인공지능 관련해 명성이 있는 학자들이 인공지능에 대한 연례 보고서를 발표했습니다. 

이 보고서에 따르면 인공지능은 지능적인 학습이 아닌 컴퓨터의 힘을 바탕으로 하고 있다는 사실을 알려주고 있습니다. , 사용 가능한 데이터의 양과 질에 따라 인공지능의 능력이 제한됩니다. 이에 대해 많은 전문가들이 동의합니다. 

2017 11월 스탠포드 대학의 요아프 샤함(Yoav Shoham)교수와 MIT의 에릭 브린졸프슨(Eric Brynjolfsson)교수가 포함된 인공지능 지수(AI Index)조정위원회는 인공지능이 곧 많은 직업에서 사람들을 대신 할 것이며 수 많은 전문직 종사자들이 해고될 것이라고 말했습니다. 

이 팀은 최근 수년간 AI관련 활동을 추적하여 수천 건의 출판된 논문(2016 18,664), 벤처 캐피털 기반 기업 수백 건(2017 743), 수만 건의 채용 정보의 데이터를 찾아냈습니다. 

이들은 위와 같은 노력을 통해 의미 있는 결과를 도출해냈습니다. 인공지능 지수에 따르면 2014 년에 최고 수준의 시스템이 인간의 이미지 감지 능력을 능가했으며 100%의 결과를 달성했습니다. 인공지능의 이미지 인식 오류율 수준은 2010 28.5%에서 2.5% 미만으로 떨어졌습니다. 또 인공지능은 점차 인간의 대화를 인식하고 문장의 구조를 모방하며, 문서 내의 질문에 대한 답을 찾고 다른 나라 언어로 된 뉴스를 번역하면서 인간에 좀더 가까워집니다. 또한 인공지능은 포커와 바둑 등의 게임에서 인간을 이기는 법을 터득했습니다. 

그러나 인공지능의 문제는 특정 응용 프로그램의 진행을 위해 좁은 환경에서 프레임이 구성된다는 것입니다. 특정 과제에서 인공지능이 뛰어난 성능을 발휘할 수 있지만, 작업을 약간만 수정하면 성능이 크게 저하 될 수 있습니다. 예를 들어, 한자를 읽을 수 있는 사람은 중국어를 이해하고 중국 문화에 대해 알게 되며 심지어 중국 음식점에서 좋은 메뉴를 추천하기도 합니다. 이와 대조적으로 인공지능 시스템은 각각의 과제에 맞는 접근이 필요합니다. 인공지능 시스템은 독특하고 다양한 종류의 방대한 데이터에 적합하도록 설계됐기 때문입니다. 

기계 번역은 한 가지 예입니다. 구글 번역은 신경 네트워크를 사용하기 시작한 이래로 급격하게 반전해 왔으며 서로 다른 언어로 번역된 수십억 개의 병렬 문자들로 네트워크를 학습시켰습니다. 현재 구글 번역의 수준은 전문가의 약 80%정도 수준입니다. 학습 데이터가 부족했을 때는 번역이 심하게 오역이 되는 경우도 발생합니다. 

또 현재 인공지능의 상식 추론능력은 5세 아동보다 낮다고 추정하고 있습니다. 아직 이 분야에서 어떤 진전도 거의 일어나지 않았으며 이를 수치화하기도 어렵습니다. 

IT전문가들은 데이터 부족 문제를 극복하기 위해 노력하고 있습니다. 최근 발표된 두 개의 논문은 특정 단어가 함께 묶일 확률을 활용해 단일 언어 데이터에 기초한 기계 번역이 어떻게 작동하는지를 보여줍니다. 물론 아직 질적으로 불완전하고 실용적이지 않습니다. 

물론 인공지능이 양적인 도약은 했지만, 질적인 도약을 위해서는 더 많은 데이터가 확보 되야 합니다. 인공지능의 연구와 사업 발전으로 이어지기 위한 빅데이터도 증가하고 있는 추세입니다. 하지만 데이터에만 의존하는 것은 인공지능 발전에 악영향을 미칠 수도 있습니다. 데이터 분석 결과값을 엉망으로 만들기 위해 의도적으로 이상한 데이터를 유출할 수도 있기 때문입니다. 또 방대한 데이터 수집에 대한 반발도 거세지고 있습니다. 이에 최근 데이터 공유에 대한 장벽을 높이고 있는 국가 및 기관도 조금씩 생겨나고 있습니다. 

올바른 데이터 처리 능력 향상으로 인해 인공지능은 사람들을 조금 더 유익하게 만들수 있지만, 아직 인공지능은 게임 전체의 판도를 바꾸는 게임체인저의 단계는 아닙니다. 인공지능이 게임체인저로서 역할을 하기 위해서는 완전히 새로운 접근 방식이 필요할 때입니다.


 

티스토리 툴바