"AI 혁명은 아직 일어나지 않았다."
영향력 있는 머신러닝 연구원 마이클 I. 조던 교수의 말이다. 조던은 인공지능(AI) 이라는 단어 자체에 불만을 느낀다. 그는 이 용어가 현재 훨씬 더 넓은 의미를 지니게 됐으며 따라서 과학이나 통계와 같은 다른 용어를 가리게 됐다고 말한다. 그는 현재의 AI 발전이 탈선된 상태라고 말했다.
AI는 마치 마법 주문과 같은 말이 됐다. 기술학계에서 일반인들에게 전달되면서 의미가 바뀐 몇 가지 다른 단어들과 마찬가지로 AI 또한 용어의 의미가 조금 변질됐다. 게다가 종종 과학자들조차 용어를 명확하게 구분해서 사용하지 않는 경향을 보인다. 현재 우리는 실리콘으로 만들어진 지능적인 물체가 우리의 라이벌이 되지는 않을까 두려운 생각을 가지고 있다.
많은 사람들은 이것이 AI의 어두운 면이라고 주장하지만 사실 이것은 과거에 화학, 토목 공학 등 새로운 기술이 생겨났을 때와 별반 다를 바 없다. 새로운 기술의 주요 목표는 사람들에게 새로운 아이디어와 능력을 제공하고 사람들이 하는 일을 더욱 안전하게 만드는 것이다. 그러나 물리적인 대상이 존재하는 화학이나 토목 공학과 달리 AI나 머신러닝 등의 새로운 엔지니어링은 데이터, 불확실성, 알고리즘 등의 아이디어를 토대로 구축된다. 이런 데이터는 대부분 인간에 관한 것이기 때문에 AI 개발에는 인문학 및 사회과학의 관점이 필요하다.
조던에 따르면 많은 사람들이 인간을 모방하는, 혹은 인간과 똑같은 수준으로 행동하는 AI가 빠른 시일 내에 등장할 것이라고 두려워하며 그것에 대비할 사회 체제를 준비해야 한다고 믿는다고 설명했다. 하지만 현실적으로 과학계는 인간을 모방하는 AI 보다는 II(지능형 인프라)와 IA(정보 보강)에 더 주력하고 있다.
과대 광고를 넘어서
AI에 있어 사실과 허구의 차이점을 따지기란 매우 어렵다. 즉 어디까지가 마케팅을 위한 과대 광고인지, 어디까지가 실제 기술인지 파악하기 힘들다.
AI와 머신러닝은 장기적으로 비즈니스에 기하 급수적인 영향을 미칠 수 있는 잠재력을 가지고 있다. 그렇다고 단기적인 이점이 없는 것은 아니다. 예를 들어 많은 양의 콘텐츠를 생성해야 하는 조직은 분명히 이익을 얻을 수 있다. 텍스트 요약, 작성 및 이미지 자동 태깅 등 자주 수행하는 작업을 자동화화하고 효율성을 향상시킬 수 있기 때문이다.
몇 년 전까지 만해도 폭스뉴스, 야후 등의 미디어 업체가 AI로 구동되는 소프트웨어를 사용한다고 언급하면 큰 화제가 됐다. 이제는 수많은 회사들이 AI 소프트웨어를 사용한다. AI 소프트웨어는 인간의 개입 없이 작동하기 때문에 실제 직원들이 작업하는 시간을 단축한다. 직원들은 단순 반복 업무를 AI 소프트웨어에 맡기고 더 창의적이고 중요한 업무를 수행할 수 있다.
AI가 강력한 기능을 발휘할 수 있는 또 다른 분야는 예측 모델링, 세분화 및 최적화를 비롯한 분석 활동의 자동화다. 소수의 데이터 과학자들이 원격으로 데이터를 모으고 분석해 고객에게 적용할 수 있다. 이 사람들은 AI가 어떻게 작동하는지 반드시 알 필요가 없으며 AI를 사용해 비즈니스 과제를 해결하고 목표를 달성하는 방법만 숙지하면 된다.
AI를 효과적으로 적용할 수 있는 곳
이런 기술의 주된 단점은 바로 문제를 해결하기 위해 기술에 의존하기 쉽다는 점이다. 그러므로 주객전도가 발생하기 전에 비즈니스에 더 중점을 두고 특정 문제를 효과적으로 해결할 수 있는 이상적인 기술 후보군 목록을 만들어 취사선택하는 편이 좋다. 오늘날 자주 사용되는 기술은 다음과 같다.
1. 컴퓨터 비전 : 이 광대한 분야는 객체, 이미지 및 안면 인식을 포함한다. 값싼 API를 사용해 텍스트를 요약하거나 사진을 분석해 감정 인식, 얼굴 인식, 성별 인식, 나이 인식 등을 할 수 있다.
2. 자연어 처리(Natural Language Processing, NLP) : NLP는 인간 언어를 이해하고 해석하고 조작하기 위해 개발된 AI의 한 갈래다.
3. 머신러닝 플랫폼 : 머신러닝 및 AI 기반 서비스를 통해 방대한 데이터 저장소를 구축한 회사는 데이터를 마이닝할 수 있다.
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com