SF영화가 현실로? 인공지능이 인공지능을 만드는 시대의 도래
우리는 흔히 웹서핑을 하다보면 나에게 추천하는 제품 또는 영상, 오타로 잘못 검색해도 올바른 단어로 검색해주는 것을 본적 있을텐데요. 이렇듯 시간이 지날 수록 인공지능의 영역이 일상 속으로 들어오고 있습니다. 하지만 주변에 인공지능이 많아진다고 해서 인공지능 자체가 일반적으로 쉽게 접근할 수 있는 것은 아닙니다. 우리가 인공지능이라고 알고 있는 것은, 기계 학습(Machine Learning)이라는 알고리즘을 통해 방대한 양의 데이터를 기계에게 학습시켜, 기계가 학습된 내용을 바탕으로 스스로 새로운 결과를 도출할 수 있게 하는 시스템인데요. 이러한 작업에는 사실 수많은 전문 인력과 시간, 그리고 비용이 들어가게 됩니다.
하지만 최근, 인공지능 기술이 발달하여 이러한 기계 학습 과정 자체도 인공지능이 직접 대신하는, 오토 머신러닝(Auto Machine Learning) 기술이 등장하고 있습니다. 오토 머신 러닝이란, 쉽게 말해 인공지능을 학습시키는 인공지능이라고 할 수 있는데요. 오토 머신러닝 기술을 통해 그동안 인공지능을 학습시키기 위해 들였던 인력과, 시간, 비용을 획기적으로 절약할 수 있게 되었습니다.
과거 핸리 포드에 의해 컨베이어 밸트 시스템을 도입하여 자동차 생산 공정을 효율적으로 한 것처럼, 오토 머신러닝도 인공지능의 대중성을 높이는데 도움이 될 것으로 보고 있어 최근 많은이들의 관심을 받고 있습니다.
하지만 오토 머신러닝 기술도 흔히 영화에서나 보던 완벽한 인공지능은 아닙니다. 머신러닝이 잘 처리하는 데이터는 정형화된 데이터로 정확한 수치로 행과 열을 가진 데이터라고 할 수 있습니다. 우리가 흔히 일상생활에서도 많이 사용되는 엑셀시트에 정리된 데이터와 같은 것이지요. 이와 반대로 딥 러닝은 이미지, 소리와 같은 비정형 데이터를 분석하고 해결할 수 있는 강점을 가지고 있습니다.
오늘은 이러한 인공지능 기술이 기업에서 어떻게 활용되고 앞으로의 인공지능 시대에 필요한 역량을 함께 알아보도록 하겠습니다.
출처 : Unsplash – alina grubnyak
현재 인공지능은?
현재 우리가 “인공지능”이라고 흔히 얘기하는 것을 기술적으로 좀 더 자세히 들여다보면 기계학습 알고리즘, “머신러닝”이라고 할 수 있습니다. 그리고 이 머신러닝에서 좀 더 발전된 기술이 딥러닝인데. 초기의 머신러닝이 다양한 데이터를 학습시킨 결과를 바탕으로 기계가 스스로 판단하게 하는 알고리즘이었다면, 여기서 발전된 딥러닝은 인강의 뇌 신경망을 모방한 알고리즘을 통해 기계가 스스로 학습하게 하는 매커니즘을 가지고 있습니다. 직접 정형화된 데이터를 학습시켜주어야 하는 머신러닝에서 보다 발전된 형태라고 할 수 있지요. 그리고 앞서 설명한 오토 머신러닝은 기존 머신러닝에 입력할 데이터를 가공하는 시간과 인력의 단점을 보완해주는 기술이라고 볼 수 있는데요.
이와 관련하여 최근 네이버에서 진행한 하이퍼 클로바라는 인공지능을 활용한 기획전을 한번 살펴보도록 하겠습니다. 기존의 MD가 하던 일을 인공지능이 하게 된 케이스인데요, 소비자들이 좋아하는 문구와 긴 상품명을 핵심과 구매를 당길 수 있는 상품명으로 바꾸고 기획전에 올릴 상품의 구성까지 인공지능이 직접 기획했습니다. 이렇게 데이터를 기반으로 만들어진 기획전은 기존에 MD가 준비한 것보다 클릭수와 구매 전환율이 더 높게 나올 정도였다고 하니, 특정 분야에서 인간을 뛰어넘는 인공지능이 나오는 것을 앞으로 더욱 자주 마주하게 될 것 같다는 생각이 듭니다.
인공지능/머신러닝/딥러닝 관계도
오토 머신러닝 기술은 영상 자막의 영역에도 도움을 주고 있습니다. 그동안의 영상 작업은 사람이 듣고 텍스트로 바꿔 자막을 입히는 작업이 들어갔는데, 이 작업이 생각보다 소리를 들어야하는 물리적인 시간이 정해져있다보니 따로 대본이 없다면 영상길이 이상의 작업시간을 필요로 하게 됩니다. [보이저X]에서 나온 “Vrew” 는 오토 머신러닝의 언어 모델을 통해 영상 자막 서비스를 제공하고 있는데요. 업로드 된 영상 속 목소리를 인식해서 텍스트로 만들고, 나온 텍스트를 바탕으로 영상을 편집해서 자막을 비교적 쉽게 붙일 수 있는 서비스라고 합니다. 영상 자막 작업이 많아질 수록 “Vrew”는 들어온 데이터를 스스로 학습하고 분석하며 점점 정확도를 높여갈 수 있습니다.
출처 : Unsplash – charles deluvio
인공지능 시대에 필요한 역량
지금의 인공지능은 SF영화 속 등장하는 인공지능 로봇과는 다르게 똑똑하지 않습니다. 날 것 그대로인 데이터를 스스로 분석하기에 어려움이 있어 아직까지도 인간의 손길을 많이 필요로 하는데요. 이러한 한계점을 극복할 수 있는 기술로 오토 머신러닝은 주목받고 있습니다. 하지만 그렇다해도 여전히 SF 영화에서나 나오는 완벽한 인공지능을 우리가 만나게 되려면 가야할 길이 멉니다.
앞으로 인공지능과 인간이 협업하시는 시대가 되기 위해서는, 사용자가 원하는 결과에 도달하기 위해 어떻게 가공하고 필요한 정보와 조건을 걸어 정확한 결과 값을 찾아내는 능력이 중요할 것으로 보이며, 데이터를 읽고 분석하는 것 뿐 아니라 인공지능을 활용해서 사용자에게 어떤 경험을 줄 수 있는지, 어떤 긍정적인 변화를 불러올 수 있는지를 고민하는 것이 앞으로 펼쳐질 인공지능의 시대에서 중요한 역량으로 부상할 것으로 생각됩니다. 이 글을 읽으시는 분들도 앞으로 어떤 인공지능을 활용한 어떤 서비스들이 우리의 삶을 어떻게 바꾸게 될지 생각해보면 좋을 것 같습니다.