도올 처남 최기영 과기정통부 장관 후보자, 아내 백은옥 교수와 AI 인공지능 석 볼까요

부인 백은옥 교수도 인공지능의 석학 스태퍼드 출신.

>

과학기술정보통신부의 2대 장관 후보자.청와대 “국내 반도체 연구·산업 발전 산증인” 발탁 배경 밝혀

>

옛 금성사서의 현장 경험※반도체 업계 “산업 확인도 높다”는 기대도, 김영옥의 처남은 서울대 물리·천문교수 대학원 선후배 사이를 만난 최영애 교수는 토오루보다 두 살 위인 둘은 첫눈에 반해 사귄 지 3개월 만에 결혼에 이르렀다고 합니다. 최영애교수님은2011년에연세대학교중어중문학과교수직을정년퇴직했다고합니다. 김영옥과 최영애 부부는 딸, 아들, 딸이 있었는데,

서울대 전기·정보공학부 최기영(64) 교수가 과학기술·정보통신기술(ICT)계에서는 “인품과 실력을 갖춘 전문가”라는 호평을 받고 있습니다. 후보자는 반도체 설계 분야의 전문가로 꼽힙니다. 일본 수출 규제에 대응하기 위한 정부의 비장의 카드라는 평가가 나오는 이유입니다.

>

최 후보는 특히 지능형 반도체와 전력 절약 시스템 분야의 세계적 권위자로 삼성전자가 인공지능(AI) 반도체 개발을 위해 지난해 12월 서울대, KAIST, 포스텍, UNIST 등 4개 대학과 손잡고 출범한 대형 산학협력 프로젝트인 뉴럴 프로세싱 연구센터의 센터장을 맡기도 했다고 합니다. 청와대는 최 후보가 1991년 서울대 교수로 임용되기 전 금성사(현 LG전자) 등 현장에서 일했다며 “반도체 산업 현장의 경험과 연구 실력을 겸비해 일본의 수출 제재에 냉정하게 대응할 적임자”라고 말했다고 합니다.

최 후보는 돕는 김용옥 한신대 석좌교수의 처남이기도 합니다. 김 교수의 부인 최영애 전 연세대 중어국문학과 교수가 누나, 최무영 서울대 물리천문학부 교수가 여동생입니다.

>

2000원 전기 사용료를 나눠요. 포스트잇 제안에 이어 자비 구입 화제 다른 아파트 지인에게 문의 쇄도, 주목받는 건 좀, 사진 촬영 사절 25년째 살아가지만 아침저녁으로 고생하는 경비원에게 지금까지 해준 건 없습니다.”2018년 8월 5일 서울 서초구 방배동 신동아아파트 자택에서 만난 최기영(62), 백은옥(54) 교수 부부는 최근 알려진 경비원에 대한 ‘에어컨 선행’이 주목받는 것이 부끄럽다는 듯 손을 흔들었습니다. 신문에 사진이 실리는 것도 완강히 거절했다.

>

교수 부부는 26일 아파트 엘리베이터에 대책 없는 폭염에 경비원들은 어떻게 버틸 수 있는지 늘 마음이 무겁다며 경비실에 냉방기가 설치되면 각 가정에서 월 2000원 정도의 전기사용료를 나눠 낼 의향이 있습니까라고 의견을 묻는 메신저 글을 붙였다. 일주일 만에 ‘○○호 찬성’이라는 포스트잇이 24개 붙었다. 전체 가구 수가 30가구인 점을 감안하면 80%의 찬성률이었다.

>

이들 부부는 지난 3일 경비실 공간에 적합한 소형 에어컨을 자비로 구입해 설치했습니다. 그러자 이병필(55) 아파트 관리사무소장도 부부의 선행에 보답하기 위해 자비로 경비실 초소 등 2곳에 에어컨을 설치했습니다.이들 부부는 주민과 함께 한 일이기 때문에 우리가 주목할 일이 아니다고 거듭 강조하고 이번 사례는 하나의 미담에만 그치지 말고 다른 곳으로도 온정이 확산되는 계기가 됐으면 좋겠다고 입을 모았습니다. 이어 “에어컨 설치로 추가되는 월 전기료 6만원을 30가구로 나누면 두 달에 4000원에 불과하지만 이는 스타벅스 한 잔 값에 불과하다”고 덧붙였다.

>

부부는 당초 경비실에 에어컨을 설치하고 전기료도 스스로 낼 생각이었다고 말했습니다. 백 씨는 “귀찮고 불편한 것도 있지만 같은 공동체에서 살고 있다는 것을 깨닫는 계기가 됐으면 해서 의견 수렴 과정을 거쳤다”고 말했습니다. 최 씨는 각자의 자산을 조금이라도 떼어내 공동체에 사용하겠다는 마음가짐이 필요한 것 같다고 덧붙였다.부부가 이 프로젝트를 서두른 것은 입주자대표회의를 통해 의견을 들어보니 무더운 여름이 끝날 것 같았기 때문입니다. 일단 경비실 전기요금을 주민들이 십시일반으로 내는 방식 결과가 긍정적이면 파급효과가 있을 것으로 예상하면서 기대는 현실로 나타났습니다. 최 씨는 “다른 아파트에 사는 지인들이 어떻게 하면 경비실에 에어컨을 설치할 수 있느냐고 묻는 안내가 온다”며 “이는 아파트 주민 모두가 문제의식을 느끼면서도 그동안 선뜻 나서지 못했다는 것을 의미한다”고 설명했습니다.또 부부는 기계화 시스템이 경비원을 대체해서는 안 된다는 입장을 분명히 했습니다. 최 씨는 자동화에 따라 남게 되는 노동력은 고용이 아닌 노동시간을 단축하는 데 써야 한다고 강조했습니다.

>

최 후보자는 지명 직후 내놓은 감상문에서 일본의 수출규제 대응을 최우선 과제로 삼고 연구개발(R&D) 혁신 등 근본적인 대응책을 마련해 국가경쟁력 강화의 기회로 삼겠다고 밝힌 것으로 알려졌다.서울(64세) 중앙고 서울대 전자공학과 KAIST 전기전자공학 석사 미국 스탠퍼드대 전기공학 박사 금성사 중앙연구소 연구원 미국 케이던스 연구원 서울대 전기정보공학부 교수 뉴럴프로세싱 연구센터장

>

최기영 교수는 1955년 서울특별시에서 태어났다. 서울대 전자공학과를 졸업하고 한국과학기술원에서 전기전자공학 석사, 미국 스탠퍼드대에서 전기공학 박사학위를 받았다. 19781983년 LG의 전신인 금성사에서 19891991년 미국 케이던스 디자인 시스템에서 근무했다. 1991년부터 서울대 교수로서 전력 절약 반도체 시스템을 연구해 왔다. 2016년 국제전기전자공학회(IEEE) 석학회원이 되었다.과학기술정보통에는 2019년 8월 9일 새 장관으로 내정되었다. 청와대는 이 사실을 전하면서 4차 산업혁명에 대응해 국가 연구개발 혁신을 주도하고 소프트웨어 산업을 육성하는 등 한국의 과학기술과 ICT 분야의 경쟁력을 높여 나가기를 기대한다고 밝혔다.

반도체 전문가가 과학기술 정평소는 신 장관으로 내정된 것을 두고 일본의 경제 보복에 대응하기 위한 극일 카드라는 분석이 나왔다. 반도체 업계의 반응은 호의적이지만 한국반도체산업협회 안기현 상무는 최 후보는 반도체 산업에 대한 양해가 높은 것으로 알고 있다며 과학기술과 반도체 산업은 서로 밀접하게 연결돼 있어 좋은 역할을 할 수 있을 것이라고 기대했다.

>

출생일 1955년(나이 64세) 출생지 서울특별시 학력중앙고등학교 (졸업) 서울대학교(전자공학 / 학사) 한국과학기술원(전기전자공학 / 석사) 스탠퍼드 대학교(전기공학 / 박사)

>

현직 서울대 전기정보공학부 교수 뉴럴프로세싱연구센터장 국제전기전자공학회 석학회원 과학기술정평소 신부 장관 내정자 약력금인 성사중앙연구소 연구원

최근 문재인(문재인) 대통령에게 첫째도, 셋째도 인공지능(AI)이라고 밝힌 손정의(일본 소프트뱅크)그룹 회장의 조언을 현실화해 예측불허로 치닫고 있는 일본의 경제보복에 맞서 극일 전략을 펼 적임자라는 분석이라고 합니다. 관건은 앞으로 첫 번째 관문인 청문회를 시작으로 국회를 상대하는 정무적 감각이 절실하다는 지적이라고 합니다. 문 문재인무 문재인 대통령은 9일 개각을 단행하고 과기정통부 장관 후보자로 최기영 서울대 전기정보공학부 교수를 지명했다고 합니다

>

이날 청와대는 후보자 지명 사유에서 “최기영은 반도체 분야의 세계적인 석학”이라며 “한국이 메모리 반도체 세계 1위를 달성하는 데 크게 기여했고, 현재도 AI 차세대 반도체 개발에 주력하고 있는 국내 반도체 연구·산업 발전의 산증인”이라고 말했습니다.이어 “4차 산업혁명에 대응해 국가 연구개발 혁신을 주도하고 소프트웨어 산업을 육성하는 등 한국의 과학기술과 ICT 분야의 경쟁력을 높여 나갈 것”이라고 기대했습니다.

“최 씨는 1955년생으로 서울 중앙고와 서울대 전자공학과를 졸업하고 한국과학기술원(KAIST) 전기전자공학 석사, 미국 스탠퍼드대 전기공학 박사 학위를 받았습니다” 정보통신부가 청와대 내 정책 호흡을 맞추는 이공주 대통령비서실 과학기술보좌관도 스탠퍼드대 출신입니다. 최 후보는 1978년부터 1983년간 LG전자의 전신인 금성사에서 1989년부터 1991년까지는 미국 전자설계자동화(EDA) 기업인 케이던스사에 근무한 현장 경력도 갖고 있습니다. 이후 학교로 돌아와 1991년부터 현재까지 최 후보자는 서울대 전기·정보공학부 교수로 재직 중이며, 국제전기전자공학회(IEEE)의 석학 회원을 맡고 있습니다.

눈에 띄는 이력은 ‘뉴럴 프로세싱 연구센터(NPRC)’의 초대 센터장을 맡았다는 점이라고 한다. 삼성전자가 2017년 말 전액 예산을 지원해 사람의 뇌를 닮은 차세대 AI 반도체인 뉴로모픽칩 개발을 위해 추진한 서울대 공대 산하 센터로 포스텍, 울산과학기술원(UNIST) 등 4개 대학과 100여 명의 연구원이 참여하는 산학협력 프로젝트라고 한다. 최 후보는 이처럼 반도체와 AI 전문가인 만큼 최근 일본의 수출규제 조치로 위기에 처한 반도체 소재 부품 관련 기술 독립 문제에 대한 해법을 제시할 수 있을 것으로 기대된다고 한다. 실제로 산업계 관계자들도 반도체 전문성은 물론 현장 경험을 가진 최 후보자가 효과적인 대안을 제시할 수 있을 것이라는 기대가 높은 것으로 알려졌다.

>

학자 일가의 가족관계도 눈길을 끈다. 동생은 최무영 서울대 물리천문학부 교수로 함께 교편을 잡고 있습니다. 최 후보자의 누나도 대학에서 근무한 경험이 있는 최영애 전 연세대 중어국문학과 교수로 도움을 주는 김용옥 선생의 부인이기도 합니다.

과학기술·ICT계는 일단 환영하는 분위기입니다. 서울대 전기 정보공학부 출신의 한 관료는 “인품과 실력이 모두 인정받는 분으로 학생 전원이 교수 연구실에 종사하고 싶을 정도로 인기가 많았다”며 “장관이 되면 다양한 현안을 슬기롭게 풀어나갈 수 있는 혜안이 있는 분”이라고 평가했습니다.실제로 연구실에 몸담았던 학생들의 평가도 교수평가사이트 김박사넷에서도 참 좋은 분 제가 본 교수 중 올바른 학자 지식인의 모습에 가장 가까운 교수 항상 최신 논문도 많이 읽힌다는 등 호평 일색입니다.

다만 올해 3월 조동호 전 과학기술정보통신부 장관이 국회 청문회 차원을 넘어 낙마함에 따라 이번 최 후보자에 대한 청문회에도 관심이 쏠리고 있다. 인품과 전문성을 갖고 있어도 장관으로서의 업무 수행을 위해서는 국회를 상대하는 정무 감각이 중요하다. 행정권한보다 국회의 입김이 점점 커지는 상황에서 국회와 제대로 호흡하지 못하면 모든 정책에 발이 묶이는 신세가 된다. 특히 행정, 특히 학계에서만 활동한 교수 출신은 권력 본능으로 점철된 정치세계와는 거리가 멀어 정무 감각이 떨어진다는 지적이 많다.

익명을 요구한 정부 관계자는 청문회 문턱을 넘어야 원활하게 대통령 임명까지 진행할 수 있다며 그동안 인정받은 전문성이나 인품 등이 아니라 정무적 감각을 자랑할 수 있는지도 특히 중요한 관건이 될 것이라고 말했습니다.이어 “과학기술정보통신부는 4차 산업혁명의 주무부처로서 산업통상자원부, 보건복지부, 행정안전부 등 전 부처 간 협력이 중요하며 정무적 감각이 더욱 중요하다”고 강조했습니다. 알파고와 인공지능 이렇게 보기 170호 – 2016-04-06 – 주제 : 과학

>

[편집자] 알파고의 바둑 대국 승리 이후 인공지능의 미래에 대한 낙관과 두려움이 생겼습니다. 게다가 자본주의 체제하에서는 인공지능이 노동자의 일자리를 빼앗을지도 모른다는 걱정도 자주 들려왔습니다. 스스로 유물론자임을 자처한 한 논평가는 인공지능이 숙련노동, 지식노동, 서비스노동까지 인간을 대체할 수 있다. 우리는의사알파고,기자알파고,회계사알파고,변호사알파고와경쟁을해야한다는겁니다.

전 세계에서 수많은 일자리가 사라질 것이다… 이마트에서… 쓴웃음을 짓던 여성 노동자는 사라지고,그곳에 인공지능 로봇이 서고, 말할지도 모른다며 이런 인상을 공유했다. 노동자연대 신문 장호정 기자가 서울대 최무영 물리학 교수를 만나 인공지능의 현재와 미래에 대해 인터뷰했다. 최무영 교수는 자신이 인공지능 전문가가 아님을 겸손하게 강조하고 조심스럽게 인터뷰에 응했지만 복잡계 물리학과 생명과학 분야 전문가인 그의 지식은 인공지능에 대한 균형 잡힌 시각을 갖는 데 큰 도움이 될 것으로 믿는다. 최무영 교수는 인기과학도서인 ‘최무영 교수의 물리학 강의'(책갈피)의 저자이다.

>

2~3년 전만 해도 인공지능이 바둑에서 인간을 이기기 어려울 것이라는 전망이 우세했는데요. 인공지능 개발 수준이 어디까지 왔다고 생각하세요?경기 결과를 보고 의외라는 반응이 많다는데, 지난 겨울 1~2월 경기가 성사된 뒤 외국에서 만난 인공지능 관계자들은 당연히 알파고가 이긴다고 하더군요. 그러니까 사실은 완전 의외는 아니란 말이에요. 당시에는 저도 알파고가 어떻게 작동했는지 잘 몰랐는데 나중에 작동 원리를 들어보니 [알파고가] 이긴 게 당연했어요. 놀랄 일이 아니라

예전 컴퓨터나 인공지능과는 뭐가 달라졌죠?인공지능 이야기는 좀 떨어져서 바둑도 체스도 근본적으로는 똑같아요. 똑같이 연산입니다. 지능이 필요한게 아니에요. 단, 체스는 아주 쉽게 연산할 수 있지만 바둑은 연산이 너무 복잡해요. 경우의 수가 훨씬 많기 때문입니다. 현실적으로 계산이 불가능했을 뿐 원리적으로 불가능하지는 않았어요. 원리적으로는 경우의 수를 모두 계산해서 최적을 찾으면 됩니다. 하지만경우의수가너무많아서아무리빨리계산해도그것을다찾는데는엄청난시간이걸리니까현실적으로불가능하다는것이었습니다. 현실적으로 컴퓨터 성능이 이 연산을 하기에는 안 된다고 생각한 겁니다. 하지만 이번 알파고는 인공지능이라고 할 수 있는 것을 조금 사용해서 더 효율적으로 연산한 겁니다.

지능과 연산능력 사이에 근본적인 차이가 있다고 보십니까?그건 지능을 어떻게 정의하느냐에 달린 문제지만 사실 쉬운 문제는 아니잖아요. 철학이나 인문학에서도 고민하는 문제죠. 단순히 연산을 두고 보면 우리가 절대로 컴퓨터에 못 당하더라구요. 당연히 컴퓨터가 아닌 작은 계산기도 벅찹니다. 근데 그걸 지능이라고 부르지 않잖아요.그렇다면 지능이란 과연 무엇인가? 통일된 정의는 없다고 생각하지만, 제 생각에는 막연한 것이지만 창의적인 것, 이해하고 해석하는 창의적인 능력, 지성 등이 포함되어 있다고 생각합니다. 다만 그것을 정량적으로 결정하는 것은 간단한 문제가 아니라고 생각합니다.

대체로 인공지능을 크게 두 가지로 나눕니다. 강한 의미의 인공지능과 약한 의미의 인공지능에 말입니다. 우리가 보통 인공지능이라고 주장하는 것은 강한 인공지능이죠. 의식이 있었고 자기 인식이 있어 그러므로 자아가 있습니다”라고 한다. 쉽게말해서정말하나의미의인공지능이있으면인간이시켜도안된다는거죠. 안 한다 싫다 SF영화에 나오듯 인간의 말을 듣지 않고 반란을 일으켜 인간을 타도하고 기계세계가 되겠다는 것이다. 그것은 강한 의미의 인공지능이지만, 그것은 물론 없습니다.현실에 있는 인공지능은 정말 약한 의미인데요? 이것은 특정한 기능을 사람처럼 수행하는 것입니다. 일반적인게아니고특정한것,스스로생각해서이런게전혀없고,인간이시키는특정기능을수행하는데그것을우리가보면마치지능이있어보이는거죠.전통적인 컴퓨터는 우리가 시키는 대로 합니다. 우리가 알고리즘을 짜서 연산시키면 그대로 더 이상 아무것도 할 수 없다고 한다. 분명히 해석법을 짜주고 그걸 시키는 대로만 해요. 하지만 약한 의미의 인공지능은 우리가 반드시 연산을 하나하나 지정하지 않아도 되는 일이 있다고 말한다. 예를 들어, 체스는 무식하게 가능한 것을 모두 계산해서 최적을 찾는 거죠. 그건 우리가 하라는 대로 쓴 대로만 수행하는 겁니다라고 말한다. 바둑은 원리적으로는 불가능하지 않더라도 현실적으로 그것을 다 계산하는 데 시간이 너무 많이 걸리기 때문에 불가능하다고 합니다. 하지만 그것을 컴퓨터로 학습시키고 반복 훈련을 해서 미리 입력하지 않은 상황이 되더라도 지금까지 배운 대로 시행할 수 있도록 했습니다. [알파고로] 그런 거를 조금 쓴 거예요 그것을 전문 용어로 기계 학습(머신 러닝)이라고 합니다. 지난 몇 년 동안 엄청난 인기를 끌고 있는 연구 주제입니다. 지난 몇 년 사이에 비약적으로 발전한 것을 알파고가에게 보여준 것이라고 한다.

사실 그건 새것이 아니에요. 우리가평소에패턴리코그네이션이라고부르는한국어로무늬인식같은게있어요. 예를들면,사람의얼굴을인식하는프로그램이있죠. 구글 같은 데서 이미 쓰는데 사진을 보여주면 누군지 맞히고, 꽃을 보여주면 꽃도 인식해요. 그것은 예를 들면 고양이의 모습을 특히 많이 보여서 훈련시키는 것입니다. 그래서 이미 본 그림이 아니라도 고양이 같은 게 보이면 ‘아 이게 고양이로구나.’ 라고 판단하는 거죠. 시리(Siri)라는 아이폰10에 있는 음성인식도 마찬가지입니다. 영상인식도 기본적으로는 컴퓨터가 학습하고 훈련을 계속 받고 수행하는 거죠. 그런 것을 약한 의미의 인공지능이라고 할 수 있습니다. 강한 의미의 인공지능은 아직 전혀 상상할 수 없어요. 기계가 인간을 지배한다는 생각은 전혀 현실이 아닙니다. 농담으로 말하자면, 문제가 되면 전원을 꺼 버리면 되는 것입니다. 물론 강한 인공 지능이 생기면 전원을 빼는 것을 방해할 수도 있지만, 그것은 SF 영화에나 있습니다.약한 인공 지능을 반복해서 쌓으면, 강한 인공 지능에 도달하는 것이 아닐까요.그것은 사실 지능의 근원이 무엇인가에 달려 있는 것입니다. 인간은 인식하고 지능도 있는데, 즉 판단하고 해석하고 확인하고 창조하며, 창의적인 능력을 발휘합니다. 그게 어떻게 생겨나는 겁니까? 예를 들면, 우리가 철저하게 유물론의 입장에서 철저히 따져보면, 지능은 두뇌의 작용이고 두뇌라는 것이 신경세포, 즉 뉴런들의 집합입니다. 하지만 신경세포의 상호작용 때문에 우리 입장에서 보면 뭔가 새로운 기능이 전체 집단의 성질로 떠오른다고 합니다. 영어로 이머전스(Emergence), 부상이라는 것이 생겨났습니다. 알파고 등도 인공적인 신경 그물을 사용한 것이라고 하는 것입니다. 우리의 두뇌를 인위적으로 흉내낸 겁니다. 그런데 그걸 잘해보면 언젠가 우리가 상상하지 못했던 성질이 떠오르지 않을까, 즉 신경세포가 특히 많이 모여들었을 때 전체 집단성질로서 지능이라는 것이 떠오른 것처럼 만약 인공적으로 만든 신경망의 오르게회로가 아주 많은 소자를 많이 모으고, 어떻게 하면 우리가 예상하지 못했던 전체 집단성질이 새롭게 떠오르고(emerge), 강한 인공지능이 생길지도 모른다는 질문입니다. 이것은 원리적으로 배제할 수는 없지만 적어도 아직 생각할 수는 없습니다. 생각할 수 없는 한계입니다. 그것도 철저하게 우리의 의식, 자의식이 우리 신경세포의 상호작용 때문에 생겼다고 전제하면, 그래서 그걸 믿지 않는 사람도 많이 있을 것입니다. 그렇게 철저히 모든 것이 물질로 환원되는 것은 아니라고 생각하면, 강한 인공지능이라는 것은 영원히 있을 수 없을 것입니다. 그것은 가장 기본적인 문제, 즉 물질과 의식을 어떻게 인식하느냐에 달려 있다고도 할 수 있습니다.

머신러닝과 인간의 학습, 생각은 무엇이 다른가요?머신러닝은 우리가 생각하는 게 아니라 우리가 말하는 대로 철저히 한 거예요. 학습했다는것도우리가훈련을해준겁니다. 기존의 단순한 컴퓨터와의 차이는 있어요. 그런 컴퓨터는 하나 더하기 1을 실행하라고 시키면 그것밖에 못하고 그게 끝인데 이건 훈련시켜준 거예요.학습에는 다양한 방법이 있습니다. 가장 많이 하는 것은 슈퍼바이즈 러닝(지도학습)이라는 고양이 영상을 계속 보여주는 것입니다. [컴퓨터가] 2차원 영상을 “본다”라고 하는 것은, 픽셀로 나누고, 음영과 컬러의 전체 정보를 파악하는 것입니다. 그리고 우리가 이런 것은 고양이라고 대답할 수 있는 거죠. 이 반복이 훈련입니다. 그다음에 새로운 고양이를 보여주고 판단하게 하는 거죠.그게 어떻게 가능하냐면 사람의 두뇌를 조금 따라하긴 하죠. 요즘 자주 쓰는 건 인공적으로 신경회로를 두뇌처럼 만든 거고, 신경세포 같은 회로소자를 만들어서 그 사이의 연결부위를 얼마나 세게 하는지를 조정해서 한번 훈련할 때마다 조금씩 바꿔주는 거예요. 거기에 맞춰서 그렇게 충분히 훈련을 시키면 그에 걸맞는 세기로 이어집니다. 그 연결이 되면 새로운 것을 봐도 그 연결에 맞게 “이건 고양이에요. ‘이건 아니다.’라고 결론을 내릴 수 있게 되는 거죠. 엄밀히 말하면, 우리는 그것을 다 알고 있기 때문에 우리가 시킨 대로 한 것이지만, 기존의 컴퓨터와는 다른 것입니다. 일일이 인간이 답을 내기가 어렵기 때문입니다.다른 방법도 있습니다. 지도를 안 하는 학습법, 강화학습이라고 해서 알파고는 사실 그걸 쓴 거예요. 답을 준 게 아니라 어떤 일을 한 다음에 제대로 하면 돈을 주고, 나쁘게 하면 벌칙을 주고, 돈을 점점 늘리는 식으로 유도하는 학습방법이 있는데 알파고가 그걸 쓴 것으로 알려져 있죠. 평소에고양이를인식시킬때는고양이를많이보여주면서훈련을시키는데알파고는기보를가지고훈련을시켰대요. 그 뿐만 아니라 중요한 것은 몬테카를로 탐색이라는 것을 쓴 것으로 알려져 있습니다. 우리가 바둑의 경우 모든 가능성을 탐색하는 것은 불가능해요, 시간적으로도요. 하지만그것을확률적으로가장가능성이높고답이있을만한부분만집중적으로하고그중에서다시집중해서,그렇게해서가장가능성이높은부분만집중적으로탐색하면더효율적으로가능합니다. [알파고는] 그런 방법을 사용한 것으로 알려져 있습니다.그런데 영상인식은 요즘 많이 발전해서 필기인식은 오차를 3%까지 낮췄다고 합니다. 그건 남들보다 낫다는 겁니다. 그러면 대단하지 않냐고 하는데 대단한 건 맞죠? 문제는 그걸 하다 보면 정말 엉뚱한 일로 실수를 하거든요. 전혀 말도 안 되는 신기한 영상을 보여주지만, 그것을 고양이로 인식하는 경우가 있습니다. 사람이 보면 누가 봐도 당연히 고양이가 아니죠. 그런 경우가 있거든요. 저희가 평소에 과적합, 오버피팅(over-fitting)이라고 하는데 오히려 결과가 나빠진다고 하더군요. 그래서 문제가 있어요. 우리가 적합화를 얼마나 해야 하는지도 잘 모르겠어요. 예를 들어 요즘 학생들이 죽기 살기로 공부만 하다 보니 패턴에 빠진 문제는 아주 쉽게 풀 수 있지만 조금 벗어나면 풀 수 없는데 똑같은 일이 생기는 겁니다. 그래서 표현에 있는 식은 사람보다 훨씬 잘 맞히지만 표현에 없는 것은 사람은 그래도 전혀 모르는 경우가 생기는 유명한 예가 있습니다.다만 알파고처럼 확률을 높여가는 방식으로 계산하면 사람이 절대 못 당해요. 그 원리를 알고 보면 사람이 절대 이길 수 없는게 당연한데요? 체스는 다 찾았으니 사람이 백전백패지만 바둑 같은 경우는 그게 불가능하니까 그럴듯한 부분만 집중적으로 한 건데 아주 드물게 거기가 아닌데 정답이 있을지도 모릅니다. 그러면 알파고가 질 수 있는 거죠. 농담 삼아 백전백패가 아니라 백전일승은 할 수 있지 않겠느냐는 겁니다. 이세돌이 한번이긴것은그런경우가아닌가싶습니다.강한 인공지능은 아직 전혀 현실적이지 않다는 건데, 평소 사람들의 학습 경험 중에는 아까 말씀하신 머신러닝 같은 방식도 적지 않은 것 같습니다. 인간의 뇌에서 의식의 발전이라는 것이 기계의 학습과 근본적인 차이가 있는 것일까요.그것도 중요한 질문인데, 인간도 어쨌든 태어나서 학습에 의해 형성되지 않느냐 하면 무슨 차이가 있느냐고 묻습니다. 기계가 제대로 학습하기 위해서는 지도 학습, 선생님이 옆에서 가르쳐 주는 것인데, 사람도 선생님이 가르쳐 준 것이 아닌가 싶을 수도 있습니다.근데 거기에 재밌는 게 하나 있어요. 인공지능이 정말 인간과 같은지 아닌지를 판단하는 방법으로 널리 알려진 것이 튜링 테스트입니다. 튜링이라는 사람이 컴퓨터, 인공지능의 선구자죠. 20세기 중반에 컴퓨터가 어떻게 푸는 법을 만들고 어떻게 연산을 하는지 처음 이론적으로 밝힌 사람이니까 천재와 같은 사람이에요. 튜링 테스트가 어떤 것이냐 하면 대체로 이런 것입니다. 문이닫힌방안에누가있는지모르는상태에서밖에서어떤질문을합니다. 그 다음에 대답을 듣고 사람이 대답을 했는지 기계가 대답을 했는지 모르겠으면 인간과 같은 것, 즉 인공지능이 아닐까 하는 것입니다.하지만이에대한유명한반론이있습니다. 중국어번역문제인데안에사람이있고밖에서한국어로하는걸중국어로번역해주면안에사람이있을거라고생각하지않을까그랬어요. 그런데 번역기가 어떤 사람이 중국어를 전혀 모르는데 티켓을 가지고 있어요. 중국어는전혀모르겠지만한국어와중국어가1대1로되어있는표가있는데그표를따라서대답하면그상황을이해했다고말할수가없겠죠 그러면 이거는 굉장히 지능이라고 할 수 없는데 그것을 밖에서 구별할 수 있는지, 구별할 수 없을 것이다 튜링 테스트에 대한 유명한 반론인데결국 인공지능인지 아닌지를 판단하는 것은 쉬운 문제가 아니라는 것입니다.

다만 인공지능과 인간 사이에 중요한 차이가 하나 있습니다. 인공지능의경우,학습을어떻게할것인가하는설계를하나하나해야합니다. 알파고가 성공한게 딥러닝이라는 것 덕분이라고 하네요. 최근 머신러닝 중 가장 획기적으로 인기를 끌고 있는 것으로 한국어로 깊은 학습, 한자로 심화학습, 심층학습입니다. 하지만 딥러닝은 별거 아니고, 우리가 인공신경망 구조를 설계할 때 보통은 입력과 출력이 있는데 그 사이에 숨겨진 층을 넣는 것을 일방적으로 이야기합니다. 숨겨진 층이 있어야 연산을 제대로 할 수 있거든요. 그런데 이 숨김층 사이에 정보가 입력에서 출력으로 한 방향으로 넘어가지 않고, 필요하면 돌아오는 피드백을 시키거나 해서 리커런트 네트워크라는 표현을 쓰는데, 그런 설계가 잘 되어야 합니다. 그런 설계를 전부 인간이 해야 한다구요. 그게 제대로 안되면 제대로 작동하지 않을 거예요.하지만인간은우리의두뇌를그렇게설계하는것이아니라학습하면서두뇌가스스로바꾸어가는겁니다. 인간의 두뇌는 자라면서 신경세포가 만들어지고, 그 사이의 연결이 정보처리의 핵심으로, 신경세포가 자라는 것도 그렇지만, 그 사이의 연결이 만들어지는 것은 인간의 학습을 통해서 스스로 만들어지는 것입니다. 세포가 변화하여 만들어지거나, 필요없으면 제거되기도 합니다. 실제로 많이 제거되기도 합니다. 하지만 인공지능은 적어도 현재까지는 전혀 그럴 수 없습니다. 따라서 확연히 차이가 있습니다. 약한 의미의 인공지능은 앞으로도 좋은 의미든 나쁜 의미든 매우 발전할 것입니다. 하지만 강한 의미의 인공지능까지 언제 갈 수 있는가 하는 문제는 잘 모르겠네요.회로의 하나하나를 인간이 설계한 것에 비해, 자연스럽게 연결되는 것이 보다 우수한 결과가 된다고 하는 의미로 들립니다.그것은 어느 것이 우수한지, 우수의 기준이 무엇인가 하는 문제입니다. 물론 단순 연산은 인간이 컴퓨터와는 비교가 안 되지만, 과연 우리가 정말 지능의 핵심이라는 창조적인 능력, 그것은 분명히 상상이 중요한 것이지만 그런 것도 포함해서 자의식, 자기 스스로 하는 자아 인식, 이것들은 별개의 문제죠. 그건 현재로서는 기계가 갖고 있다고 볼 수 없으니까요. 단순 연산으로는 우리가 상대할 수 없고, 심지어 영상인식 등에서도 이미 어떤 의미에서 기계가 인간을 능가한다고 할 수 있습니다. 물론 결점이 있습니다만. 다만 어느 쪽이 우수한지, 우리가 어떤 면을 우수하다고 생각하느냐에 따라 달라집니다. 모든 것이 더 우수하고, 모든 것이 더 뒤떨어졌다고 할 수 있는 것은 아니라고 생각합니다.

>

요즘 많은 사람들이 진화심리학의 주장을 상식처럼 생각하는 것 같아요. 기계를 학습시키는 방식과 진화심리학에서 주장하는 인간의 본성 형성 방식이 비슷해 보이는 게 인공지능에 대한 사람들의 평가에도 영향을 미칠 것 같다고 한다.그렇죠. 인공지능 문제에서 그것을 각별히 극단적으로 밀어붙이는 것과 진화심리학의 입장과 어떻게 보면 유사하다고 볼 수 있겠죠. 개인적으로는 진화심리학에 동의하는 편이 아니기 때문입니다. “인간이란 무엇인가”라는 문제로 본성이라는 것이 과연 있는가? 진화로 된 건가? 글쎄요.전문가가 아니기 때문에 확답은 없겠지만 그 문제에 대해서는 조금 회의적입니다라고 말했다.사실 저는 알파고가 이긴 것을 어떻게 평가하느냐를 놓고 여러 가지 이견이 있다고 생각합니다. 하지만 당연한 것은 알파고가 C피유(CPU중앙처리장치)와 GPU(영상처리장치)를 2천 개나 썼으니 큰일입니다. 어떻게 보면 불공정 게임이라고 주장하는 것도 일리가 있어요. 연산능력으로는 상대가 되지 않기 때문이죠. 컴퓨터 하나만으로도 연산능력으로 우리가 지는데 2천개를 들고 했으니까요. 아무튼 기본적으로 바둑이라는 것은 원리적으로는 연산입니다. 아주 많을 뿐, 원리는 연산이지만, 굉장히 많은 경우의 수를 어떻게 만들 수 있는가 하는 문제였습니다.바둑이야기가나온김에말하면바둑이많이있는나라가한국,중국,일본입니다. 어떻게 보면 바둑이 ‘기풍이 있다’, ‘두텁다’, ‘입신의 경지다’ 등으로 신비화하는 경향이 있는데, 이번에는 그것이 크게 깨진 것이 아닌가 하는 생각이 듭니다. 바둑을 두는 분에게는 안된 이야기입니다만, 저는 그것 참 다행이라고 생각합니다.

무슨 뜻이냐면요. 저는 프로기사라는 게 별로 동의하기 어려워요. 프로 스포츠 선수라는 것을 동의하기 어렵게 말이에요. 정확하게는 모르지만 이 분들은 교육도 제대로 못 받고 있는 것 같아요. 대개 어렸을때 4,5에서 죽기 살기로 하루 종일 바둑만 두는건 아닌지, 제 주변에는 없어서 잘 모르겠지만 아무튼 대학교육은 물론 중,고등학교 정도 밖에 안끝난다고 생각하지만 이는 교육적으로는 아주 잘못된 것 같습니다.바둑이란 인간의 즐거운 놀이가 되어야 한다고 생각합니다. 스포츠와 마찬가지로 인간의 즐거운 놀이가 되어야 할 것을 지옥훈련을 받고 직업으로 삼는 것은 회의적입니다.인간이 기계에 졌다고 하지만 전 전혀 동의하지 않아요. 인간이 인간에게 진 것입니다. 그걸 확대 해석해서 동양이 서양에 졌다는 사람도 있는 것 같은데, 물론 그렇지도 않습니다. 제가 보기에는 좀 지나칠 수도 있지만 농담을 하면 바둑 기술자가 전산 기술자에게 진 거예요. 그리고 사람의 지능, 즉 자연지능이 인공지능에 졌는데, 물론 연산에서 진 겁니다. 그건 당연한 일이에요.연산이지만 복잡한 연산이기 때문에 기존의 방법으로는 무리이지만 본질적으로는 연산에서 졌기 때문에 놀랄 정도는 아닙니다. 바둑은원리적으로영상이나음성인식보다훨씬쉬운문제이고더잘정의된문제입니다. 너무 많아서 최적을 찾기가 매우 어려운 문제인 건 확실합니다만. 예를 들어 고양이는 우리가 수학적으로 정의하기 어렵거든요. 그런 면에서 오히려 더 어려운 문제가 될 수 있다는 거죠.장호정: 많은 도움이 되었고 감사합니다. 안녕히 계십시오

Visits: 3