[뉴스비전e 김호성 기자] 2016년 3월 구글-딥마인드의 ‘알파고’가 상금 100만 달러를 내걸고 이세돌 9단과 5차례 대국을 벌였다. 승리를 믿어 의심치 않았던 인간 대표 이세돌은 4:1로 패배하고 말았다. 이는 바둑계는 물론 인공지능을 연구하는 전문가에게도 충격으로 다가왔다.

알파고의 등장으로 멀어 보이던 인공지능의 시대가 한 발 더 가까워졌다. 인공지능은 바둑, 안면 인식 등 많은 분야에서 사람의 능력을 뛰어넘고 있다. 최근에는 극본이나 작곡 등 창작의 영역에도 인공지능의 참여가 이어지고 있다.

▲ 알파고의 지식 습득 방법- 딥러닝(Deep Learning)

최근 인공지능의 놀라운 성취는 바로 딥러닝(Deep Learning) 기술의 등장 때문이다. 지금의 딥러닝 기술이 구현되기까지 수많은 연구와 다양한 기법들이 소개됐다.

과거 1세대 인공지능은 가전제품에 구현되는 단순한 제어 프로그램 수준에 지나지 않았다. 

이 기술은 빠짐없이 규칙이 정해져 있어서 그대로 수행되는 구조이므로, 간단한 작업 밖에는 할 수 없었다. 그 후 경로탐색과 DB 서치 등을 활용한 2세대 인공지능이 나왔다. 

많은 정보와 규칙을 두꺼운 시나리오 북으로 미리 준비하고 탐색하는 방식으로 전문가 시스템이라고도 한다.

그 후 머신러닝으로 대변되는 3세대 인공지능 시대가 열렸다. 

머신러닝이란 전문가 시스템처럼 처음부터 방대한 규칙을 준비하는 대신, 컴퓨터가 스스로 어떤 판별이나 예측 비법을 익히게 하는 것이다. 

지금의 4세대 인공지능은 딥러닝으로 대표된다.

딥러닝은 기존 신경망분석(NN)의 발전된 형태로써 더 추상화된 고급 지식을 익힐 수 있다. 

3세대의 머신러닝에서는 데이터를 어떻게 추상화하여 로직을 찾을 지를 인간이 정해서 알려주어야 했다. 그러나 4세대의 딥러닝에서는 데이터를 변형하고 살피는 인사이트 조차도 기계가 스스로 찾는다.

▲ 인간의 뇌를 모방하고 넘어서는 AI

인간의 뇌는 뉴런(neuron)이라고 부르는 신경세포의 네트워크로 구성되어 있다. 퍼셉트론(Perceptron)은 인간의 뉴런을 수학적으로 모방한 계산 알고리즘으로 인공신경망과 딥러닝의 토대가 된다.

인공신경망을 더 깊게 쌓아 올릴수록 복잡하고 고도한 지식을 표현할 수 있음이 밝혀졌다. 

복잡한 구조에서는 기계가 제대로 학습을 할 수 없는 문제에 봉착했지만, 2006년 토론토 대학의 힌튼 교수는 한꺼번에 학습하는 것이 아니라 한 층씩 따로 학습하는 새로운 해결 방안을 제시했다.

그리고 이 방법으로 수십 층으로 구성된 깊은 신경망을 머신러닝으로 학습하는 것을 ‘딥러닝’이라 이름지었다.

딥러닝 방법으로 신경망의 층을 깊게 쌓을 수 있게 되면서 더 복잡하고 추상화된 인공지능을 구현할 수 있게 됐다.  이제 랜덤포레스트, 서포트벡터머신 등 타 머신러닝 방법을 사용하던 분야에서도 속속 딥러닝으로 선회하는 추세가 보인다.