[뉴스비전e 정윤수 기자] AI는 수많은 최신 기기의 마케팅 용어가 되고 있다.

삼성전자는 인공지능으로 화질을 개선한 8K 대형 TV를 선보였고, 소니는 더 많은 인공지능을 탑재한 새로운 버전의 반려견 로봇 아이보(Aibo)를 내놓았다. 

트레블메이트(Travelmate)의 로봇 가방은 인공지능으로 어디든지 주인을 따라간다. 쾰러(Kohler)는 아마존의 알렉사를 탑재한 화장실 누미(Numi)를 발표했다. 

국내 이동통신사들과, 인터넷사업자들은 앞다퉈 AI음성인식서비스를 출시했고, 이를 기반으로하는 로봇들이 은행의 영업점에 전진 배치되는 추세다. 

각 산업의 사업자들은 다들 AI의 핵심 요소가 들어가 있다는 설명을 하며 목소리를 높인다.  

그러나 어떤 이유에서인지 업계는 실제로 머신러닝(ML)을 뜻하는 경우에도, AI라는 용어를 사용하고, 이를 보도할 때도 AI의 범주 안에 있는 머신러닝(기계학습), 딥러닝, 신경학습 등의 용어를 구별하지 않을 때가 많다.

머신러닝은 본질적으로 시행착오를 통해 이산적인 질문에 매우 정확한 답을 예측할 수 있는 모델을 구축하는 것을 뜻하는 훨씬 더 좁은 정의다. 

꽃과 풀을 머신러닝에 가르치는 과정을 예로 들자면, 각각의 이미지를 충분히 가르쳐 준 이후 구별을 하게 하고, 이를 통해 꽃과 풀의 구별은 물론, 동물과 식물의 구별까지도 학습할 수 있도록 하는 기반을 마련하는 것이다.

이와 같은 연산 능력은 칩의 생산효율을 기반으로하는 경제성과 결부돼 최근 수년 사이에 급격히 나타났다. 

문제는 데이터를 학습하고 다시 연산하는 머신러닝을 실제 지능이라고 할 수 있냐는 것이다. 특히 여러 가지 종류의 광범위한 정의를 갖고 있는 인간의 지능과 비료할 때 머신러닝에 대한 정의는 더욱 고민에 빠진다.

최근 로봇의 권리 이슈를 짚어보기 위해 열린 행사에 나타난 로봇 소피아를 보면서 과학계와 산업계에서도 이와 같은 시각은 제기됐다. 

과연 어느 수준의 인공지능에게 기계가 아닌 지능이라는 단어를 쓸 수 있는 것일까?

인간은 아직까지 인공지능보다 더 많은 것을 할 수 있다. 스탠포드의 AI 인덱스에 따르면, 인간의 두뇌는 속도와 효율을 떠나 모든 이미지, 생각, 또다른 생각 등 모든 것을 다 할 수 있다. 

그러나 인공지능은 새로운 연산을 위해서는 또 하나의 시스템이 있어야 한다. 

이와 같은 생각에서 우리는 광범위의 AI, 머신러닝, 딥러닝, 신경학습 등 인공지능을 다시 분류하기 시작했다. 그리고 보다 일반화된 인공지능과 스스로 생각하는 지능을 구별해 보는데 집중하고 있다. 

더 이상의 AI라는 단어로 포괄한는 과대평가의 시대에서 구별을 하기 시작한 것이다.