안녕하십니까,
도래하는 초연결시대의 본질을 통찰하면서,
새로운 디지털혁명에 과감하게 도전하는 기술의 신기축을 탐색하는 새통사입니다.
이번 50차 모임에서는 AlphaGo의 여운이 아직 가시지 않는 시점에서 ExoBrain의 사업책임자이신 박상규 박사님을 모시고 ETRI AI기술의 현재와 미래에 대하여 생각을 나눠보는 시간을 가졌습니다. 새통사라는 것을 거듭하면서 느끼는 아쉬움은 <외부에서 오신 분>과 <우리 ETRI 사람들>의 가장 큰 창이는 <생각나누기>의 방식이 아닌가 싶습니다. <외부에서 오신 분>들은 자기가 느낀 것이나 생각을 타인과 나누고 타인의 반응이 어떻는지, 또는 타인은 어떤 생각을 가지고 있는지를 확인해 보면서 강연장이 세미나장을 자신들의 생각을 넓히는 계기로 삼는 반면, <우리 ETRI 사람들>의 대부분은 강연이 끝나거나 자신이 궁금한 것 질문던지고 답을 구하고는 총종히 사라집니다. 그냥 책하나 읽고 영화하나 보는 것과 동일한 .....책을 읽고 타인과 생각나누기를 해보면 ...동일한 책에 대해서 사람들의 생각이 얼마나 다양하게 일었다 사라졌다 하는지를 자연스럽게 경험할 수 있고 또 그런 경험이 얼마나 자신을 성장시키는지, 얼마나 큰 희열을 만끽하게 되는지를 경험해보지 못한 것이 아닌가 하는 안타까움이 발견하곤 합니다. <다음 차수>부터는 조금 더 끈기있게 <브레인이 찢어지는 경험>을 해보면 좋겠다는 바램을 가져봅니다.
오늘도 간사의 머리 속에 흘러다닌 상념들을 중심으로 후기를 써봅니다.
1. Singularity는 정말 기우일까?
- Singurality라는 단어는 그리 낯선 단어가 아니다. 확률론적 세계관에서는 Irreducible epoch라고도 한다. 더이상 되돌릴 수 없게 되는 상태. 최근 한일간의 협상에서 나온 <불가역적>이라는 단어도 같은 의미로 사용되는 것이다. 어떤 임계점을 넘어서면 과거로 또는 그 이전의 상태로 되돌 수 없는 특이한 순간이나 특이한 상태를 우리는 Sigurality라고 한다. 그래서 <특이점>이라고도 번역한다. 멋진 번역이 아닌가 싶다.
-이러한 상당히 고매한 단어인 Singularity가 어떻게 대중적 단어로 우리들의 생활 속에 들어 온 것일까? 역시 Ray Kurzweil 박사가 내놓은 <The Singurality is Near>라는 배게만한 책 덕분이다. Dr. Kurzweil (오스트리아계니까, <쿠즈바일>이라고 읽는게 맞는 것 같다.)은 인간의 뇌와 기계의 뇌가 같아지는 시점이 온다고 이야기 한다. 불길한 미래를 이야기 하기보단, 인간이 신처럼 되는 세상을 이야기 한다. 인간을 닮은 수많은 기계가 연결되어 있고 인간이 또 그 기계들과 연결되어 거대한 하나의 유기체적 세상에 존재하게 된다. 내가 생각하는 것인지 기계가 생각하는 것인지, 아니면 기계의 집단이 생각하는 것인지 인간의 집단이 생각하는 것인지, 인간과 기계 모두의 생각인지를 분간하지 못하는 상태가 올 것이다. 그것이 무엇일까? 해탈일까?
- 어쨌거나, 지금 인간으로선 상상할 수 없는 세상이 다가오고 있다. 박상규 박사님은 아직은 기우라고 말씀하신다...갈 길이 너무나 말다고 생각하신단다.
- 4/8(금), 새통사 1주년을 맞는 날, 박문호 박사님의 강연에서 좀 더 깊이있게 토의를 해보면 좋겠다.
2. 왜, 기우라고 말할까에 대해서 생각해본다.
- 일반인들이 AlphaGo는 이세돌 사범에게 게임이 안될 것이라는 생각과는 달리, 내가 만나 본 많은 과학기술자들은 <마음은 이세돌사범이지만, 역시 AlphaGo가 이길 것이라는 예측이 압도적이었다. 물론 자기나름의 논리를 가지고 말하는 사람들만을 대상으로 한 이야기이다. 그냥 감으로 이야기하는 사람은 다 빼고....
- 그들은 왜, AlphaGo가 이길 것이라고 생각한 것인가? 역시, 계산능력이다. 계산의 빠르기다. 인간이 상상할 수 없는 수준으로 빠르게 엄청나게 많은 양의 계산을 할 수 있다. 다음으로는 계산의 정확도이다. 인간처럼 계산의 오류는 없다. 어떠한 상황에서도 일관된 결론을 내린다. 적어도 이 두 부분에 있어서 이의를 제기하는 사람은 없을 것이다. 결국, AlphaGo는 이겼다. 1판을 졌는데....왜 졌을까? 아마도 학습하는 과정에서 인간이 거의 생각하지 않는 경우라고 계산량을 줄이기 위해서 제거한 경우이거나, 인간이 거의 두지 않기 떄문에 학습의 범위에 들어 있지 않는 상황의 연출로 인해 AlphaGo는 대응을 하지 못했을 것이다라고 해석해 볼 수 있을 것 같다. (간사는 실제로 집사람과 거의 내기에서 4:1 AlphaGo 승을 정확히 맞추어 주머니가 넉넉해졌다. ....사람들은 이야기한다. 지나고 나서 그런 이야기 나도한다고....간의의 facebook을 살펴보면 바둑을 두기 전에...또 이세돌 사범이 이기기 전에 예측해놓은 글들이 있다. 거의 신기에 가깝운 수준이다 싶을 정도로 정확한 예측을 해놓고 있다. ..^^* 이것은 그동안 사람들과 수많은 대화를 하면서 성장한 사고능력의 확장의 덕이 아닌가 싶다....요기까지 !)
- AlphaGo이길 수 있었다. 바둑의 깊이가 아무리 깊다고 하나, AlphaGo의 계산세계에서는 유한한 세상이기에 AlphaGo는 이겼다. 그러나 AlphaGo는 당분간 그것이 끝이 아닐까 싶다. 꾸준히 당양한 지식을 쌓아가겠지만...해낼 수 없는 부분이 있다. 바로 <새로운 개념>을 만들어 낼 수 있는 능력이 존재하지 않는다. AlphaGo는 공부를 하지만 끝없이 difference를 찾아내고 classification해내고 척척박사가 되어가지만, 인간처럼 기존에 존재하지 않는 개념을 새롭게 만들어 낼 능력이 없다. AI와 인간의 차이는 여기서 벌어진다고 생각한다. 만일 이 단계를 뛰어넘는 순간이 온다면....인간들은 삐짝 긴장을 해야만 할 것 같다.
3. AlphaGo와 ExoBrian의 차이는 뭘까?
- (이부분에서는 정통한 AI전문가의 의견이 아닌다. 그동안 간사가 공부한 것을 중심으로...설을 한번 풀어보겠다. 이의를 제기하고 싶거나 지적해주고 싶은 분이 있으면 언제든지 환영한다. 그런 부딪힘 자체가 성장을 의미하는 것이기 때문에 무조건 환영한다.)
- 인공지능을 이해할 때, 과외수업을 받거나 학원에 다니는 의미를 가만히 생각해보면 많은 이해의 폭을 넓힐 수 있을 것 같다. 과외수업을 왜 받는가? 답은 뻔하다 지름길을 가지 위해서다.. 공부를 잘하는 데에도 분명 방법이 존재하기 때문이다. 수많은 개념과 이론과 사실들은 인과관계가 존재하고 그들사이에 분명한 법칙들이 존재한다. 과외를 통해서 이미 터득한 싸부들에게 그들을 단기적으로 배운다. 분류하는 방법을 배운다. 규칙을 배운다. 이것이 ExoBrian이다. ExoBrian의 한계는 무엇일까? 그 싸부들의 깨달음이 ExoBrian의 한계와 동일하다.
- AlphaGo는 학원을 가지않고 혼자 공부하는 것과 동일하다. 혼자 공부를 하면서 이것과 저것이 어떻게 다르고 어떻게 같고 요것과 조것은 어떤 유사점이 있고, 그들 사이에 지배하는 어떤 공통된 규칙이 존재할까....등등을 깨우쳐 간다. AlphaGo의 Deep Laerning은 이것과 같은 개념이다. 끊임없는 difference를 찾아내고 범주화해 낸다. 인간들은 이것을 featuring이라고도 한다. 그래서 AlphaGo가 ExoBrian보다 일반적이다라고 말할 수 있다.
- 그렇지만 AlphaGo는 자신의 어떤 결정에 대해서 조리있게 설명을 해내지 못한다. 과외선생님처럼 그 깨달음을 말하지 못하는 한계를 가진다. 그렇기에 AlphaGo는 컨설팅이라는 직업을 갖기에은 힌들 것 같다. 퉁명스런 의사선생님들 밖에 될 수가 없으 것이다. 반면에 ExoBrian은 친절한 의사선생님이 될 수 있다. 지치지고 않고 엄청난 인내심을 발휘하며 그 어떠한 멍청한 질문에도 답을 해 줄 것이다.
- ExoBrian과 같은 계열의 인공지능이 IBM의 Waston이다. Waston은 Deep Learning의 탁월한 Classification능력을 결합하고 있다. 학습속도를 엄청나게 발전시킬 수 있을 것이다. 그러나....둘 다 그것이 끝이다. 그들에게 <새로운 개념> 을 만들어 낼 능력은 없다.
4. DeepView는 또 무엇인가?
- ExoBrian이 인간이 만들어 놓은 텍스트, 그림, 소리 등으로 표현된 지식을 학습한다면, DeepView는 동영상을 학습한다. 동영상에 나오는 수많은 객체들을 그림이 아니라 객체단위로 분간해 낼 수 있도록 학습한다. 자전거의 특징, 자동차의 특징, 사람으 특징, 고양이의 특징, 개의 특징을 등을 학습한다. 어떤 방식으로 ? AlphaGo처럼 할 수 도 있고, ExoBrian처럼 학습할 수도 있다. 아마도 DeepView는 ExoBrian과 같은 방식으로 학습을 한다. 이것은 코라고 해, 이것은 입이라고 해, 이것은 귀라고 해..........코가 이런 이런 특징이 있고, 귀가 저런 저런 특징이 있고, 걸음걸이가 이러저러하면 걔는 고양이야....라고 하는 식으로 학습을 시킨다.
- 또 한가지. DeepView와 ExoBrian의 큰 차이 중에 하나가 동영상 화면을 통해서 <객체>뿐만 아니라 <동사>를 배운다. <동사>를 배운다. 이것이 참 재미있는 것이다. 문을 <나온다>와 차 문을 열고 차에서 <내린다>를 어떻게 학습시킬 수 있을까? <말하다>와 <노래하다>를 어떻게 구분하여 학습시킬 수 있을까? 엘리베이터를 <탄다>와 집으로 <들어간다>를 어떻게 학습을 시킬까?......재미있는 경우가 너무너무 많이 있을 것 같고, 또 학습시키는 방법에 대한 수많은 아이디어가 존재할 것 같다. 모두가 연구의 대상이다.
- DeepView가 충분히 준비를 하게되면, 10여년전 백화점에서 막내를 잃어버리고 백화점 상황실 사람들을 진땀빼게 했던 이야기는 정말 추억으로 돌릴 수 있을 것이다. 그 당시에는 모든 화면을 다 돌려봤어야 했지만, 머지 않는 시점에, <파라바지 입은 애>라고 치면 잃어버린 애가 있는 장면을 바로 찾아 줄 것이다. 시각까지.......
5. 자! 이제 ETRI는 다음 단계로 어떤 발걸음을 딛는 것이 좋을 것인가?
- 많은 사람들이 걱정이 많다. 열강들의 공습이 눈 앞에서 펼쳐지고 있기 떄문이다....엄청난 자본력과 무모한 도전의식으로 클라우드시장을 장악하고, 빅데이터시장을 장악하고 AI시장마저도 장악해간다. 이미 우리보다 훨씬 앞서 나간다. Google의 AlphaGo는 제2의 안드로이드를 지향하고 있음이 분명해 보인다. 또 우리의 삼성과 LG는 Android를 가지고 땀띠났던 것처럼 AlphaGo를 붙들고 똑같은 반복을 해야 할까? 반복하지 않는다면 어떤 대안이 있을까? 또, 빅데이터는 어떻게 구할까? ......걱정들이 참 많으시다. 50차 새통사의 강연장에서도 이러한 고민의 신음이 여기저기서 들린다. 그러나 아직 피상적이다 깊은 고민이 모자라다는 느낌이다. 고민과 고민이 부딪쳐 새로운 답을 찾아보려는 노력없이 뿔뿔히 흩어진다. 답이 공중으로 허공으로 날아가는 것이 보인다....신기루인가?
- 세상은 카오스다. 그 어떤 환경에서도 우리만의 독자적인 길이 있음을 말해주고 있지 않은가. 자연과학의 법칙이 증명해놓고 있음에도 걱정뿐이다.
- 왜 다른 생각은 해보질 못하는지. ......벌꿀 수준의 지능은 필요치 않는가? 쥐 수준의 지능은 필요치 않는가? 왜 빅데이터 기반의 인공지능만을 생각하는가? 빅데이터가 없다면 빅데이터가 필요하지 않는 방향으로의 연구는 필요치 않는지?
- 이세돌 사범이 몇 판의 승부에서 얻은 깨달음은 어떤 것인가? 빅데이터로 부터 얻은 깨달음인가. 이것은 무엇인가? 이른바 one-shot learning은 어떻게 오는 것인가?
- 우리나라의 의료복지 수준을 획기적으로 끌어 올릴 방법은 없는가? 우리나라의 행정서비스를 획기적으로 변화시킬 방법은 없는가. .....
- 분명한 것은 우리 앞에 할일이 태산처럼 쌓여 있다는 것이다. ETRI 혼자만의 힘으로 해낼 수 도 없다. 나라를 사회를 혁신할 수 있는 길이 우리 눈 앞에 있지 않는가? 모든 세력들을 규합하여 국가 아젠더를 만들어야 할 떄가 아닌가 싶다. 진짜배기 <1조원 프로젝트>가 필요한 시점이다. 대담한 이상을 가지고 뜻을 모으고 행동에 옮길 때인 것 같다. ##
안녕하십니까,
도래하는 초연결시대의 본질을 통찰하면서,
새로운 디지털혁명에 과감하게 도전하는 기술의 신기축을 탐색하는 새통사입니다.
이번 50차 모임에서는 AlphaGo의 여운이 아직 가시지 않는 시점에서 ExoBrain의 사업책임자이신 박상규 박사님을 모시고 ETRI AI기술의 현재와 미래에 대하여 생각을 나눠보는 시간을 가졌습니다. 새통사라는 것을 거듭하면서 느끼는 아쉬움은 <외부에서 오신 분>과 <우리 ETRI 사람들>의 가장 큰 창이는 <생각나누기>의 방식이 아닌가 싶습니다. <외부에서 오신 분>들은 자기가 느낀 것이나 생각을 타인과 나누고 타인의 반응이 어떻는지, 또는 타인은 어떤 생각을 가지고 있는지를 확인해 보면서 강연장이 세미나장을 자신들의 생각을 넓히는 계기로 삼는 반면, <우리 ETRI 사람들>의 대부분은 강연이 끝나거나 자신이 궁금한 것 질문던지고 답을 구하고는 총종히 사라집니다. 그냥 책하나 읽고 영화하나 보는 것과 동일한 .....책을 읽고 타인과 생각나누기를 해보면 ...동일한 책에 대해서 사람들의 생각이 얼마나 다양하게 일었다 사라졌다 하는지를 자연스럽게 경험할 수 있고 또 그런 경험이 얼마나 자신을 성장시키는지, 얼마나 큰 희열을 만끽하게 되는지를 경험해보지 못한 것이 아닌가 하는 안타까움이 발견하곤 합니다. <다음 차수>부터는 조금 더 끈기있게 <브레인이 찢어지는 경험>을 해보면 좋겠다는 바램을 가져봅니다.
오늘도 간사의 머리 속에 흘러다닌 상념들을 중심으로 후기를 써봅니다.
1. Singularity는 정말 기우일까?
- Singurality라는 단어는 그리 낯선 단어가 아니다. 확률론적 세계관에서는 Irreducible epoch라고도 한다. 더이상 되돌릴 수 없게 되는 상태. 최근 한일간의 협상에서 나온 <불가역적>이라는 단어도 같은 의미로 사용되는 것이다. 어떤 임계점을 넘어서면 과거로 또는 그 이전의 상태로 되돌 수 없는 특이한 순간이나 특이한 상태를 우리는 Sigurality라고 한다. 그래서 <특이점>이라고도 번역한다. 멋진 번역이 아닌가 싶다.
-이러한 상당히 고매한 단어인 Singularity가 어떻게 대중적 단어로 우리들의 생활 속에 들어 온 것일까? 역시 Ray Kurzweil 박사가 내놓은 <The Singurality is Near>라는 배게만한 책 덕분이다. Dr. Kurzweil (오스트리아계니까, <쿠즈바일>이라고 읽는게 맞는 것 같다.)은 인간의 뇌와 기계의 뇌가 같아지는 시점이 온다고 이야기 한다. 불길한 미래를 이야기 하기보단, 인간이 신처럼 되는 세상을 이야기 한다. 인간을 닮은 수많은 기계가 연결되어 있고 인간이 또 그 기계들과 연결되어 거대한 하나의 유기체적 세상에 존재하게 된다. 내가 생각하는 것인지 기계가 생각하는 것인지, 아니면 기계의 집단이 생각하는 것인지 인간의 집단이 생각하는 것인지, 인간과 기계 모두의 생각인지를 분간하지 못하는 상태가 올 것이다. 그것이 무엇일까? 해탈일까?
- 어쨌거나, 지금 인간으로선 상상할 수 없는 세상이 다가오고 있다. 박상규 박사님은 아직은 기우라고 말씀하신다...갈 길이 너무나 말다고 생각하신단다.
- 4/8(금), 새통사 1주년을 맞는 날, 박문호 박사님의 강연에서 좀 더 깊이있게 토의를 해보면 좋겠다.
2. 왜, 기우라고 말할까에 대해서 생각해본다.
- 일반인들이 AlphaGo는 이세돌 사범에게 게임이 안될 것이라는 생각과는 달리, 내가 만나 본 많은 과학기술자들은 <마음은 이세돌사범이지만, 역시 AlphaGo가 이길 것이라는 예측이 압도적이었다. 물론 자기나름의 논리를 가지고 말하는 사람들만을 대상으로 한 이야기이다. 그냥 감으로 이야기하는 사람은 다 빼고....
- 그들은 왜, AlphaGo가 이길 것이라고 생각한 것인가? 역시, 계산능력이다. 계산의 빠르기다. 인간이 상상할 수 없는 수준으로 빠르게 엄청나게 많은 양의 계산을 할 수 있다. 다음으로는 계산의 정확도이다. 인간처럼 계산의 오류는 없다. 어떠한 상황에서도 일관된 결론을 내린다. 적어도 이 두 부분에 있어서 이의를 제기하는 사람은 없을 것이다. 결국, AlphaGo는 이겼다. 1판을 졌는데....왜 졌을까? 아마도 학습하는 과정에서 인간이 거의 생각하지 않는 경우라고 계산량을 줄이기 위해서 제거한 경우이거나, 인간이 거의 두지 않기 떄문에 학습의 범위에 들어 있지 않는 상황의 연출로 인해 AlphaGo는 대응을 하지 못했을 것이다라고 해석해 볼 수 있을 것 같다. (간사는 실제로 집사람과 거의 내기에서 4:1 AlphaGo 승을 정확히 맞추어 주머니가 넉넉해졌다. ....사람들은 이야기한다. 지나고 나서 그런 이야기 나도한다고....간의의 facebook을 살펴보면 바둑을 두기 전에...또 이세돌 사범이 이기기 전에 예측해놓은 글들이 있다. 거의 신기에 가깝운 수준이다 싶을 정도로 정확한 예측을 해놓고 있다. ..^^* 이것은 그동안 사람들과 수많은 대화를 하면서 성장한 사고능력의 확장의 덕이 아닌가 싶다....요기까지 !)
- AlphaGo이길 수 있었다. 바둑의 깊이가 아무리 깊다고 하나, AlphaGo의 계산세계에서는 유한한 세상이기에 AlphaGo는 이겼다. 그러나 AlphaGo는 당분간 그것이 끝이 아닐까 싶다. 꾸준히 당양한 지식을 쌓아가겠지만...해낼 수 없는 부분이 있다. 바로 <새로운 개념>을 만들어 낼 수 있는 능력이 존재하지 않는다. AlphaGo는 공부를 하지만 끝없이 difference를 찾아내고 classification해내고 척척박사가 되어가지만, 인간처럼 기존에 존재하지 않는 개념을 새롭게 만들어 낼 능력이 없다. AI와 인간의 차이는 여기서 벌어진다고 생각한다. 만일 이 단계를 뛰어넘는 순간이 온다면....인간들은 삐짝 긴장을 해야만 할 것 같다.
3. AlphaGo와 ExoBrian의 차이는 뭘까?
- (이부분에서는 정통한 AI전문가의 의견이 아닌다. 그동안 간사가 공부한 것을 중심으로...설을 한번 풀어보겠다. 이의를 제기하고 싶거나 지적해주고 싶은 분이 있으면 언제든지 환영한다. 그런 부딪힘 자체가 성장을 의미하는 것이기 때문에 무조건 환영한다.)
- 인공지능을 이해할 때, 과외수업을 받거나 학원에 다니는 의미를 가만히 생각해보면 많은 이해의 폭을 넓힐 수 있을 것 같다. 과외수업을 왜 받는가? 답은 뻔하다 지름길을 가지 위해서다.. 공부를 잘하는 데에도 분명 방법이 존재하기 때문이다. 수많은 개념과 이론과 사실들은 인과관계가 존재하고 그들사이에 분명한 법칙들이 존재한다. 과외를 통해서 이미 터득한 싸부들에게 그들을 단기적으로 배운다. 분류하는 방법을 배운다. 규칙을 배운다. 이것이 ExoBrian이다. ExoBrian의 한계는 무엇일까? 그 싸부들의 깨달음이 ExoBrian의 한계와 동일하다.
- AlphaGo는 학원을 가지않고 혼자 공부하는 것과 동일하다. 혼자 공부를 하면서 이것과 저것이 어떻게 다르고 어떻게 같고 요것과 조것은 어떤 유사점이 있고, 그들 사이에 지배하는 어떤 공통된 규칙이 존재할까....등등을 깨우쳐 간다. AlphaGo의 Deep Laerning은 이것과 같은 개념이다. 끊임없는 difference를 찾아내고 범주화해 낸다. 인간들은 이것을 featuring이라고도 한다. 그래서 AlphaGo가 ExoBrian보다 일반적이다라고 말할 수 있다.
- 그렇지만 AlphaGo는 자신의 어떤 결정에 대해서 조리있게 설명을 해내지 못한다. 과외선생님처럼 그 깨달음을 말하지 못하는 한계를 가진다. 그렇기에 AlphaGo는 컨설팅이라는 직업을 갖기에은 힌들 것 같다. 퉁명스런 의사선생님들 밖에 될 수가 없으 것이다. 반면에 ExoBrian은 친절한 의사선생님이 될 수 있다. 지치지고 않고 엄청난 인내심을 발휘하며 그 어떠한 멍청한 질문에도 답을 해 줄 것이다.
- ExoBrian과 같은 계열의 인공지능이 IBM의 Waston이다. Waston은 Deep Learning의 탁월한 Classification능력을 결합하고 있다. 학습속도를 엄청나게 발전시킬 수 있을 것이다. 그러나....둘 다 그것이 끝이다. 그들에게 <새로운 개념> 을 만들어 낼 능력은 없다.
4. DeepView는 또 무엇인가?
- ExoBrian이 인간이 만들어 놓은 텍스트, 그림, 소리 등으로 표현된 지식을 학습한다면, DeepView는 동영상을 학습한다. 동영상에 나오는 수많은 객체들을 그림이 아니라 객체단위로 분간해 낼 수 있도록 학습한다. 자전거의 특징, 자동차의 특징, 사람으 특징, 고양이의 특징, 개의 특징을 등을 학습한다. 어떤 방식으로 ? AlphaGo처럼 할 수 도 있고, ExoBrian처럼 학습할 수도 있다. 아마도 DeepView는 ExoBrian과 같은 방식으로 학습을 한다. 이것은 코라고 해, 이것은 입이라고 해, 이것은 귀라고 해..........코가 이런 이런 특징이 있고, 귀가 저런 저런 특징이 있고, 걸음걸이가 이러저러하면 걔는 고양이야....라고 하는 식으로 학습을 시킨다.
- 또 한가지. DeepView와 ExoBrian의 큰 차이 중에 하나가 동영상 화면을 통해서 <객체>뿐만 아니라 <동사>를 배운다. <동사>를 배운다. 이것이 참 재미있는 것이다. 문을 <나온다>와 차 문을 열고 차에서 <내린다>를 어떻게 학습시킬 수 있을까? <말하다>와 <노래하다>를 어떻게 구분하여 학습시킬 수 있을까? 엘리베이터를 <탄다>와 집으로 <들어간다>를 어떻게 학습을 시킬까?......재미있는 경우가 너무너무 많이 있을 것 같고, 또 학습시키는 방법에 대한 수많은 아이디어가 존재할 것 같다. 모두가 연구의 대상이다.
- DeepView가 충분히 준비를 하게되면, 10여년전 백화점에서 막내를 잃어버리고 백화점 상황실 사람들을 진땀빼게 했던 이야기는 정말 추억으로 돌릴 수 있을 것이다. 그 당시에는 모든 화면을 다 돌려봤어야 했지만, 머지 않는 시점에, <파라바지 입은 애>라고 치면 잃어버린 애가 있는 장면을 바로 찾아 줄 것이다. 시각까지.......
5. 자! 이제 ETRI는 다음 단계로 어떤 발걸음을 딛는 것이 좋을 것인가?
- 많은 사람들이 걱정이 많다. 열강들의 공습이 눈 앞에서 펼쳐지고 있기 떄문이다....엄청난 자본력과 무모한 도전의식으로 클라우드시장을 장악하고, 빅데이터시장을 장악하고 AI시장마저도 장악해간다. 이미 우리보다 훨씬 앞서 나간다. Google의 AlphaGo는 제2의 안드로이드를 지향하고 있음이 분명해 보인다. 또 우리의 삼성과 LG는 Android를 가지고 땀띠났던 것처럼 AlphaGo를 붙들고 똑같은 반복을 해야 할까? 반복하지 않는다면 어떤 대안이 있을까? 또, 빅데이터는 어떻게 구할까? ......걱정들이 참 많으시다. 50차 새통사의 강연장에서도 이러한 고민의 신음이 여기저기서 들린다. 그러나 아직 피상적이다 깊은 고민이 모자라다는 느낌이다. 고민과 고민이 부딪쳐 새로운 답을 찾아보려는 노력없이 뿔뿔히 흩어진다. 답이 공중으로 허공으로 날아가는 것이 보인다....신기루인가?
- 세상은 카오스다. 그 어떤 환경에서도 우리만의 독자적인 길이 있음을 말해주고 있지 않은가. 자연과학의 법칙이 증명해놓고 있음에도 걱정뿐이다.
- 왜 다른 생각은 해보질 못하는지. ......벌꿀 수준의 지능은 필요치 않는가? 쥐 수준의 지능은 필요치 않는가? 왜 빅데이터 기반의 인공지능만을 생각하는가? 빅데이터가 없다면 빅데이터가 필요하지 않는 방향으로의 연구는 필요치 않는지?
- 이세돌 사범이 몇 판의 승부에서 얻은 깨달음은 어떤 것인가? 빅데이터로 부터 얻은 깨달음인가. 이것은 무엇인가? 이른바 one-shot learning은 어떻게 오는 것인가?
- 우리나라의 의료복지 수준을 획기적으로 끌어 올릴 방법은 없는가? 우리나라의 행정서비스를 획기적으로 변화시킬 방법은 없는가. .....
- 분명한 것은 우리 앞에 할일이 태산처럼 쌓여 있다는 것이다. ETRI 혼자만의 힘으로 해낼 수 도 없다. 나라를 사회를 혁신할 수 있는 길이 우리 눈 앞에 있지 않는가? 모든 세력들을 규합하여 국가 아젠더를 만들어야 할 떄가 아닌가 싶다. 진짜배기 <1조원 프로젝트>가 필요한 시점이다. 대담한 이상을 가지고 뜻을 모으고 행동에 옮길 때인 것 같다. ##