인공지능이 나하고 무슨 관계지

- 가장 큰 위험은 어떤 위험도 감수하지 않는 것이다. 급변하는 세상에서 위험을 감수하지 않는 건 곧 실패로 이어진다. (마크 주커버그)
- 다른 분야처럼 의료 분야에서도 인공지능과 인간의 융복합이 중요함. 또한 인공지능이 의사를 온전히 대체할 수도 없다. 구글에서 의료 인공지능을 연구하는 릴리 펭 프로덕트 매니저 역시 의사와 인공지능의 조합은 의료분야 문제를 개선하는 좋은 해결책은 될 수 있지만 명확한 판단을 내리기 어려운 영역이 있기 대문에 이를 인공지능으로 완전히 대체하긴 어렵다고 말한다. 하지만 머신러닝을 통해 반복작업을 수행하거나 의사의 판단을 돕는 좋은 도구는 될 수 있다고 했는데, 이는 데이터는 많지만 전문지식이 적은 분야에서 머신러닝 활용도가 높기 때문. 인공지능은 사람에 비해 월등히 많은 데이터를 짧은 시간에 훑어보고 파악할 수 있고, 사람은 기계로만 판단할 수 없는 세밀한 부분을 살펴볼 수 있는 능력이 있다. 따라서 서로 협력을 통해 의료 서비스가 더욱 발달하게 된다면 앞으로 못 고칠 병이나 놓치고 지나칠 병은 획기적으로 줄어들 수 있을 것이다. 이것이야말로 인공지능과 사람의 긍정적 협업의 모습일 것이다.
- 아마존 고 매장 천장에 달린 100여대의 고해상도 CCTV와 센서를 통해 무인상점이 이루어짐. 센서가 부착된 카메라가 고객의 동선을 따라다니며 구매목록을 확인하는 것이다. 이런 인공지능 무인점포는 중국에도 있음. 알리바바 그룹이 선보인 타오카페가 그것이다. 알리바바 그룹이 보유한 빅데이터아 인공지능 기술이 활용된 무인편의점으로 ,아마존 고와 비슷한 형태다. 타오바오 앱과 알리페이 앱만 있으면 현금이나 카드가 없어도 이용할 수 있으며, 매장 이용법도 아마존과 거의 동일하다. 타오카페를 시작으로 중국의 많은 기업들이 무인매장을 선보이고 있는데, 베이징에 위치한 중국 제2의 전자상거래인 징둥의 X무인슈퍼는 안면인식 기술까지 더해진 매장이다.아마존 고와 동일하게 매장에 들어가기 전에 앱을 깔고 QR코드를 활용하는데, 이때 고객의 얼굴과 QR코드를 매칭하는 작업이 이루어진다. 여기에 안면인식이 적용되는 것이다. 다음에 방문할 땐 핸드폰이 없어도 안면인식으로 출입이 가능하다. 결제는 계산구역에서 카메라로 얼굴 사진을 찍으면 이루어진다. 이 점이 아마존 고와는 차별화된 방식이다. 첫 방문 이후부터는 안면인식기술로 출입과 결제가 모두 가능한 것이다.
- JR동일본은 18년 10월부터 2개월간 동경 아카바네역에서 무인매점을 시범운영했음. 이용방법은 아마존고와 비슷한데, 스마트폰앱이 아닌 일본에서 대중적으로 이용되는 스이카 같은 교통카드를 입구에서 찍고 들어갈 수 있다는 점이 다르다. 물건을 골라 담고 매장에서 나올 때 카드를 한번 더 찍으면 자동으로 계산이 끝나고 열린 문으로 나올 수 있다. 매장 천장에 설치된 20대의 카메라가 3명으로 제한된 매장 내 고객들을 정확히 구분하고 매대마다 달려 있는 6대의 카메라가 구매물건을 촬영함. 수차례 들었다 놨다를 반복하거나 엉뚱한 곳에 가져다 놓아도 구매를 위해 갖고 나온 제품을 정확하게 계산해준다. 19년 9월 국내에서도 신세계 I&C가 계산대 없는 무인점포를 선보였다. 운영방식은 아마존고와 유사함
- 에드몽 등 벨라미의 초상화는 파리의 예술공학단체 오비우스의 프로그래머들이 개발한 것으로 14-20세기 그림 1만 5천여 작품을 학습한 끝에 이 그림을 그려냈다. 이 학습에는 상호 경쟁 방식의 생성적 대립 신경망 기술이 사용되었다. 쉽게 말하자면, 어떤 단어를 제시하고 그것을 그림으로 그려보라고 했을 때 사라들의 경우 자신만의 상상력으로 서로 다른 그림을 그려내듯, 인공지능 또한 스스로 학습한 결과에 해당하는 이미지를 그려내는 것이다. 이 방식은 14년에 처음 등장했는데, 객체에 대한 개념을 이해한 인공지능은 사람의 개입없이 실제와 똑같이 그려내게 된다. 인공지능을 구현하는 머신러닝은 사람이 데이터를 제공하고, 이에 대한 학습결과도 사람이 확인한다. 그러나 GAN의 경우는 다르다. 대립 쌍을 이루는 두 개의 네트워크가 서로 상호 대립과정에서 훈련 목표를 자동으로 생성하고 학습시킨다. 즉 인공지능 스스로가 반복적으로 평가하고 수정하며 데이터 자체에서 정보와 지식을 얻는다고 할 수 있다.
- 렘브란트는 인공지능과 친숙한 화가인 것 같다. 렘브란트로 오해할 만한 오비우스는 그림과는 달리 아예 렘브란트의 화풍을 그대로 살려낸 더 넥스트 렘브란트도 등장했기 때문이다. 인공지능 화가인 더 넥스트 렘브란트는 마이크로소프트로와 렘브란트 미술관, 네덜란드의 과학자들이 개발한 안면인식기술을 활용하는데, 렘브란트의 작품분석을 통해 얻은 데이터를 토대로 그가 자주 사용한 구도, 색감, 유화의 질감까지 그대로 살려 3D 프린팅으로 그림을 그려낸다. 렘브란트가 활용했던 붓질, 비례와 음영기법뿐 아니라 물감을 아낌없이 사용하는 화가로 유명했던 그만의 특성까지 그대로 느낄 수 있다. 여기에 딥러닝 기능으로 스스로 데이터를 쌓고 학습하며 원하는 형태의 그림을 그린다. 이를 통해 이 인공지능 화가는 렘브란트가 그렸던 수많은 40대 남성의 평균치인 한 남자의 초상화를 그려낸다. 그리하여 이 그림은 16년 세상을 놀라게 한 그림이 되었다.
- 구글의 인공지능화가 플랫폼인 딥드림은 특정 이미지를 입력하면 그 이미지를 재해석하여 반 고흐 화풍으로 그려준다. 결과물이 마치 꿈을 꾸는 듯한 추상적인 이미지를 닮았다고 하여 그 이름도 딥드림이다. 대상에 제한이 없어 내 사진을 업로드해 딥드림이 재해석한 고흐풍의 작품을 얻을 수도 있다. 16년 3월 미국 샌프란시스코에서는 딥드림을 통해 그려진 29점의 그림을 소개하는 전시회도 열렸다. 이렇게 창조적인 작품활동이 가능했던 것은 딥드림이 수백만개의 이미지를 소화하고 학습하여 이를 시각적 패턴으로 새롭게 창조할 수 있었기 때문이다.
- 인공지능이 너무 글을 잘 쓰는 바람에 오히려 비공개를 결정한 사례도 있음. 인공지능을 우려하는 일론 머스크 드잉 세운 오픈AI가 개발한 글짓기 인공지능이 바로 그것이다. 글짓기 인공지능인 GPT-2는 기사, 학교과제 등 모든 분야의 글짓기가 가능하다. 무려 800만개의 인터넷 페이지 속 15억개 단어를 학습한 GPT-2는 사용자가 특정 문장을 넣으면 그와 자연스럽게 연결되는 문장을 논리정연하게 만들어낸다. 이는 책 한페이지 분량을 어색하지 않게만들어낼 정도이며 인간과 유사한 수준이라고 한다. GPT-2의 글끄시 실력은 오픈AI 홈페이지에서 확인할 수 있는데, 기존 소설 중 한 문장을 넣으면 원작소설에는 없는 새로운 문장을 만들어낸다. 물론 그 문장은 전체적으로 작품 분위기와 유사한 것들로 이루어진다. 이처럼 능력이 너무 출중해 이를 악용할 여지가 있다 하여 원천 기술을 비공개하기로 결정한 것이다 모든 연구결과와 기술을 무료로 공유해온 오픈AI의 첫 비공개 사례다
- 인간에게 쉬운 것은 컴퓨터에게 어렵고, 반대로 인간에게 어려운 것은 컴퓨터에게 쉽다. (모라벡의 역설)
- AI가 보급된 사회에서 가장 희소성을 갖는 것은 타인과 공감할 수 있는 힘을 가진 인간이다. (사티아 나델라)
- 머신러닝의 경우 인간이 먼저 처리한다. 컴퓨터가 인식할 수 있도록 주어진 데이터를 알맞게 분류하는 것을 사람이 먼저 하고, 그 다음 컴퓨터가 데이터에 포함된 특징을 분석하여 그 내용을 축적한다. 이렇게 축적된 데이터를 바탕으로 이미지의 특징을 종합해 답을 내는 것이 머신러닝이다. 딥러닝은 이 머신러닝에서 사람이 하던 일도 모두 컴퓨터가 수행한다. 컨벌루션 신경망을 이용하여 스스로 분석한 후 답을 내는 것이다. 이렇게 서로 다른 특징을 보이는 머신러닝과 딥러닝은 사용하는 데에도 차이가 있다. 머신러닝의 경우는 자신의 연구를 포함시킬 여지가 남아 있고 처리시간이 짧은 반면, 딥러닝은 이용자의 많은 지식과 노력이 없어도 높은 정밀도를 얻을 수 있는 특징이 있다. 아울러 딥러닝과 머신러닝은 전문가에 따라 다르게 개념화하기도 한다. 토마 디트리히는 유럽에서 머신러닝은 엔지니어링에 감성을 결합한 기술의 형태에 뿌리를 두고, 미국에서는 인공지능이 대중의 인기를 바탕으로 한 과학소설의 느낌을 반영하고 있다고 이야기한다. 미국 국립과학재단의 정보 및 지능형 시스템 부문 책임자인 린 파커는 머신러닝은 데이터의 추세나 범주를 인식해 적절한 예측을 가능하게 하고, 딥러닝은 깊은 신경망, 즉 여러 계층에 배열된 대규모 신경시스템을 이용하여 학습하는 것을 의미한다고 말한다. 딥러닝은 인공지능에 있어서 현재 가능 진화된 알고리즘이다. 딥러닝을 통해 인공지능이 사람처럼 판단할 수 있으니 얼마나 대단한가. 또한 앞으로 얼마나 엄청난 결과를 가져올 것인지 쉽게 예측하기도 어렵다. 하지만 그럼에도 불구하고 문제는 존재한다. 인공지능도 간혹 어처구니없는 실수나 오류를 범할 때가 있다. 그런데 그 오류의 원인을 즉각적으로 알지 못하거나, 인공지능이 딥러닝을 통해 어떻게 이런 결정을 했는지 개발자조차 파악하지 못하는 경우가 있을 수 있다. 이것을 바로 인공지능 블랙박스라 부름. 이 때문에 설명가능한 인공지능(XAI, expalinable AI) 연구가 이어지고 있다. XAI는 인공지능 시스템의 동작과 최종결과를 해석하여 결과물이 생성되는 과정을 설명해주는 기술이다. 인공지능이 제대로 판단하고 있는지 차트와 분석을 통해 사용자에게 자세한 설명을 제공하는 것이다. 이를 통해 인공지능 블랙박스의 한게를 극복할 수 있다.
- 사업에 쓰이는 기술 모두에 적용되는 첫번째 규칙은, 효율저인 작업을 위해 적용된 자동화 방식은 효율을 극대화시킨다는 점이다 두번째는, 비효율적인 작업을 위해 적용된 자동화방식은 비효율화를 극대화시킨다는 것이다. (빌 게이츠)
- 기존 사업을 과거와 같은 방식으로 지속하는 것은 앉아서 재난을 기다리는 것과 같다. (피터 드러커)