인공 지능

인공지능 (Artificial Intelligence)은 기계가 지능을 가지되 이것이 인공적으로 생성된 경우를 뜻한다. 이 뜻은 반대말인 자연 지능 (Natural Intelligence)를 생각하면 그 뜻이 더 쉽게 이해된다.

따라서 앞서 언급한 머신 러닝의 “학습을 통해 주어진 문제를 주어진 기준에따라 더 잘 해결한다”는 인공 지능의 한가지 분야에 해당한다.

인공 지능에는 머신 러닝 외에도 여러 분야가 있다. 예를들어 알파고를 통해 잘 알려진 강화 학습 (Reinforcement Learning)은 동적인 환경에서 기계가 환경과 상호 작용하면서 더 나은 보상(Reward)를 받는 방식으로 동작하게 하는 것을 말한다.

또 다른 하위 분야로 패턴 인식(Patter Recognition)이 있다. 패턴 인식은 주어진 자료의 패턴을 잘 분석하여 새로운 입력이 왔을 때 그 중 어느 패턴인지를 판단하는 분야이다. 음성 인식, 필기 인식이 이에 해당하는 분야이다.

그러나 위 설명에서 볼 수 있듯이 이들 분야의 설명은 명확하게 구분되지 않는다. 실제로는 쿨해보이기 위해서 단순한 휴리스틱을 AI라고 부르기도 하는 것이 현실이다.

어떤 이들은 “이미 해결 방법을 아는 문제라면 머신 러닝, 아직 할줄 모르는 문제라면 인공지능이라고 하자”라고 하기도 한다. 그 만큼 인공지능은 주어진 모든 지능의 문제중에 가장 난이도 있고 새로운 영역을 일컫는 단어이기도 하다.

어떤 경우에는 문제를 해결하는 방법에 따라 그 둘을 구분하기도 한다. 예를들어 의사 결정 나무 (Decision Tree)라면 머신 러닝, 딥 러닝(Deep Learning)이라면 인공 지능과 같은 식이다. 그러나 Tom Mitchelle 의 정의를 생각하면 이런 구분은 잘 맞지 않다. 딥 러닝 역시 경험을 통해 배우기 때문이다.

기계가 지능을 가졌다는 것이 무엇인지를 정의하기 위해 제안된 개념으로 ‘튜링 테스트 (turing test)‘가 있다. 튜링 테스트는 기계와 인간이 각각 분리된 방에 있고, 평가자는 그 둘 중 어느것이 인간이고 어느것이 기계 인지를 또 다른 분리된 방에 앉아 알아내는 테스트이다. 이 때 통신 방법은 컴퓨터 화면 등으로 제한하여 상대를 볼 수 없게 한다. 만약 평가자가 그 둘을 구분할 수 없다면 컴퓨터가 인간과 같은 지능을 가졌다고 볼 수 있다.

또 다른 인공 지능 테스트는 커피 만들기 (Barista Testing)이다. 워즈니악이 제안했다고 하는 이 테스트는 평균적인 미국의 집에 들어가서 커피를 만들 수 있는지 보는 테스트이다. 어떤 집은 드립 커피를 마실 것이고, 어떤 집은 인스턴트 커피를, 어떤 집에는 에스프레소 머신이 있을 것이다. 인공지능이라면 어느 곳에 커피 머신이 있는지, 어디에 찻잔이 있는지 등을 판단해 커피를 만들 수 있어야 한다고 본다.

그러나 지능이란 모두의 합의가 존재하지 않는 애매한 개념이다. 강아지가 먹이를 먹기 위해 주인의 기다려 명령에 따라 자리에 앉아 있는 것은 지능인가? 이는 학습의 결과이지만 ‘지능’이라고 부르기에는 무언가 수준이 낮은 것은 아닐까? 흔히 음성 인식을 ‘인공 지능’이라고 부른다. 그러나 음성을 알아 듣는다는 것은 지능의 보다 하위적인 개념이 아닌가. 우리는 음성을 인식한다는 자각없이 거의 자동으로 그걸 수행하고 있다.

따라서 이러한 정의들은 생각을 하는 틀 정도로 받아들이는 것이 맞다고 본다. 다만 분명한 것은 컴퓨터는 인간이 방법을 알려주기전까지는 기다릴 줄도, 음성을 알아들을 줄도 모른다. 따라서 문제를 해결하는 입장에선 그 모두가 해결해야할 문제이고 성과이다.