"인공지능에 의한 지배, 경각심 주기 위한 것...먼 얘기"

로봇 분야와 소프트웨어 분야의 교류가 좀 더 많았으면...
기술 발전속도가 너무 빨라 '싱귤러리티' 시점이 예상보다 빠를 수도
로봇이 어쩌면 가장 이상적인 AI(인공지능)

장병탁 교수는 인공지능분야의 전문가이다. 지금까지 만나 인터뷰 한 분들이 로봇공학 전문가라면 장 교수는 컴퓨터 공학을 전공하고 현재 서울대 바이오지능연구실에서 뇌과학과 인지과학, 생물정보학을 연구하고 있다. 그는 인공지능과 사람 지능을 능가하는 하이퍼 지능을 개발하고 있다. 장 교수는 올해 초 인공지능분야에서 가장 권위있는 학회인 AAAI 학술대회(AAAI-2015)에서 ‘상상력 기계(Imagination Machine)’를 발표하여 세계의 주목을 받았다. 상상력 기계란 만화영화를 보고 그림과 언어가 연합된 개념을 습득해 스스로 지능을 향상시키는 인공지능 기술이 기반인 기계장치이다. 지금까지 빅 데이터 기술은 많이 연구됐으나, 만화영화 빅데이터를 통해 지식을 자동으로 축적하는 기술은 세계에서 처음이다. 지난 3월말 열린 한 로봇 심포지움에서 장 교수를 처음 만나 어렵게 인터뷰 날자를 잡아 지난 14일 오후 서울대 연구실을 찾았다. 그 날 인터뷰가 끝나고 운이 좋게도 장 교수님과 함께 펜실바니아 대학에서 박사후 연구원으로 근무하고 있는 이승준 박사가 잠시 한국에 나왔다 서울대에 왔다고 해서 같이 만나 DARPA와 로보컵에 대한 이야기를 들을 수 있었다. 기꺼이 만남을 주선해 주신 장 교수님께 감사드린다.

올해 초 상상력 기계를 개발해 주목을 받으셨는데요, 간단한 소개 좀 부탁 드립니다.

우리가 실제로 실험한 것은 뽀로로 전집을 기계가 학습하는 것입니다. 예를 들면 뽀로로 만화영화 183편을 학습했는데, 184편은 기계가 만드는 것을 생각한 것입니다. 아직 그 수준은 아니지만 그것이 저희가 연구하는 방향이고. 그 초기 실험결과를 보여 드렸다고 생각하시면 됩니다.

만화영화는 비전도 있고 랭귀지도 있습니다. 사실 인공지능(AI)이 하려고 한게 비전, 랭귀지가 가장 어려운 문제로 남아 있습니다. 인지과학에서 언어라는 것은 물론 지보나 페퍼가 언어를 쓰고 있지만, 진짜 언어가 되려면 사람은 관악산 그러면 관악산이 머릿속에 떠오르 듯 심상 같은 것을 흉내 내려고 한 것입니다. 그래서 만화영화의 시각하고 그림하고 언어등을 같이 조합해서 개념을 스스로 학습하고 스토리를 학습한 다음 나중에 학습에 대한 상상력을 하게 해 줍니다. 왜 상상력이냐 하면 만화영화에 나온 그림을 보여주면 영화에 나온 글, 대화를 생성할 수 있습니다. 반대로 내가 뽀로로의 대사를 주면 머릿속으로는 장면이 떠오르는 형태입니다.예를 들면 뽀로로가 스키를 타다 넘어지면 스키장이 떠오르고, 넘어진 뽀로로나 눈덮인 심상 같은 것이 떠오르는 것입니다. 심상 같은 것을 만들어 내고, 그게 연상되면 상상력으로 갈 수 있고, 어떻게 보면 사고 작용의 기반에 깔려 있는 뇌를 약간 모사한 연상메모리 구조인데 이것을 저희는 딥 네트워크, 딥 하이퍼넷 또는 개념 신경망이라고 합니다.

뽀로로에 있는 스토리나 거기 나오는 여러 가지 그림과 언어가 조합된 개념들의 망을 계속 학습한 다음에 거기에서 추론을 해서, 예를 들면 문장을 주면 장면을 만들어 내고, 반대로 장면을 주면 문장을 만들어 내는 것입니다. 그 다음에 이상적으로는 우리가 183편을 다 학습시켰는데 그 다음은 기계가 스토리를 만들어 내는 것입니다.

자기가 창작을 한다는 것인가요?

예. 비슷하지만 똑같지는 않게 만드는 것입니다. 그 다음에 또 한가지는 글로 소설을 써주면 그림을 생성해 주는 겁니다. 이상적으로는 저희가 지금 시도하려고 하는 것이 만화영화를 만드는 것입니다. 예를 들어 뽀로로를 모두 학습한 페퍼 같은 것을 가져다 아이들에게 틀어주고 같이 보면서 아이들하고 뽀로에 대해서 얘기를 나눌 수 있고, 영어를 가르칠 수 도 있게 하는 것입니다. 그런 것을 하기 위해 지금 실험한건 183편의 만화영화를 가지고 로봇 교육 자료로 쓰는 것입니다. 로봇을 프로그래밍 하는 게 아니고 로봇에게 만화영화를 보여주고 공부하도록 시키는 겁니다. 아이들 공부하라고 만화영화, 영어 뽀로로 보여 주듯이 그것을 기계한테 보여주는 겁니다. 그러면 기계가 학습해서 뽀로로에 있는 지식을 습득하는 겁니다.

이러한 것이 나중에는 어느 분야에 활용을 할 수 있나요?

기술적으로 만화영화를 가지고 한 이유는 사실 최근 비디오 TV드라마 같은 것을 가지고 공부 시키는 개념을 생각했는데 비전처리가 만화영화가 조금 쉬운 면이 있고, 그 다음에 아이들 교육적인 면도 있고 해서입니다. 지금은 비디오도 시도하고 있습니다. 미국 드라마 프렌즈 10년을 분석하고 있습니다. 로봇 특수 관점에서 보면 세계적인 지식을 로봇이 센싱하고 하면 좋지만 현재 그런 데이터가 없습니다. 머신러닝 관점에서 보면 데이터만 있으면 내가 학습을 하려고 하는데 우선은 디지털 비디오가 그런 좋은 자료라는게 첫 번째 아이디어고, 그것을 가지고 학습하는 기술이 있으면 로봇가지고 센싱한거 학습하는거 기술적으로 비슷하다고 봅니다. 로봇을 프로그래밍 하는 대신 훈련 내지는 교육 시키겠다는 개념입니다.

컴퓨터가 뉴스 기사를 쓰듯 그런 식으로 분석을 해서 무엇을 할 수 있다는 이야기네요.

네. 그런데 글은 비전이 없잖아요. 여기는 비전이 있는 것까지 생각을 하는 것 입니다. 기사는 글을 짜깁기 하는데 집중한 것에 반해 여기서는 내가 뭘 이야기 할지 스토리나 상위 레벨의 어떤 것을 얘기하는 것조차 사실은 기계가 생각하는 것입니다. 그걸 말로 잘 만드는 건 이미 있는 기술입니다. 그게 교육뿐만 아니라 응용분야가 사실 많을 수도 있습니다. 왜냐하면 도메인에 있는 비디오나 아니면 사람들이 생성한 비디오 테이프를 넣어주면 기본적으로는 로봇이 사람처럼 경험을 쌓아 가지고 실세계에서 스스로 학습할 수 있는 기반 기술이 되는 것입니다.

▲ 바이오지능연구소 연구원들과 야유회에서

최근 호킹박사나 앨런 머스크가 인공지능의 부작용에 대해 경고 했는데요, 인공지능 전문가로서 실제 인공지능이 발달하면 그렇게 인간을 지배할 수 있다고 보세요?

어려운 질문인데 철학적으로 논의해 봐야 할 문제인 것 같습니다. 기술적으로 조금씩 조금씩 가다 보면 지배까지는 아니더라도 그런 위험성에 대해 우리가 경고를 받을 필요는 있는 것 같습니다.

상상력도 그런 건데, 상상력을 아주 짧게 보면 메모리에서 연상 작용하는 것의 연속이라고 볼 수 있습니다. 그러니까 빵을 보면, 빵을 우유하고 먹으니까 우유를 생각하고, 우유를 생각하면 젖소가 생각나고, 젖소가 생각나면 들판이 생각납니다. 그럼 빵하고 들판은 겉에서 보면 관계가 없지만 안에서 우리 브레인이나 아까 우리 만화영화 뽀로로 한 것도 그렇고 빵을 보고 들판 그림을 생성해 줄 수 있습니다. "뽀로로야 놀자!" 이런 말을 하면 축구공이 생각나는것입니다. 그러니까 연상 작용인데 이게 되면 기계가 점점 자동화 내지 자율성을 가지게 됩니다. 자율성은 기계의 용어입니다. 자율주행 자동차 처럼 로봇이 자율로 조금씩 조금씩 계속 가게 되면 철학적인 용어인데 에이전시 이런 말을 씁니다. 약간 자발적으로 뭔가 해내는 특성이 생길 수 있고, 그게 더 가다보면 어쩌면 기계가 나름대로 자의식 아니면 자유의지 이런 것까지 가지는 연장선상에 기술적으로는 있는 것 같습니다. 사실 AI 국제학회에서 논의한 적도 있는데, 경각심을 갖는 정도로는 맞는 것 같지만 아직은 좀 먼 이야기라고 보는게 맞는 것 같습니다.

▲ 지난 3월 31일 열린 '2015년 다중지능로봇 융합클러스터 심포지움'에서 장병탁 교수가 스스로 학습하는 지능로봇에 대해 강연하고 있다.

로봇분야에서 인공지능에 대한 연구가 늘어나는 추세라고 하는데, 최근 연구 동향은.

구글은 예전에 CEO가 원래 자기네는 인공지능 회사라고 이야기 했었습니다. 특히 머신 러닝 관점에서는 머신러닝 기술이라고. 페이스북이 사람 얼굴 인식하는 정도의 딥 러닝 가지고 지금 만들고 했는데 이런 큰 회사들이 인공지능을 드라이브하고 있고, 그 다음에 기술적으로 인공지능이 많이 달라진 것은 제가 보기에는 스마트폰이 나오면서부터입니다. 구글의 사업 모델이 큰 것 중의 하나가 광고입니다. 내가 이메일 볼 때 정확한 광고를 하려면 그 사람이 무슨 내용을 보는지 알아보고, 예를 들면 내가 학생 추천서를 쓰고 있으면 외국에 있는 학교가 광고로 뜨고 그런 연관성 같은 것 알아보고, 이런 텍스트에 기반해서 초기에는 많이 했습니다. 인터넷 비즈니스가 그런겁니다. 인터넷 웹이 나오면서 인공지능이 어플리케이션을 많이 찾은 거지요. 비교 쇼핑, 자동차 싼 것 찾아주세요 모두 에이전트(Agent) 개념입니다. 사실 에이전트 개념이 인공지능에서 오래 연구해온 거고, 요즘 보면 로보틱스 하시는 분들이 에이전트라는 말을 또 가끔 선호하시는 경우도 있는 것 같습니다.

저에게는 상당히 생소한 말입니다.

어떤 분들은 쓰고 계세요. 에이전트는 원래는 로봇인데 90년대 중반에 많이 쓰던 말인데 소프트웨어 에이전트라고 불렀습니다. 에이전트가 대리인이라는 아주 중요한 의미입니다. 사람을 대신해서 뭘 해 주는 기계 같은 것, 소프트웨어 기계입니다. 보통 인텔리전트 에이전트 그랬는데 다른 말로 소프트웨어 로봇. 소프트 봇 이렇게도 부릅니다. 로봇인데 인터넷상에서 돌아다니는 로봇이고 주로 비교 쇼핑해주고, 물건 찾아주고, 물리적인 로봇의 개념을 인터넷에다 사실 쓴 겁니다. 애플 시리(Siri)가 상용화 한 경우입니다. 시리가 어시스턴트 그러는데 그게 에이전트입니다. 비서 개념이거든요. 시리가 예를 들면 나 대신 비서역할을 하는 겁니다. 어떤 것 필요하다 그러면 가져 오던지 전화를 해 주던지. 그러니까 에이전트 개념이 인터넷상에는 지금 비즈니스가 많이 있는 거지요.

그 다음에 제가 보기에는 로보틱스하고 물리적인 세계하고 점점 다가가고 있습니다. 여기에서 벌써 센서가 생겼습니다. GPS, 조도센서, 소리 세기 다 센싱하거든요. 옛날 PC상에서 에이전트는 인터넷에만 다녔는데 지금은 사람하고 다니면서 물리적인 세계하고 센싱을 합니다. 일전에 포럼에서 제가 강연할 때도 말했었는데, 옛날의 디지털 에이전트는 지능은 많은데 바디가 없고, 센싱이나 액추에이션이 안되고, 지금 로봇은 몸은 좋고 센서, 액추에이터 하드웨어는 잘 만들어 놓았는데 아직 지능이 부족합니다. 지금 모바일 폰이나 웨어러블이 그 중간에 있는 것으로 보면 됩니다. 중간에 적절한 센서 액추에이터가 지금 명확하게 서비스를 해 주고 있습니다. 기술적으로는 머신 러닝 기술이 돌파구를 마련했다고 봅니다.

AI 프로그램을 손으로 생각해서 짜기에는 너무 복잡합니다. 그런데 데이터가 대신 많이 생긴걸 이용해서 트레이닝 해버리잖아요. 학습시키니까 AI 개발하는 방법도 머신러닝으로 트레이닝 해버리는 개념으로 테크놀로지가 진화한 겁니다. 물론 이러한 일들은 컴퓨팅 파워가 좋아져서 가능한 것입니다. 옛날에는 데이터도 없었고 컴퓨팅 파워도 부족했었습니다. 딥러닝이 컴퓨팅 파워를 많이 필요로 합니다. AI는 인더스트리에서 지금은 쓰일 수밖에 없는 것 같습니다. 그 다음에 비즈니스하고 항상 명확히 관련되는 것 같습니다. 왜냐하면 서비스에 직접 관련되니까. AI학회에서도 로봇을 강조합니다. 사실 90년대 초에 트리플 AI 에서 학생들이 그때도 로봇경진대회 같은 것을 했습니다. 맨 처음에 한 것이 풍선 모아가지고 꼴 대에 집어 넣는 것으로 출발했습니다. 그냥 모바일 로봇이죠. 그러다 박물관 투어 하는 로봇 같은 것 하고, 그러다 그랜드 챌린지 나와서 그런 기술이 무인자동차까지 간 것입니다. 어떻게 보면 하드웨어 만드는 로보틱스에서 출발해서 AI라기 보다 AI 관점에서만 모바일 로봇을 플랫폼으로 쓰고 AI의 기술을 거기서 자꾸 구현하려고 한 시도였습니다.

미국의 경우에는 소프트웨어를 많이 하니까 자연스럽게 로보틱스하시는 분들이 소프트웨어나 AI쪽으로 하시는 분들이 많이 있어 폭이 좀 넓습니다. 우리나라는 아직 그런 협력이 잘 안 되는 것 같습니다. 프로그램만 하던 사람들은 로봇 하드웨어 하는 것을 겁내하고, 하드웨어 하시는 분들은 또 그것 하기 바쁘시니까 그 위의 지능이나 소프트웨어 할 시간이 없고. 그러니까 같이 하면 좋을 것 같습니다.

컴퓨터 분야에서 바라보는 로봇 분야의 미래는

저 같은 경우야 사실 로봇이 이상적인 AI입니다. 왜냐하면 인공지능이 사람처럼 생각하고, 사람처럼 행동하는 기계를 만들고 싶은 것입니다. 사람처럼, 사람 같은 기계가 결국은 휴머노이드 로봇입니다. 거기에는 사실 모든 인공지능 기술이 축약될 수 있습니다. 소프트웨어 에이전트, 인터넷 에이전트 이야기 했는데 그것은 반쪽짜리 지능입니다. 왜냐하면 실제로 지능이 실생활에 도움을 주려면 환경하고 인터랙션 할 수 있어야 하는데 그런 면에서 어떻게 보면 로봇이 이상적인 인공지능입니다.

학창 시절 특별히 컴퓨터공학을 선택하신 이유가 있나요.

저희 때만 해도 요즈음 학생들처럼 정보가 많지 않았는데, 사실 저는 전자과만 있는 줄 알았습니다. 그런데 입학해 보니 우리가 계열이었는데 컴퓨터라는게 있었습니다. 그때 사실 저는 처음 알았습니다. 늦게 빠진 사람이 오히려 푹 빠진다는 말이 있듯이 인공지능을 알고는 정말 제가 깊이 빠졌는데 제가 대학교 2학년 때, 우연히 도서관에서 공부하다 뒤에 꽂힌 책을 한번 봤는데 그게 인공지능 책이었습니다. 그 책을 보니 기계가 생각을 하고, 영상을 보고 이해를 하고, 체스를 한다는 이야기를 하고 있었습니다. 이런 것이 있구나 하는 생각이 들었습니다.

30여년전에도 그때도 인공지능에 대한 책들이 있었나요?

그럼요. 미국은 그때가 80년대 초반인데 AI가 피크였습니다. 그 다음에 제가 서울대에서 석사하고 독일 가서 공부했는데 그때까지만 해도 미국이나 해외 유학가면 AI 하려했고, 실제 많은 분들이 전공을 했습니다. 그때 AI가 붐을 탔다가 제가 졸업할 때는 재미있게도 꺼졌습니다. 일본이 5세대 컴퓨터 계획을 세우면서 그게 AI 였습니다. 82년부터 10년 동안 92년까지 했는데, 82년 시작 할 때가 제가 대학 갈 때인데 엄청나게 화두가 되었는데, 저는 당시 그런 것도 몰랐습니다. 제가 83~84년에 알았으니까요. 그런데 지금 인공지능이 30년 후에 다시한번 붐이 오는 것 같아 약간 두렵기도 합니다. 왜냐하면 일반인들의 기대치가 자꾸 올라가고 있습니다. 그 기대치를 못 맞추면 그 다음 또 실망하게 되잖아요.

▲ 바이오지능연구소 연구원들과 함께...

독일 본 대학에서 컴퓨터공학으로 박사학위를 받으셨는데 박사학위 논문은.

신경망에서 신경망 구조를 학습하는 알고리즘을 연구했습니다. 박사학위 논문 제목이 “Lerning By Genetic Neural Revolution" 뉴럴 네트워크를 학습하는 것을 했습니다. 학습하는 알고리즘을 개발했는데 데이터를 스스로 찾아다니는 ‘액티브 러닝’입니다. 로봇을 생각한겁니다. 로봇이 학습을 하는데 그때 로보틱스는 암(Arm)가지고 굴러가는 탁구공 잡는 것을 학습시키는것을 했습니다. 모바일 로봇은 그 다음에 했고. 그런데 로봇이 학습을 할 때 데이터가 그냥 주어진 것만 뉴럴 네트워크가 학습하는 것이 아니고 데이터가 없으면 자기가 데이터를 생성합니다. 그래서 사실 상상력 기계가 하루아침의 아이디어가 아닙니다. 데이터를 자기가 생성하는 것을 생각했습니다. 왜냐하면 로봇이 학습을 할 때 주변 환경을 빨리 학습하기 위해 정보를 최대한 얻어야 하는데 어떤 샘플을 학습하는 것이 좋은지를 기계가 스스로 결정하는 겁니다. 그런 것을 액티브 러닝이라고 합니다. 기계가 자기 스스로 학습하고 그리고 액티브 러닝을 하게 되면 머신 러닝인데 모델의 복잡도가 바뀌어야 합니다. 아이들이 브레인이 생겨 나고 계속 발달합니다. 세포수가 늘어나고, 조직이 바뀌고 그러면서 학습이 유연해지는 과정을 약간 흉내 낸 알고리즘입니다. 약간 바이올로지 브레인을 닮은 학습방법에 계속 관심이 많았습니다.

2045년이면 인공지능이 인간을 초월하는 싱귤러리티가 올 것이라는 주장이 나오는데 정말 그런 시대가 올까요?

조금전에 했던 이야기의 연장선상이에요. 이런 이야기를 몇년 전까지만 해도 그렇게 심각하게 생각하지 않았습니다. 그런데 무인자동차가 나오고, 시리가 나오고, 왓슨이 나오면서부터 조금 생각이 바뀌었습니다. 우리가 생각하던 것보다 놀랄 정도로 기술의 발전 속도가 가속화되고 있는 것 같습니다. 왜냐하면 저희가 거의 매일 연구해 오던 일인데 그런 것들이 치고 나오는데 저도 놀랍다는 생각이 가끔 들었습니다.그런 것들이 아이폰에 붙어서 사람한테 쓰이거나, 무인자동차가 도로를 달리는 것을 보면 놀랍습니다. 그래서 생각을 해 봤는데 디지털의 특성인 것 같습니다. 디지털의 특성이 다 결합될 수 있다는 것 입니다.

발전 속도가 빨라지는 것을 보면 2045년보다 어쩌면 더 빨리 올 수도 있을 것 같습니다. 그런데 제 생각에 한 가지 철학적인 문제는 남아 있습니다. 사실 제가 인지과학도 하고, 뇌 과학도 해서 그런 생각을 많이 하는데 철학적으로는 사실 생명체가 그냥 오는 것 같지만 어느 순간에 버틀 넥이 있을 수도 있거든요. 그게 바뀌어야 되는데 그 부분에 뭔가 남아 있는게 있을 수도 있다는 것입니다. 그런데 그것은 철학의 영역인 것 같습니다. 겉으로는 사람보다 더 똑똑한 것을 사실 만들 수 있습니다. 그런데 로봇이 정말 배신을 해서 사람을 공격할 정도의 의식이 생기느냐 하는것은 좀 철학적인 문제가 남아 있는 것 같습니다.

최근 교수님께서 연구하고 계신 분야에 대한 소개 좀 부탁드립니다.

미래부 국책과제로 지금 계약중인데 어떻게 보면 구글 맵처럼 내가 하루 종일 하는 모든 것을 다 분석해서 생각의 지도를 만드는 것을 하려고 하고, 그리고 그 다음에 그것을 하는 지능형 에이전트를 '오토노머스 러닝 앤드 씽킹 에이전트' 즉, 학습하고 생각하는 지능 에이전트 같은 것을 만들어서 일정 같은 것을 예측해주고 도와주는 생각의 지도를 만들려고 합니다. 내가 지금 일정표를 열면 오늘 일정이 뭐가 있으니까 어디가 버틀 넥이라는 것까지 조언해 주는 겁니다. AI 랩에서 상위 조언 같은 것도 해 주는 거고, 단순한 위치 정보 뿐만 아니라 시간관리도 해주고 생활의 도우미 역할을 핵심 에이전트를 할 예정입니다. 당장은 아니겠지만 이상적으로는 로봇 같은 것에 들어갔으면 합니다.

과제 제목이 ‘일상생활 학습기반 인지 에이전트 소프트웨어 맵’입니다. 8년 과제로 매년 3억씩 지원을 받습니다. 오픈소스를 해 가지고 소프트웨어 분야에서 세계적인 리더십을 발휘하라는 거니까, 저는 해 볼만 할 것 같습니다. 이것을 인더스트리하고도 같이 해 가지고 로봇의 ROS(로봇운영체계) 같은 것을 만들어 보려고 합니다. ROS가 로봇만을 위한 거라면 그것보다 조금 상위 레벨을 학습하고, 플래닝해주고, 사람들한테 도움을 주는 소프트웨어를 만들려고 합니다. 이름은 ALTA(Autonomous Learning and Thinking Agent)입니다.

92년부터 95년까지 독일 국립정보기술연구소에서 연구원으로도 계셨었는데요, 여기서는 어떤 일을 하셨나요.

그 당시 독일에는 12개 대형 국립연구기관이 있었습니다. 독일 국립정보기술연구소는 IT 관련 연구소로 그 중의 하나라고 보시면 됩니다. 지금은 프라운호퍼 8개로 쪼개졌습니다. 연구원이 다 합치면 1500명 정도였는데, 거기서 저는 러닝을 했습니다. 예를 들면 제네틱 알고리즘이라고 일종의 학습 알고리즘입니다. 제네틱 프로그래밍 프로그램을 자동으로 만드는 학습입니다. 그거 학습하는 알고리즘을 개발했습니다.

인공지능을 전공하고 싶은 후배들을 위해 해 주고 싶은 말이 있다면.

사실 인공지능에 대해 요즈음 관심이 많은 것 같습니다. 왜냐하면 저희 연구실에 인턴 하겠다고 찾아오는 친구들이 갑자기 많아 졌습니다. 저는 지금 시작하는 사람들이라면 컴퓨터, 과학만 할 게 아니고 뇌 과학이나 인지과학 같은 것을 같이 공부해서 사람을 더 이해하고, 그런 것을 기반으로 해서 좀 더 새로운 인공지능을 연구하라고 권하고 싶습니다. 왜냐하면 멀리 보면 당장 엔지니어링하면 처음에는 잘 되는 것 같을지 모르지만, 어떻게 보면 적어도 박사학위 할 때는 그것보다 좀 더 멀리보고 하는 것도 필요한 것 같습니다. 좀 더 야심차게, 야망을 갖는 게 필요한 것 같습니다. 제가 왜 이 말씀을 드리냐 하면 요즘 학생들을 보니까 저보다도 덜 야망적인 것 같습니다. 안 돼도 도전해 보고 그래야 하는데 되는 것만 하려고 합니다. 자꾸 해보고 안 되는 것도 알아 내는게 사실은 연구의 일부인데 말입니다.

로봇업계에 하고 싶으신 말씀이 있으시다면.

로보틱스가 다른 나라도 그런 면이 없지 않아 있는데, 하드웨어 만드시는 분들하고 거기다가 소프트웨어를 얹는 분들하고 커뮤니티에서 괴리감이 있는 것 같습니다. 그 분들이 같이 모여서, 차라리 로봇지능학회 이런 것을 만들던지. 서로 교류가 좀 더 많았으면 하는 게 제 바람입니다. 왜냐하면 소프트웨어만 한 사람들은 하드웨어를 잘 못하니까 거리감을 느끼고, 그 다음에 하드웨어만 하시는 분들은 그것만 만드는데도 바쁘니까 소프트웨어 필요성에 대한 생각을 잘 못하시는 것 같습니다. 그러다보니 하드웨어적으로 많이 만들기는 했는데 보면 아직은 소프트웨어나 지능이 좀 약하다는 생각이 듭니다. 소프트웨어 한 사람들은 하고 싶기는 해도 하드웨어에 대한 거리감이 있어서 가까이 가기가 좀 어렵습니다. 그래서 그걸 좀 포용해 갔으면 합니다. 그런 연장선상에서 저도 학생들에게 로봇을 사서 자꾸만 만져보고, 그 위에 알고리즘을 얹어보라고 합니다. 새로운 세대는 처음부터 그것들을 접하면 두려움이 적을 테니까요. 최근에는 그래도 조금씩 서로 교류를 하기 시작해서 다행입니다.

[장병탁 교수 프로필]
1963년생
경북 문경 출생
1982 홍대부고 졸업
1986 서울대 공대 컴퓨터공학과 졸업
1988 서울대학교 대학원 컴퓨터공학 석사
1992 독일 Bonn대학교대학원 컴퓨터공학 박사
1995 독일국립정보기술연구소 연구원
1997 건국대학교 컴퓨터공학 조교수
1997 ~ 2006 서울대 공대 컴퓨터공학부 조교수, 부교수
2006 ~ 현 서울대 공대 컴퓨터공학부 교수
2003 ~ 2004 MIT 컴퓨터과학/인공지능연구소 방문 교수