[전문가 대담]

라이언 애덤스 하버드대학교 컴퓨터공학과 교수, 나넷 번즈 비즈니스리포트 편집장

라이언 애덤스는 자신의 타이밍이 완벽했다는 걸 안다.

2011년부터 하버드대에서 컴퓨터공학을 가르치고 머신러닝 팟캐스트 ‘토킹 머신’을 공동 진행하는 애덤스는 지난해 여름 15개월 된 그의 머신러닝 스타트업 웨트랩이 트위터에 인수될 때 지능 알고리즘 연구팀을 이끌고 있었다.

웨트랩의 기술은 대형 머신러닝 시스템 구축에 가장 어려운 부분을 자동화한다. 이 기술은 시각적 물체인식과 음성처리 처럼 어려운 머신러닝 도전과제를 수행하기 위해 만들어졌다.

하버드대 연구진은 이 도구를 의료 로봇과 화학문제 해결 등 다양한 프로젝트에 사용하기 시작했고 넷플릭스는 초기 오픈소스 버전을 이용해 딥러닝을 실험했다.

지금 하버드대에서 휴직중인 애덤스는 트위터 사무실에서 나넷 번즈 비즈니스리포트 편집장과 머신러닝을 향한 폭발적인 관심에 대해 얘기를 나누었다.


Q. 인공지능은 학술연구 주제에서 상업적 도구로 진화했다. 무엇이 동력인가? 새로운 알고리즘, 빠른 컴퓨터, 수많은 데이터인가?

A. 다른 분야처럼 인공지능 역시 투자가 큰 변화를 일으킨 것 같다. 기술기업들이 이미 수십억 달러를 투자했고, 덕분에 더 빠른 발전이 가능했다.

Q. 트위터가 웨트랩을 인수했다. 머신러닝으로 어떻게 트위터를 개선할 수 있나?

A. 트위터 콘텐츠를 더 잘 정리할 수 있게 된다. 사용자가 새로운 소식을 찾고, 소통하면 좋을 만한 커뮤니티를 검색하는 등 더 나은 트위터 서비스를 사용자에게 제공할 수 있다.

풀어야 할 숙제 중 하나는 사람들이 제공하는 링크에서 흥미로운 정보를 수집하고 그 내용과 기존 트위터 콘텐츠 사이의 연관성을 이해하는 것이다.


Q. 딥러닝 같은 인공지능 기법 중 아직 미스테리로 남은 것이 얼마나 되나?

A. 딥러닝은 현재 경험의 끝에 놓여 있다. 그러니까, 뭔가 중요한 일이 벌어지고 있다는 걸 알 수 있다. 딥러닝 시스템이 멋진 일을 한다는 것도 안다. 우리가 이해할 수 있는 건 적지만 중요한 건 작동한다는 것이다.

 

Q. 인공지능을 정의하기는 어렵다. 적절한 인공지능 실험도 논쟁의 대상이다.

A. 이게 어려운 이유 중 하나는 지능이라는 개념을 의인화해야 하기 때문이다. 우리는 ‘인공’ 지능이라는 표현을 쓰는데, 마치 지능이 이 세상에 속하지 않는 것 같은 표현이다. 우리는 비행기를 인공새라고 부르지 않고, 인공 비행한다고 하지 않는다. 하지만 새는 진짜로 비행한다.

인간이 아닌 다른 지적인 존재가 인공적이라는 것은 매우 인간중심적인 사고다. 따라서 인간중심적이지 않은 지능을 정의하기는 어렵다. 나도 아직 그런 정의를 내리지 못했다.

50-60년 전으로 돌아가 초기 인공지능 연구자에게 “언제나 들고 다니는 기계가 있는데, 주제를 가리지 않고 모든 질문에 답할 수 있고, 주인의 음성을 인식하고, 전 세계 어느 장소든 사진을 보여주고, A에서 B까지 가는 법을 알려 준다”며 스마트폰이 구글이나 다양한 지도 도구와 시리를 통해 할 수 있는 일을 대충 설명한다면 그 사람은 그것이 바로 인공지능이라고 말할 것이다.

도구에 대한 우리의 기대치는 시간이 지남에 따라 크게 변한 것이다.

Q. 지금까지 기업들은 인공지능 정보를 공유하고 오픈소스 소프트웨어를 발표하며 직원이 쓴 논문 역시 학술대회에서 발표하도록 했다. 얼마나 더 가능할 것이라 생각하는가?

A. 코드 공개를 통해 대중에게서 받은 것을 되돌려줄 수 있고, 최고의 머신러닝 인재를 고용하고, 대기업을 통해 이뤄진 도구 향상의 혜택을 다른 기업들도 누릴 수 있다.

이들 기업이 자체 개발한 코드나 아이디어를 공유할 때 자기 밥그릇을 그냥 내주는 것 같아 보이지 않는 이유는 무엇일까?

다른 기업에는 구글이나 트위터의 컴퓨팅 능력, 그리고 데이터가 없기 때문이다. 그러니까 아이디어를 주는 것이다. 코드도 준다. 그러나 데이터가 없고 도구도 없다면 그 정보를 가지고 뭘 하겠는가?

Q. 인공지능은 어떤 형태를 취할 거라 생각하는가?

A. 인공지능은 갑자기 똑똑해지는 로봇이 되지는 않을 것이다. 인공지능은 그냥 꾸준히 향상하는 도구 같은 것이다.

한 가지 걱정은 미디어를 조작하여 진짜로부터 구별하기가 매우 어려운 가짜를 만들 능력(머신러닝과 인공지능 덕분에)을 사람들이 곧 갖게 될 것이라는 점이다.

동영상 같은 것에 의존해 진실을 대변하는 사회에 존재하기엔 너무 위험한 도구다.

<본 기사는 테크M 제37호(2016년5월) 기사입니다>