[서평] Ai-X, 인공지능 익스프레스

Ai-X, 인공지능 익스프레스 ㅣ 렉처 사이언스 KAOS 12
임창환 외 지음, 재단법인 카오스 기획 / 반니 / 2022년 2월

AI는 대체 어디까지 가능한가?

Ai-X, 인공지능 익스프레스

인공지능과 떼려야 뗄 수 없는 사이가 되었다. 지금까지는 편리하게 잘 사용해왔지만 우려되는 점도 분명히 있다.

책을 통해 전문가들의 시선에서 보았지만 쉽게 풀어쓴 인공지능에 관한 이야기와 짧은 Q&A를 살펴볼 수 있다.

인공지능의 과거와 현재, 그리고 미래까지 시간의 순서대로 살펴보지는 않지만 각 장마다 언급되는 사례를 살펴보며 얼마나 큰 발전을 해왔는지 알 수 있다.

중요한 것은 과거와 현재의 인공지능을 이해하는 것이기도 하지만 나는 미래에 발전하게 될 상황이 더 궁금했다.

우려되고 있는 가장 큰 문제는 바로 '딥러닝'. 이 책에서도 빼놓지 않고 설명했다.

단순한 설명에서 끝나는 게 아니라 적재적소에 그래프나 그림을 배치했고, 읽으면서 들었던 의문이 Q&A에서도 언급되어 찝찝하게 끝나지 않았다. 전문가의 시선이다 보니 어려운 점도 많았지만 그래도 지금 현 상황을 알기 위해서는 언제까지나 쉬운 말로 풀어쓴 텍스트로 이해할 수는 없다. 오히려 알았던 내용을 더 전문적으로 알게 된 것 같아 도움이 되었다.

LECTURE 01 l AI와 뇌공학이 바꿀 인류의 미래

머릿속에 장치를 삽입하면 아침에 자고 일어나서 밤새 꾼 꿈의 동영상을 볼 수 있습니다.

장치 하나만 삽입하면 내가 밤에 꾼 꿈을 영상화할 수 있다?

바로 뇌가 가진 시각 위상이라는 특징 덕분이다.

시각 위상: 어떤 사물이 작은 화소로 이루어져 있다 가정했을 때, 화소 하나하나가 뇌의 시각피질에 있는 신경 세포 하나하나에 일대일대응이 되는 현상

전 날 꾼 꿈을 기억하고 싶어서 아침에 일어나자마자 끄적였던 기억이 한 번쯤은 있을 것이다. 인공지능은 눈에 보이지만 보이지 않았던 상황마저도 끄집어낼 수 있게 한다는 점이 놀라웠다. 설명으로는 뇌에 장치를 삽입한다고 했지만 실제로는 장치 삽입 대신 fMRI(기능성 자기공명영상)을 이용해 실험을 진행했다.

무려 2013년에 일본에서 인식 정확도 70%였다고 하니 2022년인 지금은 얼마나 정확도가 높아졌고 구체화되었는지 예측할 수 있다. 상상만 했던 것을 실제로 이뤄내는 힘, 인공지능 기술은 이를 위해 노력한다.

LECTURE 05 ㅣ 컴퓨터 비전과 딥러닝의 현재와 미래

가장 관심 있어 했던 분야인 딥러닝에 관해 파헤쳐 보았다.

먼저 컴퓨터 비전의 문제점과 부작용에 대해 살펴보았는데 아는 내용도 많았고 다시 읽어도 심각성이 느껴졌다.

바로 인종 및 성별에 대한 편향 개입이다. 인공지능에게 두 사람의 사진을 보여주고 누가 범죄 확률이 높냐고 질문한 사진을 본 적이 있다. 인공지능은 나름대로 분석을 해서 답을 내놓았지만 인공지능이 선택한 범죄자 중 흑인의 확률이 압도적으로 높았다는 것이 함정이었다. 그리고 이 책에서 알게 된 사례는 남자가 요리하는 이미지를 보고 여성으로 인식하는 경우가 있다는 것.

지금도 이러는데 숏컷한 여성이나 화장한 남성의 사진을 내밀었을 때 과연 정확한 판단이 가능할까? 하는 생각도 든다. 더 자세한 기술 개발과 적용이 필요해 보인다.

그리고 한 가지 몰랐던 사실은 딥러닝 관련 연구가 지구온난화에 영향을 미치고 있다는 것!

네이버 메일을 자주 삭제하지 않으면 그것도 환경오염에 영향을 준다는 말을 듣고 생각날 때마다 메일을 삭제하는 입장에서 딥러닝 연구의 지구온난화 영향은 또 몰랐던 정보였다.

딥러닝 모델 하나를 학습하는데 차 5대가 운행할 만큼의 이산화탄소를 내보낸다고 하니,,, 충격이기도 하고 이를 해결할 방안은 없는 건가 궁금해진다. 온실가스 감축 관련 공모전 준비 중인데 여기에 적극적으로 녹여낼 생각하니 이런 정보 하나하나를 알 수 있어서 너무 좋았다.

LECTURE 07 ㅣ AI와 뇌공학이 바꿀 인류의 미래

Q. 인간 지능을 능가하는 인공지능이 있다면 인공지능을 만든 인간 지능이 더 뛰어난가요, 아니면 그 반대인가요? 학습하면 크게 바뀌나요?

인공지능 관련 설명을 들을 때마다 궁금했던 내용이다. 결국에 인공지능을 만든 인간이 존재할 텐데 이를 뛰어넘을 인공지능이 존재할까? 존재한다면 어느 정도 기간을 둬야 자신을 만든 인간을 뛰어넘을 수 있을까에 관한 이야기 말이다.

답은 결국 인공지능이 스스로 학습한다는 것이었다. 인간이 학습할 내용을 넣어주기만 하면 인공지능이 어떻게 인간을 이길 수 있겠는가. 하지만 스스로 학습하는 인공지능이라면 충분히 인간이 생각하지 못한 수를 떠올릴 수 있다.

LECTURE 10 ㅣ 음악과 인공지능의 만남

음악 듣는 앱을 자주 사용하는 편인데 추천 알고리즘에 빠질 때가 종종 있다.

어떻게 내가 듣는 음악을 분석하고 내가 좋아할 만한 음악을 추천해 주는지도 궁금했었는데 여기서 속 시원하게 풀린다. 게다가 '협업 필터링'말고 '내용 기반 음악 추천'이라는 것까지 알게 되어 놀랐다.

인기도에 영향을 받는 '협업 필터링'의 단점을 보완하기 위해 음악 자체를 분석하는 '내용 기반 음악 추천'

나는 인기 있는 음악보다 내가 정말 자주 들을 것 같은 음악을 추천받는 걸 선호하는 편이라 추천 알고리즘의 종류를 살펴볼 수 있어 좋았다.

뇌공학, 정밀 의학, 기후, 슈퍼 지능, 컴퓨터 비전, 로봇, 음악....

인공지능의 무한한 변신에 대해 살펴볼 수 있었다.

전문 지식을 통해 알고 있는 내용을 구체화할 수 있었으며 전문가만이 대답할 수 있는 흥미로운 질문에 과학에 대한 호기심도 생겼다.