이번 대국에서 이세돌 9단의 심리 상태는 매우 불안해보였다. 바둑 애호가로서 보기에 1국은 상당히 심했고 2국도 완벽하지 않았다. 이 9단은 그답지 않은 바둑을 뒀다. 하지만 그의 컨디션을 떠나 알파고가 정말 대단했다는 점은 인정해야 할 것이다. 이번 대국은 인간이 할 수 있는 최고의 경지, 즉 추상화 영역에 기계가 침범한 대사건이다.

사실 알파고를 개발한 딥마인드팀이 국제학술지 네이처에 기고한 내용을 보면, 기술적으로 대단한 것은 없다. 컨볼루션신경망(CNN), 몬테카를로 트리 탐색 등은 다 알려진 이론이고 딥마인드팀이 아이디어를 조금 보탰을 뿐이다. 놀랍지 않은 기술, 아직 완벽하게 완성되지 않은 인공지능 기술이 가져온 결과가 모두의 상상을 뛰어넘었다.

기호(심볼)를 실제 세계의 의미와 연결시키는 것을 ‘심볼 그라운딩’이라고 한다. 알파고는 그런 능력이 없다. 자신이 무엇을 하는지도 모르고 열심히 계산해서 인간 최고수를 꺾었다. 그런 수준으로 인간 최고수를 위협할 정도이면, 심볼그라운딩이 가능한 인공지능이 가져올 결과는 얼마나 더 대단할 것인가.

아무리 효율적으로 컴퓨터 프로그램을 짜더라도 바둑의 한 대국에서 발생할 수 있는 모든 경우의 수에 대응할 수는 없다. 인간은 두어야 할 수와 그러지 말아야 할 수를 직관으로 안다. 바둑 컴퓨터 프로그램의 성능은 쓸데없는 경우의 수, 탐색할 필요가 없는 경우의 수를 얼마나 줄이느냐에 달려있다.

알파고는 내가 예상했던 것보다 훨씬 잘 대응했다. 알파고의 인공신경망은 탐색 후보를 현저히 줄였고, 범용그래픽칩(GPGPU) 이용한 알파고의 병렬 컴퓨팅 시스템은 탐색 후보 중 이기는 수를 잘 계산해 냈다.

알파고에도 약점이 있다. 어림셈(대강의 계산)으로 탐색 후보를 줄인다는 점이다. 그래서 경우의 수가 많은 초중반에는 알파고도 실수를 많이 한다. 알파고의 초중반 어림셈이 전성기의 이세돌 9단이나 커제 9단보다 못하다고 생각한다. 알파고의 실수를 두고 계산된 실수라고 하는 것은 소설이다. 그러나 경우의 수가 줄어든 후반에는 계산할 양이 많지 않기 때문에 알파고가 실수할 확률이 점점 줄어든다. 끝내기에서는 알파고가 정밀한 계산력으로 위력을 드러낸다.

이번에 이 9단의 제안으로 시간 제한을 2시간으로 늘렸다. 이 9단이 좋아하는 규칙이었겠지만, 이는 알파고에게 더 유리한 변화다. 대국 전 전야제, 언론들의 유례없는 관심 등은 이 9단의 정신적 안정을 해쳤다.

구글은 상업적 이벤트 효과를 극대화하기 위해 당연히 그렇게 해야 했겠지만 이 9단에게는 재앙이었다. 이 9단은 한두 점 정도는 핸디캡을 안고 둔 셈일 것이다. 행사 같은 것은 일주일 전이나 며칠 전 정도에 하고 선수가 컨디션 조절을 할 수 있도록 배려했으면 어땠을까 싶다.

알파고가 이 정도의 바둑을 두는 것을 보면, 인간의 추상적 사고도 우리가 생각하던 것만큼 깊은 레벨이 아닐 수도 있다. 다시 말해 이번 바둑을 보면서 알파고에 적용한 기계학습법인 딥러닝이 우리가 생각했던 이상의 고품질의 일을 할 수 있겠다는 것을 확인했다.

150년간 인간이 축적한 바둑 기보와 전통을 완전히 깼다는 평가에는 어느 정도 동의한다. 인간이 고정관념에 젖어 고려하지 않던 경우의 수를 알파고가 선입견 없이 시도하는 모습을 보여준 것이다. 이 역시 프로기사들에게 새로운 아이디어를 주는 좋은 역할을 하게 될 것이다.

사람들이 알파고의 메커니즘을 정확히 모르니 알파고에 대해 필요 이상의 공포심을 갖는 조짐도 보인다. 인류의 기술 역사상 기록될 쾌거인데, 기계가 인간을 지배하는 공포로 연결시킬 필요는 없다.

딥마인드 측은 바둑이나 퀴즈만 잘 풀도록 한 특화 인공지능이 아니라 여러 문제를 두루 잘 푸는 범용 인공지능(AGI)을 개발한다고 말했다. AGI를 강한 인공지능이라고 할 수 있다. 엄청난 도전이다. 아직 요원하지만, 알파고가 보여준 놀라운 성과 때문에 그런 일은 오지 않는다고 단정할 수 없다. 다만 시간이 많이 걸릴 것이다.

알파고가 우리 사회에 준 충격을 긍정적으로 흡수할 필요가 있다. 그동안 우리 사회에서 인공지능에 관한 논의는 컴퓨터 알고리즘을 전공한 사람끼리의 이야기였다. 기술의 저변 확대가 필요하다. 일반 시민이나 어린이들도 인공지능 기술에 대한 기본적인 이해를 갖추고 그것을 상식으로 받아들이는 사회가 되어야 한다.

우리나라는 스포츠 선수도 잘하는 사람만을 골라 집중 교육시키는 엘리트 교육 방식이다. 미국에서는 동네에서 축구나 수영을 하면서 두터운 선수층이 생기고 자연스럽게 선수가 육성된다.

우리 사회가 인공지능 인력을 기르는 방식도 미국의 사회 체육과 비슷한 방식이어야 한다. 초등학교 2~3년생들도 컴퓨터와 알고리즘에 대해 깊지 않더라도 상식처럼 이야기를 나누는 사회가 되면 학자도 탄생하고 기업가도 나온다.

미국, 영국, 이스라엘에서 코딩(컴퓨터 언어로 프로그램을 짜는 것)을 중요하게 생각하는 것도 컴퓨팅 사고를 유도하기 위해서다. 컴퓨터적으로 사고하지 못하면, 딥러닝과 같은 기계학습이 일으키는 인공지능의 혁명을 준비할 수 없기 때문이다.

알파고가 우리 사회에 신선한 충격을 줬다. 그것은 혁명에 가까운 것이었다.


▒ 문병로
서울대 컴퓨터과학과, KAIST 컴퓨터과학 석사, 펜실베이니아주립대 컴퓨터과학 박사, LG전자 연구원, 현 서울대 공과대 컴퓨터공학부 교수, 옵투스 투자자문 대표.


컨볼루션 신경망(Convolution Neural Network),
몬테카를로 트리 탐색(Monte Calro Tree Search)

알파고가 이용하는 인공신경망 모델이다. 몬테카를로 트리 탐색은 한 수를 선택하면 다음 수에 대한 경우의 수를 가지 치는 형태(트리)로 인식해 유리한 선택을 하는 알고리즘이다. 컨볼루션 신경망은 수학의 함수를 이용해 이미지를 인식하는 딥러닝 기법 중 하나다.

심볼 그라운딩(Symbol Grounding)
컴퓨터 안의 기호(심볼)를 실제 세계의 의미와 연결하는 것을 심볼 그라운딩이라고 한다. 인간의 사고방식과 알파고 간의 가장 큰 차이점이다.

문병로 서울대 컴퓨터공학부 교수 / 정리 : 류현정 조선비즈 산업2부 기자 / 사진 : C영상미디어 염동우

  • 목록
  • 인쇄
  • 스크랩
ⓒ 조선경제아이 & economychosun.com