‘딥 러닝’도 약점이 있다!

‘딥 러닝’도 약점이 있다!

우리가 흔히 볼 수 있는 인공지능 제품의 핵심 기술은 ‘머신 러닝’과 ‘딥 러닝’ 그 중 ‘딥 러닝’이다. ‘딥 러닝’은 여러 계층의 신경망을 통해 학습하는 것이다. 여기서 학습이란 빅 데이터 기반의 학습을 말한다. 일종의 ‘인공 신경망’이라고 할 수 있는데 인간 두뇌의 학습을 모방한 것이라 할 수 있다. 

‘딥 러닝’을 통해 학습할 때는 빅 데이터가 필요하고, 이에 따른 규칙도 필요하다. 알파고가 딥 러닝으로 구현될 수 있었던 것은 ‘바둑 규칙’이 있었기에 가능한 것이다. 여기서 말하는 규칙은 오랜 시간 변하지 않는 규칙을 말한다. 바둑, 장기, 체스는 수 천 년 동안 규칙은 변하지 않았다. 단지 대국 시간이 변했을 뿐이다. 이 말은 규칙이 자주 변하는 것은 ‘딥 러닝’을 적용할 수 없다는 것이다. 그리고 ‘딥 러닝’은 스스로 규칙을 변경할 수 없다. 바둑 제한 시간이 1시간인데 이것이 짧아서 2시간으로 변경하자는 등의 룰 개정을 제안하거나 스스로 변경할 수 없다.

‘딥 러닝’이 가진 또 하나의 약점은 질문자의 의도를 파악하는 것이 불가능하다는 것이다. 예를 들어 ‘맨체스터’라는 도시에 대해서 알아보기 위해 AI스피커에게 “맨체스터”라고 하면 맨체스터 유나이티드나 맨체스터 시티의 경기 결과를 알려준다. 이것은 데이터베이스에 있는 것 중 ‘맨체스터’는 단어가 들어간 최근의 것을 찾아주기 때문이다. 다른 말로 하면 질문자의 의도를 전혀 고려하지 않는 것이다.

‘딥 러닝’의 가장 큰 약점은 ‘추론’하는 것이 불가능하다는 것이다. 만화영화 ‘아기공룡 둘리’에서 고길동의 집을 보여주고 여기에서 알 수 있는 것을 추론해 보라고 하면 인공지능은 할 수 없다. 반면 인간은 80년대 서울 도봉구 쌍문동에 200평대 2층 단독 주택을 가지고 있고, 차를 가지고 있다면 고길동이 부자라는 것을 어렵지 않게 추측할 수 있다. 또한 집 소유주가 고길동이라는 것은 대문에 있는 문패를 보면 쉽게 추론할 수 있다. 집의 문패는 집주인이 아니면 달 수 없기 때문이다.

또한 ‘아기공룡 둘리’를 보여주고 고길동의 성격에 대해서 추론하라고 하면 인공지능은 추론하는 것이 불가능하다. 이런 것들은 데이터베이스에 없기 때문이다. 인간은 고길동이 조가 희동이는 그렇다 치더라도 둘리, 또치, 도우너 등이 사고를 쳐도 화를 내기만 할 뿐 정작 이들을 쫓아내지 않는다는 것에서 착한 사람이라는‘딥 러닝’도 약점이 있다!

우리가 흔히 볼 수 있는 인공지능 제품의 핵심 기술은 ‘머신 러닝’과 ‘딥 러닝’ 그 중 ‘딥 러닝’이다. ‘딥 러닝’은 여러 계층의 신경망을 통해 학습하는 것이다. 여기서 학습이란 빅 데이터 기반의 학습을 말한다. 일종의 ‘인공 신경망’이라고 할 수 있는데 인간 두뇌의 학습을 모방한 것이라 할 수 있다. 

‘딥 러닝’을 통해 학습할 때는 빅 데이터가 필요하고, 이에 따른 규칙도 필요하다. 알파고가 딥 러닝으로 구현될 수 있었던 것은 ‘바둑 규칙’이 있었기에 가능한 것이다. 여기서 말하는 규칙은 오랜 시간 변하지 않는 규칙을 말한다. 바둑, 장기, 체스는 수 천 년 동안 규칙은 변하지 않았다. 단지 대국 시간이 변했을 뿐이다. 이 말은 규칙이 자주 변하는 것은 ‘딥 러닝’을 적용할 수 없다는 것이다. 그리고 ‘딥 러닝’은 스스로 규칙을 변경할 수 없다. 바둑 제한 시간이 1시간인데 이것이 짧아서 2시간으로 변경하자는 등의 룰 개정을 제안하거나 스스로 변경할 수 없다.

 

반응형

‘딥 러닝’이 가진 또 하나의 약점은 질문자의 의도를 파악하는 것이 불가능하다는 것이다. 예를 들어 ‘맨체스터’라는 도시에 대해서 알아보기 위해 AI스피커에게 “맨체스터”라고 하면 맨체스터 유나이티드나 맨체스터 시티의 경기 결과를 알려준다. 이것은 데이터베이스에 있는 것 중 ‘맨체스터’는 단어가 들어간 최근의 것을 찾아주기 때문이다. 다른 말로 하면 질문자의 의도를 전혀 고려하지 않는 것이다.

‘딥 러닝’의 가장 큰 약점은 ‘추론’하는 것이 불가능하다는 것이다. 만화영화 ‘아기공룡 둘리’에서 고길동의 집을 보여주고 여기에서 알 수 있는 것을 추론해 보라고 하면 인공지능은 할 수 없다. 반면 인간은 80년대 서울 도봉구 쌍문동에 200평대 2층 단독 주택을 가지고 있고, 차를 가지고 있다면 고길동이 부자라는 것을 어렵지 않게 추측할 수 있다. 또한 집 소유주가 고길동이라는 것은 대문에 있는 문패를 보면 쉽게 추론할 수 있다. 집의 문패는 집주인이 아니면 달 수 없기 때문이다.

또한 ‘아기공룡 둘리’를 보여주고 고길동의 성격에 대해서 추론하라고 하면 인공지능은 추론하는 것이 불가능하다. 이런 것들은 데이터베이스에 없기 때문이다. 인간은 고길동이 조가 희동이는 그렇다 치더라도 둘리, 또치, 도우너 등이 사고를 쳐도 화를 내기만 할 뿐 정작 이들을 쫓아내지 않는다는 것에서 착한 사람이라는 것을 쉽게 추론할 수 있다.

이처럼 ‘딥 러닝’은 인간이 할 수 있는 추론이나 추측은 할 수 없다. 이것은 근본적으로 ‘딥 러닝’은 인간처럼 사고하고 행동하는 것이 불가능하다는 것이다. 즉, ‘딥 러닝’도 결정적인 약점이 있다는 것이다.

‘딥 러닝’은 데이터베이스의 한계에서 벗어나지 못하고, 데이터베이스에 있는 것을 찾아주거나 찾아서 짜깁기하는 것은 가능하다. 하지만 이를 활용하거나 여기에 숨겨진 것을 추측하는 것은 불가능하다는 점에서 완벽한 것은 아니다 것을 쉽게 추론할 수 있다.

이처럼 ‘딥 러닝’은 인간이 할 수 있는 추론이나 추측은 할 수 없다. 이것은 근본적으로 ‘딥 러닝’은 인간처럼 사고하고 행동하는 것이 불가능하다는 것이다. 즉, ‘딥 러닝’도 결정적인 약점이 있다는 것이다.

‘딥 러닝’은 데이터베이스의 한계에서 벗어나지 못하고, 데이터베이스에 있는 것을 찾아주거나 찾아서 짜깁기하는 것은 가능하다. 하지만 이를 활용하거나 여기에 숨겨진 것을 추측하는 것은 불가능 하다는 점에서 완벽한 것은 아니다