인공지능의 발전으로 앞으로는 소프트웨어(SW)가 인간이 해오던 트럭 운전 같은 것을 대신하지 않을까 걱정한다. 그러나 그 정도가 아니라 아예 특정 목적의 인공지능 시스템을 만드는 인공지능SW나 학습SW를 구현하는 학습SW가 나올 날도 머지 않은 것 같다.

'MIT 테크놀로지리뷰'에 따르면 최근 연구에서 머신러닝 시스템을 개발하는 법을 학습하는 인공지능 SW에 대한 성과들이 하나둘씩 나오고 있다. 스스로 시작하고 학습하는 인공지능 기법이 실용화되면 기업들은 현재 구하기 힘든 머신러닝 전문가들을 모시느라 프리미엄을 지불할 필요가 없다.

구글 브레인, MIT랩, 딥마인드, 오픈AI 등 연구 활발

구글 브레인(Google Brain) 인공지능 연구그룹의 연구자들은 언어 처리 소프트웨어를 벤치마킹 테스트하는 머신러닝 시스템을 SW설계로 구현해냈다. 이 SW 성능은 이전에 인간이 설계한 SW의 결과를 뛰어넘은 것으로 알려진다. 최근 몇 개월간 다른 여러 그룹에서도 학습SW를 만드는 학습SW에 대한 연구에서 진전을 보였다. 엘론 머스크가 공동 설립한 비영리 연구소인 오픈AI를 비롯해 MIT, 캘리포니아대학, 버클리대학, 구글의 딥마인드 등이 여기에 해당한다.

구글브레인 연구그룹을 이끌고 있는 제프 딘(Jeff Dean)은 개발자들의 작업 중 일부가 SW로 대체될 수 있다고 생각한다. 딘은 “이제까지 우리 팀이 연구한 내용 가운데 가장 유망한 연구 방법 중 하나로 ‘자동화된 머신러닝(automated machine learning)’을 들 수 있다”며 “현재 문제를 해결하는 대부분의 방법은 전문성과 데이터 및 계산 능력이기 때문에 머신러닝 전문 지식의 자동화는 쓰임새가 매우 크다”고 말한다.

구글 딥마인드 그룹의 실험 중 하나는 ‘학습법 학습하기(learning to learn)’라고 불리는 연구다. 이는 특정 작업에 대해 방대한 양의 데이터를 소비해야만 하는 머신러닝 SW의 문제를 해결하는데 도움이 된다.

1990년대에도 등장했지만 미완으로 끝난 아이디어

연구자들은 미로 탐색처럼 여러 가지로 다르지만 연관돼 있는 문제의 수집을 위한 학습 시스템을 만들기 위한 SW에 도전했다. 일반화하는 능력을 생성하도록 설계하고 평소보다 더 적은 훈련으로 새로운 임무를 수행하도록 한 것이다.

물론 학습법을 학습하는 SW를 만드는 아이디어는 이전에도 있었지만 그다지 효과적인 결과를 내지 못했다. 1990년대 이 같은 연구를 진행한 몬트리올 대학(University of Montreal)의 조슈아 벤지오(Yoshua Bengio) 교수는 최근의 움직임이 매우 흥미롭다고 말했다. 벤지오는 “최근 매우 강력한 컴퓨팅 파워가 제공되고 있으며 딥러닝이라는 기술이 출현함에 따라 학습법을 학습하는 SW에 대한 연구가 진전되고 있다”는 견해를 밝혔다.

그러나 그는 이를 위해서는 여전히 극단적인 계산 능력이 필요하다는 것을 언급하면서 학습법 학습SW가 머신러닝 전문가의 부하를 줄이거나 부분적으로 대체하는 것이 그다지 현실적이지는 않다고 지적한다.

벤지오의 지적에도 불구하고 세상은 빨리 변하고 있다. 구글 브레인 연구원이 개발한 SW시스템은 800개 고성능 그래픽 프로세서를 사용해 인간이 설계한 최상의 이미지 인식 시스템을 설계할 수 있다. MIT 미디어랩 연구자들도 인간이 만든 프로그램과 객체인식 표준 테스트를 매칭해 딥러닝 시스템을 설계하는 학습SW를 개발했다. MIT 미디어랩 연구원인 '오트크리스트 굽타(Otkrist Gupta)'는 앞으로 이러한 작업들이 많이 벌어질 것이라며 자신들이 만든 학습SW를 오픈소스화할 계획이라고 밝혔다.

굽타는 머신러닝 모델을 설계하고 테스트하는데 시간을 많이 사용하면서 이 프로젝트의 필요성을 절감했다고 전했다. 자동화된 머신러닝을 실용적으로 만들 수 있는 방법을 찾을 수 있다면 시간 절감 및 학습SW 개발 생산성이 높아질 것이라고 판단했다는 것이다.

그는 “데이터 과학자의 부담을 덜어주는 것은 여러모로 큰 이익을 가져다준다”며 “절감한 시간을 더 생산적으로 쓰고, 더 나은 모델을 만들고, 더 높은 수준의 아이디어를 내놓을 수 있도록 해준다”고 강조했다.