By KAI-FU LEE, WIRED UK

말과 언어는 인간 지능 및 소통, 인지 처리 과정의 중추이다. 자연어 이해 능력은 인공지능(AI)이 직면한 최대 당면 과제라는 평가를 받는다. 만약, AI의 자연어 이해 능력 한계를 해결한다면, 기계가 인간 지능과 훨씬 더 가까운 수준으로 발전할 수 있을 것이다.

2019년, 마이크로소프트와 알리바바는 전반적인 독해력 작업인 자연어 처리(NLP) 작업 측면에서 인간을 뛰어넘는 구글 기술을 강화했다고 발표했다. 실제 인간을 능가할 자연어 처리 기술 개발 성공 여부는 확실하지 않지만, 필자는 획기적인 주요 변화라고 판단한다. 마이크로소프트와 알리바바의 발표 4년 전 발생한 일을 기억하기 때문이다.

2015년, 마이크로소프트와 구글 연구팀은 지오프 힌튼(Geoff Hinto)과 얀 레쿤(Yan Lecun)이 개발한 인간보다 뛰어난 이미지 인식 능력을 지닌 발명 기술을 토대로 다양한 시스템을 개발했다. 당시 필자는 컴퓨터 비전 애플리케이션이 대성공을 거두리라 예측했으며, 필자가 운영하는 기업은 컴퓨터 비전 애플리케이션이나 제품을 개발하는 기업 약 12곳에 투자했다. 오늘날 컴퓨터 비전 제품은 유통 업계와 제조 업계, 운송 업계, 헬스케어 산업, 교통 산업 등 다양한 곳에 구축된다. 과거, 필자의 기업이 투자한 금액 가치는 현재 200억 달러를 넘어섰다.

2019년, NLP 분야에서 과거 컴퓨터 비전 애플리케이션 개발 전망과 같은 흐름이 펼쳐지는 것을 포착했다. 따라서 NLP 알고리즘이 음성 인식 능력과 기계 번역 능력을 매우 놀라울 정도로 정확한 수준으로 끌어올리면서 언젠가는 ‘스타트렉(Star Trek)’에 등장한 것과 같은 ‘포괄적 번역기’의 성능을 지원하리라 내다보았다. NLP는 정확한 문답 검색 엔진(래리 페이지의 구글에 대한 대대적인 전망)과 현재 맞춤형 광고 기업이 채택한 전략과 같은 지정 콘텐츠 통합 등 신규 애플리케이션 실행이 가능해지도록 할 수도 있다. 금융과 헬스케어, 마케팅, 소비자 애플리케이션 등에 적용할 수 있을 것이다. 그 후 NLP 기업에 투자하느라 분주했다. 필자는 앞으로 인류가 NLP의 영향이 컴퓨터 비전보다 더 놀라운 수준으로 지원되는 상황을 마주할 것이다.
 
NLP의 획기적 발전 특성은 무엇일까? 바로 ‘자기 지도 학습’ 기술이다. 기존 NLP 알고리즘은 데이터 수집과 아마존 알렉사 혹은 은행의 고객 서비스 챗봇과 같이 각각의 도메인 변경이라는 매우 신중한 절차를 거쳐야 했다. 거액을 소모하고, 오류가 자주 발생한다는 문제가 있는 작업이다. 그러나 자기 지도 학습 훈련은 기본적으로 전 세계 모든 데이터에 작용하면서 최대 수조 가지에 이르는 변수를 지닌 거대한 모델을 생성한다.

거대한 모델은 인간이 감시하지 않더라도 훈련을 진행한다. 바로 알고리즘이 자체적으로 언어 구조를 찾아낸 AI 자기 훈련이다. 이후, 특정 도메인의 데이터가 있다면, 도메인에 거대 모델을 변형하고는 기계 번역과 문답, 자연스러운 대화 등 다양한 작업 용도로 활용할 수 있다. 변형 과정은 거대 모델의 일부분을 엄선하며, 이 과정에는 대대적인 변경은 필요하지 않다. 인간이 처음 언어 학습을 한 뒤 학습한 언어를 기반으로 특정 지식이나 과정을 학습하는 것과 같다.

2019년 획기적인 발전과 함께 NLP 모델 규모가 연간 약 10배 수준으로 갈수록 커지면서 규모 증가 추세에 상응하는 수준으로 성능도 개선됐다. 또한, 닥터 수스 스타일(Dr. Seuss-style)을 비롯한 다양한 방식의 글쓰기 능력을 입증한 GPT-3와 인간의 대화를 자연스럽게 변환하는 구글 람다(Google Lambda), 개인 맞춤형 부수적 마케팅 지원을 하는 중국 스타트업 랭보트(Langboat) 등과 함께 NLP가 이미 놀라운 수준으로 발전했다.

현재 인간은 NLP의 문제점을 해결하고 있는가? 회의론자는 알고리즘이 단순히 전 세계 데이터를 기억해 영리한 방식으로 하위세트를 기억하지만, 정작 그 의미는 이해하지 못하므로 진정한 지능을 갖추지 못했다고 주장한다. 인간 지능의 핵심은 합리성과 계획, 창의성이다.

딥러닝 기반 시스템의 한 가지 주된 비판 논리로 다음의 주장을 제시할 수 있다. “기계는 전혀 유머 감각을 지닐 수 없다. 절대로 예술이나 미, 사랑의 고귀함을 알지 못할 것이다. 기계가 외로움을 느낄 일은 없다. 또, 타인이나 동물, 환경 공감 능력은 전혀 없다. 절대로 음악을 즐기거나 사랑에 빠지거나 쉴 새 없이 눈물을 흘릴 일도 없을 것이다.” 모두 타당한 주장이지 않은가? 바로 GPT-3가 작성한 주장이다. GPT-3가 NLP 기술 비판론에 스스로 이토록 정확한 반박을 할 수 있을까?

다수가 진정한 지능에는 인간의 인지 처리 과정에 대한 포괄적 이해가 필요하다고 믿는다. 인간의 뇌와 더 유사한 서킷을 설치해, 새로운 프로그래밍 방식과 함께 작동하는 뉴로모픽 컴퓨팅(neuromorphic computing)을 옹호하는 이들도 있다. 여전히 많은 이들이 복합 시스템에서 딥러닝을 결합한 규칙 기반 전문 시스템인 전형적인 AI 요소를 요구한다.

컴퓨터가 단순히 인간의 뇌와 다른 방식으로 사고한다는 주장을 부인할 수는 없다. 딥러닝, 자기 지도 학습 등 컴퓨터 지능을 강화할 가장 훌륭한 방법은 처리 능력 확장과 더 많은 데이터 제공이다. 인류가 매년 AI 훈련에 데이터를 10배 더 추가하면서 인간이 할 수 없는 일을 컴퓨터가 처리하게 된 점은 의심의 여지가 없다.

딥러닝이 결과적으로 범용 인공지능(AGI)이 돼, 모든 측면에서 인간의 지능과 같은 능력을 갖추게 될까? 필자는 20년 이후에도 딥러닝이 AGI가 되기 어렵다고 본다. 인간이 딥러닝 지능 향상을 위해 나아가거나 혹은 이해해야 할 부분이 매우 많기 때문이다. 대표적으로 모델의 창의성, 전략적 사고, 합리성, 반사실적 사고, 감정, 양심을 갖추는 방법 등을 언급할 수 있다.

필자는 AGI를 AI의 궁극적인 테스트 방식으로 사용하는 것을 중단해야 한다고 제안하고 싶다. 딥러닝과 딥러닝 확장 기술이 그 어느 때보다 더 많은 작업에서 인간을 능가할 수 있으나 여전히 인간이 딥러닝보다 훨씬 더 훌륭하게 다룰 수 있는 작업이 많다. 필자는 AGI 집착이 인간을 최고의 표준으로 보는 인간 스스로 지닌 나르시즘이 될 것이라고 생각한다.

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

<기사원문>
Why Computers Don’t Need to Match Human Intelligence