"머신러닝 없이는 수많은 데이터도 무용지물"

'2018 인공지능 국제 컨퍼런스' 테리 세즈노스키 UCSD 교수 발표

“데이터를 가공해 정보로 만들어내는 정제소 역할을 하는 것이 머신러닝이다. 아무리 많은 데이터를 만들어내도 머신러닝이 발전하지 않으면 아무 소용이 없다.”

신경과학 분야의 세계적 권위자인 테리 세즈노스키 UCSD 교수는 29일 서울 드래곤시티호텔에서 열린 ‘2018 인공지능(AI) 국제 컨퍼런스’에서 이같이 말했다.

과학기술정보통신부와 4차 산업혁명위원회가 주최하는 ‘2018 인공지능 국제 컨퍼런스’에서는 미국, 캐나다, 중국 등 AI 분야를 선도하는 7개 국가에서 AI 전문가들이 모여 ‘AI:Next Steps’를 주제로 최신 AI 기술과 산업, 주요국의 정책 방향을 깊이 있게 논의했다.

이날 기조연설은 테리 세즈노스키 USCD 명예교수와 윌리엄 달리 엔비디아 최고기술책임자(CTO) 겸 부사장이 맡았다.

과학기술정보통신부와 4차 산업혁명위원회가 주최하는 ‘2018 인공지능 국제 컨퍼런스’가 29일 서울 드래곤시티호텔에서 열렸다.

테리 세즈노스키 교수는 뇌과학 분야의 최고 권위를 자랑하는 미국 솔크연구소의 교수도 겸하고 있다. 그는 이곳에서 뇌 메커니즘과 행동을 연결하는 원리에 대해 연구 중이다. 인공지능 분야의 최대 학회인 신경정보처리시스템학회(NIPS)의 회장을 맡고 있기도 하다. 최근에는 ‘The Deep Learning Revolution’이라는 책을 펴냈다.

그는 이날 ‘AI로 재편되는 새로운 미래’를 주제로 연설했다. "데이터는 새로운 석유"라며 "하지만 데이터라는 석유를 정제할 수 있는 머신러닝 없이는 테라급 데이터가 있어도 무용지물"이라고 머신러닝의 중요성을 강조했다.

그는 AI의 기원은 1956년부터 시작한다고 말문을 열었다. 하지만 “60년이나 지난 이제서야 뭔가 할 수 있는 시점이 왔다”며 “당시에는 AI 기술이 얼마나 어려운 것인지 자각하지 못했다”고 회고했다.

비전 시스템(Vision system)을 예로 들며 “사람은 사물을 눈으로 인식할 수 있기 때문에 컴퓨터에도 사물을 인식시키는 것이 쉬울 것이라 생각했다. 하지만 상당한 계산 능력(Computation Power)이 필요한 일이었다”고 설명했다.

따라 그는 “뇌 안에서 일어나는 알고리즘을 이해하는 게 가장 중요하다”고 강조했다. “뇌가 컴퓨터보다 강력할 수 있는 건 천 억개 이상 있는 뉴런들의 연결이 강력하기 때문”이라고 덧붙였다.

뇌의 알고리즘을 모사한 딥러닝의 시초는 퍼셉트론(Perceptron)이다. 그는 “인풋 값이 임계치보다 높으면 1, 낮으면 0이 출력되는 이 모델에서 중요한 것은 최대한 많은 예시를 제공하는 것”이라고 설명했다. 많은 예시를 입력해놓음으로써 사물에 대한 인식 가능성을 높이는 것이다.

하지만 “이 과정에서 비선형적 문제가 많이 생기면서 일반화가 어려워져 AI연구 진척이 잘 안 됐다”고 그는 설명했다. 그는 퍼셉트론이 가진 한계를 극복하기 위해 일반화할 수 있는 방법론인 ‘볼츠만 기계’를 젊은 시절 개발하기도 했다고 덧붙였다.

그는 “지금의 딥러닝은 이전보다 훨씬 발전했으며, 지금도 계속 발전하고 있다”고 말했다. “결국 딥러닝과 관련해 중요한 것은 뇌”라며 “어려운 문제를 해결하려면 좀 더 뇌의 안쪽으로 들어가는 게 중요하다”고 강조했다.

이어 “미래는 결국 기초적인 (AI) 알고리즘에 대한 개발, 시스템 등이 어떻게 상호작용하는지에 따라 달라질 것”이라며 “2013년에 퀀텀점프가 있었던 것처럼 다음 세대가 또 이런 큰 발전을 해줘야 한다”며 미래세대에 대한 지원을 촉구했다.

발표 후 이어진 질의응답 시간엔 “AI를 새로운 종으로도 볼 수 있냐”는 질문이 나왔다. 이에 테리 세즈노스키 교수는 “네트워크라고 하는 건 계속해서 데이터를 넣어주고, 테스팅하고 지원해줘야 하는 반면, 인간은 자율적”이라며 “종의 탄생이라고는 못하겠지만 지적인 능력으로 서로 교류할 수는 있을 것”이라고 답했다.