한빛출판네트워크

딥러닝은 굉장한 기술입니다. 이미 기술 산업에 엄청난 영향을 끼쳤지만 이제는 모든 비기술 산업을 근본적으로 바꾸고 심지어 전 세계의 지정학적 균형을 움직이기 시작했습니다. 이러한 획기적인 기술을 이해하면 독자가 지금까지 그려보지 못한 새로운 세계를 만나볼 수 있습니다. 이번 장에서는 소프트웨어 산업 밖에서 딥러닝을 적용한 중요한 애플리케이션에 대해 간략히 소개하겠습니다.

또한 이번 장을 통해 딥러닝 지식을 효과적이면서 윤리적으로 사용하는 방법에 대한 도움을 얻을 수 있을 것입니다. 실무자는 딥러닝을 올바르게 사용할 방안에 대해 고민해야 합니다. 이미 딥러닝을 잘못 사용한 사례가 많기 때문에 새로운 실무자는 복잡한 딥러닝 시스템을 구축하기 전에 윤리적으로 문제가 없는지 따져봐야 합니다. 윤리적으로 모범적인 사례에 대해 간략히 논의해볼 것이지만 소프트웨어의 윤리 영역은 복잡해서 완벽히 정당화하기는 어렵습니다. 마지막으로 딥러닝이 나아갈 방향을 살펴보겠습니다. 딥러닝이 인간의 모든 능력을 가진 컴퓨

터 개체인 일반 인공지능을 구축하는 첫걸음일까요? 전문가의 의견을 광범위하게 조사해보았습니다.

기술 산업 밖의 딥러닝

구글, 페이스북, 마이크로소프트 등의 기술 회사는 딥러닝 인프라에 막대한 자금을 투입했습니다. 광고 예측 시스템이나 검색 엔진에 대한 경험이 있기 때문에 이미 머신러닝 시스템과 친숙합니다. 그래서 간단한 개념 전환만으로 오래된 머신러닝 시스템을 딥러닝으로 바꿀 수 있습니다. 또한 머신러닝 애플리케이션을 성공한 경험 때문에 딥러닝이 회사 내의 더 넓은 영역에 적용될 수 있다는 것에 대해 긍정적입니다. 따라서 소프트웨어 회사는 계속해서 딥러닝을 사용할 겁니다. 수년 내에 딥러닝 관련 직업을 찾을 계획이 있다면 아마도 나중에 기술 회사에서 일하고 있을 것입니다.

그러나 동시에 과거 머신러닝을 많이 사용하지 않았던 산업에서도 널리 딥러닝을 사용하기 시작했습니다. 딥러닝은 머신러닝 기법과 달리 복잡한 피처 전처리 과정을 줄였으며 지각^perceptual, 문자, 분자 데이터 등을 직접 입력할 수 있습니다. 그래서 다양한 산업에서 주목하고 있으며, 많은 혁신적인 스타트업이 두각을 나타내기 위해 엄청난 노력을 하고 있습니다. 이제 이러한 산업에서 일어나는 변화에 대해 간략히 살펴볼 텐데, 가까운 미래에 딥러닝 전문가를 위한 새로운 많은 일자리가 여기서 생길 수 있다는 점을 유념하십시오.

NOTE_ 애플리케이션 간의 시너지

여러 산업에서의 딥러닝 애플리케이션에 대해 곧 살펴볼 것입니다. 매력적인 사실은 모두 동일한 기초 딥러닝 알고리즘을 사용한다는 점입니다. 완전연결 네트워크, 합성곱 네트워크, 순환 네트워크, 강화학습과 같은 기술은 많은 영역에 널리 적용 가능합니다. 이 말은 의학, 농업, 로봇공학 애플리케이션이 합성곱 네트워크를 핵심적으로 개선할 수 있다는 것을 의미합니다. 역으로 로봇공학 기술자가 발견한 딥러닝 혁신은 다시 딥러닝 기초를 강화할 수 있습니다. 이렇게 애플리케이션과 기초 기술 사이의 선순환은 딥러닝이 오늘날 존재하는 원동력입니다.

제약 산업

딥러닝은 신약 개발에서 큰 성공 가도를 달리고 있습니다. 신약 개발은 여러 단계를 거쳐 이루어집니다. 임상 전 단계에서는 간접적으로 시험관 튜브와 동물 속 잠재력 있는 신약의 효과를 실험합니다. 다음으로 임상 단계에서는 지원자를 통해 직접적으로 치료를 실험합니다. 동물과 인간 모두에 대해 성공한 신약은 고객 판매에 대한 승인을 얻게 됩니다.

연구원은 신약 개발 과정의 각 단계를 최적화하는 모델을 구축하기 시작했습니다. 예를 들어 분자 딥러닝을 추정 의약품의 잠재적 독성을 예측하는 문제, 의약과 같은 분자 설계, 합성과 관련된 화학적 문제에 적용한 사례가 있습니다. 또한 딥 합성곱 네트워크를 이용해 대규모로 세포의 행동을 근접 추적해서 새로운 생물학에 대한 확고한 이해를 얻는 실험을 설계한 연구원과 회사원도 있습니다. 이러한 애플리케이션은 약학계 일부에 영향을 주었지만 새로운 의약을 '설계'하는 단 하나의 신약 개발 모델을 구축하는 것이 불가능해서 큰 효과는 없었습니다. 그러나 더욱 많은 데이터를 모으는 노력과 생물학과 화학적 딥러닝 모델 설계를 계속한다면, 현재 상황은 몇 년 안에 급격하게 바뀔 수 있습니다.

법률

법률 산업은 새로운 사례의 적법성과 불법성에 대한 논쟁에서 법률 문헌의 판례를 따릅니다. 전통적으로 준법률 연구원은 큰 로펌에 취직해서 법률 문헌을 검색하는 일을 합니다. 최근에 법률 검색 엔진은 복잡한 검색 엔진의 대명사가 되었습니다.

이러한 검색 알고리즘은 발전 단계에 있으며 신경 언어학 처리^{neuro-linguistic processing} (NLP)에 대한 딥러닝 시스템이 이를 혁신적으로 개선해줄 수 있습니다. 많은 스타트업이 더 나은 법률 판례 조회를 제공하는 딥 NLP 시스템을 구축하고 있습니다. 또 어떤 스타트업은 머신러닝을 이용한 소송 결과 예측 기법에 대해 연구 중이며 법률 변론을 자동으로 생성해주는 기법을 실험하는 곳도 있습니다.

일반적으로 딥 모델의 복잡한 애플리케이션은 발전하는 데 시간이 걸리지만, 법률 AI 혁신의 큰 물결이 법률계에 큰 변화를 알리고 있는지 모릅니다.

로봇공학

로봇공학 산업에서는 전통적으로 머신러닝 시스템의 안전성을 검증하기 쉽지 않아서 사용하지 않았습니다. 작업자들 사이에 배포해야 하는 시스템을 구축할 때 안전성 결여는 법적으로 큰 문제가 될 수 있기 때문입니다. 하지만 최근에 적은 데이터를 학습하는 기술을 결합한 딥 강화학습 시스템으로 로봇 조작 작업이 크게 개선되었습니다. 구글은 로봇 팔 공장에서 실제 로봇을 대규모로 학습해 강화학습으로 로봇이 객체 조작을 학습할 수 있다는 것을 증명했습니다[그림 1]. 이러한 로봇의 향상된 학습 기술은 앞으로 몇 년 내에 더 거대한 로봇 산업에 적용될 것입니다.

[그림 1] 구글은 딥 강화학습 기법으로 로봇 조작을 실험할 수 있는 많은 로봇 팔을 가지고 있습니다. 이러한 기초 연구를 통해 앞으로 몇 년 내에 공장 작업장에서 해법을 찾을 것입니다.

농업

산업화된 농업은 곡식을 심고 추수하는 복잡한 트랙터로 이미 많은 부분에서 기계화되었습니다. 로봇공학과 컴퓨터 비전의 발전은 자동화를 향한 추세를 더욱 가속화했습니다. 이미 합성곱 네트워크를 이용해서 제거할 잡초를 인지해 농약의 사용을 줄였습니다. 또 다른 회사는 자

율주행 트랙터, 자동 열매 추수, 알고리즘을 이용한 작물 수확 최적화를 실험하고 있습니다. 당분간 이런 연구 프로젝트가 주로 진행될 것이며, 이를 통해 앞으로 수십 년 동안 크게 성장할 것입니다.

윤리적인 딥러닝 사용

이 책의 대부분은 딥러닝 효과에 초점을 두고 있습니다. 다양한 데이터 유형에 일반화된 딥 모델을 구축하는 많은 기술을 다뤘습니다. 그러나 엔지니어로서 구축하는 시스템의 사회적 효과에 대해 생각해볼 필요가 있습니다. 딥러닝 시스템은 잠재적으로 불안한 애플리케이션의 숙주

를 만드는 것입니다.

한 예로 합성곱 네트워크는 얼굴 인식 기술을 널리 퍼뜨릴 것입니다. 중국은 이러한 시스템을 실세계에 배포하는 데 앞장서고 있습니다(그림 2).

[그림 2] 중국 정부는 합성곱 네트워크 기반의 얼굴 탐지 시스템을 널리 배포하고 있습니다. 중국은 이 시스템의 개인 추적 기술로 공공 환경에서의 익명성이 사라지게 될 것입니다.

어디서나 얼굴을 탐지할 수 있다는 것은 공공 익명성이 더 이상 존재하지 않는 것을 의미합니다. 공적인 장소에서 취한 행동을 기관이나 정부에서 기록하고 추적하기 때문입니다. 이러한 미래에 대한 상상은 딥러닝의 윤리적 영향에 대해 걱정하고 불안하게 합니다.

여기서 더 알아야 할 것은 알고리즘이 시각적이고 지각적인 정보를 이해할 때 인간 삶의 거의 모든 면이 알고리즘의 지배하에 놓인다는 것입니다. 이것은 거시적인 흐름이며 어느 한 엔지니어가 이러한 미래가 도래하는 것을 막을 수 있을지는 미지수입니다. 그럼에도 엔지니어는 그럴 수 있는 능력이 있습니다. 당신의 기술은 가치가 있으며 그 기술을 펼치기에 충분한 수요가 있습니다. 비윤리적인 일이나 위험한 시스템을 만들 가능성이 있는 회사에서 일하지 마십시오!

CAUTION_ AI 편향

머신러닝과 딥러닝을 이용해 많은 노력을 들이지 않고 데이터로부터 흥미로운 모델을 학습할 수 있습니다. 이러한 견고한 수학적 과정은 객관성의 신기루를 가져다줄 수 있습니다. 그러나 모든 편향은 그에 따른 분석으로 이어집니다. 과거의 편향된 데이터로부터 근본적으로 불공정한 모델을 학습하도록 유도할 수 있습니다. 구글은 유색 인종에 대한 올바른 표현이 부족한 편향된 학습 데이터 때문에 잘못된 시각 예측 모델이 블랙 컨슈머를 고릴라로 레이블하는 불명예스러운 일을 겪었습니다. 구글의 공지에 따르면 급히 교정되었지만 이러한 실패는 심히 우려되고, 기술 산업에서 독점이라는 더욱 근본적인 문제를 상징합니다.

AI는 교도소 수감자의 가석방 허가나 대출 승인 절차에서 점점 사용되기 때문에 인종차별에 대한 어떠한 가정이나 과거 데이터에 존재하는 편향을 모델이 학습하지 않도록 보장해야 합니다. 민감한 데이터를 다루거나 인간 삶의 방향을 바꿀 만한 예측을 한다면 시스템이 편향에 빠지지 않을지 점검해야 합니다.

인공일반지능이 곧 도래할까요?

인공일반지능(AGI)이 현실이 될지에 대한 폭넓은 견해가 있습니다. 전문가는 AGI를 심각하게 준비해야 한다는 것에 강력하게 반대합니다. 우리의 견해는 'AI 가치 배치'와 '안전한 보상 함수' 설계에 대한 연구는 전혀 문제가 없지만, 가까운 미래에 인공지능 시스템이 빠르게 지각력을 가질 것이라고 생각하지 않습니다. 직접 배우게 되겠지만 대부분의 딥러닝 시스템은 단지 복잡한 숫자 엔진이고 수치적 안정성에 취약한 문제가 있습니다. 일반지능이 이슈가 되기까지 핵심적인 진전이 있으려면 수십 년이 걸릴 것입니다. 동시에 앞 절에서 논의한 대로 인공지능은 이미 인간 사회와 산업에 끼칠 수 있는 엄청난 영향을 가지고 있습니다. 마법으로 초지능을 가진 부기맨을 만들진 않더라도 확실히 AI의 영향에 대해서 고민해야 할 필요가 있습니다.

CAUTION_ 초지능 오류

닉 보스트롬의 저서 『슈퍼인텔리전스』 (까치, 2017)는 AI를 둘러싼 담화에 중요한 주제입니다. 이 책의 기본 전제는 모델이 스스로 반복적으로 개선할 수 있게 되면 지능 폭발이 발생할 수 있다는 것입니다. 이것은 그렇게 급진적인 것이 아닙니다. AGI가 현실이 된다면 스스로 빠르게 개선될 수 있을 것입니다.

동시에 딥러닝 전문가 앤드루 응은 초지능에 대한 우려는 화성의 인구과잉을 우려하는 것과 같다고 공식적으로 언급했습니다. 언젠가는 인류는 화성에 도달할 것입니다. 화성에 사람들이 충분히 도달하면 인구과잉이 발생할 수 있으며 매우 심각한 문제가 될 것입니다. 그렇다고 오늘날 화성이 불모지라는 사실이 바뀌진 않습니다. 일반적인 AI를 만든다는 책의 내용 또한 마찬가지입니다!

사실 강화학습과 생성 모델이 견고하게 발전하면 더욱 지능적인 에이전트를 생성할 가능성이 있습니다. 그러나 초지능 개체의 가능성을 너무 강조하는 것은 오히려 다가올 자동화에 대한 현실적인 도전을 가로막는 것입니다. 물론 지구온난화와 같은 우리에게 닥칠 다른 심각한 문제는 언급하지도 않았습니다.

이제 무엇을 해야 할까요?

이 책을 주의 깊게 살펴보고 깃허브 저장소의 코드 샘플로 작업해보았다면 축하합니다! 실무에서 머신러닝의 기초를 터득한 것이며, 현업에서 효과적인 머신러닝 시스템을 학습할 수 있습니다.

머신러닝은 급격하게 진화하고 있습니다. 이 분야의 폭발적인 성장으로 수많은 새로운 모델이 매년 발견되고 있습니다. 머신러닝을 익히는 것은 새로운 모델을 지속적으로 찾는 것입니다. 새로운 모델의 유용성을 평가하는 좋은 방법은 독자나 독자의 기관에서 다루는 문제에 모델을

어떻게 적용할 수 있는지 고민하는 것입니다. 이를 통해 연구 단체의 많은 모델을 조직화할 수 있으며, 정말 중요하게 배울 기술의 우선순위를 스스로 매길 수 있습니다.

책임감 있는 머신러닝 엔지니어로서 당신의 데이터 과학 모델이 어디에 사용될지 고민해보길 바랍니다. 당신의 머신러닝 작품이 인간의 복지를 개선하는 데 사용될지 스스로에게 질문하길 바랍니다. 질문에 대한 답이 '아니오'라면, 당신에게는 그 머신러닝 슈퍼파워를 발휘할 수 있는 직업을 구할 능력이 있다는 점을 깨닫기 바랍니다.

마지막으로 많은 즐거움을 얻길 희망합니다. 딥러닝은 인간 탐구에 대한 흥분되는 새로운 발견, 스마트한 사람들, 심오한 영향의 가능성으로 가득 찬 믿기 힘들 정도로 강렬한 분야입니다. 이 분야에 대한 우리의 흥분과 열정을 공유할 수 있어서 매우 기쁩니다. 딥러닝에 대한 지식을 세상과 나누는 것으로 보답해주길 바랍니다.