<파워인터뷰>“AI가 기본기능 되고, 탑재 안된 제품은 ‘싸구려’ 될 것”

이성환 고려대 뇌공학과 교수

한국정보과학회 인공지능 소사이어티 회장을 맡고 있는 이성환(54) 고려대 뇌공학과 주임교수는 우리나라 인공지능 연구 1세대를 대표하는 학자 중 한 명이다. 이 교수가 공동 집필한 연구서인 ‘뇌인지 공학 최신 연구동향’이 세계적 과학전문학술지 출판사인 미국 스프링거사에서 출판될 정도로 세계적인 명성도 가지고 있다.

이 교수와의 인터뷰는 지난 2일과 이세돌 9단과 알파고(AlphaGo) 대국이 끝난 15일 두 차례에 걸쳐 이뤄졌다. 2시간 넘게 진행된 인터뷰에서 이 교수는 일반인이 이해하기 어려울 수 있는 전문분야인 인공지능 연구의 현주소와 향후 연구 방향 등을 보다 쉬운 예를 들어가며 제시했다. 그러면서도 인공지능에 천착해온 학자답게 한국 인공지능 연구가 가지고 있는 한계와 이를 극복하기 위한 발전 전략 등에 대해서는 깊이 있는 이야기를 내놓았다.

이 교수는 인공지능이 성과를 내는 데 많은 연구와 투자, 시간이 필요하다는 점을 수차례 강조하면서 알파고로 인해 우리 사회에 불고 있는 인공지능 붐이 한때 열기로 끝나서는 성과를 거두기 어렵다고 지적했다. 그는 특히 인공지능 연구가 성공하기 위해서는 딥 러닝과 같은 알고리즘, 빅데이터, 고성능 컴퓨팅 능력이라는 삼박자가 맞아떨어져야 한다며 이에 맞는 투자와 인력 양성 전략이 필요하다는 점을 강조했다.



―알파고가 이세돌 9단에게 4대1 완승을 거뒀습니다. 알파고가 승리하리라고 예상했습니까.

“사실 대결이 시작되기 전까진 알파고의 경기를 본 적이 없었기 때문에 알파고가 당연히 질 것으로 생각했습니다. 하지만 1국을 보면서 제 예측이 잘못됐다는 것을 깨달았습니다. 알파고의 성능은 제 예상보다 훨씬 더 뛰어났습니다. 그만큼 현재 인공지능 연구가 빠른 속도로 발전하고 있다는 것을 알 수 있었습니다.”

―알파고가 승리한 요인은 어디에 있다고 보십니까.

“알파고는 다음 수를 어디에 둘지를 결정하는 정책 신경망(Policy Network)과 현재의 형세를 판단하는 가치 신경망(Value Network)을 동시에 활용하는 전략을 가지고 있습니다. 또 알파고는 스스로와의 대결을 수행하고, 이로부터 도출된 경기결과를 바탕으로 승리하는 선택들에 가중치를 할당하는 강화학습(Reinforcement Learning) 기법을 사용했습니다. 즉 스스로 수많은 대국을 진행하면서 승리하는 빈도가 높은 방향으로 학습을 하게 됩니다. 이러한 전략이 알파고의 승리 요인으로 작용했다고 생각합니다.”

―4국에서 이세돌 9단이 승리할 때 알파고가 오류를 일으켰다는 이야기가 나왔습니다. 알파고가 학습이 안 된 포진에 대한 대응력, 인간의 창의적 공격에 대한 대응력이 떨어진다고 볼 수 있습니까.

“알파고가 뛰어난 것은 사실이지만 아직 완벽하다고 할 수는 없습니다. 바둑은 워낙 경우의 수가 많기 때문에, 알파고도 아직 모든 상황을 정확히 판단하지는 못하는 것 같습니다. 그 점에서 이세돌 9단이 기존의 기보들에서는 학습할 수 없었던 창의적인 수로 이런 알파고의 허점을 찾았다고 할 수 있습니다.”

―이번 대국에서 불공정 논란도 제기됐습니다. 알파고 두뇌에 해당하는 중앙처리장치(CPU)는 1202대나 됐던 반면 이세돌 9단은 홀로 싸운 셈이 됐습니다.

“이미 대결이 성사된 시점에서 불공정을 따지는 것은 의미가 없습니다. 그리고 알파고가 많은 연산 장치들을 필요로 하긴 하였지만 결국 클라우드 컴퓨팅이라는 관점에서는 하나의 시스템으로 볼 수 있기 때문에 불공정 게임이라고 하기는 어렵습니다. 하지만 하나의 인공지능 시스템의 구현을 위해 이런 수많은 고성능 컴퓨터들이 동원돼야 한다는 점은 아직까지 인공지능 분야에서 풀어야 할 숙제들이 많이 남아 있다는 것을 간접적으로 보여준 것이라고 생각합니다.”

―이번 대국을 거치면서 인공지능에 대한 관심이 높아졌습니다. 정확히 인공지능은 무엇을 의미합니까.

“미래창조과학부 주최로 연구자들이 모인 적이 있는데, 다들 막연하게는 이야기하는데 합의된 정의를 만들기는 어려웠습니다. 인공지능을 무엇이라고 말한다는 것은 어려운 것 같습니다. 다만 확실하게 특징으로 표현할 수 있는 것이 있습니다. 사람이 가진 지능, 그것을 컴퓨터나 기계 로봇 자동차로 보여주고, 만들어내는 기술이 인공지능입니다. 조금 더 들어가면 지능이 보여지기 위해서는 굉장히 고상한 기술, 학습이 받쳐줘야 하고 추론이란 것도 그 안에서 일어나야 합니다. 즉 다른 사람의 글이나 말을 알아듣는 것, 그게 언어적인 지능입니다. 멀리서 누가 뛰어가는데 반도 안 되는 실루엣만 보고도 ‘아 누군 것 같다’고 아는 시각적 지능이 있습니다. 또 공간적 지능 등도 있습니다. 그런 다양한 지능들을 컴퓨터나 기계로 구현하는 학문이 인공지능입니다.”

―알파고 승리가 향후 인공지능에 대한 연구에 어떠한 영향을 줄 것으로 보십니까.

“많은 분의 예상과는 다르게 이번 대국에서 알파고가 훨씬 더 뛰어난 수준을 보여주면서, 인공지능 연구가 빠른 속도로 발전하고 있음을 알 수 있었습니다. 또 이번 대국뿐만 아니라 현재 무인자동차와 같이 실제 우리 생활과 밀접하게 관련된 인공지능 시스템의 개발이 활발하게 진행되면서 전 세계적으로 인공지능에 대한 관심이 더욱 집중되고 있습니다. 이러한 점을 보았을 때 앞으로 인공지능 개발 속도는 더욱더 가속화될 것이라고 생각됩니다.”

―알파고를 보면 정말 인공지능 발전이 빠른 것 같습니다. 현재 인공지능 연구에 있어 주요 흐름은 무엇입니까.

“지난 몇 년 사이 인공지능 연구에서 가장 큰 흐름은 딥 러닝이라는 풍운아가 나타나서 평정한 것입니다. 머신 러닝(기계 학습) 알고리즘 중 하나가 딥 러닝입니다. 과거 1980년대부터 기계 학습이 있었습니다. 그런데 네트워크가 복잡해지면 기계 학습이 잘 안 되는 문제가 발생했습니다. 그러던 와중 2006년에 제프리 힌튼 토론토대 교수가 20여 년간 사람의 뇌에서 신경세포들이 모델링되는 과정을 수학적으로 분석해서 알고리즘을 만들어냈습니다. 힌튼 교수가 최근 기계 학습의 핵심 기술인 딥 러닝을 만들어낸 것입니다. 당시 60∼70 수준이던 기계 학습 수준을 힌튼 교수가 갑자기 95 수준까지 끌어올렸다고 보시면 됩니다. 이후 인공지능 기술이 세상을 흔들 것 같다고 보면서 구글이 힌튼 교수를 연구소장으로 데려가고, 페이스북과 IBM도 경쟁적으로 딥 러닝 연구자들을 끌어들였습니다. 물론 딥 러닝이 끝은 아닙니다. 한계가 있고 개선될 여지가 있습니다. 그러나 확실한 것은 지금 시점에서 기계가 학습이 가능하게 하는 대표적인 기술이 딥 러닝이라는 점입니다. 딥 러닝을 이용하면서 인공지능 성능이 엄청나게 좋아졌습니다. 지금 전 세계의 학자들과 산업계는 인공지능, 특히 딥 러닝을 통한 기계 학습 기술을 연구하고 있습니다.”

―올 1월 다보스 포럼에서 4차 산업혁명의 핵심 중 하나로 인공지능을 꼽았습니다. 인공지능과 관련된 산업은 어떤 것이 있습니까.

“인공지능만의 산업이 따로 있느냐, 인공지능만 뚝 잘라놓은 산업, 그런 것은 없습니다. 인공지능 자체만 놓고 보면 좁아 보일지 몰라도 이 인공지능이 기존의 다른 산업이나 다른 영역과 결합할 때 그 자체의 시장이 굉장히 커집니다. 그러니까 ‘인공지능+α’ ‘α’는 어느 산업이나 됩니다. 인공지능이 자동차를 만날 때 현재의 무인차 프로젝트가 됩니다. 페이스북이 왜 인공지능을 연구하겠습니까. 페이스북은 제품을 만드는 회사는 아닙니다. 그렇지만 인공지능이 그만큼 가치가 있으니까 연구하는 것입니다. 구글도 마찬가지입니다. 자기 나름대로 미래의 큰 밸류가 있다고 보는 것입니다. 인공지능을 학문적으로 좁은 의미로 잘라서 보면 컴퓨터과학의 한 세부 분야라고 보는 아주 좁은 시각도 있겠지만, 요즘 전 세계 트렌드는 인공지능에 기존의 학문이나 산업을 결합해 새로운, 전혀 다른 서비스 상품을 만들어내는 것입니다. 그래서 다보스 포럼에서 4차 산업혁명이란 얘기가 나왔다고 봅니다.”

―인공지능에 적용할 분야가 많은 것 같습니다. 인공지능을 이용한 성과물이 빠른 시일 내에 나올 수 있습니까.

“인공지능은 반도체나 조선이나 자동차 산업과는 다릅니다. 소프트웨어 산업입니다. 그 특성을 이해해야 합니다. 전자 산업은 설계도만 만들면 물건을 만들어 팔 수 있지만, 인공지능은 제조업이 아닙니다. 하드웨어를 만드는 것이 아니라 기존에 있는 것을 수정 개량할 수 있게 소프트웨어 개발자의 손을 타야 합니다. 결국 인적자원이 아주 중요합니다. 그래서 우수한 기술전문가를 교육 육성하는 게 매우 중요합니다. 지금 사회적으로 인공지능이 붐을 타면서 시간이 지나면 기술이 발전하리라 여기는데 그게 아닙니다. 미국이나 유럽이 인공지능 강국이 된 것은 오래전부터 연구를 해 온 때문입니다. 우리는 인력이 제한적인 데 반해 미국이나 유럽은 수천, 수만 명이어서 게임이 안 됩니다. 지금부터라도 인재를 양성하고 훈련시켜 기술을 습득해야 산업적 효과가 있고 경쟁력 있는 기술을 만들 수 있습니다. 미국은 생태계 조성이 돼 있었기 때문에 학계와 구글, 페이스북 등 산업계를 왔다 갔다 할 수 있습니다. 인적자원이 풍부하니까 가능한 일입니다. 일본 토요타 자동차는 스탠퍼드대와 매사추세츠공과대(MIT)에 연구소를 만들고 자금을 지원하고 있습니다. 미래의 자동차 핵심이 인공지능이 될 것이란 판단하에 인적 네트워크를 다지려는 것입니다. 우리가 선진국의 인적자원이나 생태계를 단기간에 모방하는 것은 불가능합니다. 인내심을 갖고 투자를 해주고 기다려줘야 합니다.”

―세계 수준과 비교하면 우리나라 수준은 어느 정도입니까.

“조금 뒤처진 것은 사실입니다. 100점을 기준으로 몇 점이냐고 물으면 참 대답하기 곤란한데 조금 뒤처져 있다고 보면 됩니다. 선진국인 미국과 비교하길 원하는데 비교하기 어려운 점이 있습니다. 미국은 인적자원도 풍부하고, 연구 규모도 우리나라와 비교가 안 될 정도입니다. 우리나라는 인적자원이 비교가 안 되지만 최근 굉장히 좋은 논문들이나 좋은 기술들을 국제학술대회나 저널에 많이 소개하고 있습니다. 미래부에서도 기계학습연구센터를 만들어 그 안에서 기계 학습 연구를 열심히 하고 있습니다. 제가 보기엔 조만간 짧은 시간 안에 기계 학습 분야는 쫓아갈 수 있을 것 같습니다.”

―선진국을 따라잡기 위해서는 어떠한 투자 전략이 필요하다고 보십니까.

“현재 우리나라 인공지능 기술 수준은 세계적인 수준과 비교했을 때 아직 미흡합니다. 이 격차를 빠르게 줄이는 것이 가장 큰 숙제라고 생각합니다. 하지만 아직 인공지능 기술 개발은 넓게 보면 시작 단계에 불과하기 때문에 앞으로 수많은 응용 및 산업 분야에서 인공지능 기술을 필요로 하게 될 것 같습니다. 이 중에서 어느 분야에 집중적으로 투자해야 할지에 대해서 전문가 집단을 중심으로 깊은 고민을 하고, 체계적인 투자를 해서 해당 분야에서 관련 인공지능 기술을 선점하는 전략이 필요할 것 같습니다. 여러 부처를 아우를 수 있는 컨트롤 타워를 잘 설정한 후, 체계적인 전략 수립 및 연구·개발(R&D) 투자 집행을 해야 합니다. 한때 지나가는 유행처럼 금방 달아오르고, 언제 그랬냐는 듯이 금방 식어버리는 과거 스타일의 R&D 투자는 정부 차원에서 반드시 지양해야 할 것입니다.”

―우리나라가 인공지능에서 경쟁력을 가질 수 있는 분야가 어떤 것이 있을까요.

“지금 현재 잘하고 있는 산업 분야에 인공지능이 접목됐을 때 보다 더 큰 경쟁력을 가질 수 있습니다. 우리가 상대적으로 우위를 가진 산업, 자동차와 스마트폰에 인공지능을 결합하면 무인자동차, 지능성 개인 비서 같은 기술이 가능합니다. 이런 기술을 통해 기존의 자동차나 스마트폰 시장의 부가가치가 올라가게 됩니다. ―인공지능과 산업이 제대로 결합되면 효과가 클 것으로 보입니다.

“당연합니다. 반대로 보면 인공지능 기술이 없으면 제품 경쟁력이 없어짐을 의미합니다. 미국과 일본, 중국에서는 인공지능을 탑재한 제품이 나오는데 우리나라 제품에는 인공지능이 없다고 하면 그런 물건이 팔릴 수 있겠습니까. 인공지능은 있으면 좋은 게 아니라 반드시 있어야 하는 기술이란 의미입니다. 인공지능이 없으면 사람들이 ‘이런 로테크(저기술) 제품이 있나’ 이렇게 나올 것입니다. 자동차에 기본적으로 들어가는 편의 기능들이 있는데 처음에는 신기해했지만 지금은 그런 기능이 없으면 싸구려 자동차로 취급받는 것과 같습니다. 몇 년 지나면 음성인식이나 여러 가지 지능적인 인터페이스 기술 등이 내가 쓰는 제품에 탑재돼 있지 않다면 그 제품을 쓰지 않게 될 것입니다. 환경 자체가 바뀌게 되는 것입니다.”

―인공지능이 감성이나 감정을 읽는 것까지도 가능할까요.

“아주 중요한 지적입니다. 지능과 감성은 다릅니다. 사람의 감성이나 감정을 이해하고 또는 기계한테 그걸 표현하려 할 때 첫 번째 표정, 그다음 말투, 목소리 두 가지가 가장 일반적입니다. 거기에 하나 더 있다면 사람의 뇌파를 포함한 생체신호입니다. 그동안 얼굴 표정과 목소리를 갖고 하는 감성 연구는 많았는데, 뇌파를 통한 생체신호를 가지고 감성을 이해하는 연구는 제한돼 있었습니다. 우리는 현재 그 방향으로 기초연구를 진행 중입니다. 그런 게 이뤄져야 진정한 의미의 감성 연구가 될 것입니다.”

―그 정도 단계까지 가면 인간의 역할을 대체하게 되는 것 아닙니까. 특히 일자리를 둘러싼 인간과 로봇의 갈등도 있을 것 같습니다.

“많은 사람이 인공지능이 발달하면 인간의 역할을 대체하면서 직업이 없어질 것이라고 합니다. 일정 부분 그런 지적에 동의합니다. 대신에 새로운 직업을 만들어내고 대비해야 합니다. 과거 자동차가 나왔을 때 자동차와 마차 간에 대결 구도가 만들어졌습니다. 영국은 자동차를 제한하기 위해 붉은 깃발 조례까지 만들었습니다. 자동차를 운행하려면 붉은 깃발을 갖고 55m 앞을 마차로 달리면서 자동차를 선도해야 하고, 자동차는 시속 6.4㎞ 이상 달리면 안 되는 등 여러 가지 말도 안 되는 제한을 둔 것입니다. 그 바람에 자동차 산업의 주도권이 인접국가인 프랑스나 독일로 넘어갔습니다. 생각해보면 자동차 산업이 생기면서 카센터나 주유소, 보험 등의 새로운 산업이 생겨났습니다. 인공지능도 마찬가지입니다. 당장엔 많은 직업군이 사라질 것처럼 보이지만, 마냥 안 된다고 하기보다는 현실을 받아들이고 거기에 따라 새로운 산업을 대비해야 한다고 생각합니다.”

―인공지능 사회를 맞기 위한 대비책은 어떤 것이 있을까요.

“인공지능 발달에 맞춰 지능서비스나 새로 생길 직업들에 맞춰 대비하는 게 현실적입니다. 무인자동차나 인공지능 서비스와 관련해 나올 직업에 연관된 전환교육을 준비해야 합니다. 만약 2023년에 인공지능 무인자동차가 사람을 치었다면 누가 책임을 져야 할 것인가 하는 문제는 보험이나 법률에서 연구하는 사람이 필요합니다. 또 인공지능 연구에 있어 딜레마 연구도 진행 중입니다. 인공지능 무인차가 운행하다가 앞에 사람이 있고, 옆에 낭떠러지가 있을 경우 사람을 치는 것이 맞나, 낭떠러지로 떨어지는 것이 맞나 하는 딜레마 문제도 연구해야 합니다. 우리가 인공지능이 나오기 전에는 상상하지 못했던 일들입니다. 새로운 직업군에 대한 고민과 함께 법률적인 문제, 윤리적인 문제 등에 대한 여러 고민들이 필요합니다.”

―우리나라에서 인공지능 연구가 성공하려면 무엇이 필요할까요.

“지금 인공지능이 핫하고, 딥 러닝이면 세상의 모든 인공지능 문제가 풀릴 것처럼 얘기가 나오지만 절대 아닙니다. 분명히 딥 러닝 뒤에 다음의 돌파구가 필요합니다. 우리가 진짜 인공지능 발전을 원한다면 딥 러닝 다음의 돌파구를 가질 수 있는 학습 알고리즘, 지능기술을 인내를 갖고 연구해야 합니다. ‘조금 하면 떼돈 벌겠다’ ‘대박 나겠다’ 이런 마음으로 접근하는 사람들이 있는데, 옆에서 보면 안타깝습니다. 절대 쉽게 대박 날 분야가 아닙니다. 인공지능 연구가 최종적으로 성공적이려면 크게 삼박자가 일치해야 합니다. 딥 러닝 같은 인공지능 알고리즘·소프트웨어, 대상 문제 영역에 대한 빅데이터, 그리고 클라우드 컴퓨팅 같은 고성능 컴퓨팅 능력입니다. 비유적으로 보자면 각각 레시피와 식재료, 그리고 주방기구에 해당하겠지요. 바로 대규모 산업체가 해당 분야에 대해 장기적 시각에서 투자를 진행해야 할 이유입니다. 이 삼박자가 맞아야 인공지능은 꽃필 수 있습니다.”

인터뷰 = 김석 차장 (국제부) suk@munhwa.com
정리=김리안 기자 knra@munhwa.com