20220826

약인공지능은 어떤 특정한 한 가지 분야의 주어진 일을 인간의 지시에 따라 수행하는 인공지능을 말한다. 딥블루와 알파고와 같은 컴퓨터가 약 인공지능으로, 지금까지의 데이터를 기반으로 예측을 수행한다. 대표적인 약 인공지능으로는 음성 비서, 자율 주행 자동차, 음악 추천, 기계 번역 등이 있다.

강 인공지능

강인공지능은 인간의 지성을 컴퓨터의 정보처리능력으로 구현한 시스템이다. 흔히, 말하면, 인간의 사고방식을 똑같이 하는 기계를 생각하면 쉽다. 하지만, 이런 수준의 기술은 아직 제대로 구현할 수가 없다. 인간의 뇌를 컴퓨터로 구현시켜야하는 수준인데, 이 정도는 먼 미래의 기술 정도로 봐야 할 수준이다.

초인공지능

초인공지능(Super AI)은 모든 면에서 인간의 능력을 훨씬 초월하는 인공지능이다. 인공지능이 일단 강인공지능 단계에 접어들면, 계속하여 자체 기능 개선을 통해 초인공지능 단계로 이행할 것으로 예측하고 있다. 초인공지능의 능력의 한계는 현재 인간의 상상을 초월하는 범위로서, 인간은 초인공지능에 대해 이해하기 어렵다고 한다.

인공지능의 활용 분야

인공지능(AI)은 다양한 분야에 적용되어 문제 해결에 기여하고 있다. 인공지능은 여러 요소 중 문제 해결에 필요한 기술을 분야에 맞게 활용할 수 있는 도구로 활용된다.

자연어 처리(natural language processing) : 자연어 처리란 인간의 언어를 컴퓨터에서 인식하도록 하는 기술을 말한다. 이 분야에서 상용화되는 자동번역 시스템은 이미 오래 전부터 도입되어 효율성이 입증되었다.
전문가 시스템(expert system) : 여러 전문가들이 가진 전문 지식과 노하우 등을 컴퓨터에 입력해 인공지능이 문제를 대신 해결할 수 있도록 한다. 컴퓨터가 영상을 분석하고 그것이 무엇인지 판단하거나, 사람의 목소리를 듣고 문장을 변환하는 일은 매우 복잡하지만 인공지능으로는 가능하다. 이러한 영상 및 음성 인식은 인공지능의 핵심적인 기술이다.
이론 증명법(theorem proving) : 이론 증명법이란 정리 증명을 기계적으로 하는 기계적 정리 증명법이다. 이 분야에서는 수학적 정리를 이미 알려진 사실로부터 하나하나 따져보며 논리적으로 추론해 증명해 내는 과정으로서, 인공지능의 다양한 분야에서 사용되는 필수 기술이다.
신경망(neural net) : 비교적 근래에 등장해 수학적인 논리학이 아닌 인간의 두뇌를 모방해 수많은 간단한 처리기들의 네트워크로 구성했다.

전망

기하급수: 기술 발전의 가속화
AI 기술은 더욱 빠른 속도로 발전할 것이다. IT 기술의 발전 양상을 이야기할 때 흔히 사용하는 개념이 무어의 법칙이다. 반도체 회로 트랜지스터 수가 1.5년마다 2배가 되는 것을 의미한다. AI의 기술적 성능이 발전하는 속도는 무어의 법칙보다 5배에서 100배에 이를 것으로 보고 있다 (ARK인베스트먼트, 2020).
데이터 빅뱅: 폭발적인 데이터 증가
두 번째는 데이터의 양이 급속도로 커지고 있다는 점이다. 데이터는 AI 모델링을 위한 필수적 재료다. 전 세계적으로 데이터는 기하급수적으로 늘어나고 있다. 유튜브는 1분에 500시간 분량의 동영상이 업로드되면서 수많은 데이터를 쏟아내고 있다. 페이스북에는 약 14만 7,000장의 사진이 업로드 되고 15만 개의 메시지가 공유되며, SNS 서비스인 왓츠앱(WhatsApp)에서도 1분에 약 4,100만 개의 메시지가 공유된다.
저비용화: AI 학습비용 감소
세 번째는 비용이다. 딥러닝과 같은 고도의 AI 모델은 우수한 성능을 제공하지만 비용이 크다는 것이 단점이었다. 하지만 최근 GPU, TPU 등 하드웨어 기술이 발전하고 있고, 보다 효율적인 데이터 처리 방식이 등장함에 따라 학습비용은 연 1/10로 감소하고 있다.

4.이종결합: 타 분야 기술간 결합
네 번째는 기술간 결합이 더욱 확산될 것이라는 점이다. AI는 다양한 기술과 호환되어 부가가치를 창출할 수 있다. AI는 메타버스 내의 아바타를 사용자의 실제 모습과 유사하게 생성할 수도 있고, 자연어처리 기반의 소통모델이 적용되어 사용자와 대화를 나눌 수 있도록 설계할 수도 있다. 또한 가상현실 속에서 사용자를 인지하여 맞춤화된 광고를 보여줄 수도 있다.

확산: AI 도입 범위의 확장
다섯 번째는 AI의 적용범위의 확장이다. AI 잠재성이 크다 보니 많은 산업에서 이 기술을 도입하고 있다. 현재 생명과학, 유통, 소비재 등 분야에서 AI 도입이 활발하다.
범용화: 기술의 보편적 활용
여섯 번째는 AI 기술의 범용화다. AI 기술이 학술적 역사는 길지만 산업에 들어온 지는 얼마 되지 않았다. 그러다 보니 지금은 이 기술이 많은 기업에게 생소한 게 사실이다. 하지만 앞으로도 계속 지금처럼 미지의 영역으로 남지는 않을 것이다.
임팩트 갭: 경쟁력 격차 심화
일곱 번째는 기업들 사이에서 AI 통해 창출되는 임팩트의 갭이 벌어지는 점이다. AI를 도입했다고 동일하게 임팩트를 창출할 수 있는 것은 아니다. 실제 AI 도입 기업 중 소수만 AI가 작동하는 방법을 정확히 알고 이를 뚜렷한 가치창출로 연결시키고 있다. 맥킨지 조사에 따르면 AI를 성공적으로 도입한 성숙기업은 후발기업에 비해 3~4배 높은 영업이익을 거두는 것으로 나타났다. 여기에 해당되는 기업은 전체의 10% 정도다. 반면 AI 도입했으나 아직 효과적으로 활용하지 못하는 미성숙 기업은 전체의 30% 정도 되는데 이들은 임팩트를 창출하긴 하지만 후발기업보다 1.8배 정도의 영업이익 효과를 내는 데 그친다. 즉, AI 도입을 하면 임팩트가 생길 수는 있지만, 얼마나 효과적으로 AI를 이용하느냐에 따라 임팩트 갭(Impact gap)이 생길 수 있다는 얘기다. 시간이 지남에 따라 이러한 임팩트 갭은 더욱 커질 전망이다.

7가지 키워드로 보는 AI의 미래