By ALEX KENDALL, WIRED UK

오늘날, 인공지능(AI)이 인간과 상호작용하면서 인간의 삶의 효율성과 효과를 높이는 사례가 매우 많다. 기계가 전자상거래 웹사이트를 통해 고객에게 구매할 제품을 추천하며, SNS 피드의 뉴스 순위를 제공한다. 또, 데이팅 앱 사용자에게 상대를 추천하고, 실시간으로 제품 가격과 서비스 등을 추천하기도 한다.

그러나 다양한 AI 기반 서비스의 공통적인 요소는 각각의 기계가 웹사이트 혹은 웹과의 소프트웨어 인터페이스를 통해 인간의 삶에 영향을 주는 데 국한되었다는 사실이다. 2021년에는 AI가 현재의 한계를 넘어설 것이다. 앞으로 인간과 AI 기반 기계 간 신체적 인터페이스가 이루어질 전망이다.

오늘날 자동화 기계는 통제되었으며, 폐쇄적인 환경에서 운영된다. 대표적인 사례로 공장과 창고 등 인간과 물리적으로 분리된 지역에서의 AI 활용을 언급할 수 있다. AI는 엄격하면서 수동으로 프로그램 구성이 된 기기를 통해 제한적인 감각과 지능을 기반으로 운영된다. 그러나 컴퓨터 비전의 자기 지도 학습과 개연성 및 적응 생성 모델링의 새로운 기법, 통제를 위한 모델 기반 강화학습 등 머신러닝의 발전은 사회와 공개적으로 상호작용하면서 제한된 인간의 감시가 이루어지도록 지능 기계를 생성할 기회를 만든다.

머신러닝은 여러 AI 문제에 긍정적인 변화를 일으키는 영향을 미친다. 가장 최근의 사례로 컴퓨터 비전과 자연어 처리 과정을 언급할 수 있다. 머신러닝은 페타바이트 규모의 데이터세트 및 대규모 클라우드 컴퓨팅의 접근 증가와 함께 시작돼, 수동 설계된 대표 기술에서 최종 머신러닝으로의 변화를 가능하게 한다. 이 덕분에 초기 프로그래밍을 넘어서 광범위하게 이해할 수 있게 된다.
 
로봇 공학에서 머신러닝과 같은 변화가 빠르게 이루어지지 않은 이유는 소프트웨어보다 하드웨어를 안전하게 변경하는 것이 더 어려워, 로봇 공학 분야에서 데이터 훈련이 더 드물기 때문이다. 최근, 기계가 바둑과 도타(DOTA) 경기에서 인간 세계 챔피언을 이기도록 만든 강화학습의 획기적인 발전은 무한한 양의 데이터를 생성하 기계를 가르치도록 한다. 2021년, 인간은 페타바이트 단위의 축적된 훈련 데이터를 최대한 활용할 수 있지만, 자율주행 차량과 같이 완성도가 높은 로봇 플랫폼을 통해 여러 해에 걸쳐 개발이 이루어질 것이다.

자율주행 기술의 가장 흥미로운 결과 중 하나로 오늘날 인간과 소프트웨어 간 상호작용이 이루어지는 방식처럼 확실한 동의가 없더라도 물리적 기계와 상호작용하는 사회이다. 보행자는 자동화 로봇이 인도 옆 차도를 달리는 것을 원하지 않을 것이다. 그러나 자동화 로봇이 운전하는 차량의 신뢰성과 안전성, 효율성이 더 뛰어나다는 점이 일반적 규범이 될 것이다. 이 과정에는 인간의 매우 높은 수준의 신뢰와 자율주행 기술의 성능이 필요하다. 이 모든 것은 인간이 자율주행 차량 작업과 함께 축적한 데이터 덕분에 가능해질 것이며, 2021년에는 인간과 기계의 물리적 상호작용이 실현될 것이다.

** 위 기사는 와이어드UK(WIRED.co.uk)에 게재된 것을 와이어드코리아(WIRED.kr)가 번역한 것입니다. (번역 : 고다솔 에디터)

<기사원문>
Machine learning gets physical, starting with self-driving cars