인공지능 문제점 6가지 및 인공지능의 역사

인공지능 문제점, 어떤 것들이 있을까요?

인간처럼 스스로 데이터를 학습하고 발전하는 인공지능! 인공지능은 현재 여러 분야에서 활용되고 있으며, 우리의 삶을 더욱 윤택하고 편리하게 만들어주는 기술입니다. 인간이 모두 컨트롤하기 힘든 부분까지 인공지능이 일을 하니 당연히 효율성은 올라갈 수밖에 없지요.

하지만 장점이 있다면 인공지능 문제점도 있는 법입니다. 삶의 질을 향상시키는 기술인 것은 맞지만, 그것이 긍정적으로만 작용한다고 확신할 수 없는데요.

이번 글에서는 인공지능의 역사를 먼저 살펴본 후, 실제로 나타나거나 예측되는 인공지능 문제점 6가지를 정리해보겠습니다.

인공지능의 역사
인공지능 문제점

인공지능의 역사

❶ 앨런 튜링

우리가 흔히 ‘AI’라고 부르는 인공지능의 역사를 알기 위해서는 1950년 영국의 수학자 ‘앨런 튜링’의 이야기까지 거슬러 올라가야 합니다. 그는 《계산 기계와 지능》이란 논문에서 기계가 생각할 수 있는지 테스트하는 방법, 지능적 기계의 개발 가능성, 학습하는 기계 등에 대한 내용을 기술했는데요.

기술을 현실화 한 튜링 머신을 만들고, 컴퓨터가 사람처럼 생각할 수 있는지 판단할 수 있는 튜링 테스트를 진행했습니다. 튜링 테스트는 컴퓨터로 채팅하면서 상대방이 사람 또는 컴퓨터 중에 어느 쪽인지 맞히는 테스트였으며, 구분하기 힘들다면 진정한 인공지능으로 인정 받는 것이었습니다.

❷ 존 매카시

미국의 수학자이자 컴퓨터 과학자인 ‘존 매카시’ 교수는 1956년에 미국 다트머스에서 열린 학회에서 인공지능이란 용어를 처음 사용했습니다. 이후 인공지능의 기본 컴퓨터 언어인 리스프를 개발했으며, 이것이 향후 인공지능의 역사에서 중요한 연구가 되었습니다.

❸ 침체기의 반복

당시 인공지능을 구현하려는 연구는 1970년대까지 활발히 진행되었지만, 단순한 문제 풀이 뿐만 아니라 좀 더 복잡한 문제까지 해결할 수 있는 수준까지는 도달하지 못했습니다. 결국 인공지능 연구는 이러한 인공지능 문제점으로 인해 급격한 침체기에 빠지고 말았습니다.

한동안 시들했던 인공지능 연구는 1980년대에 부활하게 됩니다. 이때 컴퓨터에 지식, 정보를 학습하게 만드는 연구가 이뤄지며 실용적인 전문 시스템들이 개발되었습니다. 그러나 방대한 관리 방안에 단점이 생기며, 1990년대 초까지 또 다시 침체기를 맞이하게 됩니다.

❹ 인터넷의 등장

1990년대 후반, 인공지능 연구는 인터넷의 개발과 함께 또 다시 부활합니다. 검색 엔진 등을 통해 이전과는 비교도 할 수 없을 정도로 방대한 데이터를 수집할 수 있게 된 것인데요. 이때 ‘머신 러닝(Machine Learning)’이라는 기술이 개발되었고, 이는 수많은 빅데이터를 분석하여 인공지능 시스템이 스스로 학습하는 형태로 진화한 기술이었습니다.

❺ 딥 러닝 기술의 발전

인간의 뇌를 모방한 인공 신경망 구조는 기존 머신 러닝의 한계를 뛰어넘었습니다. 2006년 캐나다 토론토 대학의 ‘제프리 힌튼’ 교수가 처음 발표하면서 알려진 딥 러닝 기술은 세계적인 전문가들에 의해 더욱 발전했습니다. 당시 딥 러닝을 연구한 ‘얀 레쿤’, ‘앤드류 응’ 등은 현재 구글, 페이스북, 바이두 같은 글로벌 IT 회사에 영입되어 연구를 가속화하고 있는데요.

이때 딥 러닝 알고리즘은 주로 음성 인식, 영상 이해, 기계 번역에 쓰이고 있었습니다. 그러다 2012년 캐나다 토론토 대학의 ‘알렉스 크리제브스키’가 이미지넷(IMAGENET)이라고 불리는 이미지 인식 경진 대회에서 딥 러닝을 활용하여 우승을 차지하는 일이 있었습니다. 자체적으로 이미지를 인식하는 컴퓨터를 만들어낸 것이죠.

이로 인해 또 한번 획기적인 전환점을 맞이했으며, 딥 러닝 연구에 GPU가 전면으로 등장하게 된 계기가 되었습니다. 2012년 알렉스의 우승 전까지는 이미지넷 경진 대회에서 컴퓨터의 이미지 인식율이 75%를 넘기지 못했지만, 당시 알렉스는 84.7%라는 높은 정확도를 보여줬습니다.

이후 딥 러닝 연구는 GPU와 함께 급속도로 발전했고, 2015년에 열린 이미지넷 경진 대회에서는 마이크로소프트 팀이 GPU를 활용하여 96%가 넘는 정확도를 기록했습니다. 즉, 이미지 인식은 이제 인간과 비슷한 경지에 다다른 것입니다.

❻ 세계가 주목하는 인공지능

인공지능 바둑 프로그램인 ‘알파고’는 16만 건이 넘는 프로기사 기보를 토대로 매일 30,000번의 경험을 쌓으며 스스로 학습하고 성장했습니다. 176개의 GPU로 이뤄진 고성능 시스템이 수없이 많은 연산량을 자랑하게 만든 것이었죠. 일반적인 CPU보다 30배 이상 연산 속도가 빨랐기에 짧은 시간 안에 계산을 할 수 있었고, 전력 소모도 크게 줄일 수 있었습니다.

2016년, 구글의 알파고는 국내 바둑 챔피언인 이세돌 9단과의 대결에서 승리를 쟁취했습니다. 이로써 인공지능의 역사에 전세계에 이목이 집중되는 계기가 되었습니다.

인공지능 문제점

❶ 판단 오류

완벽해 보이는 시스템이더라도 판단 오류가 발생한다면 인공지능 문제점이 될 수 있습니다. 인공지능의 판단 오류는 데이터를 저장하여 도출하는 과정 속 오류를 말하는데, 저장되지 않은 정보에 대한 결과를 요구한다면 완전히 다른 형태의 결과로 작동할 수 있습니다. 앞으로 기술이 개발되면서 오류는 개선되겠지만 가치 판단에 대한 오류는 쉽게 해결할 수 없을 것으로 예상됩니다.

❷ 일자리 피해

앞으로 단순 노동 같은 위험한 일을 인공지능이 대신하게 되면 어떻게 될까요? 인공지능이 대체할 수 있는 직업이 늘어난다는 것은 결국 그 자리에서 일하던 사람들이 일자리를 잃는다는 뜻입니다. 이는 가장 대표적인 인공지능 문제점으로 떠오르고 있으며, 실제로 최근에 간단한 사무직이나 공장 등에서 단순 노동이 기계로 대체되면서 인력이 줄었다고 하지요.

그러나 인공지능이 오작동하여 위와 같은 판단 오류가 발생하여 사람에게 해를 끼친다면 이에 대한 책임은 누구에게 물여야 할지 이 또한 아직 명확한 기준이 만들어지지 않았습니다.

❸ 윤리적 문제

만약 인공지능이 오작동해서 자율주행 자동차가 인명 피해를 내거나 환자에게 오진을 하면 어떻게 될까요? 그 책임은 누구에게 져야 할지 윤리적이고 법적인 규범도 아직 명확하지 않습니다. 게다가 인공지능의 판단에 어떻게 윤리적인 부분을 담을 것인지도 애매모호한 상황이지요.

❹ 개인정보 악용

인공지능은 수많은 데이터를 수집하여 만들어지고, 이를 원활하게 사용하기 위해서는 개인정보를 공유해야 합니다. 이 말인즉슨, 개인정보가 계속 축적된다는 것인데 이를 통해 사생활 침해나 감시가 이뤄질 수도 있습니다. 결국 인공지능이 개인의 사생활을 침해하게 될 수도 있다는 뜻과 일맥상통합니다.

❺ 편향적인 학습

만약 인공지능이 부적절한 데이터를 학습하게 된다면 잘못된 가치관을 그대로 이어받을 수 있습니다. 잘못된 가치관이 심어진 인공지능이 우리의 일상에 그대로 침투할 가능성이 있으며, 추론할 수 없는 상황에서 엉뚱한 결과를 낳을 수도 있고 자칫하다가 큰 사고로 이어질 수도 있습니다.

❻ 독점 우려

인공지능 기술을 연구 및 개발하는 개발자 또는 회사가 인공지능에 대한 경제적인 이익을 독점할 수 있습니다. 이는 대기업의 독점 시장 체제가 강화될 우려가 크기 때문에 유의해야 합니다.

지금까지 인공지능의 역사와 인공지능 문제점을 알아봤습니다.

인공지능은 인간의 판단과 결정에 도움을 주는 기술입니다. 수많은 데이터를 한번에 분석하기 힘든 인간을 대신하여 빠르게 계산을 해주고, 가장 이상적인 결과를 도출해내니까요. 그러나 뭐든지 기술의 발전에는 어두운 이면도 따르는 법입니다.

인공지능 문제점에서도 말씀드렸다시피 진짜 사람을 영영 대체할 가능성이 있고, 이로 인한 실업률은 기술의 발전과 비례하여 올라갈 것입니다. 단점을 최소화하면서도 좋은 이점만 발전시킬 수는 없는지 앞으로 인공지능의 미래가 기대됩니다.

감사합니다 🙂

▶ 참고하면 좋은 글