일단 인공지능(artificial intelligence)이란 컴퓨터에 정보를 주는 방법을 총칭하는 것이다. 좋은 것과 나쁜 것으로 구별할 수 있다. 여기에선 좋다는 건 목표에 도달하기 위해 가장 가능성이 높은 행동을 취하는 것. 응용 분야로는 추론과 학습, 계획, 지각, 언어, 로봇 기술 등을 들 수 있다.

인공지능에 대한 일반적 오해는 인공지능이 특정 기술이라고 생각하는 것. 인공지능은 컴퓨터에 지능을 부여하기 위한 연구를 총칭한다. 그런데 인공지능을 특정 기술처럼 말하는 건 마치 물리학을 증기기관이라고 말하는 것과 같은 오류다.

그렇다면 인공지능은 사회에 어떤 이점을 줄까. 문명의 이기는 모든 인간의 지성이 만들어낸 산물이다. 모든 문명을 위한 이기가 가진 목적은 인간의 능력 확장. 인공지능은 지성이라는 인간의 능력을 확장하는 것이다. 인간의 가치에 대한 이해를 더 좋게 만들어주는 역할을 하는 것이다.

하지만 인간의 지성을 확장하는 유력한 수단이 인공지능이며 인공지능은 잘 설계되어 있는 한 훨씬 큰 가치를 제공한다. 예를 들어 다른 언어를 사용하는 사람끼리 인공지능을 이용해 실시간으로 의사소통을 할 수 있는 상황은 비인간적인 게 아니라 상당히 인간적이라고 말할 수 있다.

또 다른 오해는 인공지능이 불평등을 촉진시킨다는 것이다. 업무 자동화가 진행되면 부가 소수에게 집중될 가능성은 확실히 있다. 하지만 인공지능이 개인이나 작은 그룹간 협업을 활성화할 수 있고 대기업에 일자리를 구할 필요가 없어지는 장점 같은 게 생길 수도 있다.

인공지능을 말할 때 빼놓을 수 없는 게 머신러닝, 기계학습이다. 기계학습이란 경험을 기반으로 컴퓨터 성능을 높이는 방법을 탐구하는 인공지능 기술 중 하나다. 여기에서 기계학습은 인공지능을 대체할 새로운 분야처럼 생각하는 경우가 있다.

기계학습은 인공지능 구현을 위한 기술인 만큼 당연히 인공지능 기술을 대체하는 게 아니다. 기계학습은 1950년 앨런 튜링이 논문을 낸 이후 인공지능 연구에서 항상 중심이 된 기술로 인공지능을 위한 연구되는 기술 중 하나인 것이다.

또 신경망은 뇌에 있는 신경세포 특성을 모델로 고안한 컴퓨터 시스템. 신경망은 수많은 유닛으로 구성되어 있다. 각각 입력을 받거나 출력을 보낼 수 있다. 출력은 입력 가중화 형태를 취하고 유닛끼리 연결되어 링크 가중치가 경험에 의해 수정되는 게 관건이다.

일반적인 오해는 신경망은 새로운 종류의 컴퓨터로 생각한다는 것이다. 신경망은 인간의 뇌 뉴런을 모델로 만든 계산 시스템으로 신경망 차제는 범용 컴퓨터에서 구현된다. 또 신경망이 뇌처럼 작동한다고 생각하기도 하는데 실제로 뇌 뉴런은 인공지능 신경망에서 사용하는 단위만큼 단순하지 않다. 뇌 신경세포는 다양한 종류가 있고 시간에 따라 연결도 변화한다.

딥러닝은 머신러닝의 일종이다. 딥러닝 자체는 20년 전부터 존재했지만 알고리즘과 모델 개선, 대량 데이터를 모을 수 있는 환경이 갖춰지면서 최근 기술적으로 크게 발전한 것이다.

또 강한 인공지능과 약한 인공지능이라는 표현을 쓰기도 한다. 이건 원래 약한 인공지능이란 인간 수준 지능을 프로그래할 수 있다는 가설에서 사용된 것이다. 이에 비해 강한 인공지능은 기계가 인간처럼 생각하고 이해하고 있다는 가설에서 이용된 것.

이런 이유로 강한 인공지능이 모든 걸 인간 수준인 인공지능을 실현한다고 오해하기도 한다. 약한 인공지능이 특정한 분야, 강한 인공지능이 모든 걸 인간 수준에 이른다는 식의 일반적인 생각은 1980년 처음 이 정의가 나온 것과는 다르다.

다음으로 기계에서 IQ를 얘기하기도 하는데 기계에 IQ 같은 건 물론 없다. 체스 챔피언을 이긴 컴퓨터도 다른 게임에서 이길 수는 없다. 퀴즈 대회에서 우승할 있는 컴퓨터도 "당신 이름이 뭐냐"는 간단한 질문에도 대답할 수 없다.

보통 무어의 법칙에 따라 기계의 IQ가 계속 높아지는 것처럼 오해를 하기도 한다. 하지만 앞서 밝혔듯 기계에는 IQ가 없다. 또 무어의 법칙은 어떤 작업도 해낼 수 있는 알고리즘의 존재와는 전혀 관계도 없다.

그렇다면 인공지능 시스템은 지금 뭘 할 수 있을까. 기계가 해낼 수 있는 작업 범위는 몇 년 전에 비해 훨씬 넓어지고 있다. 보드 게임이나 카드 게임을 하고 간단한 질문에 대답하거나 뉴스 기사에서 팩트를 추출하고 복잡한 객체를 조립하고 언어 번역, 음성 인식, 이미지 종류 판별, 자동차 운전도 할 수 있다. 검색엔진 기능 상당수도 인공지능을 활용한다.

조만간 혁신적인 것들이 출현할 가능성은 충분한 상태다. 자동운전 자동차가 대표적이다. 농업 분야와 노인 간호 분야 등에서 일하는 로봇이 등장하고 스마트폰 내 개인 비서 기능 진화도 생각해볼 수도 있다. 또 대량으로 복잡한 정보를 취급하는 인공지능을 통한 과학 분야 활용도 기대를 모으고 있다.

인공지능과 로봇 진화가 앞으로 계속되면 물론 많은 직업이 영향을 받는 건 피할 수 없다. 하지만 이는 대량 실업을 의미하는 게 아니라 경제 구조 변화로 이어질 수 있는 쪽으로 볼 수 있다. 직장이나 보상 방식 자체에 대한 새로운 사고 방식을 요구하게 될지 모른다.

지난 2014년 이후 스티븐 호킹이나 엘론 머스크, 스티브 워즈니악, 빌 게이츠 등 유명 인사가 인공지능에 대한 우려를 정기적으로 드러내고 있다. 또 실제로 인공지능 발전이 가속화되고 있는 것처럼 보인다.

물론 여기에는 실험실에서 이뤄진 성과가 더 많다. 현실 세계에서의 문제를 해결할 수 있는 수준까지 도달하려면 연구에 대한 투자가 필요하다. 어쨌든 이런 이유로 사람들은 인공지능에 대한 걱정을 한다.

최근 엘론 머스크는 인공지능 관련 분야 연구 지원을 위해 1000만 달러 자금을 지원하거나 정책 제언을 만드는 등 장기적 연구나 출자를 하기도 한다. AAAI 같은 곳은 인공지능이 줄 영향과 윤리적 과제를 취급하는 상임위원회를 설립하기도 했다.

또 인공지능에 대한 제어가 불가능한 것 아니냐는 불안감을 말하기도 하지만 인공지능 시스템이 여전히 인류의 통제 하에 있는 걸 확인하는 방법에 대한 연구의 중요성이 높아지고 있다. 관련 내용은 이곳에서 확인할 수 있다.