트업의 좋은 시작점이 될 수 있을 것"이라고 조언했다.
캄밤파티 교수는 "대학에서 AI 모델만 만들지 않는다"며, "오히려 이를 상품화하고 있는데, 관련 지식에 대한 활용은 연구실에서 시작된다고 생각한다"고 말했다.
또, "AI는 결국 장기적인 연구가 필요하기 때문에 이미 하고 있는 것만 재활용하게 되지 않으려면 접근성 마련과 기본적인 벤치마킹 수준을 뛰어넘기 위해 업계 내 AI 연구소뿐 아니라 대학 내 AI 연구소도 필요하다"고 설명했다.
AI타임스 이하나 기자 22hnxa@aitimes.com
[관련기사] AI가 인간 도움 없이 혼자 잘할 수 있게 될까? "갈 길 멀지만 가능해"...장병탁, 캘블링 교수 강연
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com