본문 바로가기
IT 와 Social 이야기

[NIA] 머신러닝 전문가가 예측하는 인공지능의 미래와 공공서비스 방향 - 백인수 수석, 황현주 연구원

by manga0713 2017. 11. 28.

 

 

 

*** 출처: [NIA] 머신러닝 전문가가 예측하는 인공지능의 미래와 공공서비스 방향 - 백인수 수석, 황현주 연구원

*** 문서:

6._머신러닝_전문가가_예측하는_인공지능의_미래와_공공서비스_방향_170920.pdf

 

 

 

 

 

II. 인공지능 기술은 언제 인간을 뛰어넘을 것인가?

 

 

■ 2017년 5월 발표된 논문, “언제 AI가 인간의 능력을 넘어설까? AI전문가들의 증거(When will AI exceed human performance? Evidence from AI experts)”

 

 

- 연구팀은 인공지능 기술의 발전이 교통, 건강, 과학, 금융, 국방 등 국가사회 전영역에 영향을 미치고 더 나아가 기존 사회 체계를 재구성하여 현대인의 생활을 바꾸어 놓을 정도로 많은 영향을 미칠 것이라 판단했다.

 

- 특히 공공분야의 정책을 수립하고 올바르게 조정하기 위해서는 인공지능 기술의 발전을 더욱 정확히 예측할 필요가 있다고 주장했다.

 

- 연구팀은 앞서 언급한 것처럼 인간의 도움을 받지 않은 기계가 인간 노동자보다 효율적이고 저렴한 비용으로 인간의 업무를 수행할 수 있는 수준을 HLMI(High-Level Machine Intelligence, 고숙련 머신 인텔리전트)로 정의하였고 각 응답자는 미래 에 HLMI가 도래할 가능성을 추정하여 답변

 

- 각 응답자의 예측을 평균한 결과 2016년 이후 45년 내에 HLMI가 도래할 가능성이 50%, 9년 내에 도래할 가능성이 10%로 나타났다.

 

- 또 다른 질문은 ‘노동의 완전 자동화’에 대한 것이다. 노동의 완전 자동화는 HLMI 수준을 넘어서 모든 직업이 완전히 자동화 될 수 있는 시점, 즉, 모든 직업에서 인간보다 우수하고 저렴하게 작업을 수행할 수 있는 기계를 제작할 수 있는 시점을 가리킨다.

 

- 노동 완전 자동화는 HLMI 보다 훨씬 늦게 실현될 것으로 예측됐다. 개별 응답자들의 예측을 평균하면 20년 내에 실현될 확률이 10%로 나타났다.

 

 

 

 

 

 

 

- 연구팀은 인공지능 기술의 발전단계를 32개 단계로 세분화하면서 단계별로 인공지능 기술이 대체 가능한 대표적인 일(직업)을 기준으로 각 단계를 구분하고 있다.

 

- 응답자는 32개 인공지능 기술의 발전단계 중 20개가 10년 내에 실현될 수 있다고 전망했다.

 

 

 

 

III. 머신러닝 분야 석학들이 전망하는 인공지능 기술의 미래

 

 

 

 

 

Learning)’에 관심이 있습니다.

 

 

- 특히 ‘비지도 학습(Unsupervised Learning)’에 관심이 있습니다.

 

- 앞으로 인공지능은 점차 우리가 사용하는 기능 뒤에 내재되어 우리가 인공지능을 사용하고 있는지도 모르게 사용하는 형태로 발전 할 것입니다.

 

- 데이터는 인공지능과 관련한 연구나 사업을 하려는 기업에게 높은 진입 장벽이 될 것입니다.

 

- 또 다른 자원으로‘재능(talent)’이 필요 합니다. 여기서 재능이란 자신의 목적에 맞게 인공지능을 만드는(customize) 역량 정도로 말할 수 있겠네요. 공개되어 있는 오픈 소스 소프트웨어를 단순히 내려 받아 가지고 있는 데이터에 적용시키는 것은 사실 별 의미가 없습니다. 인공지능을 자신의 비즈니스 맥락(context)과
데이터에 맞춰 사용자 정의하는 것이 중요하죠.

 

- 앞으로 우리는 인공지능에 의한 ‘제2의 기계시대(The Second Machine Age)’의 등장에 대비해야 합니다. 특히 제2의 기계시대에는 인공지능이 사람의 직업을 대체하는 속도가 빠를 것으로 예상되는 만큼 정부와 기업에서는 재교육 및 기본소득 제공 등 인간의 삶의 질을 높이는 방향에 대해 고민해야 합니다.

 

 

 

 

2. 제프리 힌튼

 

 

- 저는 이전부터 인공지능을 발전시킬 가장 좋은 모델이 인간의 ‘뇌’라고 생각했습니다. 뇌의 작동 원리를 이해하는 것이 인공 신경망으로 사람과 기계 사이의 격차를 줄이는 가장 좋은 방법이라고 믿었기 때문이죠. 다행히 21세기에 저의 이런 생각이 옳았다는 것이 증명되었습니다.

 

- 인공지능은 향후 5년내에 큰 발전을 이룰 것으로 전망 됩니다. 의료 영상 분석분야는 5~10년 정도 안에 인간을 뛰어 넘는 수준에 도달 할 것 입니다. 하지만 극작가나 소설가를 뛰어 넘는 데는 50년이 걸릴 수도 있습니다.

 

- 인공지능이 발전하기 위해서는‘이윤에 기반한 동기(profit motive)’와 ‘이윤에 기반하지 않은 동기(non-profit motive)’ 두 가지 측면이 중요 하다고 봅니다.

 

- 인공지능으로 인해 발생 가능한 위험에 대해 충분히 고민할 필요가 있다고 생각합니다. 인공지능과 같은 강력한 기술은 원래 의도와 다르게 사용될 가능성이 매우 높기 때문입니다.

 

- 위험은 기술 자체의 문제가 아니라 기술을 사용하는 ‘사람’의 문제라는 것을 아는 알아야 합니다.

 

 

 

 

3. 얀 르쿤

 

 

- 저는 ‘머신 비전(machine vison)’에 관심이 있으며 이는 인공지능이 자연어 다음으로 학습해야 하는 과제라고 생각합니다.

 

- 머신 비전은 움직이는 영상을 인식하는 기능으로, 화상 정보를 토대로 사물을 인지하고 판단할 수 있는 능력을 의미 합니다.

 

- 정말로 하고 싶은 일 중 하나는 기계가 비디오나 다른 채널을 관찰하여 말로 설명하는데 제약이 있는 많은 사실과 상황들을 배우는 것 입니다. 이것은 결국 기계가 상식을 얻는 것을 의미합니다.

 

- 이러한 머신 비전을 위해 신경 네트워크(neural network)를 사용하고 있으며, 아직 발전 중에 있지만 언젠가는 일반적인 소프트웨어가 사용 될 것이라고 생각합니다.

 

- 인공지능은 2~3년 안에 순서가 복잡한 여러 활동(action)들을 순서에 맞춰 해결하고, 나아가 어느 정도의
판단력을 가질 것으로 예상됩니다.

 

- 이러한 발전을 위해서 ‘비지도 학습(unsupervised learning)’이 인공지능 발전의 병목을 해결하는 가장 중요한 기술이 될 것이라고 생각합니다. 비지도학습이야 말로 인류가 기대하는 인공지능에 가까워지는 중요한 역할을 하게될 것입니다.

 

- 또한 최종적으로 인공지능이 나아가야 할 방향은 미래를 예측하는 인공지능이 아닐까 합니다.

 

- 지금 당장 인간이 인공지능에게 잠식당하는 일들이 실제로 나타날 가능성은 높지 않기 때문에 그러한 문제를 미리 걱정하여 인공지능의 발전을 저해할 필요는 없습니다.

 

- 오늘날 인공지능은 많은 것을 알고 있는듯하나 관찰을 통해 아직 더 많은 배경 지식을 학습해야하며, 이를 통해 세상의 상황을 좀 더 감각적으로 인지할 필요가 있습니다. 이러한 것들은 인공지능이 더욱 정확한 예측과 계측을 가능하도록 만들 것 입니다.

 

- ‘인공지능은 마치 인간의 뇌와 같다’는 식의 과장된 표현을 경계해야 한다고 생각합니다.

 

- 인공지능을 어떻게 사용할 수 있고 또 사용 할 수 없는지에 관한 윤리적 가이드 라인이 수립되어야 합니다.

 

 

 

 

4. 조슈아 벤지오

 

 

- 저는 학문적 연구가 산업계로 흘러들어 갈 수 있는 파이프라인을 만드는 일에 앞장서고 싶습니다.

 

- 인공지능이 다양한 산업, 기술 분야에 적용되고 있지만 앞으로 가장 좋은 결과를 가져올 분야로 ‘헬스케어’를 꼽을 수 있습니다. 인공지능의 발전에 따라 좀 더 개인화된 맞춤형 의약품이 허용되고 대규모 의료 데이터 사용에 따라 큰 변화가 일어날 것으로 예측됩니다. 동시에 의사는 자신의 시간을 좀 더 효율적으로 사용할 수 있을 것으로 기대 됩니다.

 

- 머신러닝이 인공지능으로 발전하기 위해서는 다량의 데이터, 유연한 모델, 충분한 컴퓨팅 파워, 컴퓨터 계산을 위한 효율적 추론 방법, 차원(dimensionality)의 한계를 뛰어넘을 수 있는 강력한 경험이 중요하다고 생각합니다.

 

- 이 다섯 가지 요소 중에서 가장 중요한 하나를 꼽으라면 사전 경험을 꼽고 싶습니다.

 

- 우리는 비지도 학습을 통한 인공지능의 자율적 학습(autonomous learning)이 가능하도록 기술을 발전시켜야 하며, 아직 잠재되어 있는 인공지능을 이루는 근본적인 요소를 발견하기 위해서 더욱 노력해야 합니다.

 

 

 

5. 하사비스

 

 

- 인공지능 연구에 있어 중요한 단어는 ‘범용성(general)’과 ‘학습(learning)’이라고 생각하고 여기에 초점을 두고 있습니다.

 

- ‘범용성’은 다양한 문제 해결에 관해 동일한 시스템이 작동하는 것을 의미하며, ‘학습’은 인공지능이 가공되지 않은 데이터(raw data)로부터 자동적으로 지식을 습득하는 것을 나타냅니다.

 

- 인공지능은 인간의 마음(mind)을 이해하기 위한 좋은 도구가 될 것이며, 인류가 발명한 가장 중요한 기술 중 하나가 될 것이라고 확신 합니다.

 

- 저는 인공지능의 발전을 위해 ‘강화 학습(reinforcement learning)'이 앞으로 더욱 발전해야 한다고 생각
하고, 강화 학습이 인공지능이 최종적으로 도달해야 할 목표라고 생각합니다.

 

- 많이들 아시는 ‘알파고(AlphaGo)’도 이러한 강화학습을 통해 성능을 개선하였습니다. 지도학습과 강화 학습을 함께 진행 했을 경우 지도학습만 적용했을때 보다 바둑대국에서 승률이 80% 더 높았습니다. 이와 같이 인공지능을 발전시키고 제대로 활용하기 위해서 가장 중요한 것은 깊이 있는 연구라고 생각 합니다.

 

- 개인적으로 인공지능은 인간을 보조하고 인간을 향상시키는 도구일 뿐이라고 생각하기 때문에 많은 사람들이 우려하는 로봇 등에 대해서는 별로 생각하지 않고 있습니다.

 

- 인공지능이 많은 사람들의 이익을 위해 사용되는 것이며 이를 위해 우리가 인공지능을 어떻게 사용할
것인지 지금부터 논의해야 합니다.

 

 

 

 

6. 마이클 I. 조던

 

 

- 저는 자연어 처리에 관심이 있습니다. 만약 저에게 10억 달러 규모의 펀드가 있다면 자연어 처리 분야에 투자할 것입니다.

 

- 인공지능과 더불어 딥러닝, 빅데이터, 비전 시스템 등에 대한 과장되거나, 잘못된 정보를 경계해야 합니다.

 

 

 

 

IV. 인공지능 기반의 공공서비스 방향

 

 

 

- 인공지능의 활용 방식에 따른 유형 분류

 

 

 

 

 

 

 

- 인공지능 기술 발전 단계에 따른 공공서비스