인공지능과 인간의 대결, 그리고 딥러닝의 적용 사례

KAIST

 저는 KAIST 대학원에서 의료영상을 전공하고 있는 대학원생이자 초보 개발자입니다. 전공이나 분야마다 연구하는 주제는 천차만별이지만, 당장 저희 학교에서도 수학이나 전산 분야뿐만 아니라 모든 학과와 연구실에서 인공지능과 딥러닝을 활용한 연구를 진행하고 있습니다. 제가 전공하고 있는 영상분야에서도 기존의 수십 년 동안 개발되어 왔던 방법들보다 최근 수년 내에 개발된 딥러닝을 이용한 방법들이 우수한 결과를 내고 있습니다. 이공계의 모든 분야에서 딥러닝 기술이 접목되어 우수한 연구 결과들이 쏟아지고 있습니다. 말하자면, 현재 인공지능과 딥러닝은 모든 이공계 분야에 접목되어 엄청난 기술의 발전을 이끌며 4차 산업혁명의 시대를 열고 있습니다.

 

인공지능, 머신러닝, 딥러닝

 어떨 때는 인공지능, 어떨 때는 머신러닝, 딥러닝이라는 용어들이 나옵니다. 이 분야에 대해 잘 모르는 분들을 위해 간략하게 각각이 무엇인지 설명드리겠습니다. 

인공지능, 머신러닝, 딥 러닝 관계

 인공지능(artificial intelligence)은 시스템에 의해 만들어진 지능으로 인간의 학습능력과 추론능력, 지각 능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술입니다. 이를 이용해 컴퓨터가 인간의 지능으로 할 수 있는 사고, 학습, 자기 개발 등이 가능하게 하는 방법을 연구하는 분야입니다.

 머신러닝(machine learning)이란, 컴퓨터가 데이터를 분석하고 스스로 학습하는 과정을 거쳐서 데이터의 패턴을 파악하여 데이터를 학습하고, 이후 입력하지 않은 비슷한 정보에 대해서도 판단하고 결정할 수 있게 하는 기술로 인공지능의 하위 분야입니다.

 딥 러닝(deep learning)은 머신러닝의 한 분야로 조금 더 나아가는데요, 한마디로 스스로 학습하는 컴퓨터입니다. 컴퓨터가 사람처럼 생각하고 배울 수 있도록 하는 기술로, 수많은 데이터를 분류해 같은 집합으로 묶고 데이터 간의 관계를 스스로 파악합니다. 머신러닝은 컴퓨터를 인간이 다양한 정보를 통해 학습시키고 그 결과에 따라 컴퓨터가 새로운 것을 예측하는 분야라면, 딥러닝은 학습조차도 인간이 직접 가르치지 않아도 스스로 한다는 개념으로 이해하면 됩니다.

 

 

인공지능 VS 인간, 대결의 역사

 인공지능과 머신러닝, 그리고 딥러닝은 최근들어 모든 분야에 사용되는 굉장히 핫한 주제입니다. 사실 이 분야는 수십 년 전부터 연구되어 왔지만, 그렇게 주목받는 분야는 아니었습니다. 하지만, 2016년 세계 최고의 바둑기사 이세돌 9단과 구글의 딥마인드(DeepMind Technologies Limited)가 개발한 인공지능 바둑 프로그램 알파고(AlphaGo)의 대국으로 세간의 주목을 받게 됩니다. 인공지능은 수십년 전부터 인간에게 도전해왔습니다.

인공지능의 첫 도전, 체스

 첫 도전은 1990년 인공지능 프로그램 치누크였습니다. 미국 체스협회가 주최하는 체스대회의 선수로 참가했는데 당시 체스 세계챔피언인 마리온 틴슬리는 인간의 대회에 인공지능이 참여하는 것에 대해 보이콧하였으나 우여곡절 끝에 대결하게 되고, 체스 챔피언 틴슬리는 인공지능 치누크를 4:2로 이기게 됩니다. 그 후 7년 만인 1997년 5월 6일 미국 컴퓨터 전문업체 IBM 사의 슈퍼컴퓨터 딤블루가 체스 챔피언 가리 카스파로프를 이기게 됩니다. 22년 전에 이미 슈퍼컴퓨터는 30개의 120MHz CPU를 이용하여 초당 2억 번의 체스 말의 위치를 확인할 수 있었고 이를 통해 최소 20수 이상을 미리 계산하는 능력을 갖추었습니다. 또한 최근 체스 선수들의 대국 900국을 모두 기억하고 있는 상태였지만, 세계 챔피언인 카스파로프는 초당 2번의 경우의 수밖에 계산하지 못했습니다. 현재는 컴퓨터가 훨씬 발달해 세계 체스 챔피언과 인공지능이 대결한다면 인공지능이 백전백승할 수밖에 없습니다.

IBM 사의 퀴즈 로봇 왓슨의 우승

 인공지능이 체스를 정복한 후 인공지능의 다음 도전종목은 2011년에 있었던 퀴즈 대결이었습니다. 체스는 경우의 수로 계산이 가능하지만, 퀴즈는 수많은 정보에 바다에서 정확한 답을 도출해내야 하기 때문에 인공지능으로 쉽게 인간을 이기지 못하고 있었습니다. IBM 사에서 DeepQA 프로젝트로 만든 퀴즈 푸는 인공지능 왓슨은 미국의 인기 퀴즈쇼에 출연하여 총 66개의 문제를 맞히면서 나머지 2명의 퀴즈 챔피언들을 꺾고 우승하였습니다. 사회자가 질문을 읽는 동안 인터넷에서 빅데이터를 빠르게 분석해 답을 맞히는 방식이었으며 손쉽게 퀴즈 종목을 정복하게 됩니다.

 

 

2016년, 세계를 충격에 빠뜨린 인공지능의 바둑 정복

 그리고 체스와 퀴즈 이후 경우의 수를 가진 종목 중 유일하게 인공지능이 정복하지 못했던 종목이 바로 바둑입니다. 체스판에는 64개의 칸 밖에 없지만 바둑에는 19x19로 총 361개의 판이 있기 때문에 서로 첫 수를 주고 받는 경우의 수만 약 13만 개에 달합니다. 361칸을 번갈아가며 모두 채우는 경우의 수는 10의 170 제곱의 경우의 수로 저 방대한 숫자를 읽는 방법도 없습니다. 이 모든 경우의 수를 계산하기 위해서는 컴퓨터의 연산능력을 이용해도 수십억 년이 걸립니다. 따라서 컴퓨터들도 모든 경우를 계산하기 어렵기 때문에 바둑은 정복하지 못하고 있었는데요.

구글 딥마인드 알파고 vs 이세돌 9

 바둑은 다른 게임과는 다르게 판을 이해하는 과정에서 철학과 직감이 많이 요구되는 특수한 게임입니다. 계산 속도는 컴퓨터보다 느리지만 인간은 이러한 철학과 인간의 느낌, 직감 등으로 계산만 하는 컴퓨터를 쉽게 이길 수 있었습니다. 하지만 구글 딥마인드의 알파고가 등장하면서 상황이 달라집니다. 엄청난 계산능력 뿐 아니라 스스로 학습하는 딥러닝 기술을 적용했습니다. 따라서 그 동안 인간의 무기였던 여러 가지 상황에서 흐름을 읽는 능력, 직감 등도 학습하기 시작하게 된 것입니다. 이후 본격적으로 컴퓨터의 계산 속도를 활용하게 됩니다. 이후 바둑 기보 3000만 건을 입력해 규칙을 가르친 후 하루 30,000번씩 대국을 진행하면서 한 달만에 100만 번 대국하면서 실력을 늘려가게 됩니다. 보통 바둑은 경기시간이 길어서 하루에 3번 대국하기도 힘듭니다. 따라서 인간이 매일 3번씩 대국해 일 년에 1000번 대국한다고 했을 때 1000년 동안 대국하는 양을 컴퓨터가 한 달만에 학습하기 시작했습니다. 한 달만에 중국 프로기사 판 후이 2단을 5:0으로 완승하고 이후 네 달 동안 400만 번의 대국을 더 학습하며 세계정상의 프로바둑기사 이세돌 9단과의 경기를 진행했습니다. 세기의 대결이라고 했던 이세돌과 알파고의 대결에서 결국 4:1로 알파고가 승리하면서 인공지능은 세상에 널리 알려지게 됩니다.

 알파고의 충격 이후 인공지능은 많은 사람들에 의해 더더욱 발전하여 현재 수많은 기술에 접목되어 세상을 바꾸고 있습니다. 앞으로 인공지능이 바꾸는 세상은 어떻게 될까요?

 

 

딥러닝의 적용 사례

 앞서 살펴보았던 알파고 이외에 어떤 분야에 딥러닝이 사용되고 있을까요? 굉장히 많지만 흥미로운 적용 사례 몇가지만 소개드리겠습니다.

1. 흑백 이미지 및 영에 색 입히기

흑백 이미지 및 영에 색 입히기

 옛날 사진들이나 흑백처리된 사진에 색을 입히거나 복원할 수 있습니다. 딥러닝 네트워크가 수많은 사진에서 일어나는 패턴들을 학습합니다. 예를 들어 위의 공룡 사진의 영상을 보면 우리 인간은 배경은 하늘과 산, 그리고 식물이고, 물체는 공룡이라는 것을 인지할 수 있습니다. 딥러닝 기술 역시 인간의 개입 없이 그것을 인지하고 다른 학습된 영상과 이미지들에서 하늘은 파란색, 나무와 식물은 푸른색 등등을 바탕으로 색을 입히게 됩니다.

 

2. 여러 객체의 실시간 행동 분석

여러 객체의 실시간 행동 분석

 딥러닝 네트워크를 통해 영상 속의 사람이나 자동차, 다른 동물이나 물체들, 그리고 그들의 상황을 인지하여 이동경로나 자세를 예상할 수 있습니다. 실제로 영상 관련 학회인 CVPR에서 발표된 DeepGlint라는 실시간 차량, 사람, 물체 상태 인지 솔루션입니다. 이런 기술들은 CCTV 분석 및 자율주행 자동차 등으로 활용되고 있습니다.

 

3. 자율주행자동차

테슬라의 자율주행자동차

 

 

4. 로보틱스

로보틱스에 적용된 딥러닝 기술

 

5. 음악 작곡, 예술 작품 만들기, 소설 쓰기

딥러닝의 예술 분야 진출

 여러 유명인의 음악을 학습시켜서 새로운 클래식 음악을 작곡해내거나 고대 미술품들을 학습하여 새로운 작품을 그려내고, 소설책 수만 권을 학습하여 소설을 쓰는 등 예술 분야에도 딥러닝이 진출하였습니다. 인간의 감성을 표현해낼 수 있는지 논란이 되기도 합니다.

 

6. 인구 통계 및 선거 결과 예측

인구 통계 및 선거 결과 예측

 이런 딥러닝 기술은 여러 통계 분야에 의거한 예측에 굉장히 능합니다. 실제로 도널드 트럼프와 힐러리 클린턴이 격돌한 2016년 미국 대선에서 수많은 인공지능이 분석한 결과 도널드 트럼프 대통령 당선을 예측해내기도 했습니다.

 

 

인공지능, 머신러닝, 딥러닝, 인공지능의 역사, 인간과 인공지능의 대결, 알파고, 이세돌, IBM, 인공지능 왓슨, 인공지능 딥블루, 딥러닝 적용사례, 자율주행 자동차, 도널드 트럼프, 미국 대통령, 미국 대선 결과 등에 대한 내용을 담고 있는 포스팅입니다.

도움이 되셨다면 로그인이 필요 없는 ♡ 클릭 부탁드립니다!