인공지능, 뇌를 모방한 컴퓨터

1. 인공지능

인공지능이란 컴퓨터 등의 시스템에 의해서 인공적으로 만들어진 지능을 말한다.

 

2. 무어의 법칙, 황의 법칙

수십년에 걸쳐서 컴퓨터는 그 어느 분야보다 빠른 속도로 발전하고 있다. 컴퓨터의 빠른 발전을 보여주는 대표적인 사례가 무어의 법칙과 황의 법칙이다. 무어의 법칙이란 인텔의 공동설립자였던 무어가 1965년 내놓은 법칙으로 반도체 집적회로의 성능은 2년에 2배씩 증가한다는 이론이다. 

Figure 1. 무어의 법칙

위 그래프의 y축에 주목하자. 연도가 증가함에 따라 집적회로에 들어가는 트랜지스터가 기하급수적으로 증가함을 알 수 있다. 무어의 법칙에 얼추 들어맞는 것을 볼 수 있다. 황의 법칙은 삼성전자 황창규 사장이 제시했던 이론으로 메모리의 용량이 1년에 2배씩 늘어난다는 법칙이다.

 

3. 모라벡의 역설(Moravec's paradox)

Figure 2. Moravec's Paradox

컴퓨터의 눈부신 발전에 힘입어 인간보다 수억배는 빠른 속도로 연산을 할 수 있고 수많은 데이터들을 저장할 수도 있게 되었다. 그러나, 컴퓨터는 인간이 아주 쉽게하는 얼굴 인식, 상황 판단, 대화 등을 하기 매우 어려워한다. 이것이 모라벡의 역설이다. 인간에게 매우 쉬운일이 컴퓨터에게 어려운 문제가 되는 이유는 컴퓨터는 단순계산만 아주 빠르게 할 수 있는 기계이기 때문이다. 반면, 인간은 오감으로부터 오는 다양하고 방대한 정보들을 우리가 모르는 복잡한 과정을 거쳐 인지하고 기억하고 판단한다.

 

 

4. 딥러닝의 등장

현재는 모라벡 역설에서 기존의 컴퓨터가 풀기 힘들었던 얼굴 인식과 같은 문제들을 컴퓨터가 빠르게 풀어낸다. 이러한 놀랄만한 인공지능의 발전에 토대가 되는 것이 딥러닝(Deep learning) 기술이다. 딥러닝은 한 개 이상의 hidden layer를 가지는 인공신경망이다. 사실 딥러닝은 최근들어 만들어진 새로운 개념이 전혀 아니다. 컴퓨터라는 개념이 만들어진지 얼마 되지도 않은 1960년대에도 인간의 뇌를 모방하고자 하는 노력이 있었다. 대표적으로 1957년에 개발된 Perceptron이 있다. 

Figure 3. Perceptron

Figure 4. Deep neural network

첫번째 그림은 Perceptron이고 두 번째가 최근 많은 파장을 불러일으킨 딥러닝의 모델이다. 둘 모두 인공신경망이라는 점에서 매우 비슷하며, 딥러닝은 단지 중간의 층(Hidden Layers)가 한 개 이상 존재하는 것일 뿐이다. 이처럼, 인공신경망이라는 개념은 오래전에 개발되었지만 학습시간이 매우 오래걸려서 수십년간 사장된 개념이 되어버렸다.

 

하지만, 최근의 GPU와 빅데이터 기술 등의 발전에 힘입어 인공신경망은 빠르게 학습할 수 있게 되었고, 학계에서 다시 주목받을 수 있게 되었다. 여담이지만 '딥러닝'은 사실 '인공신경망'이 학계에서 이미 망했다는 이미지가 너무 강해서 조금 멋있게 바꾼것 뿐이라고 한다.

Figure 5. ImageNet Challenge

ImageNet Challenge는 주어진 사진이 무엇인지 알아맞히게 하는 대회이다. 2010년까지만해도 1등이 70% 정도의 정확도를 보였지만, 2012년부터는 Deep learning의 일종인 AlexNet 등장 이후 90% 이상의 정확도를 보일 수 있게 되었다. 

 

4. 딥러닝 활용 산업

딥러닝은 현재 다양한 산업에서 활용되고 있다.

Figure 6. IPhone의 얼굴인식

아이폰에서는 얼굴 인식을 통한 사용자 인증인 Face ID기술을 개발하였다.

Figure 7. AI speakers

LG, 네이버, 카카오를 비롯한 많은 대기업들은 AI 스피커를 개발했다. AI 스피커는 인공지능의 한 분야인 자연어 처리를기반으로 만들어진다.

Figure 8. 구글 번역

딥러닝으로 인해 크게 성능이 향상된 분야 중 하나는 번역 기술이다. 원래 구글 영한 번역은 '발 번역'으로 매우 유명했었다. 구글 번역이 지금과 같이 자연스러운 번역을 할 수 있게 된 계기는 번역 기술에 딥러닝을 접목하였기 때문이다. 

 

5.  최신 딥러닝 동향

최근에는 이미지나 음성 등을 생성하는 딥러닝 기술들이 많이 개발되었다. 주로 GAN이라는 딥러닝 모델을 사용한다.

http://thispersondoesnotexist.com

This Person Does Not Exist

위 링크에서는 컴퓨터가 생성해낸 임의의 얼굴 이미지를 볼 수 있다.

 

https://google.github.io/tacotron/publications/tacotron/index.html

Audio samples from "Tacotron: Towards End-to-End Speech Synthesis"

위 링크에서는 컴퓨터가 합성한 음성 샘플들을 들을 수 있다.

 

6. 결론

딥러닝은 원래 있던 개념임.

컴퓨터가 잘 발전해서 인간만이 쉽게 풀 수 있었던 문제들을 딥러닝이 해결할 수 있게 됨.

딥러닝은 산업분야에서 다양하게 쓰고 있음.