데이터로부터 의미를 읽어 내는 알고리즘 개발이 중요한 이유 (6/1 월)

데이터로부터 의미 읽어내기 (6/1 월)

안녕하세요! 아주대학교 총장 박형줍니다. 거대 기업 구글은 기계학습 소프트웨어인 텐서플로를 누구나 수정까지 할 수 있게 공개했습니다. 보통 사람들은 기계학습이니 딥러닝이니 하는 말을 들어본 적도 없던 때였죠. 이렇게 개방형 기업 문화를 가지고 있어 보이지만, 사실 알고 보면 그 나름 폐쇄적인 숙명을 가지고 있는 회사입니다. 몇 해 전에 제가 구글의 수학자를 워크숍에 초청한 적이 있는데요. 발표 동영상을 찍지 말라고 하더니 발표 파일도 남기지 않더군요. 시대를 앞서가는 연구를 하고 자율주행 자동차 등에서 치고 나가는 구글에게, 그 과실의 사업화를 위한 기업 비밀 유지가 왜 중요하지 않겠습니까.

몇 해 전 알파고로 화들짝 놀란 우리나라에서 후속 대책을 세울 때, 인공지능의 주요 알고리즘은 공개되어 오픈 이노베이션으로 발전할 것이니, 부족한 데이터를 쌓는 게 시급하다는 의견이 대세였어요. 그런데 정말 그럴까요?제 생각엔, 구글이나 테슬라가 자율주행 자동차의 상세 작동 알고리즘을 공개할 거라는 건 환상입니다. 집단지성으로 기술을 다 같이 발전시키는 게 합리적이지만, 지금은 보편적 수준의 개방을 크게 넘지 못해요. 알파고의 요소 알고리즘과 전체적인 작동 방식은 네이처 논문의 형식으로 공개됐지만, 타사의 인공지능 바둑 프로그램이 알파고의 정확도를 재현하고 있진 못하잖아요? 알파고를 만들어낸 영국 회사 딥마인드는 그 상세 알고리즘을 모기업인 구글에도 비밀로 한다고 알려져 있어요.

예전 인공지능의 대세였던 룰베이스 방식에 비해서 지금의 기계학습은 데이터를 학습하며 의미를 읽어내요. 의료 분야에서는 환자의 질병 진단을 위해서 환자의 신체 데이터를 측정하고 예전 환자들의 측정치와 흡사한지를 계산합니다. 이 과정에서 유사한 정도를 재는 핵심은 수학의 최적화 이론 활용입니다. 축적된 데이터는 물론 중요하죠. 하지만 그 데이터로부터 의미를 찾아내고 인간에게 유익한 최종 제품으로 만들어 내는 핵심은 수학적 알고리즘이에요. 데이터를 모을 뿐 아니라, 그 데이터로부터 의미를 읽어내는 알고리즘 연구에서 세계적인 경쟁력을 가져야 합니다.