인공지능(AI)은 어떻게 발달해왔는가, 인공지능의 역사
인공지능 알파고와 이세돌 9단의 세기의 맞대결이 성사된 이후, 사람들 사이에선 제 아무리 날고기는 알파고라 할지라도 ‘바둑 천재’ 이세돌 9단을 뛰어넘지 못할 것이란 의견이 대부분이였습니다. 사실 유럽 바둑 챔피언인 판후이 2단을 5전 전승으로 꺾은 알파고였지만 10여 년간 줄곧 세계 정상을 지켜온 바둑계의 전설, 이세돌 9단과 비교할 바는 아니였으니까요.
그러나 첫 대결에서 충격적인 알파고의 승리, 이후 연이은 3연승… 알파고는 판 후이 2단과의 대결에서 보여주었던 실력에서 놀라울 정도로 성장한 모습을 보여주고 있습니다. 도대체 그 동안 무슨 일이 있었던 것일까요?
인간처럼 생각하는 기계, 인공지능의 등장
알파고의 놀라운 학습능력을 설명하기 앞서서 인공지능(AI, Artificial Intelligence)이 어떻게 발달해 왔는지 되짚어 살펴볼 필요가 있습니다. 1956년, 미국 다트머스 대학에 있던 존 매카시 교수가 개최한 다트머스 회의를 통해 처음으로 인공지능(AI)라는 용어가 사용되기 시작했는데요, 당시 인공지능 연구의 핵심은 추론과 탐색이였습니다. 마치 인간처럼 생각하고 문제를 풀 수 있는 인공지능을 구현하려는 연구는 1970년대까지 활발히 진행되다가, 단순히 간단한 문제 풀이 뿐만 아니라 좀더 복잡한 문제까지 풀기 위한 수준까지는 도달하지 못하였는데요, 결국 인공지능 연구의 붐은 이후 급격한 빙하기를 맞이하게 됩니다.
스스로 학습하는 인공지능, 빅데이터와 머신러닝
한동안 잠잠했던 인공지능의 연구는 1980년대에 다시 부활을 맞이하게 되는데요. 이때에는 컴퓨터에 지식과 정보를 학습시키는 연구가 이뤄지며 여러가지 실용적 전문가 시스템들이 개발되었습니다. 하지만 방대한 관리방안에 단점이 노출되며 1990년대 초까지 또 한번의 빙하기를 맞이하게 됩니다. 그러나 1990대 후반 인공지능 연구는 인터넷과 함께 또 한번 중흥기를 맞이하게 되는데요, 바로 검색 엔진 등을 통해 이전과는 비교도 할 수 없이 방대한 데이터를 수집할 수 있게 되었다는 점입니다. 이른 바 머신러닝(Machine Learning)을 통해 수많은 빅데이터를 분석하여 인공지능 시스템 자신 스스로 학습하는 형태로 진화하게 된 것입니다.
인간의 뇌를 모방하다, 딥러닝 알고리즘
인간의 뇌를 모방한 신경망 네트워크(neural networks) 구조로 이루어진 딥러닝 알고리즘은 기존 머신러닝의 한계를 더욱 뛰어넘게 했습니다. 2006년 캐나다 토론토대학의 제프리 힌튼 교수가 처음 발표하면서 알려지게 된 딥러닝은 얀 레쿤과 앤드류 응과 같은 세계적인 딥러닝 구루들에 의해 더욱 발전했고 현재 이들은 구글, 페이스북, 바이두 같은 글로벌 IT 회사에 영입되어 그 연구를 더욱 가속화가고 있습니다. 주로 음성 인식, 영상 이해, 기계번역 등에 쓰이고 있는 딥러닝 알고리즘은 2012년 캐나다 토론토대학의 알렉스 크리제브스키가 이미지넷(IMAGENET)이라 불리는 이미지 인식 경진 대회에서 딥러닝을 활용하여 자체적으로 이미지를 인식하는 컴퓨터로 우승을 차지하면서 또 한번의 획기적인 전환점을 맞이하게 됩니다. 바로 딥러닝 연구에 GPU가 전면으로 등장하게 된 계기이기도 합니다.
(2010년부터 이미지넷 경진대회 결과 데이터,
GPU 기반 딥러닝을 도입한 2012년(빨간색 원)부터
획기적인 인식율 향상을 보여주고 있다.)
딥러닝의 획기적인 도약, GPU의 활용
이미지넷 경진대회는 1000개의 카테고리와 100만개의 이미지로 구성되어 정확도를 겨루는 대회입니다. 2012년 알렉스의 우승 이전까지 10여년간 컴퓨터의 이미지 인식율이 75%를 넘지 못하였는데요. 당시 알렉스는 84.7%라는 놀라운 정확도를 보여주었습니다. 그의 방식은 나선형신경망(CNN)을 이용하여 알렉스넷(Alexnet)이라 불리는 깊은 신경망(Deep Neural Network)을 설계한 뒤, GPU를 활용하여 수없이 많은 이미지 인식 훈련을 하는 것이였는데요, 여기에 필요한 계산량은 CPU만으로는 불가능할 정도로 매우 컸었습니다. 이에 알렉스는 병렬컴퓨팅에 유리한 GPU를 사용하여 딥러닝에서 요구되는 엄청난 규모의 연산을 빠르고 정확하게 처리할 수 있게 된 것입니다. 이후 딥러닝 연구는 GPU와 함께 급속도로 발전하게 되었고 최근 2015년에 열린 이미지넷 경진대회에서는 마이크로소프트(MS)팀이 GPU를 활용하여 무려 96%가 넘는 정확도를 기록함으로써 이미지 인식 부분에 있어서 만큼은 인간의 그것과 거의 유사하게 도달하게 되었습니다.
(알파고는 176개의 GPU로 구성된 시스템을 활용하여 방대한 연산량을 실시간으로 처리하고 있다)
인공지능 알파고와 GPU
인공지능 바둑 프로그램 알파고 역시 16만 건이 넘는 프로기사 기보를 토대로 매일 3만 번의 실전 경험을 쌓으며 스스로 학습하며 성장하였습니다. 짐작도 어려울 만큼 수없이 많은 연산량은 176개의 GPU로 이루어진 고성능 시스템이 있었기에 가능했습니다. 일반적인 CPU 시스템보다 30배 이상 연산속도가 빨랐기에 보다 짧은 시간에 효과적으로 연산이 가능해졌고 전력 소모도 크게 줄일 수 있던 것도 두말 할 필요도 없었지요. 알파고의 개발총책임자인 데이비드 실버 교수가 ‘알파고의 브레인은 100개가 넘는 GPU’라고 말할 정도로 알파고에 있어서 GPU의 역할은 절대적입니다.
(지난 CES 2016에서 발표한 자율주행자동차용 슈퍼컴퓨터, 엔비디아 드라이브 PX2)
알파고를 넘어 자율주행자동차까지.. GPU가 구현할 미래
이번 대결의 승자를 차지했지만 알파고는 앞으로 더욱 무섭게 성장할 것입니다. 이세돌과의 대국 경험을 얻었고 이를 토대로 매일같이 수만 번 훈련을 하게 된다면 얼마나 더 성장하게 될지… 정말 상상이 안 될 정도네요. GPU 기반 딥러닝은 이미 우리 생활의 많은 것을 바꾸고 있습니다. 비단 알파고 뿐만 아니라 자율주행자동차까지… 인공지능 시스템의 발달에 있어서 가장 선두를 달리고 있습니다. 과연 GPU 기반의 딥러닝 기술이 구현할 미래의 우리 모습은 어떨까요? 오는 4월 4일, 엔비디아 GPU 테크놀로지 컨퍼런스 2016(GTC 2016)을 주목해야 하는 이유이기도 합니다.