어쩌다 인공지능

"인공지능이 잘못하고 있다"고 화를 내기 전에, 제대로 학습시켰는지부터 확인하시길 바랍니다. 가르치는 일은 어렵습니다.

Copyright 2021. 『오드리공주 될뻔 블로거』  All rights reserved.

인간으로 살아가려면, 잠시 스마트폰을 내려놓으셔도 좋습니다.

 Copyright 2021. 『오드리공주 될뻔 블로거』  All rights reserved.

인터넷상 속칭으로 ‘인공지능 3대 천왕’과 ‘인공지능 4대 천왕’이 있습니다. 3대 천왕은 "AI의 대부"와 "딥 러닝의 대부"라고 불리고 있습니다.  이들은 각각 인공지능을 딥 러닝 기술을 처음 시작했거나 이후 크게 발전시키거나, 확대 시키는데 결정적인 역할을 했던 인물들입니다. 3대 천왕은 Geoffrey Hinton(Geoffrey Everest Hinton, 제프리 에버레스트 힌튼 혹은 힌턴), Yann LeCun(얀 르쿤 혹은 얀 레쿤), Yoshua Bengio(요슈아 벤지오)의 3명으로 2018 튜링 상을 수상했습니다.

"Hinton received the 2018 Turing Award, together with Yoshua Bengio and Yann LeCun, for their work on deep learning. They are sometimes referred to as the "Godfathers of AI" and "Godfathers of Deep Learning".
[출처: en.wikipedia.org/wiki/Geoffrey_Hinton]

여기에 Andrew Ng(앤드류 응)을 포함시켜 이들 4명을 4대 천왕으로 부르고 있습니다.

※ 튜링 상(Turing Award, 튜링 어워드)은 "컴퓨터 과학의 노벨상"이라고도 불리는 상입니다. 영국의 수학자이며 현대 전산학의 아버지라 할 수 있는 앨런 튜링의 이름을 따서 만든상으로, ACM에서 컴퓨터 과학 분야에 업적을 남긴 사람에게 매년 시상하는 상입니다.
※ ACM(Association for Computing Machinery, 계산기 학회 혹은 컴퓨터 학회)은 1947년에 설립된 세계 최초의 컴퓨터 분야의 학술과 교육을 목적으로 하는 각 분야 학회들의 연합체입니다.

워낙 유명한 분들이라 이분들의 업적을 알아두면 도움이 될 듯합니다. 이분들의 주요 업적을 간단히 살펴보면 다음과 같습니다.

#1 제프리 힌튼(Geoffrey Everest Hinton: 1947년 ~ )

첫 번째 인물인 제프리 힌튼은 꺼져가는 인공 신경망분야를 부활시킨 인물로 알려져 있습니다. 

• 영국 출신의 인지 심리학자이자 컴퓨터 과학자
• 구글과 토론토 대학교에 재직
• 역전파법(Backpropagation)과 딥 러닝 연구에 기여. 힌튼 다이어그램을 발명
• 딥 러닝 개념의 창시자

구글이 2013년 그가 창업한 DNNresearch Inc.를 인수하면서, 그는 AI부문 수장으로서 Google에 합류했습니다. 그는 특히 역전파 학습(Back Propagation) 기법과 CNN(Convolution Neural Network) 발전에 크게 기여했습니다. 제프리 힌튼에 관한 영어 위키백과를 읽다보면 다음과 같은 내용이 나옵니다.

"Hinton is the great-great-grandson both of logician George Boole whose work eventually became one of the foundations of modern computer science, and of surgeon and author James Hinton."

영어의 “great-great-grandson” 증손자(great-grandson)의 아들이니, 손자의 손자인 고손자가 되는군요. 결국 부울대수를 창시한 조지 부울(George Boole)과 외과의사이자 작가였던 제임스 힌튼(James Hinton)의 후손이라고는 말인데, 좀 더 정확히는 제가 영어 위키백과와 관련 사이트를 찾아 정리해놓은 아래 차트가 도움이 될 것 같습니다.

한마디로 그의 집안은 세계 모든 나라에서 사용하는 "국민 총생산(GNP, gross national product)"를 개척한 콜린 클락(Colin Grant Clark), 부울 대수와 기호논리학의 창시자 조지 부울(George Boole), 세계에서 제일 높인 산인 『에베레스트 산』의 이름이 유래된 조지 에베레스트(Sir George Everest)의 혈통을 가진 어마어마한 가문인 것 같습니다.
※ 참고로 제프리 힌트의 가운데 이름(middle name)에도 Everest가 들어가 있습니다. 

#2. 얀 르쿤(Yann LeCun, 불어 Yann André LeCun, “얀 레쿤”이라고 표기도 함 : 1960년 ~ )

두 번째 인물인, 얀 르쿤은 1987년부터 1988년까지 토론토 대학(University of Toronto)의 제프리 힌튼 연구실(Geoffrey Hinton Lab.)에서 박사후 연구원(postdoctoral research associate)으로 일했습니다.

• 프랑스 출신의 컴퓨터 과학자
• CNN(Convolutional Neural Network. 합성곱 신경망. 딥 러닝의 일종, 영상분야의 인공지능의 대표적 기술. 이미지 인식에 탁월)의 아버지
• 뉴욕대 수리학 연구소 교수(Silver Professor of the Courant Institute of Mathematical Sciences at New York University)
• 페이스 북의 AI 리서치를 이끌고 있음(Vice President, Chief AI Scientist at Facebook)

얀 르쿤은 2017년 사우디 아라비아의 대학에서의 강의 초대를 거절한 일화도 있습니다.  그는 자신의 무신론을 고려할 때 자신이 그 나라에서 테러리스트로 간주 될 것이라고 믿었기 때문입니다.

#3. 요슈아 벤지오(Yoshua Bengio : 1964년~)

세 번째 인물인, 요슈아 벤지오(Yoshua Bengio)는 프랑스 파리에서 태어난 캐나다 컴퓨터 과학자입니다. 뉴욕 타임지(The New York Times)에서 인공지능분야를 다루는 기술 특파원인 케이드 메츠(Cade Metz)는 제프리 힌트, 얀 르쿤과 함께 요슈아 벤지오는 1990년대와 2000년대에 딥 러닝의 발전에 가장 책임이 있는 세 사람 중 한 명으로 간주했습니다.

• 몬트리올 대학교(Université de Montréal)의 컴퓨터 과학 및 운영 연구과의 교수
• 몬트리올 학습 알고리즘 연구소(Montreal Institute for Learning Algorithms, MILA 혹은 Mila : Quebec AI Institute)의 과학 책임자
• MIT(Michael I. Jordan교수가 지도)와 AT&T Bell Labs의 박사후 연구원
  (AT&T Bell Labs : 현재 Nokia Bell Labs, 이전 명칭은 시대에 따라 Bell Labs Innovations, AT&T Bell Laboratories, Bell Telephone Laboratories으로 불렀다.)
• 논문 인용 최고(MILA에 따르면 h-index가 100 이상인 컴퓨터 과학자 중 Bengio는 일일 가장 최근에 인용되는 사람)

얀 르쿤과는 벨연구소에서 만나 인연이 시작되었습니다. 요슈아 벤지오가 박사과정을 지도한 제자 중에는 이안 굿 펠로우(Ian J. Goodfellow)라는 인물도 있습니다. 그는 이미지 합성기술에서 많이 사용되는 생성적 적대 신경망(GAN, Generative Adversarial Network. 비지도 학습에 사용되는 인공지능 알고리즘)의 발명자로 알려져 있습니다.

#4. 앤드류 응(Andrew Yan-Tak Ng, Chinese 『吳恩達』 : 1976년 ~ )

마지막으로 소개드릴 분을 앤드류 응입니다. 중국계 미국인 컴퓨터 과학자입니다.

• 온라인 교육 의 선구자. 개방형 온라인 교육 사이트 Coursera(American massive open online course (MOOC)를)와 deeplearning.ai 공동창업
• "딥 러닝 민주화"를 위한 많은 노력을 하여 이를 성공적으로 이끌었음
• 마이클 어윈 조던의 지도하에 UC 버클리에서 박사 학위

그는 2013년 타임지의 가장 영향력 있는 100인, 2014 년에는 Fast Company의 가장 창의적인 인물 중 한 명으로 선정되었습니다. 그는 인공지능으로 자연어 처리(Natural Language Process) 연구와 인공지능의 온라인 교육에 크게 기여한 인물입니다. Google Brain을 공동 설립하고 이끌었으며, 바이두(Baidu, Inc. 중국의 다국적 기술 회사로 세계에서 가장 큰 AI 및 인터넷 회사 중 하나)의 전 부사장 겸 수석 과학자로 일하면서 수천 명의 팀으로 이 회사의 인공 지능 그룹을 구성했습니다.

그의 박사학위 지도 교수인 마이클 어윈 조던(Michael Irwin Jordan)도 아주 유명한 분입니다. 마이클 어윈 조던은 미국 과학자이자 버클리 대학의 교수로, 그는 머신 러닝 분야의 주요 인물 중 한 명이며 2016년 Science는 그를 세계에서 가장 영향력있는 컴퓨터 과학자로 보고하였습니다.

마이클 조던 교수 밑에서는 4대 천왕 중에 1명이 박사학위 지도 학생이였고, 다른 한명은 박사후 과정을 받은 사람이니, 해당 연구실이 가히 최고의 인공지능 연구실이라고 할 수 있겠네요.

아직까지 튜링상을 수상한 한국인은 없는 것으로 압니다. 앞으로 우리나라에서도 튜링상을 수상할 인공지능분야의 선구자들이 많이 배출되길 기원합니다.

 Copyright 2021. 『오드리공주될뻔 블로거』  All rights reserved.

인간의 지능적인 특성 중에는 학습이 있습니다. 학습은 배워서 익히는 것입니다. 그럼 어떻게 배울까요? 우리는 경험을 통해 배웁니다. 그래서 우리는 여러 경험을 통해 학습을 얻어내고 그 학습은 다음 행동에 영향을 주도록 변화해왔습니다. 이렇게 우리가 학습하는 특성을 컴퓨터인 기계에 접목한 것이 머신 러닝이고, 딥 러닝입니다.
전통적인 프로그램 방식에서는 프로그래머인 사람이 일일 명시적으로 알고리즘을 설계하고, 코딩해서 컴퓨터가 주어진 입력에 대한 출력을 갖도록 해왔습니다. 그러나 인공지능 기법이 도입되면, 컴퓨터인 기계는 주어진 입력 데이터와 출력 데이터로(혹은 입력 데이터로만) 기계가 자동적으로 명시적인 프로그래밍 없이 학습하여 그 결과 규칙을 적용하게 됩니다. 아래 그림을 보면 쉽게 이해될 것 입니다.

약간 머신 러닝 개념이 너무 복잡한 것 같아서 간단한 요리로 설명하겠습니다. 요즘 뜨고 있는 백선생 조리법(recipe)처럼 『라면을 맛있게 끓이는 요리 기계』를 만든다고 생각해봅시다. 전통적인 방식으로는 요리 기계에 조리법에 대한 프로그램을 입력합니다. 그 프로그램에는 가장 맛있다고 결론 지어진 조리법의 최종 규칙을 입력되어있습니다.  

• IF (물의 양 = “550 ml” and 끓이는 총 시간 = “4분 30초” and 면 크기 =“부수지 말고 그대로 최대 크기” and 플레이크(후레이크 표기는 잘못. flake)와 분말 스프 투입시기 = “면보다 먼저” and 취향 = “대파 투입” and/or “달걀 투입(풀어서)”)
• Then (조리법 = “백선생의 맛있는 라면요리“). 

이제 이 규칙을 기계에 넣어주고, 우리는  “백선생의 맛있는 라면요리“를 끓여주라고 하면 기계는 상기 규칙대로 끓여서 나올 것 입니다. 이것은 구체적인 정답에 해당하는 규칙이 있어야만 결과적인 맛있는 라면요리가 완성되는 방식입니다.

그러나 상기 IF절에 있는 (물의 양, 끓이는 시간, 면 크기, 스프 투입시기, 취향)을 어떻게 해야 할지 모른다고 가정할 때, 우리는 가르쳐 주는 사람이 없다면, 내 스스로의 경험을 통해서 맛있는 조리법을 터득할 수밖에 없습니다. 끓이는 시간은 얼마로 해야 면이 꼬들꼬들 해질까, 물이 많으면 싱겁고, 물이 적으면 짜고, 면을 잘라서 넣을까 말까, 플레이크와 분말 스프는 언제 넣을까, 달걀은 반숙할 것인가, 풀어서 먹을 것인가, 대파를 넣을 것인가 말 것인가 등을 시행착오하면서 경험이 쌓게 됩니다. 그리고 다음번에는 그 경험을 바탕으로 개선을 해나갑니다. 계속해서 매일매일 끊이다 보면, 결국은 어떻게 하는 것이 가장 좋은 맛을 내는지에 대한 결론이 나오고, 이를 기계에 저장하여 나만의 조리법이 나오게 만들 수가 있습니다. 즉, 경험이 학습되어 그 결과를 『맛있는 라면요리 조리법』라는 규칙으로 저장해놓는 것입니다. 이렇게 학습을 통해 규칙을 생성해서 기계가 스스로 조리법을 갖게 하는 방식이 바로 머신러닝 / 딥 러닝에 의한 인공지능 방식인 것입니다. 이 방식으로 하면 개인별 취향이 다르다고 해도, 개인별 조리 데이터를 학습시켜 맞춤형으로도 제공할 수 있습니다. 좀더 확장이 유연해진겁니다.

이렇게 인공 지능 방식은 경험, 성능, 작업 목표를 기계 스스로가 데이터를 통해 발전해나가는 방식입니다.

Copyright 2021. 『오드리공주될뻔 블로거』  All rights reserved.