인공지능 배우기 – 2) AI for Everyone

앤드류 응 교수님의 coursera 강의 “AI for Everyone” 강좌를 신청했다. 코로나 때문에 집에 있기만 해서 그랬는지, 동영상 수업 듣는 것만으로도 다시 대학생이 된 기분이 들었다. 이렇게 편리하게 배움의 즐거움을 느낄 수 있다는 것은 정말 행운이라는 느낌도 들었다. 스스로에게 결과물을 약속하기 위해 결제를 진행했다. 결제 후 수업을 이수하면 이수증을 주기 때문이다.

목표도 생겼다. 수의학에 인공지능을 도입한 연구를 진행하고 싶다. 특히 의학분야에서 인공지능을 통한 연구가 많이 진행된 안과처럼, 수의 안과에 도전해보고 싶다. 그러기 위해서는 내 자신이 인공지능을 다룰줄 알아야 한다. 여러 프로젝트를 완수해보고, 그 결과를 바탕으로 안과 대학원에 지원해 볼 생각이다. 지금 계획은 이렇지만 또 배우다보면 생각이 달라질 줄도 모르겠다.

내가 인공지능을 잘 다룰 수 있기까지 몇년이 걸릴지 모르겠다. 가장 기본적인 것부터 시작하여 차근차근 나아가봐야지 생각한다. 수업 내용을 복습하며, 나만의 기록을 남겨본다.

Week 1: What is AI?

많은 사람들이 언론에 공개되는 인공지능 성과물에만 집중한 나머지, 인공지능이 실제로 어떤 업무를 할 수 있고, 어떤 일은 할 수 없는지 구분하지 않게된다. 인공지능이 해결할 수 있는 가장 적합한 일은, 사람이 1초만에 판단할 수 있는 것들에 해당한다. 도로에서 자동차를 발견하고 운전대를 움직이는 것, 그림을 보고 개인지 고양이인지 판단하는 것 등 말이다.

사실 1주차 강의에서는 좁은 의미의 인공지능 중에서도 지도학습에 대해서 특히 초점을 맞추어 설명해주는 듯하다. Microsoft build 2020 자료를 살펴보면, 사람들은 이제 자연어를 이해하고 코드를 스스로 짤 수 있는 넓은 의미의 인공지능까지 개발하고 있다. 사람과 기계가 대화하고 업무를 분담하는 상황이 멀지 않았음을 느낀다.

Week 2: Building AI projects

실제 기업이나 연구에 쓰일 수 있는 인공지능 프로젝트는 어떤 것이 있을까? 교수님은 technical diligence와 business diligence를 통해 기술적, 사업적인 부분을 면밀하게 살펴보아야한다고 말한다. 기술적인 부분으로써 데이터가 제대로 labeling 되어있지 않거나, 사업적인 측면에서 효용성이 없는 분야라면 인공지능을 도입할 이유가 없다는 것이다.

아마도 인공지능의 중요성을 느끼고 많은 기업들이 인공지능을 도입하고자 하지만, 인공지능을 쓸 수 있는지 없는지에 대한 생각도 없이 요청하는 것을 보고 답답한 마음에, 인공지능 개발자들을 대표하여 이 강의를 만드신 느낌이 든다.

Week 3: Building AI in your company

인공지능이 성공적으로 도입된 기술의 원리를 보여준다. 인공지능 스피커와 자율주행 자동차. 머신러닝이라는 기술 하나가 중요하다기 보다는 어떻게 문제를 풀어나갈지 생각하는 논리적인 사고방식이 먼저라는 느낌이 든다. AI 팀과의 의사소통은 어떻게 해야되는지, 회사 대표 입장으로서 이해할 방법을 설명해준다.

추가적인 수업내용에서 인공지능이 쓰일 수 있는 주요 분야와 머신러닝의 다양한 기술원리를 설명해준다. 주요 분야로는 computer vision, natural language processing, speech recognition, 그리고 unstructured data를 이용하는 general machine learning이 있다. 머신러닝의 종류로는 지도학습 이외에도 unsupervised learning, transfer learning, reinforcement learning, GANs (Generative Adversarial Network), 그리고 상대적으로 저평가된 knowledge graph가 있다.

Week 4: AI and Society

현재 인공지능의 가장 큰 문제점은 편협적인 데이터를 주면 편협적인 결과물을 보여준다는 것이다. 가장 명백한 예시로는 백인 얼굴을 위주로 학습한 facial recognition AI가 흑인 얼굴을 잘 인식하지 못하는 문제점을 드러낸 사례가 있다. 또한 인공지능이 학습하는 원리를 알 수 없기에, 문제 발생시 어떤 오류 때문인지 원인을 파악할 수 없다는 단점이 있다. 우리는 인공지능을 계속해서 안전한 길로 발전해나가야 한다.

인공지능의 발달은 또다시 부익부 빈익빈의 격차를 벌려놓을 가능성이 매우 농후하다. 데이터를 가진 회사는 더욱더 강력한 회사가 되고, 작은 기업이 경쟁을 시작할 수 조차 없는 환경이 만들어질지도 모른다. 다만, 세상의 변화에 흔들리지 않고 자신만의 분야에 전문성과 인공지능을 더한다면, 시대의 흐름에 편승할 수 있는 마지막 티켓을 얻을 수 있지 않을까 생각한다.