대학에 가는 AI vs 교과서를 못 읽는 아이들 by 아라이 노리코

 

[ 밑줄/연결 ]

 

지금의 수학에는 인간의 모든 지적 활동을 수식으로 표현할 능력이 없다. 이는 컴퓨터의 속도나 알고리즘을 개선하면 해결될 문제가 아니라 오늘날의 수학이 처한 근본적인 한계이다. 그러므로 AI는 신도 정복자도 되지 못한다. 특이점은 오지 않는다.

---> '수학의 불완정성', '수학에 내재한 모순성'은 정말 중요한 문제이고 어려운 문제이다.

---> 살아 가는데 몰라도 큰 지장은 없으나 이 분야에 대중서적을 몇 권 읽었고, 다 이해하지 못해 책장에 고이 모셔저 있다. 

AI로 인해 새로운 일자리가 탄생하더라도 그것이 AI에 떠밀려 일자리를 잃은 노동자가 차지하게 되리라는 보장은 없다.....AI로 대체할 수 없는 새로운 일자리가 대부분의 인간에게도 난이도가 높은 일자리일 가능성이 매우 크다는 뜻이다.

 

많은 일자리가 AI로 대체된 사회.....노동시장은 심각한 일손 부족에 빠져 있는데 시중에는 실업자가 넘쳐나고 최저임금밖에 받지 못하는 일을 몇 가지씩 하는 사람들이 널려 있다. 그 결과 경제는 AI공황의 거대한 파되에 휩쓸린다.....안타깝지만 이것이 내가 생각하는 미래 예상도이다.

---> 지금 20대인 우리 아들이 살아갈 시대가 이렇게 될 확률이 높을 것 같다...

---> '플랫폼노동자', '긱 노동자', '인스턴트 노동자'가 늘어날 것 같다.....

---> 공유경제 찬성론자들은 공유경제가 경제적 불평등을 해소하고, 노동자 권리를 신장시키고, 대중을 사업가로 만들 것이라고 치켜세운다. 또한 노동자는 누구의 지시 없이 스스로 언제, 어떻게 일할지 선택할 수 있을 것이라 전망한다. 과연 그럴까?" 

---> 영화 <미안해요, 리키>는 현실적이다.

인공지능을 실현하는 두 가지 방법론이 있다.

(1) 인간의 지능의 원리를 수학적으로 해명하고 이를 공학적으로 실현하는 것.

(2) 인간 지능의 원리는 밣혀내지 못하더라도 공학적으로 이런저런 시도를 했더니 어느 날 "와! 우리도 모르는 사이에인공지능이 완성되었네!"라는 결말에 이르는 것이다.

 

추론이나 탐색은 체스나 장기처럼 조건이 한정되어 있는 경우에는 우수한 계산 능력을 통해 힘을 발휘하지만, 조건을 쉽게 한정할 수 없는 현실 문제를 해결하기 위한 방법으로는 무력하다는 사실이 명확해 졌다.

 

기계 학습이라는 통계적 방법론....

 

과제별로 차이가 있지만 실용화를 목표로 정확도를 추구할 경우에는 아무리 못해도 만 단위, 경우에 따라서는 억 단위에 이를 만큼 '큰(Big)' 데이터가 필요하다. 

 

가중치를 조정해 나가는 과정을 '학습'이라고 부른다. 

딥러닝은....'인간의 뇌'를 모방한 것이 아니라 '뇌'를 모방해서 수리 모형을 만든 것이다.

 

AI에게 '좋은 정치를 해줘"라고 부탁하려면 최소한 무엇이 '좋은 정치'인지를 수리 모형으로 만들어서 알려줘야 한다.

 

이노베이션으로 대체 가능한 인력의 노동 가치가 급격히 하락하고 있는 것이다.

 

평범한 수준의 서버를 사용해서 5분 안에 풀지 못하는 문제는 슈퍼 컴퓨터를 사용한다 해도 지구가 멸망할 때까지 못 풉니다....슈퍼컴퓨터의 능력만 향상된다면 AI가 인간의 지능을 뛰어넘을 수 있다는 것은 틀린 이야기이다. 양자컴퓨터를 사용하더라도 상황은 달라지지 않는다. 비유를 들자면, 세상의 모든 영어 단어를 외우더라도 문법을 알지 못하면 영어를 읽거나 말할 수 없는 것과 같다.

 

'실패'는 논문에 실리지 않는다. 뉴스에 보도될 일도 없다. 뉴스에 보도되는 것은 딥러닝이 성공한 사례뿐이다. 

 

인간의 인식이나 인간이 인식하고 있는 사상을 수식으로 번역한다는 것. 이는 수학의 역사라고 할 수 있다. 

 

수학은 기나긴 역사를 통해서 인간의 인식이나 인간이 인식하고 있는 사상을 설명하기 위한 수단으로 논리와 확률, 통계라는 언어를 획득했다. 혹은 이 세 가지 언어만을 획득할 수 있었다.

 

확률은 이론에 바탕해 결과를 예측하지만, 통계는 이미 존재하는 데이터를 분석해서 가설을 찾아낸다.

 

수학이 발견한 논리, 확률, 통계라는 세 가지 언어에 결정적으로 부족한 점이 또 하나 있다. 그것은 '의미'를 기술할 방법이 없다는 점이다. 기본적으로 수학은 형식으로 표현된 것에 관한 학문인 까닭에 '참과 거짓'이라는 두 가지 의미밖에 다루지 않는다......시리는 '맛없다'와 '맛있다'의 차이를 모른다...

 

정보 검색이나 언어 처리 분야에서는 현재 통계와 확률 수법으로 AI가 언어를 학습하도록 되어 있다(논리적 수법은 일단 포기한 상태다). 즉, 문장의 의미는 몰라도 해당 문장에 나오는 (이미 아는) 단어와 그 조합에 입각해서 통계적으로 추측해 옳을 것 같은 답변을 이끌어내는 방식이다......단 그 정확도가 100%에 이를 수는 없다. 확률과 통계에는 애초에 그런 기능이 없기 때문이다. 

 

'다음'이 명확히 정해져 있지 않다면 함수, 즉 논리만으로는 앞으로 나아갈 수가 없다.

 

음악을 무작위로 나열해서는 악곡이 성립되지 않기 때문이다. 이럴 경우, 다음 음이 완전히 무작위로 정해지는 것이 아니라 어떤 확률분포를 따를 때 그럴 듯한 악곡이 만들어질 것이라고 생각할 수 있다.

 

유명 피아니스트인 호로비츠, 폴리니, 아르헤리치 등의 피아노 연주를 전부 '파형'으로 입력하고 그것을 한데 섞어서 특징량을 추출한 다음 확률과정을 이용해 파형을 만들어 낸다. 

 

'의미'는 관측이 불가능하다.

 

"철수는 영희를 사랑한다"라는 문장은 말 그대로의 의미를 지니며 무언가 다른 것으로 환원할 수 없다. "영희는 철수에게 사랑받고 있다"라고 수동형으로 변환하거나 "Cheolsu loves Younghee"라고 영어로 번역할 수 있다고 해서 의미를 이해한 셈이 되지는 않는다.

 

해상도가 높아지거나 규격이 바뀌었을 때 AI의 '시력 향상'을 추구하려면, 교사 데이터를 만드는 작업을 처음부터 다시 해야 한다........영상 인식이나 음성 인식 등 입력 계통에 카메라나 마이크를 이용하는 AI의 도입을 검토할 때는 H/W가 바뀔 때마다 교사 데이터를 다시 만들어야 한다는 점. 즉 HW의 교체뿐만 아니라 교사 데이터를 재작성하는 데에도 비용이 들어간다는 점을 염두해 두어야 한다. 

 

컴퓨터는 계산기이므로 할 줄 아는 것은 계산뿐이고, 계산을 한다는 것은 인식이나 사상을 수식으로 변환한다는 뜻이다.

 

AI의 약점은 1만 개를 가르쳐야 간신히 하나를 아는 것, 응용력이 없는 것, 유연성이 없는 것, 정해진(한정된) 프레임(틀) 속에서만 계산 처리를 할 수 있는 것 등이다.....AI는 '의미를 모르기' 때문이다. 

 

인간이 AI에 맞서 이길 가능성이 있는 중요 분야

(1) 추론

ㅇ 문장의 구조를 이해한 다음 생활 속의 경험이나 상식, 여러 가지 지식 등을 총동원해 문장의 의미를 파악하는 능력

 

(2) 이미지 동정(同定)

ㅇ 제시된 도형이나 그래프를 문장과 비교해서 내용이 일치하는지 아닌지를 인식하는 능력

 

(3) 구체예 동정

ㅇ 정의를 읽고 그 것과 합치하는 구체적인 예를 인식하는 능력

반복과 주입식으로 길러진 능력은 가장 먼저 대체된다......문제를 읽고, 이해하지 않고 반복 연습을 통해 푸는 능력이야말로 AI로 대체되기 가장 쉬운 능력이기 때문이다.

 

학수(學修,학문을 닦음)...고등학교까지는 '학습'이고 대학교부터는 '학수'에 해당한다. 즉, 가르침을 받기만 하는 것이 아니라 스스로 주제를 정하거나 직접 조사해서 학습하고, 그룹 단위로 이야기를 나누거나 토론을 하고, 자원봉사나 직접 체험에 참가하는 등 이 'active learning'이라는 것이다.

 

장차 IT 인재를 늘리고 싶다면 고등학교에서 삼각함수와 미적분, 그리고 행렬 교육을 필수적으로 해야 한다. 이 세 가지 지식 없이는 기계 학습도 강화 학습도 시뮬레이션도 없기 때문이다. 특히 행렬 교육은 꼭 필요하다.

 

기본적으로 AI가 할 수 있는 일은 미리 설정된 틀(프레임) 안에서 인간이 부여한 정답(교사 데이터)을 바탕으로 분류 문제 또는 검색 문제를 풀거나, 인간이 설정한 기준에 따라서 강화 학습을 통해 (시뮬레이션 등으로 무수한 시행착오를 겪어가며) 최적화를 이루어내는 것 뿐이다.

 

 

[ 자평 ] '해 본 사람은 쉽게 쓴다'는 것을 알게 해주는 책....

 

아라이 노리코 교수는 2011년부터 ‘도로보군’이라고 이름 지은 인공지능을 도쿄대학에 합격시키는 것을 목표로 도전해온 수학자”다.

AI 전반적인 수준과 한계에 대해서 읽을 수 있어 좋았다.

 

이 책이 나올 당시에는 국내 저자가 쓴 AI 책이 드물었다.