AI, 인간을 이해하기 위한 지능연구
KAIST 사용자 및 정보연구실 오혜연 교수
글/구성: 임수연 ([email protected]) 과학기술정책연구원 연구원
오승환 ([email protected]) 과학기술정책연구원 부연구위원
Q. 우리나라는 인공지능(AI) 분야가 최근 들어 이 슈가 되고 있지만, 그 역사는 오래된 것으로 알고 있습니다. 교수님께서 AI 연구를 하게 된 계기에 대해 말씀해 주세요. 그리고 현재 이끄시는 사용자 및 정보연구실(Users &
Information Lab.)에서는 AI 관련 어떤 연구를 하는지 소개해 주세요.
저는 대학교에서 수학을 공부하다가 심리학 쪽에 관심을 가지게 되었고, 이를 위해 언어에 대한 공부 를 시작했어요. 심리학, 언어학 분야의 공부를 진행 하다보니 이들 분야가 컴퓨터와 연관이 될 수도 있겠 다는 생각을 하게 되었고, 카네기멜론 대학에서 언어 와 컴퓨터를 연결하는 연구를 수행하는 대학원에 진 학하게 되었어요. Language Technologies Institute는 음성인식, 자연언어처리, 텍스트기반 검 색 그런 연구를 하는 곳인데, 특히 현재 자연언어처 리, 음성인식분야의 연구는 거의 다 기계학습 (Machine Learning)이 주요 기술이 되었어요. 제가 카네기 멜론에 갔을 때가 2000년인데 그때부터 AI분 야의 연구를 시작하게 되었어요. 사실, AI 안에도 분
야가 여러 개 있지만 사람의 언어를 이해 하는 것이 굉장히 큰 분야이고 AI의 초기부터 지금까지 계속 관 심을 많이 가지는 문제잖아요. 이후 KAIST에 교수 로 부임한 이후, 저희 연구실에서는 문서, 트윗이나 페이스북의 메시지, 위키피디아 등에 언어로 표현되 는 정보들에 대해서 계속 연구를 하고 있어요.
물론 이러한 연구는 빅데이터의 영역과도 일정 부 분 겹친다고 볼 수 있어요. 빅데이터는 그 데이터의 종류가 비즈니스데이터, 음성데이터, 텍스트, 이미 지, 자동차 센서데이터 등 사실 굉장히 다양할 수 있 는데, 저는 텍스트 데이터에 집중적으로 하고 있고, 소셜네트워크 그런 데이터도 다루고 있어요. 또한, 빅데이터라는 것은 데이터가 크다라는 것인데 그것 을 분석하는 방법은 사실 다양해요. 쉽게 말해 통계 모델을 만들어서 그것을 model fitting을 해서 ‘여기 에 몇시에 사람이 이렇게 있구나’라는 현상을 관찰하 는 수준까지만 하면 빅데이터 분석이라고 볼 수 있어 요. 사실 AI 역시 많은 부분 통계적인 분석에 기반을 두고 있다는 점에서 기술적으로는 빅데이터 분석과 차이가 많지는 않아요. 하지만 빅데이터 분석과 달리 AI는 통계적 분석에서 조금 더 나아가 지능적인 분석
오혜연 교수는 미국MIT에서 수학과 학사(1996년), 미국 CMU Language and Information Technologies 석사(2000년), 미국 MIT Computer Science 박사학위(2008)를 취득한 후, 2008년부터 현재 KAIST 전산학부 교수로 재직 중이며, 사용자 및 정보연구실(Users and Information lab.)을 이끌고 있다.
을 하는 것이라고 보면 될 것 같아요. 즉, ‘여기에 몇 시에 사람이 이렇게 있구나’라는 현상을 관찰하고 이 를 통해 예측할 수 있는 부분을 좀 더 일반화시켜서 새로운 예측과 나아갈 방향 등을 제시하는 것이 바로 지능적인 분석, 즉 AI 라고 볼 수 있어요.
또한, 언어쪽에서 가장 대표적으로 떠오르는 기술 인 시리(Siri)는 지금 우리가 대화하는 것처럼 질문 을 하면 대답을 하고 그런 것이 주 목적인데, 저희가 하는 것은 언어 중에서 텍스트에 대한 연구라고 볼 수 있겠죠. 책이나 신문기사에 나오는 내용 그런 것 들을 요약하고 검색하는 것들이에요. 예를 들면 사 람들은 오늘 신문을 보고 ‘이런 일이 오늘 생겼구나’,
‘사회적으로 이러한 이슈들이 있구나’ 그런 것을 이 해하고, 거기에 대해 누가 질문을 하면 답할 수 있잖 아요. 컴퓨터가 그것을 한다고 생각하시면 되요. 오 늘 신문기사 100건이 있으면 각각 무슨 얘기이고, 만약 선거에 대한 얘기가 나왔다면 ‘누가 당선이 됐 냐’라고 질문하면 답할 수 있는 그런 것을 만드는 것 이 목적이에요.
저희 연구팀에서는 지금까지 트위터, 페이스북, 위키피디어, 신문데이터, 조선왕조실록, 학술논문
등의 자료를 활용한 연구를 진행해왔는데, 저희가 중점으로 봤던 것은 텍스트뿐만 아니라 그것을 쓴 사람들, 사람들 간의 관계, 사람들 간의 상호적인 대 화라든지 어떤 상호작용들 이었어요. 이런 점에서 저희의 연구가 사회과학(Social Science)적이라고도 볼 수 있을 것 같아요. 그냥 책 한권, 기사 한 개 그 런 것이 아니라, 기사에 대해 사람들이 어떻게 반응 을 하고, 그 기사를 쓴 사람이 어떤 다른 기사를 썼 고, 학술논문의 경우 이 논문을 쓴 사람이 어떤 다른 논문을 인용했고, 어디에서 누가 이 논문을 인용하 고 그런 관계들을 많이 보거든요. 트위터에서도 저 희가 본 것은 사실 대화인데, 트위터에서 멘션을 하 면서 두 사람이 계속 대화를 이어나가게 되잖아요.
그 대화 안에서 주제가 어떻게 바뀌고, 서로의 감정 이 어떻게 변하는가와 같은 것들을 연구했어요. 요 즘 들어 일방적인 커뮤니케이션은 거의 없어지고 있 는데, 신문기사만 하더라도 거기에 댓글을 달고, 공 유를 하고, 좋아요를 누르고, 그런 것이 다 상호작용 이라고 볼 수 있죠. 이러한 언어에 숨겨져 있는 것들 을 분석하는 것이 중요하다는 생각에 최근에는 소셜 미디어 분야도 관심있게 지켜보고 있어요.
Q. 현재 국내 AI 기술 수준은 어느 정도인지요?
나라끼리 비교한다는 것은 조금 조심스러운 면은 있지요. 예를 들면, 구글이랑 삼성이랑 비교를 할 것 이냐, 아니면 KAIST랑 MIT를 비교할 것이냐. 사실 은 KAIST가 한국을 대표하느냐, 저만 해도 오혜연 이란 사람이 KAIST를 대표하고, 한국을 대표하는 가 하는 그런 조심스러운 부분이 있는데, 그런 것들 을 좀 무시하고 얘기를 해보면 학생들의 관심, 대중 의 관심, 그런 것을 생각해 봤을 때 AI에 대한 관심 이 우리나라가 좀 늦었다는 생각은 많이 해요. 특히, 대중이나 학생들의 경우를 보면 미국의 경우 제가 미국에서 공부 할 때인 2000년에 이미 AI에 대한 관 심이 굉장히 높았어요. 제가 MIT에 가서 대학원을 2001년에 들어 갔는데, 그 때는 지금 KAIST에서 일 어나는 현상, 기계학습을 한다는 연구실에 학생들이 다 몰렸어요. 미국에서는 2000년대 초반에 그랬는 데, 한국에서는 그게 좀 늦었다는 생각이 들어요. 그 러면 지금 수준이 어떤가 하면 미국은 2000년도에 그렇게 좋은 학생들이 이미 AI 분야로 간 반면, 한국 에서는 관심이 덜했기 때문에 지금 당연히 숫자적으 로 훨씬 적은 것 같아요. 물론 미국이라는 나라가 더 큰 것도 있지만 예를 들어 교수의 수와 같은 비율 (proportion)을 보더라도 아직까지 우리나라가 상대 적으로 규모가 작은 것 같아요. 물론, 국내에도 정보 과학회 인공지능 소사이어티(Society)라는 단체에 교수들이나 연구원들이 있어서 활발한 연구가 진행 되고는 있지만 연구자의 숫자는 부족하다고 볼 수 있어요.
Q. 알파고의 사례를 보면 인간보다 더 뛰어난 측면을 보여 주고 있음에도 불구하고 인간
이 AI 발전을 계속 진행하고 있는데, 긍정 적인 측면과 부정적인 측면 모두 말씀해 주 세요.
최근 들어 이러한 질문을 많이 받았는데 저는 이 렇게 생각해요. 기차나 자동차를 예를 들어보죠. 자 동차가 당연히 우리보다 훨씬 빨리 가지만 그러한 현상을 보고 ‘기계가 인간보다 훨씬 더 빠른데, 그러 면 우리는 어떻게 해야 되나’ 하지는 안잖아요. 인간 은 지금도 달리기도 하고 마라톤도 계속하는데 자동 차와 경주를 하지는 않죠. 또한 자동차의 경우에 자 동차 사고와 같은 부정적인 면이 당연히 존재하죠.
이러한 차원에서 AI도 비슷하게 될 것 같아요. 사실 AI가 아니더라도 컴퓨터가 우리보다도 훨씬 더 잘 하는 것 많잖아요. 긍정적인 측면은 사람들이 쉽게 하지 못하는 일들을 AI가 담당하는 것이죠. 예를 들 어 10만 건의 기사를 10분만에 읽어서 요약해 주는 일은 인간이 굳이 할 필요가 없는, 혹은 시간의 문제 로 할 수 없는 업무라고 볼 수 있는데, AI는 이러한 업무를 빨리 해 줄 수 있는 그런 긍정적인 측면이 있 을 것 같아요. 내 목소리를 이해하고, 단어를 이해하 는 것들이 작은 규모의 AI라고 보면, 모든 업무에 AI가 조금씩 들어가서 우리의 삶을 편하게 해주는 그런 긍정적인 측면이 있을 것이라고 생각해요. 부 정적인 측면을 보면 AI로 인해 대규모의 실업이 발 생하는 것부터 시작해서 인공지능이 인류를 적대시 하는 공상과학영화에서 나오는 내용들도 언급되고 있는데요. 이는 기술을 연구하고 개발하는 사람들의 윤리의식이나 책임감, 그리고 이에 앞서서 정책적인 측면이 중요하다고 생각해요. 정책이나 법적인 측면 은 정부가 잘 생각해서 전문가들과 협의도 잘 해야 겠지요. 예를 들어 군사적 목적의 기술은 어느 정도
용한다든가. 사실 지금도 AI를 활용한 기술이나 서 비스 중에서는 위험할 수 있는 것들도 많이 나오고 있기 때문에 학계에서도 이런 얘기는 계속하고는 있 어요. 비견한 예로 바이오 분야 연구자들이 ‘무기를 위한 생화학(biochemical) 기술 개발은 안 할 것이 다’라는 식으로 결정을 했듯이, 우리도 ‘이런 것은 하 지 않을 것이다’라는 논의도 이미 하고 있고 앞으로 도 계속 해야 될 것 같아요. 이런 것들이 윤리적으로 나 철학적으로나 여러가지 측면이 있기 때문에 더 어렵고 중요한 것 같아요.
Q. AI와 인간이 함께 공존하는 사회가 조만간 도래할 것으로 보이는데, 인간은 어떻게 대 비해야 할까요?
어떻게 보면 인간에게 가장 필요한 것은 주인의식 인 것 같아요. 그러니깐 알파고가 생기더라도 ‘내가 알파고의 주인이다. 그렇기 때문에 나는 이 알파고 라는 인공지능을 내가 다스리고, 내가 이것을 어떻 게 활용해서 더 좋은 데 사용할 것인가’와 같은 생각 을 해야한다는 것이죠. 사람들 사회에서도 리더의 역할은 그 리더가 모든 일을 다 알아서 하는 것이 아 니라, 그룹에 있는 사람들이 각자 자기의 역할을 잘 할 수 있도록 유도하는 것이라고 생각해요. 제 생각 으로 앞으로는 정말 팀으로 하는 것에는 AI가 그냥 다 들어가 있을 것 같아요. 그러니깐 사람 한명, 인 공지능 하나가 팀이 될 수도 있고, 사람 4명에 인공 지능 하나, 로봇 둘 그런 식으로 팀이 이루어진다는 것이죠. 이렇게 되면 그 팀의 리더역할은 항상 사람 이 할 수 있어야 된다고 생각해요. 그리고 아직까지 인공지능 기술을 보면 사람이 주도적으로 리드를 하
갈 것 같거든요. 그러면 어떻게 대비를 해야 될 것인 가? 결국 인공지능을 리드하기 위해서는 인공지능 의 속성을 잘 알아야 한다고 생각해요. 자기팀의 팀 원들을 잘 이해하고, 누가 뭘 잘하고, 어떻게 해서 이 사람을 이것을 하게 하고, 어떤 인센티브를 줘야 하고, 그런 것을 이해하는 리더가 좋은 리더잖아요.
AI를 리드할 때도 똑같이 ‘내가 어떻게 해 줘야 이 AI가 자기가 맡은 업무를 제일 잘 할 것인가?’, ‘내가 가진 이 문제에 어떤 알고리즘을 갖다 써야 내가 원 하는 제일 좋은 결과가 나올 것인가?’ 그런 것을 잘 이해하는 사람이 되어야 되는 거예요. 앞으로는 어 떤 영역에든 AI가 다 들어갈 것으로 예상되기 때문 에 금융전문가이든, 치킨집 사장님이든, 큰 회사를 경영하는 CEO이든, 모든 사람들이 AI에 대해 어느 정도는 이해하고, 어떻게 이것을 잘 써야 될 것인지 를 계속 생각하고 고민해야 되겠죠.
Q. 미래부는 올해 지능정보기술 연구소 설립, 플래그십 프로젝트 등을 포함한 ‘지능정보 산업 발전전략’을 수립하여 향후 5년간 1조 원 투자, 민간 2조 5,000억 원 이상 투자 유도 등을 발표하였으며, 현재 ‘지능정보사 회 중장기 종합대책’을 부처합동으로 수립 중인데 이러한 정부 정책에 대한 의견은 어 떠신지요?
사실 미국에서도 미국정부의 과학기술에 대한 투 자가 적어지고 있어 더 많아져야 된다라는 얘기가 많이 나와요. 미국은 민간에게 의존을 많이 하는데, 우리나라와는 상황이 다른 것이 미국은 일단 민간기 업들이 훨씬 더 많고, 시장이 크죠. 특히 소프트웨어 분야는 기업들도 훨씬 많고, 규모가 큰 기업들이 많 아요. 하지만 한국은 그러한 상황이 못되죠. 그래서 저는 우리나라의 경우에는 정부가 이 분야에 투자하 는 것이 굉장히 좋다고 보고 있어요. 다만, 짧은 시 간 내에 성과를 바라고 하는 연구지원은 아니었으면 좋겠다는 생각이에요. 딥 러닝을 연구한 제프리 힌 튼은 굉장히 오랜 시간 동안 캐나다에서 거의 그냥 한 우물만 판 것이거든요. 별 다른 결과가 안 나오는 데, 똑 같은 것 붙잡고, ‘나는 이게 정말 중요한 것 같다’라는 생각을 갖고 20년, 30년 동안 해서 내놓 은 결과가 바로 딥 러닝이에요. 그런데, 우리나라 대 학의 입장에서 봤을 때 그런 것이 과연 가능할까?
물론 그렇게 하는 교수님들 계시겠지만 점점 더 힘 들어지는 것 같거든요. 미국, 캐나다 등 다른 나라에 서도 힘든 건 마찬가지이긴 한데, 우리나라가 좀 더 힘들지 않을까 해요. 대학교 교수들이 늘 얘기하는
‘기본연구, 기초연구에 투자를 좀 더 장기적으로 해 달라, 연구자들을 믿고 SCI 논문 몇 개, 사업화 몇
개, 그런 것 좀 풀어달라’ 하는 것과 같은 맥락에서 AI 연구분야에 대해서도 ‘한국형 왓슨을 만들어 내 라, K-알파고를 만들자’가 연구의 목표가 되어서는 안된다고 생각해요.
Q. 국민의 삶의 질을 높이기 위해 공공영역에 서 AI를 어떻게 활용하면 좋을까요?
공공영역에 AI가 활용될 수 있는 부분은 많죠. 정 부예산이 어디에서 세금이 걷어지고, 어디에 사용되 고, 그게 정말 국민의 삶의 질을 높이고 있는 것인지 아닌지에 대한 사람들의 의견도 있을 것이고, 실질 적으로 정부의 돈이 사용된 효과가 어디에서 나오는 지 살펴보는 등의 그런 것들에 활용될 수 있겠죠. 물 론 이러한 것들은 AI만으로 할 수는 없다고 생각해 서 좀 조심스럽긴 해요. 또, 빅데이터를 활용하여 대
금보다 훨씬 더 큰 규모로 데이터 분석이 가능하다 고 생각해요. 사실 핸드폰 사용 정보만 가지고도 어 디에 사람이 모였고, 어디에서 어디로 몇 시에 이동 을 제일 많이 하고, 차들은 어디에 있고 그런 것들을 보면 최적의 효용을 낼 수 있는 결과를 예측할 수 있 는 것이죠. 단순하게 KAIST 앞에 지하철 역을 세우 는 것이 타당한 것인가에 대한 논의들이 AI를 통해 객관화되고 타당성을 가질 수 있다고 생각해요. 이 처럼 정부가 수많은 정책을 기획, 평가할 때 AI를 활 용할 수 있겠죠.
Q. 국내에서 연구 활동하면서 애로사항은 무 엇이며, 이를 해결하기 위한 개선점은 무엇 인가요?
연구를 하면서 국내라서 애로사항이 있는 건지는 잘 모르겠지만, 이런 얘기는 할 수 있겠네요. 아까 얘기했던 AI를 연구하는 연구자의 비율이 적다는 것 에서 많은 문제가 생겨요. 전문가들 규모가 작다 보 니 같이 연구얘기를 할 수 있는 사람들도 적고, 그 다음에는 평가를 할 수 있는 사람들도 적어요. 지금 은 AI에 투자도 많이 하고 관심이 많다 보니깐 연구 환경이 많이 좋아진 편인데, 예전에는 과제 발표를 하고 평가를 받다 보면 전문가가 아닌 분들이 평가 를 하는 경우가 많았어요. 사실 이러한 문제는 국내 의 전문분야에서 공통적으로 나타나는 문제점인 것 같아요. 전문가 풀(pool)이 작기 때문에 발생하는 이 런 문제를 해결하기 위해서는 전문가들이 많이 배출 되는 것이 가장 좋은 방법이지만, 평가 자체를 외국 에서 하는 것도 답이 될 수 있다고 생각해요.
연구자들이나 이 분야를 꿈꾸고 있는 어 린 학생들에게 당부하고 싶은 이야기가 있으신지요?
글쎄요. 일단 제가 보기에 AI는 아직까지는 좋은 분야라고 생각해요. 갈 길이 멀기도 하고, 사회적으 로도 임팩트가 큰 유망한 분야라고 생각을 하니깐
‘열심히 해라’가 첫 번째고, 두 번째는 제가 이런 분 야를 좋아하는 이유는 사람에 굉장히 가까운 분야이 기 때문이거든요. 사실은 실제로 연구를 진행하다 보면 그 연구를 하기 위해 프로그램을 만든다든지, 데이터를 분석한다든지, 실험을 하는 연구 방식이 인간적인 것과 멀어진다는 느낌이 들기는 하는데, 지금 제가 연구하고 있는 AI의 궁극적인 목표는 사 람을 이해하는 것, 사람의 지능을 이해하고, 그것을 비슷하게 구현하고, 또 사람이 잘 못하는 부분을 컴 퓨터가 도울 수 있게 만들고, 그러니깐 사람을 위한 기술이라고 생각을 해요. 그렇기 때문에 계속 잊으 면 안 되는 부분은 이 안에 인간이 들어가 있다는 것, 우리의 연구의 중심에는 인간이 있다는 것, 그래 서 사람을 이해해야 되요. 마지막으로 AI 연구의 중 심에는 인간이 있으니깐 심리학, 인지과학, 뇌과학 그런 것들도 중요한 부분인 것 같아요. 즉, 정말 융 합 인재가 필요한 것 같아요. 이러한 융합 인재가 되 기 위해서 수학, 과학과 같은 분야의 지식뿐만 아니 라 다른 인문학에도 소양을 갖도록 스스로 노력해야 한다고 생각해요.