핀터레스트 개발자들은 음식, 제품, 집 등 수십억 장의 사진 가운데 사용자가 원하는 이미지를 더 잘 찾도록 인공지능 알고리즘을 꾸준히 개발하고 있다.

검색어와 연관 이미지를 일치시키는 것은 사용자를 모으는 데 필수적이다. 그러나 작년까지는 개별 알고리즘의 효율성을 테스트하는데 며칠이 걸렸다.

머신러닝의 정확도를 높이고 더 나은 검색 결과를 빨리 제공하기 위해 핀터레스트는 의외의 곳에서 도움을 얻었다.

바로 인간 지능이다. 크라우드플라워 같은 크라우드소싱 업체를 고용, 사진에 라벨을 붙이거나 검색 결과의 품질을 평가하는 일을 빠르게 처리했다.

한 시간 만에 직원들은 수백 개의 검색어 결과가 적합한지 테스트할 수 있었다.

최근들어 인공지능 기술이 급속히 발달했지만 타일의 모자이크와 이불의 비슷한 패턴을 구분하는 작업은 인간이 더 능숙하다.

핀터레스트의 데이터과학자 모하메드 샤항지언은 “기계가 이런 일을 할 때까지는 시간이 많이 걸릴 것”이라고 말했다.

핀터레스트의 경험은 종종 잊고 있는 사실을 일깨운다. 인공지능과 머신러닝이 사람에게 크게 의존한다는 점이다.

구글 검색엔진과 광고시스템은 인간 ‘평가자’ 수천 명을 통해 인공지능으로 생산되는 검색결과를 평가하고 부적절한 광고를 가려낸다.

페이스북의 얼굴인식 소프트웨어는 정확도를 높이기 위해 사람들이 자기 사진에 라벨을 달게 한다. 최근 음성인식, 번역, 영상분석에 혁신을 가져온 딥러닝은 엄선된 데이터를 기반으로 인간에게 훈련을 받아야 한다.

핀터레스트처럼 많은 기업이 크라우드플라워, 아마존의 미케니컬 터크 혹은 기타 크라우드소싱을 통해 인공지능이 특정 과제를 수행할 때 알아야 할 개념과 관계를 가르치기 위해 필요한 데이터를 가려낸다.

직원들은 트위터에 올라온 글의 어감을 분석하고 공격적인 사진이나 동영상을 삭제한다.

>>>

핀터레스트의 경험은 인공지능과
기계학습이 연산만큼이나
사람에게 의존한다는 종종 잊히는
사실을 일깨운다.

가끔 기업들은 사용자들이 자신도 모르는 사이에 과제를 수행하도록 한다. ATM(현금자동입출금기)에 수표를 입금할 때 기계가 제대로 인식을 못한다면 사용자가 총액을 입력하도록 해 시스템을 개선하는 것.

그러나 지금 사람이 더 정확하게 과제를 수행한다고 해도 결국 기계가 사람을 따라잡을 만큼 똑똑해질 것이다.

머신인텔리전스 기업 누멘타의 공동창업자인 신경과학 연구자 제프 호킨스는 ‘이런 창피한 현상은 일시적’이라고 말한다. 하지만 전문가들은 ‘일시적’이 수 년 혹은 수십 년간 지속될 수도 있다고 지적한다.

일부 인공지능 연구자들은 기계와 인간이 동등한 파트너로서 처음부터 협업하는 하이브리드 시스템이 가장 유익한 모델이라고 확신한다.

캐나다 솔트레이크시티의 비영리 단체인 인터마운틴 헬스케어는 혼자 사는 젊은 당뇨 환자가 보살핌이 필요할 때 도와주는 시범사업을 하고 있다.

미국 카그니티브스케일의 클라우드 시스템 덕분에 스마트폰 앱으로 실시간으로 맞춤형 조언을 할 수 있다. 환자의 행동과 식단 같은 데이터를 통해 환자의 혈당수치에 가장 큰 영향을 미치는 것이 무엇인지 판단하고, 음식을 섭취하면 좋을 시간과 적절한 근처 식당의 평가까지 알려준다.

이 밖에도 인간 지능과 인공지능을 맞춤형으로 결합하는 사례가 있다. 애플의 시리와 달리 페이스북의 가상비서 M은 결정을 내릴 때 사람의 도움을 받는다.

인공지능이 특정 지역에서 식당 세 군데를 고르면 인간 ‘조교’가 개입해 사용자가 특정 메뉴나 창가자리를 원하는지 물어보고 온라인으로 자리를 예약한다. 사람의 행동은 시스템에 입력돼 다음에 인공지능이 혼자서도 작업을 할 수 있게 돕는다.

수많은 인공지능 연구자들의 궁극적인 꿈은 사람처럼 생각하는 기계를 만드는 것이다.

그러나 지금은 인간의 판단력과 창의성이 여전히 필수다. “멋진 자동차가 있어도 목적지는 직접 정해야 한다”는 존 지아난드레아 구글 엔지니어링부문 부사장의 말처럼 말이다.

<본 기사는 테크M 제37호(2016년5월) 기사입니다>