인공지능(AI)이란?
사람이 하던 지능적인 일을 기계가 대신한다는 것은 무슨 뜻일까?
인공지능의 정의
인공지능(AI, Artificial Intelligence)은 인간의 지적 능력을 컴퓨터를 비롯한 기계로 구현한 기술을 의미합니다.
사람의 지능이 하는 일을 셋으로 나눠 보면 이해하기 쉽습니다. 사람은 눈앞의 대상이 무엇인지 알아보고(지각), 겪은 일에서 새로운 것을 익히며(학습), 이미 아는 사실로부터 아직 모르는 사실을 이끌어 냅니다(추론·예측). 인공지능은 이 세 가지를 컴퓨팅 시스템 위에 옮겨 놓으려는 컴퓨터 과학의 한 분야입니다. 여기에 이 셋을 엮어 실제 문제를 푸는 일(문제 해결)을 더하면 「인공지능의 4가지 주요 특성」 절에서 볼 네 가지 특성이 됩니다.
그래서 어떤 기계나 제품이 인공지능을 갖췄다는 말은, 정해진 동작을 기계적으로 반복하는 데서 그치지 않고 사람의 지능이 하는 일을 해낸다는 뜻입니다. 결과가 사람과 비슷해도 속에서 정보를 처리하는 방식은 사람과 다를 수 있습니다. 정해진 동작을 반복하는 데서 그치느냐가 「인공지능과 일반 소프트웨어」 절에서 두 프로그램을 구분하는 기준이 됩니다.
컴퓨터 과학이란 컴퓨터의 하드웨어와 소프트웨어를 만들고 활용하는 방법을 연구하는 학문입니다. 알고리즘(문제를 푸는 절차와 방법을 정리한 것), 프로그래밍 언어, 컴퓨터 구조, 그리고 인공지능이 모두 이 학문의 주제입니다.
이름을 풀어 보면 Artificial은 「사람이 만든」, Intelligence는 「지능」입니다. Intelligence는 이해하고 통찰하는 능력을 뜻하는 라틴어 intelligentia에서 왔고, 사전은 지능을 「어떤 사물이나 현상을 받아들이고 생각하는 능력」이라고 풀이합니다. 두 낱말을 붙이면 「사람이 만들어 낸 지능」이 됩니다.
「인공지능(Artificial Intelligence)」이라는 용어는 1956년 다트머스 회의를 준비하며 존 매카시(John McCarthy, 1927~2011)가 처음 제안했고, 이 회의를 계기로 널리 쓰이기 시작했습니다. 이 무렵의 연구자들 가운데에는 20년 안에 사람과 같은 지능을 가진 기계가 나오리라 내다본 이들도 있었지만, 수십 년이 지난 지금도 그 목표는 이루어지지 않았습니다. 인공지능이 얼마나 어려운 문제인지 짐작하게 하는 대목입니다.
적용 범위에 따른 분류
인공지능을 나눌 때 기준이 되는 것은 실력이 얼마나 뛰어난가가 아니라 얼마나 넓은 범위의 일을 다룰 수 있는가입니다.
약인공지능 (Weak AI)
미리 정해 둔 한 종류의 일만 처리하는 인공지능입니다. 그 일 안에서는 사람보다 뛰어날 수 있지만, 배운 적 없는 다른 종류의 일로는 스스로 옮겨 가지 못합니다.
알파고, 자율주행, 스마트폰 음성비서가 여기에 속합니다.
강인공지능 (Strong AI)
처음 보는 종류의 일까지 사람처럼 스스로 판단해 해내는 인공지능입니다. 글쓰기 · 번역 · 요약처럼 여러 종류의 일을 한 모델로 해내는 인공지능도 나왔지만, 사람처럼 두루 해내는 강인공지능은 아직 없고, 이야기 속 상상이나 연구자들의 목표로 이야기됩니다.
영화 「2001 스페이스 오디세이」의 우주선 컴퓨터 「HAL 9000」이 그런 상상입니다.
강인공지능이 자기 자신을 의식하는 마음까지 갖게 되는가는 아직 아무도 답을 모릅니다. 「가질 수 있다」고 단정하지 말고, 철학자와 과학자들이 지금도 논쟁 중인 열린 물음으로 기억해 두세요.
헷갈리기 쉬운 점
「약하다」가 「성능이 나쁘다」는 뜻이 아닙니다. 세계 최고수를 이긴 알파고도 약인공지능입니다. 바둑이라는 한 가지 일에만 쓸 수 있어서 그렇게 부릅니다. 알파고에게 체스판을 주면 한 수도 두지 못합니다.
더 알아보기 — 인간의 지능을 훨씬 뛰어넘는 「초인공지능(Super AI)」이라는 분류도 있습니다. 영화 「터미네이터」의 「스카이넷」이 대표적인 예이며, 강인공지능과 마찬가지로 아직 이론적인 논의 수준에 머물러 있습니다.
친구가 「계산기도 사람이 하던 계산을 대신하니 인공지능이다」라고 말합니다. 계산기가 인공지능이라고 하기에 무엇이 빠져 있는지 한 문장으로 말해 보세요.
튜링 테스트: 인공지능의 지능적 판단
컴퓨터가 「생각한다」는 것을 어떻게 확인할 수 있을까요? 인공지능의 지능적 판단을 둘러싼 가장 유명한 사고 실험을 알아봅니다.
먼저, 「지능적 판단」이란 무엇일까
지능적 판단이란 인공지능이 주어진 상황에서 고를 수 있는 여러 선택지 가운데 가장 나은 것을 골라 행동하는 능력을 말합니다. 정해진 명령을 그대로 따르지 않고, 미리 정해 두지 않은 상황에서도 스스로 고릅니다.
예를 들어 길 안내 앱이 「출발지에서 학교까지」라는 같은 요청을 받아도, 사고가 난 도로를 피해 다른 길을 제안한다면 그것은 상황을 보고 더 나은 쪽을 고른 것입니다. 반면 늘 똑같은 길만 알려 준다면 판단한 것이 아니라 정해진 답을 꺼내 놓은 것입니다.
그런데 여기서 곤란한 물음이 생깁니다. 기계가 사람처럼 판단하고 있는지를 우리는 어떻게 확인할 수 있을까요? 이 물음에 답하려고 만들어진 것이 튜링 테스트입니다.
등장 배경
1950년 영국의 수학자 앨런 튜링(Alan Turing, 1912~1954)은 논문 「컴퓨팅 기계와 지능」에서 「기계가 생각할 수 있는가?」라는 질문 대신, 질문과 답변을 통해 컴퓨터가 인간과 얼마나 비슷한 지능을 가지고 있는지 판별하자는 실용적인 방법을 제안했습니다. 이것이 바로 튜링 테스트입니다.
튜링이 이렇게 물음을 바꾼 데는 이유가 있습니다. 「생각한다」는 말은 사람마다 뜻이 달라 참인지 거짓인지 판단할 수가 없습니다. 그래서 그는 답을 낼 수 없는 물음을 실제로 해 볼 수 있는 실험으로 바꿔 놓았습니다.
앨런 튜링은 수학자이자 암호학자였고, 오늘날 컴퓨터의 이론적 뼈대가 된 「튜링 기계」라는 계산 모형을 세운 컴퓨터 과학의 선구자입니다. 컴퓨터라는 기계가 세상에 몇 대 없던 시절에 이미 「기계의 지능」을 고민했던 사람입니다.
튜링 테스트의 판별 방식
판정관은 상대의 얼굴도 목소리도 볼 수 없습니다. 남는 것은 글로 주고받은 대화뿐입니다. 답을 판단할 수 없는 「생각하는가」라는 물음을, 「대화 상대가 사람인지 알아맞힐 수 있는가」라는 실제로 확인 가능한 물음으로 바꿔 놓은 것입니다.
칸막이로 분리된 공간에 인간과 컴퓨터를 각각 배치합니다.
어느 쪽이 인간인지 모르는 판정관이 양쪽에 같은 질문을 하고 글로 답을 주고받습니다.
대화만으로 인간인지 컴퓨터인지 구별할 수 없다면, 그 컴퓨터는 인간 수준의 지능을 가진 것으로 판단합니다.
대화 도중 상대가 어려운 곱셈을 1초 만에 정확히 풀자, 판정관이 「이쪽이 컴퓨터다」라고 알아맞혔습니다. 이 컴퓨터는 튜링 테스트를 통과했을까요? 판정 기준에 비추어 까닭을 말해 보세요.
튜링 테스트의 한계와 실용화
대화만으로 지능을 판정하는 방법에는 어떤 빈틈이 있을까요? 그리고 이 발상은 오늘날 어디에 쓰이고 있을까요?
한계와 비판
- 표면적인 대화 능력만 평가합니다. 자연스럽게 대화한다고 해서 컴퓨터가 실제로 의미를 이해하거나 스스로 사고하는지는 확인할 수 없습니다.
- 특정 분야의 깊은 지식은 다루기 어렵습니다. 일상적인 대화는 통과하더라도 의학·법률처럼 전문 지식이 필요한 문제는 판별하기 어렵습니다.
이런 한계 때문에 오늘날에는 튜링 테스트 하나만으로 컴퓨터가 인간과 같은 지능을 가졌다고 판단하기에는 충분하지 않다고 보는 시각이 많습니다.
실용화 사례: 캡차(CAPTCHA)
회원 가입이나 로그인을 할 때 만나는 캡차는 사람인지 프로그램인지 자동으로 구별하는 장치로, 튜링 테스트를 실제 서비스에 옮겨 놓은 것입니다. 다만 방향이 반대입니다. 튜링 테스트는 사람이 판정관이 되어 기계를 찾아내지만, 캡차는 기계가 판정관이 되어 사람을 확인합니다. 스팸 가입이나 해킹 시도를 막기 위해 2000년 무렵 만들어졌습니다.
처음의 캡차는 찌그러지고 비뚤게 쓰인 문자를 보여 주었습니다. 사람은 쉽게 읽지만 당시의 프로그램은 읽지 못했기 때문입니다. 그런데 인공지능의 인식 능력이 발전하면서 이 문자를 사람보다 더 정확하게 읽어 내게 되었고, 문자 캡차로는 더 이상 사람과 프로그램을 구별하지 못하게 되었습니다.
그래서 요즘 널리 쓰이는 캡차 가운데에는 체크 상자에 표시하기까지의 행동을 함께 살펴 판정하는 것이 많습니다. 마우스가 움직인 궤적, 클릭하기까지 걸린 시간, 그 전후에 페이지에서 한 일이 모두 단서가 됩니다. 체크했다는 사실 하나로 통과시키는 것이 아닙니다. 사람의 손놀림은 미세하게 흔들리지만 프로그램은 지나치게 반듯하다는 차이를 이용하는 것입니다.
캡차의 역사는 「사람만 할 수 있는 일」의 경계가 계속 밀려나고 있다는 것을 보여 줍니다. 한때 사람만 읽을 수 있던 찌그러진 글자를 이제는 인공지능이 더 잘 읽습니다.
해 보기: 교실에서 하는 튜링 테스트
친구들과 함께 간단한 튜링 테스트를 해 봅시다.
- 두 명을 뽑아 각각 인간(A) 역할과 컴퓨터(B) 역할을 맡기고, 다른 친구들은 누가 어떤 역할인지 모르게 합니다.
- 전달자 한 명을 정해 질문지를 A, B에게 전달하고 답변만 받아옵니다.
- 답변만 보고 어느 쪽이 인간인지 판정해 보고, 실제 결과와 비교하며 이유를 이야기해 봅시다.
「당신은 컴퓨터인가요?」, 「4 곱하기 7은 무엇입니까?」, 「당신은 어떤 음식을 좋아합니까?」 같은 질문을 던져 봅니다.
튜링 테스트를 통과했다고 해서 확인할 수 없는 것은 무엇인가요? 그리고 캡차는 왜 문자를 보여 주는 방식에서 행동을 살펴보는 방식으로 바뀌었나요?
인공지능의 4가지 주요 특성
인공지능을 인공지능답게 만드는 능력은 무엇일까?
인공지능의 특성은 사람이 지능을 쓰는 방식을 모방해 만들어졌습니다. 그래서 네 가지 특성을 사람의 능력과 나란히 놓고 보면 훨씬 잘 잡힙니다. 아래 카드에서 위쪽은 사람, 아래쪽은 인공지능입니다.
지각 (Perception)
사람은 시각·청각·촉각·후각·미각의 오감으로 주변의 사물을 알아봅니다.
인공지능은 카메라·마이크 같은 센서로 이미지·소리·언어를 받아들여, 그것이 무엇인지 구별하고 상황 정보로 해석합니다.
다만 알아본다는 것과 뜻을 이해한다는 것은 다릅니다. 얼굴 인식이 사진 속 인물을 정확히 찾아내더라도, 그 사람이 왜 웃고 있는지까지 아는 것은 아닙니다.
얼굴 인식 · 음성 인식학습 (Learning)
사람은 여러 번 겪어 보면서 몸에 익힙니다. 타자 연습을 몇 주 하고 나면 자판을 보지 않고도 글자 위치를 찾게 되는 것과 같습니다.
인공지능은 사람의 경험 대신 많은 양의 데이터를 살펴보며 그 안에 반복되는 규칙과 패턴을 찾아냅니다. 규칙을 사람이 적어 주지 않아도 데이터에서 찾아냅니다.
기계학습 · 딥러닝추론·예측 (Reasoning & Prediction)
추론은 이미 아는 사실에서 새로운 사실을 이끌어 내는 것이고, 예측은 앞으로 있을 일을 미리 헤아려 짐작하는 것입니다.
사람은 겪어 온 경험을 바탕으로 추론합니다. 현관에 젖은 우산이 세워져 있으면 창밖을 보지 않고도 「밖에 비가 오는구나」 하고 짐작하는 식입니다.
인공지능은 주어진 정보와 규칙에 근거해 아주 빠르게 결론을 도출하고, 쌓인 데이터를 바탕으로 결과를 예측합니다.
의료 진단 보조 · 날씨 예보문제 해결 (Problem Solving)
사람은 겪어 본 일을 떠올려 상황을 판단하고 행동을 정합니다.
인공지능은 탐색 같은 알고리즘이나 학습한 결과를 이용해 가능한 방법들을 비교하고 그중 가장 나은 길을 찾습니다. 내비게이션이 수많은 경로 가운데 빠른 길 하나를 골라 주는 것이 그런 예입니다.
알파고 · 자율주행 경로 탐색네 가지는 따로 떨어져 있지 않습니다
하나의 인공지능 안에서 네 가지는 이어져 돌아갑니다. 자율주행차를 예로 들면, 카메라로 앞차와 신호등을 알아보고(지각), 수많은 주행 기록에서 상황별 대처법을 익혀 두었다가(학습), 앞차가 곧 멈추겠다고 미리 헤아리고(추론·예측), 속도를 줄일지 차선을 바꿀지 정합니다(문제 해결). 그래서 어떤 제품을 볼 때 네 가지가 각각 어느 기능에서 드러나는지 확인해 보면, 그 제품이 무엇을 스스로 해내는지 알 수 있습니다.
스마트폰 사진 앱이 사진 속 얼굴을 알아보고, 같은 사람의 사진끼리 묶어 인물별 앨범을 만들어 줍니다. 이 기능에는 네 가지 특성 가운데 어느 것이 드러나나요? 드러나지 않는 특성도 하나 골라 까닭을 말해 보세요.
인공지능의 실생활 활용
인공지능은 우리 생활 어디에 이미 들어와 있을까?
인공지능은 이미 우리 생활 곳곳에서 사용되고 있습니다. 대표적인 사례를 살펴봅시다.
스마트 홈
집 안의 가전과 전기 장치를 하나로 연결해, 사는 사람의 생활 습관과 실내 상태에 맞춰 조명·온도·에너지 사용을 알아서 조절합니다.
챗봇 상담 서비스
문자나 음성으로 사람과 대화하는 프로그램입니다. 질문의 뜻을 알아듣고 답하며, 쌓인 대화 기록으로 다시 학습시키면 답변이 나아집니다.
개인 맞춤형 서비스
무엇을 보고 무엇을 골랐는지 기록을 분석해, 사람마다 다른 취향에 맞을 만한 영상·음악·상품을 골라 보여 줍니다.
음성 인식 무인 결제
주문하는 사람의 목소리를 알아듣고 메뉴 선택부터 결제까지 도와줍니다. 화면 조작이 어려운 사람에게 특히 도움이 됩니다.
순환 자원 회수
투입구에 들어온 페트병과 캔을 센서로 스스로 구별해 종류별로 나누고, 부피를 줄여 모아 둡니다.
가사 자동화(로봇청소기 등)
집 안의 구조를 익혀 청소 경로를 스스로 짜고, 이상한 낌새가 보이면 알려 주며, 목소리로 가전을 제어할 수 있게 합니다.
지능형 교통 시스템
도로의 차량 흐름을 분석해 신호 시간을 조절하고 돌아가는 길을 안내해, 정체와 사고를 줄입니다.
자율주행
카메라와 센서로 주변 차량·신호·보행자를 살펴, 사람이 운전대를 잡지 않아도 방향과 속도를 정해 달립니다.
함께 알아 둘 말: 사물 인터넷(IoT)
위 사례 가운데 스마트 홈과 가사 자동화에는 사물 인터넷(IoT, Internet of Things)이 함께 쓰입니다. 사물 인터넷은 주변의 사물들이 통신 기능을 갖춰 네트워크로 이어지고, 서로 정보를 주고받는 것을 말합니다. 에어컨이 온도를 측정해 보내고 세탁기가 다 됐다고 알려 오는 식입니다.
둘의 역할은 다릅니다. 사물 인터넷이 정보를 모아 나르는 길이라면, 인공지능은 그 정보를 보고 무엇을 할지 정하는 쪽입니다. 기기들이 연결만 되어 있고 판단하는 부분이 없다면 그것은 아직 인공지능이 아닙니다.
자동으로 움직이면 다 인공지능일까?
가장 많이 하는 오해입니다. 자동화와 인공지능은 같은 말이 아닙니다. 자동화는 사람이 미리 정해 준 순서를 사람 손을 거치지 않고 실행하는 것이고, 인공지능은 미리 정해 두지 않은 상황에서도 학습이나 추론으로 무엇을 할지 스스로 정하는 것입니다. 상황마다 할 일을 사람이 미리 적어 두었다면 아무리 손이 안 가도 그것은 자동화입니다.
| 기기 | 자동화까지만 한 경우 | 인공지능이 들어간 경우 |
|---|---|---|
| 밥솥 | 정해진 시간이 되면 취사를 시작한다. 쌀의 양이 달라도 늘 같은 시간 동안 짓는다. | 솥 안의 무게와 수분을 측정하고, 지금까지 지은 밥의 결과에서 학습한 것에 비추어 처음 겪는 쌀의 양에도 불의 세기와 시간을 스스로 정한다. |
| 청소기 | 전원을 켜면 정해진 방향으로 움직이다가 벽에 부딪히면 방향을 튼다. 같은 곳을 여러 번 지나기도 한다. | 집 안의 지도를 만들어 두고 아직 청소하지 않은 곳을 찾아, 시간이 덜 걸리는 경로를 짜서 움직인다. |
| 에어컨 | 사용자가 맞춰 놓은 24도가 될 때까지 찬 바람을 내보낸다. | 사람이 어디에 몇 명 있는지, 지금까지 어떤 온도를 자주 골랐는지를 보고 바람의 방향과 세기를 정한다. |
구분하는 기준으로 「미리 정해 두지 않은 상황에서도 학습이나 추론으로 스스로 고르는가」를 물어보세요. 상황에 따라 하는 일이 달라지는 것만으로는 부족합니다. 「24도가 되면 멈춘다」, 「벽에 부딪히면 방향을 튼다」처럼 상황마다 할 일을 사람이 미리 적어 두었다면 자동화입니다. 겪은 데이터에서 배우거나(학습) 아는 것에 비추어 새 상황의 답을 이끌어 내야(추론) 인공지능입니다. 학습하지 않고 추론만 하는 인공지능도 있습니다.
해 보기: 사례로 알아보는 인공지능의 특성
주변에서 사용하는 인공지능 제품·서비스를 하나 골라, 인공지능의 4가지 특성(지각, 학습, 추론·예측, 문제 해결) 중 어떤 특성이 적용되었는지 표시해 봅시다. 아래는 예시입니다.
표시가 사람마다 달라도 괜찮습니다. 같은 제품이라도 어느 기능까지를 그 제품의 일로 보느냐에 따라 판단이 달라집니다. 중요한 것은 표시 자체가 아니라 왜 그렇게 표시했는지이므로, 칸마다 근거를 한 줄씩 적어 친구와 비교해 보세요.
| 사례 | 지각 | 학습 | 추론·예측 | 문제 해결 |
|---|---|---|---|---|
| 로봇청소기 | ||||
| 스마트 홈 | ||||
| 추천 시스템 | ||||
| (나의 사례) | ? | ? | ? | ? |
편의점 무인 계산대는 상품의 바코드를 읽어 가격을 더하고 결제를 받습니다. 이것은 자동화일까요, 인공지능일까요? 「미리 정해 두지 않은 상황에서도 학습이나 추론으로 스스로 고르는가」를 물어 판단해 보세요.
인공지능과 일반 소프트웨어
일반 소프트웨어와 인공지능은 무엇이 다를까?
일반 소프트웨어
규칙 기반 (Rule-based)
- 개발자가 일어날 수 있는 상황마다 모든 규칙(If-Then)을 프로그래밍해야 합니다.
- 개발자가 미리 생각해 두지 못한 상황을 만나면 따를 규칙이 없어 대처하지 못합니다.
- 입력된 데이터만 처리하며, 스스로 성능을 발전시키지 못합니다.
인공지능 소프트웨어
데이터 기반 (Data-driven)
- 규칙을 사람이 적어 주는 대신, 많은 양의 데이터를 주면 컴퓨터가 그 안에서 규칙을 찾아냅니다.
- 배운 적 없는 상황을 만나도 학습한 규칙에 비추어 나름의 답을 내놓습니다.
- 더 나은 데이터로 다시 학습시키면 성능을 끌어올릴 수 있습니다.
한쪽이 무조건 낫다는 뜻은 아닙니다
- 「데이터만 주면 알아서 배운다」가 아닙니다. 사진 속 동물의 이름을 맞히게 하려면 사진마다 정답을 붙여 주어야 합니다. 정답 없이 비슷한 것끼리 묶기만 하는 학습 방법도 있는데, 어느 쪽이든 어떤 데이터를 어떻게 마련하느냐가 성능을 좌우합니다.
- 「예외 상황에 늘 잘 대처한다」도 아닙니다. 학습한 데이터에서 멀리 벗어난 상황에서는 오히려 엉뚱한 답을 자신 있게 내놓기도 합니다. 눈 덮인 도로를 한 번도 본 적 없는 자율주행차가 차선을 못 찾는 것이 그런 경우입니다.
- 데이터가 쌓이기만 하면 저절로 좋아지는 것도 아닙니다. 쌓인 데이터로 다시 학습시켜야 하고, 그 데이터가 한쪽으로 치우쳐 있으면 오히려 나빠집니다.
- 계산기나 성적 합산처럼 규칙이 분명하고 바뀌지 않는 일은 규칙 기반이 더 정확하고 빠릅니다. 기계학습은 규칙을 사람이 다 적어 낼 수 없을 때 쓰는 방법입니다.
덧붙여 둘 것이 있습니다. 위의 대비는 「사람이 규칙을 적어 주는 프로그램」과 「데이터에서 규칙을 찾아내는 프로그램」을 나누어 본 것이지, 「학습하지 않으면 인공지능이 아니다」는 뜻은 아닙니다. 사람이 적어 준 지식에서 새로운 사실을 스스로 이끌어 내는 방식도 인공지능의 한 갈래이고, 가능한 경우를 전개해 놓고 가장 나은 길을 스스로 찾아내는 방식도 그렇습니다. 구분하는 기준은 학습을 하느냐가 아니라 미리 정해 두지 않은 상황에서도 스스로 고르느냐입니다. 인공지능이 그렇게 「고르는」 방법은 한 가지가 아닙니다.
체스 프로그램이 둘 있습니다. 하나는 기보 수만 판을 학습해 다음 수를 고르고, 다른 하나는 학습 없이 가능한 수를 몇 수 앞까지 모두 전개해 가장 유리한 수를 고릅니다. 둘 다 인공지능이라고 할 수 있을까요? 구분하는 기준으로 답해 보세요.
스스로 점검하기
인공지능의 핵심 개념을 스스로 점검해 봅시다.