“머신러닝 전문가가 부족하다.”
국내는 물론 구글이나 아마존, 애플 같은 글로벌 기업들도 인공지능 분야 전문가들의 인력난에 시달리고 있다.

MIT테크놀로지리뷰는 구글이 인공지능 분야 인력난 해결을 위해 머신러닝 개발 업무중 일부를 자동화하는 프로젝트를 추진하고 있다고 소개했다. 최근 구글의 연례 개발자 컨퍼런스에서 인공지능 연구그룹인 구글 브레인(Google Brain)이 내놓은 오토ML(AutoML)이 바로 그것.

이번 발표에서 연구진은 특정 업무를 수행하는 머신러닝 프로그램중 가장 어려운 부분을 자동화시킬 수 있음을 보여줬다. 어떤 부분은 최고 머신러닝 전문가에 필적하는 성과를 냈고 일부는 그 이상의 결과를 보여줬다.

선다 피차이는 MIT테크놀로지리뷰와의 인터뷰에서 “(이 프로젝트를 통해) 오늘날 인류가 마주한 가장 어려운 문제의 해결을 돕고 산업 발전을 가속화할 수 있다”며 이 프로젝트가 부족한 인공지능 전문가 수요를 충족시키면서 머신러닝 개발자의 수를 늘리는 효과를 낼 것이라고 기대했다.

구글의 이 사업이 성과를 낸다면, 머신러닝 구축의 최적지이자 호스트로 구글의 클라우드 컴퓨팅 서비스를 자리매김하는 데 큰 역할을 할수도 있다. 구글은 아마존과 마이크로소프트에 뒤진 기업 클라우드 컴퓨팅 시장에서 고객을 늘리기 위해 노력하고 있다.

오토ML은 딥러닝 기술을 쉽게 사용할 수 있게 해준다. 딥러닝을 적용하려면 적절한 아키텍처를 선택해야 하는데 이를 찾는 게 쉽지 않다.

구글브레인은 언어와 이미지 인식을 학습하기 위해 최적의 아키텍처를 머신러닝을 통해 찾는 연구를 했다. 이미지 부문의 결과물은 인간 전문가가 디자인한 최고의 아키텍처에 필적했다. 또 언어 부문의 경우 인간 전문가를 능가했다.

이 프로젝트는 그동안 사람들이 인공지능 활용에 적합하지 않다고 여겼던 분야로 적용이 확대됐다는 데 큰 의미가 있다.

학습 능력을 높이는 법을 배우는 소프트웨어의 개념은 이전에도 있었다. 하지만 딥러닝은 새로운 진전을 만들어 내고 있다. 구글의 딥마인드, 학계, 그리고 엘론 머스크가 지원하는 오픈AI도 비슷한 연구를 추진하고 있다.

이같은 기술의 개발로 사람들이 일자리를 잃게 되지 않겠냐는 질문에 구글 측은 “현재 이 기술을 적용하는 것은 매우 비용이 많이 들기 때문에 폭넓게 사용하는 것은 한계가 있다”고 답변했다. 이 실험을 하려면 800개의 강력한 그래픽 프로세서를 몇 주 동안 사용해야 하는데 이같은 비용을 감당할 수 있는 기업은 소수라는 것.

그럼에도 불구하고 구글은 오토ML 프로젝트에 적극적이다. 이 같은 작업이 더 정확한 음성인식과 비디오 판독을 지원하고 나아가 명확한 지시 없이도 배우는 문제를 해결할 수 있을 것이라고 기대하기 때문이다. 

[기사 제휴= MIT테크놀로지리뷰, 번역 및 정리= 장윤옥 기자(ceres@techm.kr)]

<본 기사는 테크M 제50호(2017년 6월) 기사입니다>