인공지능은 기존 어떠한 기술보다도 난이도가 높고, 어쩌면 아직도 구현되지 못한 미래 기술일 수도 있다. 그런데 방송에서, 아니 평범한 일상 속에서도 쉽게 인공지능을 이야기하고 늘 접하는 하나의 어떤 하드웨어나 소프트웨어로 인식되고 있는 것 같기도 하다.
이러한 현상은 모든 사람들이 들고 다니는 스마트폰의 기능 향상과 최근 화제를 모으고 있는 ChatGPT의 출현 때문에 촉진하지 않았나 생각된다. 또한 요즘 기업체를 방문하여 데이터분석이나 정보화 관련 이야기를 나누다 보면, 회의 중에 쉽게 인공지능을 이야기하고 서로 이해하고 있다는 듯이 고개를 끄덕이며 대화를 이어가는 것을 보게 된다.
그럼 공감될 만큼 인공지능이 명확히 정의되었고 관련 기술로 쓸 만한 서비스가 구현되었다는 것인지? 또는 그 동안 추진해왔던 디지털화, 공장자동화, 스마트팩토리, 빅데이터는 모두 구축이 되었고 그 다음 웨이브가 인공지능이란 이야기인지?
이번 주제는 바로 여기에서부터 시작해보려고 한다.
인공지능의 사전적 의미는 ‘인간의 지능이 갖는 학습, 추론, 논증 따위의 기능을 갖춘 컴퓨터 시스템으로 전문가 시스템, 자연어 이해, 음성 번역, 로봇 공학, 인공 시각, 인지 과학에 응용되는 기술’로 정의되어 있다. 그 어떤 기술의 정의보다 버라이어티 하다.
짧게 다시 정리하면, ‘컴퓨터를 이용하여 인간의 지능을 구현하는 응용기술’이라고 할 수 있지만, 이 또한 ‘인간의 지능’에서 정의의 한계를 갖고 있다. 아직도 컴퓨터공학이던, 뇌의학이던, 뇌공학이던 그 어떤 영역에서도 인간의 지능을 명확하게 정의하고 메커니즘을 실증하고 있지 못하고 있다. 그런데도 우리는 쉽게 인공지능을 이야기하고 이를 제조 현장에 구현할 수 있는 것처럼 말하고 있는 것이다.
정보화를 인공지능으로, 스마트공장을 인공지능으로, MES나 ERP 구축을 인공지능으로 이야기하는 것이 큰 잘못이라고 말하는 것은 아니다. 좀 더 명확하게 구현 가능한 인공지능 기술을 명시하고 이를 구축하여 활용하는 것이 현 시점에서 인공지능을 가장 적정하게 적용하는 것이라고 볼 수 있다.
인공지능이 우리에게 친숙하게 된 이유는, 1950년대 다트머스 회의에서 AI라는 단어가 사용되었고 ‘메트로폴리스’라는 인간과 로봇의 갈등을 다룬 무성영화는 다트머스 회의보다 무려 30년을 앞섰으며 이후에도 ‘스페이스 오디세이’, ‘터미네이터’, ‘매트릭스’ 등 쉼 없이 AI를 다룬 영화 덕분에 인공지능이 친숙한 용어로 자리 잡게 되었다.
지금까지는 인공지능을 기술과 시대에 근거하여 요람기, 암흑기, 안정기, 부흥기로 구분했지만, 최근에는 인공지능 서비스를 기준으로 ChatGPT 이전과 이후 시대로 과감하게 양분하기도 한다.
ChatGPT의 핵심은 구글의 Transformer이고 이는 신경망 알고리즘의 발전 과정에서 벌써 나왔던 것이다. 그런데 이런 기술을 이용하여 자연어 처리와 채팅 서비스를 구현함으로써 인공지능의 사전적 핵심 기술인 ‘인간 언어의 이해’를 통해 인공지능의 구현에 성큼 다가섰다고 할 수 있다.
인공지능의 현존 기술은 신경망 모형과 딥러닝 이라고 할 수 있는데, 이러한 신경망은 기계학습에서도 예측, 분류, 군집에 많이 사용했던 알고리즘의 한 종류이다. 기계학습은 문제의 원인을 데이터과학자가 찾아 정의하고 이를 해결하기 위한 데이터 수집, 그리고 적정한 알고리즘을 선택하여 학습하고 예측이나 분류가 가능할 수 있도록 모형을 만들어가는 과정이라고 할 수 있다.
반면 지금 회자되고 있는 인공지능은 자체의 핵심 기술보다는 ChatGPT와 같은 거대 언어 모델인 LLM 서비스와 파인튜닝, 그리고 랭체인과 같은 프레임워크를 연결한 서비스 구현에 많은 의미를 두고 있다. 이는 컴퓨터가 자연어를 이해하고 표현하는 생성형 AI의 구현으로 앞으로의 인공지능 발전을 더욱 기대되게 만든다고 볼 수 있다.
LLM으로 구현한 ChatGPT가 인공지능을 완벽하게 구현하고 실무에 아무런 문제없이 적용할 수 있다고 말하는 것은 아니다. 그러나 그 동안 정보화나 전산화와 구별되지 못했던 인공지능을 확실하게 차별화했고 LLM의 기술적 진보와 보다 편리한 프레임워크가 제공된다면, 영화 속 AI가 아닌 일상의 인공지능으로 바뀔 수 있다고 생각된다.
인공지능을 명확하게 이해하고 쓰임새 있게 활용하려는 노력을 게을리 한다면, 과거 정보화 전산화를 미룬 기업과 적극 수용했던 기업 간의 차이보다, 인공지능에서는 더욱 극명한 큰 차이를 보일 것으로 판단된다.
