민스키 맥커시 등 네명의 거두가 창시한 '인공지능'(AI)개념은 80년대를 통틀어 가장 인기있는 학문이 되었다.
여러 사람들이 대화할때 그들이 인공지능(Artificial Intelligence, AI)을 매우 다양하게 인식하고 있다는 것을 느끼곤 한다. 어떤 사람은 별들의 전쟁에 나오는 로봇을 연상하기도 하고, 혹은 자신의 숙제를 척척 대신해 주는 컴퓨터를 생각하기도 한다. 또 어떤 사람은 로봇이 인간을 정복하는 시대가 도래할 것이라고 말하기도 한다. 심지어 인공지능을 사람 혹은 동물의 두뇌를 연구하여 이용하려는 인공두뇌학(cybernetics)과 혼동하는 사람도 있다.
인공지능을 한 마디로 정의하기란 쉽지 않다. 흔히 인공지능이란 컴퓨터로 하여금 지능이 필요로 하는 일을 수행할 수 있도록 연구하는 학문이라고 정의한다. 그러나 이런 정의만으로는 인공지능을 이해하기가 어려울 것인가. 이 글에서는 인공지능 분야의 지나온 발자취를 설명하면서 인공지능 분야는 어디까지 발전해 왔으며, 또 미래에는 어떻게 발전할 수 있는가를 생각해 보기로 한다.
네명의 창시자
인공지능 분야가 정식으로 거론되기는 1956년 미국의 다트머스 대학에서 있었던 네명의 조그만 모임에서 비롯되었다. 여기에 모인 사람은 수학과 신경학의 천재 마빈민스키(현재 MIT공대 교수), 다트머스대 수학과교수였던 존 맥커시(후에 인공지능언어 LISP개발), IBM 연구센터의 로체스터, 정보이론으로 잘 알려진 벨연구소의 샤논이었다. 이들이 그 후 인공지능 분야의 거장들이 된 것은 물론이고, 이 조그만 모임이 오늘날 1만명이 넘는 커다란 인공지능 학회를 만드는 결과를 낳았다. 이 모임 후 인공지능연구는 급속도로 발전했다. 인공지능의 대표적인 연구분야로는 자연어처리 음성인식 컴퓨터비전 전문가시스템 지식표현학습 등이 있다. 비록 인공지능의 주된 연구분야는 아니지만 서양장기(체스)에 대한 연구도 인공지능의 발전에 많은 영향을 끼쳤다.
□서양 장기(chess)
오늘날 컴퓨터를 이용하여 서양장기를 두는 연구는 인공지능의 연구 분야와는 상당히 거리가 있지만, 과거에는 인공지능연구에 중요한 비중을 차지했다. 뿐만 아니라 서양장기의 연구가 인공지능 연구를 위한 하드웨어와 소프트웨어 개발에 기여한 공로는 상당히 크다고 말할 수 있다. 현재 개발된 장기 프로그램은 미국 장기 토너먼트에서 우승한 사람을 이길 수 있을 정도로 대단한 수준에 있다.
□자연어 처리(natural language processing)
인간이 사용하고 있는 언어(자연어)를 처리하여 글을 이해하려는 노력은 1960년초 미국에서 대대적인 사업으로 추진됐다. 특히 러시아어와 영어 사이에 컴퓨터를 이용한 기계 번역(machine translation) 연구가 많이 시도됐다.
그러나 이러한 시도는 인간이 사용하는 언어에 대한 깊은 이해 없이는 불가능하다는 결론만 남긴 채 실패하고 말았다. 현재 자연어 처리에 대한 연구는 제한된 언어를 사용하는 응용분야 등을 대상으로 계속적인 발전을 해오고 있으며, 최근 일본 및 미국 등지에서 기계 번역에 대한 연구가 다시 활발히 일고 있다. 우리나라에서도 한글-영어간의 기계번역, 한글-일어간의 기계번역에 대한 연구가 활발히 진행되고 있다. 이들 기계번역에서는 사람이 번역하는 작업을 상당히 간편하게 해주는 역할을 할 뿐 아니라, 일부 제한된 응용분야에서는 자동번역도 가능하게 해준다.
□음성 인식(speech recognition)
이 분야는 인공지능 분야들 중에서 비교적 긴 역사를 갖고 있으면서 가장 어려운 분야이기도 하다. 음성으로부터 그에 대응되는 문자들로 변환하는 작업은 개개인 발음의 명확도 고저 장단 등에 의해 상당히 좌우될 수 있다. 뿐만 아니라 자연어 처리에서도 생겼던 문장에 대한 깊은 이해를 필요로 하고 있다.
이러한 어려움에도 불구하고, 음성인식이 우리에게 줄 수 있는 이익은 너무나도 크다. 컴퓨터에 음성으로 명령을 주고 자료를 입력할 수 있으므로 비전문가의 컴퓨터 이용이 더욱 용이해질 수 있다. 현재 개발된 음성인식시스템은 말하는 사람에 관계없이 특정 분야에 관한 단어들을 94%의 정확도로 인식하고 있다. 응용분야로는 자동 114 전화 서비스, 특정분야에 대한 자동질의응답시스템 등이 있다.
□컴퓨터 비전(computer vision)
로봇의 눈 역할을 담당하는 분야이기도 하다. 카메라를 통해 3차원의 세계를 2차원의 영상으로 받아서 분석하여 세상에 있는 3차원의 물건이나 풍경을 인식하는 데 그 목적이 있다. 영상을 통한 지식의 전달은 자연어처리나 음성인식 등에서 전달하는 지식보다는 직접적이고 많은 양의 지식을 전달할 수 있다. 컴퓨터 비전에 대한 연구는 1980년 무렵에 크게 발달하여 현재는 2차원의 영상에 대한 문제는 상당히 실용화되고 있으며, 3차원 영상의 인식문제는 아직도 많은 연구가 요구되고 있다. 응용분야로서는 산업용 로봇의 눈, 자동감시시스템, 비행기 조작에 필요한 장애물감지시스템 등 많은 분야에 걸쳐 있다.
□전문가시스템(expert system)
전문가시스템이란 전문성을 요하는 분야의 전문지식을 컴퓨터에 넣었다가 필요에 따라 전문 서비스를 제공해 주는 시스템이다. 이 분야가 80년대들어 실용화되기 시작하면서 인공지능의 개념은 폭발적인 인기를 얻기 시작했다. 전문가시스템은 상당히 많은 전문 분야에 응용되어 전산전문가가 아니라도 산업계에서 비상한 관심을 모으고 있다. 몇가지 예를 들면 코닥회사의 주물시스템을 위한 고장진단시스템, NASA(미항공우주국)의 액체산소탱크 관리시스템, 미연방우체국의 재고관리 전문가시스템 등이 개발되어 있다. 미국 IBM회사의 경우를 보면 1백개 이상의 전문가 시스템이 이용되고 있다. 또 DEC의 경우는 7백명 이상의 사람들이 인공지능 분야에서 일하고 있다.
□지식 표현(knowledge representation)
인공지능에서 가장 기본적으로 연구되어야 할 과제는 세상에 있는 지식을 어떻게 컴퓨터에 표현하여 필요할 때 잘 이용할 수 있겠는가 하는 문제다. 과거에 컴퓨터에 기록한 지식들은 대개 실험결과의 데이터나, 사람의 이름, 나이, 월급 등과 같이 간단한 수치들이거나 문자들로 그 자료들의 의미가 단순한 것들이었다. 그러나 일상생활에서 사용하고 있는 지식들을 컴퓨터에 표현하려고 한다면 그렇게 쉬운 문제는 아닐 것이다.
예를 들어 '사람은 죽는다'와 '소크라테스는 사람이다'라는 두 문장을 생각해 보자. 물론 우리는 이 두 문장으로부터 '소크라테스는 죽는다'라는 문장을 추론할 수 있겠지만 컴퓨터로 이러한 생각을 표현하게 하는 문제는 그렇게 단순하지만은 않다. 이러한 지식을 표현하기 위해 철학 언어학 논리학 등과 연관되어 많은 연구가 진행돼 왔으며, 80년대 들어 신경망(neural network)을 이용한 방식도 많이 시도되고 있다.
□학습(learning)
컴퓨터가 지능을 갖고 있다고 말하려면 최소한 학습 능력을 갖고 있어야 하겠다. 학습에 대한 이론은 여러가지 형태로 연구되어 왔다. 예제를 통해 학습을 하는 이론, 다른 비슷한 개념을 이용하여 학습을 하는 이론 등 그 종류가 다양하다. 최근 전문가시스템이 발전함에 따라 학습을 하는 시스템의 개발에 많은 관심이 모아지고 있다. 그러나 학습분야도 지식표현 분야처럼 학습이 갖고 있는 고유의 어려움으로 더욱 많은 연구가 요구되고 있다. 최근에 들어서는 신경망을 이용한 학습방법이 많이 도입되어 일부 분야에서는 상당한 성공을 거두는 예가 많이 있다.
위에서 언급한 분야들 이외에도 로봇공학, 프로그래밍 자동화, 계획법(planning) 등이 있다. 또한 인공지능과 연관되어 있는 분야로는 심리학 언어학 논리학 등이 있으며, 최근에는 전산학의 타분야에서도 인공지능과 상당히 밀접한 연구들을 하고 있다. 예를 들면 지능형 통신망, 지능형 데이터베이스, 인공지능을 이용한 VLSI(초대규모집적회로) 설계 등 그 연관 분야가 다양하다.
5세대 컴퓨터와 CYC
인공지능 분야는 1956년 공식적으로 발족한 이후 꾸준한 발전을 거듭하여 85년에는 2억달러에 달하는 시장을 형성했고, 90년도에는 80억달러 이상의 시장이 될 것으로 전망되고 있다. 특히 인공지능 분야에서 기호처리(symbolic processing)를 위한 언어인 리스프(LISP)의 발전과 이를 위한 리스프기계의 개발은 80년대에 접어들면서 산업계를 뜨겁게 만들었다. 또 워크스테인션의 발달과 PC급 컴퓨터에서 우수한 인공지능 소프트웨어 상품이 개발됨에 따라 보다 많은 전문분야에 종사하는 사람들이 전문가시스템의 개발에 관심을 기울이게 되었다. 최근에는 지식 기술자(knowledge engineer) 라는 전문가 시스템을 개발하는 새로운 직업이 등장할 정도이다.
인공지능에 대한 관심이 고조되고 그 시장이 커짐에 따라 일본 미국 등지에서는 대대적으로 인공지능 분야에 대한 연구계획을 수립하게 되었다.
81년 일본은 '5세대 컴퓨터 계획'을 발표했다. 이 계획은 90년대를 위한 컴퓨터시스템을 개발하기 위한 것으로, 처음 3년동안 5천만달러를 투자할 정도로 큰 규모였다. 이 계획에서는 VLSI의 기술을 바탕으로 인공지능 응용분야를 지원할 수 있는 고속의 병행처리 능력이 있는 컴퓨터 시스템(소위 data flow machine)을 개발하려고 했다. 이 시스템에서 채택한 인공지능을 위한 언어는 논리추론 기능을 갖고 있는 프롤로그(PROLOG)언어였다. 결국 일본의 첫번째 목표는 이미 미국 등지에서 개발된 리스프기계와 대응할 수 있는 프롤로그기계를 개발함으로써 인공지능 분야의 선두주자로 발돋음하려는 의도였던 것이다.
일본의 5세대 컴퓨터 계획에 대해 처음에는 경제 부국의 자만 혹은 모험으로 생각하는 사람들도 있었다. 그러나 컴퓨터 하드웨어측면에서 그들이 계획한 초고속의 프롤로그 기계를 만드는 문제는 일본으로서는 결코 어려운 문제가 아니었으며, 이 계획을 세계적으로 공개함으써 소프트웨어의 지원을 받을 수 있을 것이라는 '계획된 모험'이라고 보는 견해가 많다. 사실 이 계획의 발표후 프롤로그 언어가 급속히 보급되기 시작했으며, 프롤로그를 위한 기계도 개발되었다. 이 언어의 장점으로는 논리를 바탕으로한 추론 기능이 언어 자체에 있어서 논리적으로 문제를 푸는 경우는 상당히 유리하다. 그러나 과연 프롤로그가 인공지능 분야의 주된 언어로 각광을 받을 수 있을지는 아직 미지수다. 그럼에도 불구하고 일본의 5세대 컴퓨터 계획을 일본의 기술 축적에 많은 공헌을 했을뿐만 아니라, 다른 나라들을 자극시키는 기폭제가 되기도 했다.
일본의 5세대 컴퓨터 계획에 자극을 받아 미국의 MCC라는 공동출연 연구기관에서도 CYC라는 계획을 수행하게 되었다. 이 계획은 일본의 5세대 컴퓨터 계획보다 규모는 작았지만, 이미 인공지능 분야에 많은 연구를 하고 있던 미국으로서는 결코 작은 계획이라 볼 수 없을 정도로 규모가 컸다. 이 계획에서는 효과적인 전문가 시스템 구축을 목표로 방대한 양의 일반 지식을 축적하기 위해 사람들이 갖고 있는 일반 지식을 컴퓨터에 입력시키는 작업을 추진했다. 즉 대 백과사전을 그대로 컴퓨터에 기록해서는 유용하지 않을 것이다. 백과사전에 들어있는 지식이 어떤 특정한 형태로 기록되어서 필요할 때에 이를 쉽게 찾아 사용할 수 있어야 하겠다.
따라서 이 계획은 기초적인 지식부터 습득하여 이를 바탕으로 더 많은 지식을 습득하는 일종의 학습효과를 이용한 방법으로, 대백과사전 전부를 기록하는 하드웨어의 개발 및 소프트웨어의 개발에 그 목적을 두었다.
CYC계획은 사실상 인공지능의 궁극적인 목표로 볼때 꼭 필요한 사업이라고 생각된다. 다만 사람이 갖고 있는 일반 지식을 어떻게 표현해야 좋을지, 즉 지식표현의 관점에서 보면 아직도 표현 방법에 대한 이론이 구구하여 구체적인 표현방법을 결정하는데 어려움이 있다고 판단된다. 또한 학습을 이용하는 방법도 상당히 수긍이 가는 방법이지만 구체적인 학습방법을 생각해 보면 이 문제도 상당히 어려운 것이다. 따라서 CYC계획에서는 결정적인 결과를 제공해 주기보다는 어려운 문제들을 시도해 봄으로써 필요한 기술을 축적할 수 있고, 수록된 지식을 후에 필요하다면 변환하여 사용하는 것을 통해 얻은 이익이 많다고 판단된다.
비전공자가 주체로
인공지능이 걸어온 지난 30년간의 발자취를 돌아보면, 놀라울 정도로 발전을 거듭했다. 그럼에도 불구하고 일부 사람들은 인공지능에 대해 회의적인 시선을 보내기도 한다. 그들은 인간과 같은 지능이 있는 컴퓨터의 구현은 불가능하다고 주장한다. 아마 정말 불가능할지도 모르겠다. 그러나 역설적으로 생각하면 그러한 컴퓨터의 구현이 가능하다면 인공지능 분야는 더 이상 연구할 필요가 없게 될지도 모르겠다.
불가능하다고 주장하는 또 다른 이유로 인공지능이라는 말 자체가 갖고 있는 모순성을 들 수 있다. 인공지능은 인간의 지능이 아닌 것이다. 그럼에도 불구하고 '인공'이란 의미보다 '지능'이 주는 의미를 부각시켜 생각한 나머지 인공지능의 실현은 불가능하다고 주장한다. 어차피 인공지능은 계획된 지능이다. 이러한 계획된 지능이 여러분야에서 유용하게 쓰이고 있는 것이 현실인 것이다.
인공지능의 응용분야를 살펴보면, 법률 경제 경영 화공 기계 전자 산업공학 화학 교육 의학 농업분야 등 거의 모든 분야에서 각 분야에 맞는 전문가 시스템의 개발이 활발히 진행 중이다. 이러한 개발은 아직까지는 인공지능 전문가들에 의해 주도되고 있는 실정이지만, 차츰 각 분야의 전문가들이 직접 개발하려는 움직임을 보이고 있다.
이러한 현상은 과거에 전산학 분야에도 나타났다. 70년대만해도 컴퓨터에 관한한 대부분의 업무는 전산학을 전공한 사람들의 독점이었다. 그러나 컴퓨터가 대중화되면서 부터는 컴퓨터를 사용하는 사람들 중에서 전산학을 전공한 사람보다는 전공하지 않은 사람이 훨씬 많다. 인공지능 분야도 미국의 경우를 보면 이러한 현상이 일어나고 있다는 것을 느끼게 된다. 인공지능 학회에 가보면 전산학이 아닌 다른 전공(예를 들면 화학전공)을 한 사람이 와서 발표하는 것을 종종 볼 수 있다.
장차 인공지능의 응용분야가 넓어질 뿐만아니라, 깜짝 놀랄 만한 연구들도 실현될 것이다. 예를 들면 일본이 7년동안 1억2천만달러를 투입해 현재 진행중인 자동통역을 해주는 전화시스템의 개발, 우리나라에서도 심각한 문제로 대두되는 교통사고를 방지하는 차의 개발, 학습을 이용하여 스스로 제어하는 시스템의 개발 등 많은 새롭고 어려운 과제들이 풀리게 될 것이다.
과학에서 공학으로
지금까지 인공지능의 여러 분야와 현재까지의 발전 상황을 알아보았다. 인공지능분야는 다른 어떤 분야보다 빠른 속도로 성장하고 있다. 그러나 아직도 집을 청소해 주고, 아기를 보아주며 잔심부름해 주는 로봇은 나오지 않았다. 우리가 생각하는 '지능이 있는 컴퓨터'란 그렇게 간단하지 않다.
우리는 아직도 인간의 지식이 어떻게 우리 두뇌에 표현되어 있으며, 어떻게 이용되고 있는지 모른다. 아이들이 자라면서 어떤 개념을 배우는 것을 보고 있으면 감탄을 금할 길이 없다. 그러나 컴퓨터로 하여금 인간이 학습하는 것처럼 개념을 배우게 할 수 있는 방법은 아직도 정확히 모르고 있는 실정이다. 이렇듯 인공지능은 과학적인 진리를 탐구하는 학문이면서, 또한 전문가시스템을 개발하는 것과 같은 공학적인면을 갖고 있는 학문이기도 하다. 오늘날 인공지능은 상업주의 영향을 받아 공학적인 면만이 많이 강조되는 경향이 있다. 그러나 진정한 인공지능의 발전은 과학적인 면과 공학적인 면이 동시에 발전함으로써 이루어질 수 있다.
