인공지능 - 기술 발전방향

https://www.etnews.com/20201103000060#

 

첫째는 너무나 많은 데이터와 컴퓨팅을 필요로 하는 이 기술의 학습 효율을 높여서 적은 데이터로부터 효율적으로 배울 수 있는 방법에 대한 연구다. 

또 학습에 참여하지 않은 데이터 유형에서도 잘 작동하는 일반화 능력의 신장도 중요하다. 사람은 배운 것을 응용하고 일반화해서 유사한 문제도 잘 풀지만 현재의 AI는 일반화 능력이 약하다. 그래서 일어날 수 있는 현장의 모든 데이터를 미리 모아서 학습시키지 않으면 그 시스템을 현장에 배치할 수 없다. AI가 주어진 문제를 해결할 수 있는가를 판단하기 위해 모든 학습데이터를 검토해야 한다면 현장에서는 이 기술을 사용할 수 없다.

 

지도학습을 위한 데이터의 준비는 매우 고통스럽다. 모든 데이터에 라벨을 붙여야 하기 때문이다. 비지도학습이나 준지도학습을 통해서 데이터의 의존도를 낮추는 것이 필요하다. 

 

데이터의 개인정보와 소유권이 공유를 억제한다. 여러 사람의 데이터를 한 곳에 모아서 학습을 시킨다는 것은 현실적으로 불가능하다. 데이터가 분산된 상태에서 학습알고리즘이 찾아가서 학습하고 나오는 방법이 현실적 대안이다. 

 

암호화된 데이터를 암호를 풀지 않고 직접 학습에 사용하는 것도 멋진 아이디어다. 인과관계, 계층적 구조, 세상모델, 상식 등을 어 떻게 표현하고 활용할 것인가 하는 것은 오래된 숙제다. 

 

인간처럼 시각기능, 언어, 손짓 등이 자연스럽게 통합 하여 소통하는 기술도 더 연구해야 하는 영역이다. AI 능력을 신장하려는 여러 노력에는 과학적 발견이 필요한 부분도 있고, 그 발견을 이용해 문제를 해결하고 효율성을 높이는 공학적 영역도 있다. 기초연구로부터 특정영역의 AI 구축에는 많은 기술적 계단이 있다. 또 응용 영역의 특성에 따라서 필요한 기술이 많이 다를 수 있다. 

 

따라서 우리나라가 어떤 영역에 집중할 것인가 를 결정하고, 그에 필요한 기술의 개발에 집중하는 것이 바람직하다. 

AI를 이용해 무엇을 할 것인지에 대한 국민적 합의를 먼저 도출하기 바란다. 

그 목표 아래서 성과를 올리기 위한 기술지도를 완성하고 그 중에서 우리 가 선도적 위치를 차지하고 싶은 것을 선택해 연구를 집중하는 것이 바람직하다.