인공 지능이란 무엇일까요?

음성 비서에서 동영상 스트리밍 포털에 이르기까지, 집에서나 산업 현장에서나 인공 지능(AI)이 점점 더 많이 사용되고 있습니다. 그렇다면 인공 지능이란 무엇이고, 미래에 사람들을 위해서 어떤 역할을 할까요?

인공 지능은 무엇이고, 어디에 활용할 수 있을까요?

이제는 인공 지능(AI)으로 해결 못할 문제가 없어 보입니다. AI 시스템은 훌륭한 체스와 바둑 선수이고, 음성 비서 형태로 사용자의 질문에 대답하며, 마케팅이나 판매를 위해서 효과적인 타깃 캠페인을 개발합니다.

인공 지능: 정의

인공 지능은 정확히 무엇을 의미할까요? 인공 지능은 인간의 지능적인 행동을 어떻게 기계 시스템에 적용할 수 있을지 연구하는 컴퓨터 과학의 한 분야입니다.

튜링 테스트: 인간과 인공 지능의 비교

튜링 테스트는 기계가 사람처럼 지능적으로 동작할 수 있는지 판단하는 테스트입니다. 이 테스트는 현대 컴퓨터 과학의 아버지로 불리는 앨런 튜링(Alan Turing)이 1950년에 고안하였습니다. 이 테스트는 사람 평가자가 청각 및 시각적 접촉 없이 기계와 사람을 인터뷰 합니다. 인터뷰 대상인 기계와 사람은 모두 자기가 사람이라고 주장합니다. 평가자가 기계와 사람을 구분하지 못하면 이 기계는 튜링 테스트를 통과한 것으로, 기계의 지능이 사람과 같은 것으로 간주됩니다.

실용화된 튜링 테스트: 캡차(CAPTCHA)

실용화된 튜링 테스트: 캡차(CAPTCHA)

오늘날 사용되는 튜링 테스트의 한 예는 스팸을 감지하고 퇴치하는 것입니다. 웹사이트에서 흔히 사용되고 있는 캡차 기법은 예를 들어서 웹 사용자에게 화면 상의 간단한 수학 방정식을 풀어서 박스에 답을 입력하도록 합니다. 사람은 이것을 별 어려움 없이 해낼 수 있지만, 인공 지능한테는 어려운 일입니다. 그러려면 다수의 인간 행동 패턴을 모방해야 하기 때문입니다. 자연스러운 시간 간격으로 마우스를 움직이고, 클릭을 하고, 키보드 입력을 해야 합니다. 이런 것들은 인공 지능의 한 형태인 봇(bot)이 흉내 내기는 어렵습니다.

결과적으로 봇의 웹사이트 접근이 거부되므로, 이메일 주소 같은 사용자 데이터 획득을 막을 수 있습니다.

머신러닝과 딥러닝

인공 지능(AI)의 역사에서 배울 수 있는 것은 이것만이 아닙니다. 인공 지능의 진화를 보면, 모든 것을 포괄하는 인공 지능 같은 것은 없습니다. 그보다는, 인공 지능은 서로 밀접하게 연관되고 연결된 다수의 기법과 기술들의 집합이라고 할 수 있습니다.

가장 잘 알려져 있는 두 기술이 머신러닝과 딥러닝이며, 딥러닝은 머신러닝의 하위 분야라고 할 수 있습니다.

  1. 머신러닝에서는 알고리즘이 “경험”, 즉 샘플 데이터를 기반으로 지식을 획득합니다. 시스템이 중요 특징을 찾아내고 통합하여 알려지지 않은 데이터에 적용할 규칙을 스스로 설정합니다. 머신러닝의 한가지 예로 동영상 포털의 추천 기능을 들 수 있습니다. 동영상 추천에 대한 사용자 반응을 분석하기 때문에 추천 기능이 나날이 향상되고 있습니다.
  1. 딥러닝은 대량의 데이터(빅데이터) 분석을 기반으로 합니다. 시스템이 다양한 출처의 디지털 정보를 분류하고 가려냅니다. 학습 프로세스가 모든 데이터를 동시에 사용하지는 않지만 계속해서 새로운 정보 모음을 사용합니다. 목표는 학습한 내용을 분류하고 파악하는 것입니다.

인공 지능의 활용

인공 지능은 다양한 분야에 활용되고 있습니다. 현금 없는 결제에서부터 다양한 유형의 보안과 산업 제조에 이르기까지 다양한 활용 사례가 가능합니다.

인공 지능을 활용한 얼굴 인식

인공 지능(AI) 활용의 한 사례가 얼굴 인식입니다. 얼굴 인식 기능은 일상 생활에서 점점 더 많이 사용되고 있습니다. 카메라로 스마트폰 잠금 해제를 할 때 AI가 사용된다는 사실을 아는 사용자는 많지 않습니다. 이것이 사람한테는 쉬워 보일지 모르나, 기계한테는 쉽지 않은 일입니다. 얼굴 인식을 하기 위해서 사진의 점들을 비교하는 것이 아니라 다수의 사진들로부터 생성된 연산 모델을 사용합니다. 이 모델을 사용해서 조명이 다르거나 안경을 쓰고 있을 때 등 다양한 조건에서도 사용자를 인식할 수 있습니다.

보험 사기 방지

인공 지능 도입에 열성적인 또 다른 분야가 보험 업계입니다. Zurich Group은 보험 청구 업무 중 단순 반복적 업무를 AI를 사용해서 처리함으로써 인건비를 크게 절감했습니다. 숙련된 청구 업무 직원은 한 건을 처리하는 데 52분이 걸리는데, 스스로 학습하는 소프트웨어는 단 5초만에 처리할 수 있습니다.

보험 사기를 감지하는 데에도 인공 지능을 활용할 수 있습니다. 인공 지능을 활용해서 고객 청구 건의 타당성을 검사할 수 있습니다. 사기 패턴을 비교함으로써 직원들의 과중한 업무 부담을 덜 수 있습니다.

선도적인 보험 회사들은 이미 자동차 보험에 운전 습관 연계 보험을 도입하고 있습니다. 자동차에 설치된 센서가 수집한 상당한 양의 텔레매틱스 데이터를 토대로 보험료를 산정하는 것입니다. 마일리지와 운전자의 개인적 습관을 반영해서 맞춤화된 위험 프로파일을 생성할 수 있습니다.  AI없이 이러한 데이터를 분석한다는 것은 상상하기도 어려울 것입니다.

로봇의 인공 지능 활용

요양 시설 같은 곳에서 휴머노이드 로봇을 보기는 아직은 어렵습니다. 비용 상승이나 요양사 인력 부족 같은 문제 때문에 앞으로 환자나 노인 돌봄을 위해서 이러한 로봇의 사용이 점점 늘어날 것입니다.

인공 지능은 음성과 동작으로 환자와 상호작용할 수 있는 기반을 만듭니다. 가장 어려운 과제는, 사람의 얼굴 표정과 목소리 톤에서 사람의 감정을 안정적으로 파악하는 것입니다. 이렇게 할 수 있어야만 휴머노이드 로봇이 사람들에게 적절히 반응할 수 있습니다. 이에 관한 연구들이 진행되고 있습니다.

인공 지능을 활용한 물류 간소화

인간은 지난 수십 년 넘게 공장과 창고에서 로봇들과 함께 일해 왔습니다. 협동 로봇(코봇)은 단순 작업을 지치지 않고 계속해서 반복할 수 있습니다. 코봇은 공장의 생산 라인에서 사람들과 함께 작업할 수 있으며, 기존의 산업용 로봇들처럼 더 이상 보호 장치를 사용해서 사람 작업자들로부터 차단되어 있지 않습니다. 산업용 로봇과 비교해서 크기가 더 작고, 좀더 유연하게 사용할 수 있으며, 더 손쉽게 프로그래밍할 수 있습니다.

로봇은AI 기반의 이미지 감지 시스템을 사용해서 주문한 상품을 배송할 수 있습니다. 미국에서는 코봇이 과일이나 야채가 얼마나 신선한지 판단하고 사전에 정해진 품질 요건을 충족하는 상품만 출하하도록 하고 있습니다.

유통회사나 배송회사는 온라인으로 주문한 상품을 되도록 신속하게 배송하기 위해서 업무 효율을 계속해서 향상시켜야 합니다. 그러기 위해서 물류 창고에 자율 운반차가 널리 사용되고 있습니다. 인공 지능으로 이러한 차량들이 안전하게 이동할 뿐만 아니라 스스로 가장 빠르고 짧은 경로를 취할 수도 있습니다.

위험성과 과제

AI는 일상적인 일을 더 빨리 처리함으로써 우리의 생활을 편리하게 만들 수 있습니다. 하지만 인공 지능의 개발은 논란의 대상이 되기도 합니다.

얼굴 인식은 편리하고, 생체 인식을 사용한 결제 인증이 코드를 입력하는 것보다 더 보안적입니다. 이러한 거래가 한 곳으로 수집되면 데이터를 잘 보호하는 것이 중요합니다. 저장된 데이터가 다른 용도로 사용되거나 다른 정보와 결합되지 않는다는 것을 신뢰할 수 있어야 합니다.

결론과 전망: AI가 미래에 인간에게 미칠 영향

스마트 머신이 사람 대신 점점 더 많은 일들을 하게 되면 미래에 사람이 일자리를 잃지 않을까 하는 의문이 제기되고 있습니다. 한 가지 확실한 것은, AI로 인해서 직업의 형태가 바뀌게 되리라는 점입니다. 관리나 마케팅 같이 인공 지능과는 동떨어져 보이던 직업들도 마찬가지입니다. 미래에는 AI가 단순 반복적 업무를 떠맡을 것입니다. 사람이 일일이 숫자를 분석하고 핵심 포인트를 추출하던 작업을 AI가 대신하게 될 것입니다.

사라지는 직업들이 있는가 하면, 또 다른 한편에서는 새로운 기회와 새로운 직업들이 창출될 것입니다. AI로 어떤 문제나 임무를 처리하기 위해서는, 그 시작점에 먼저 사람이 AI가 그것을 처리할 수 있도록 공식화해야 합니다. 따라서 인공 지능이 사람의 창의성을 대체하지는 못할 것입니다. 가장 가능성이 높은 시나리오는 AI가 위험하거나 단순 반복적인 작업을 해결할 것입니다.

다른 주제 보기