인공지능(AI)은 매우 빠르게 발전하고 있다. 속도뿐만 아니라 적용 분야 역시 널리 확장되고 있다. 2016년 알파고 충격 이후 대중에게 각인될 만한 큰 사건은 없었지만 AI 관련 산업과 연구계는 성장을 거듭하고 있다. AI에 대한 관심과 집중은 엄청나다. 당장 기업의 마케팅 용어들을 보더라도 쉽게 알 수 잇다.AI 연구개발은 크게 두 가지 방향으로 볼 수 있다. 첫 번째는 기술 자체를 향상시키는 접근이다. 과거 AI는 규칙 기반의 기호적 AI가 주류를 이뤘다. 인간이 특정 개념이나 사물에 기호를 부여해 논리적 관계로 지식을 표현한다는 접근이다. 그러나 그 성능은 인간 수준에 미치지 못했으며 그런 부침의 역사를 겪은 AI는 ‘심층학습’으로 돌파구를 열었다.

두 번째 방향은 산업계의 적용이다. AI는 본질적으로 사람의 지능적 행동을 대체한다는 점에서 다양한 활용이 가능하다. 의료 사진이나 영상 분석을 통해 질병을 감별하고 영어를 한국어로 번역하는 등 여러 사례가 있다. AI가 산업계로 전파되는 과정은 첫 번째로 소개한 AI 기술 자체를 향상시킨 연구 결과를 적절히 적용하는 데서 출발한다.

여기서 중요한 점은 AI 기술 자체에 관한 연구가 매우 빠른 속도로 진화하고 있다는 것이다.

물론 심층학습이 놀라운 성과를 거둔 반면 그 한계도 명백하다. 인공신경망을 구성하는 이론적인 논리가 부족하며 여전히 귀납적인 결과에 의존하고 있다. 이런 한계를 극복하기 위해 전 세계의 연구자들은 부단한 노력을 이어 가고 있다. 그 핵심은 인간의 지적 활동과 관련된 학문과의 융합이다. 예를 들어 심리학적으로 동기를 모델링하거나 뇌 과학에서 발견된 신경망의 해부학적인 근거를 토대로 AI를 고도화하는 것이다.

알파고 이후 2년간 새롭게 부상한 AI 방법론만 해도 수십 가지에 이른다. 뇌의 정보 저장을 구현한 신경망 튜링 기계, 심리학적 이론에 근거한 확률적 모델, 학습하는 방법을 학습하는 메타 학습 등 새로운 기술들이 속속 출현하고 있다.

이러한 AI의 발전 속도는 AI의 잠재력이 매우 크다는 것을 증명하고 있다. 많은 전문가들은 이제 AI가 부침의 역사에 종지부를 찍고 지속적으로 발전할 것이라 전망한다. 그렇다면 이제 우리는 AI와 함께 공존할 수 있는 사회적 환경을 마련하는 데 집중해야 하지 않을까.