2017년 5월 미국 실리콘 밸리에서 ‘엔디비아 GTC 2017’이 열렸다.
이 무대의 기조 강연을 맡은 이언 굿펠로우는 청중들에게 몇 장의 사진을 공개하며 이런 질문을 던졌다.
저렇게 생긴 아저씨이다.
“이 사진들 중에는 실제 고양이가 아니라 인공지능(AI)이 임의적으로 만들어낸 이미지가 있습니다. 이 중에 어떤 이미지가 합성인지 알 수 있나요?”
청중들은 그가 화면에 띄운 사진들을 살펴보며 가장 인위적인 느낌의 사진을 골라내려고 애썼지만 좀처럼 찾아낼 수 없었다. 사실 그 사진들 중 실제 사진은 없었기 때문이다.
모든 사진은 그가 고안한 생성적 적대 신경망(Generative Adversarial Networks)알고리즘을 통해 인공지능이 무작위로 그려낸 진짜 같은 고양이 사진들이었다.
이 놀라운 일화는 앞으로의 인공지능이 가는 길을 보여준다.
주인공인 생정적 적대 신경망(GAN)은 서로 다른 인공지능이 상호 경쟁을 통해 상호 성능을 개선하는 머신 러닝 방법이다.
사람이 인공지능을 지도학습 할 필요가 없이 기계 스스로 학습 할 수 있는 길을 열었다는 점에서 최근 뜨거운 주목을 받고 있다.
(머신 러닝이 무엇인지 궁금하다면 이 링크를 보길 바란다. 머신러닝이란 무엇인가)
그동안 기계의 학습태도는 ‘능동성’이 부족했다. 아이에게 언어를 가르칠 때처럼 기계한테 사물을 보여주며 사람이 일일이 가르쳐줘야했다.(이게 지도학습이다.) 그 후 방대한 데이터베이스가 쌓이면 그제서야 인공지능은 데이터를 토대로 처음 본 사물에 대해서도 적절한 답을 내놓는다.
하지만 생성적 적대 신경망은 비지도 학습의 돌파구를 열었다.
GAN을 이용한 제품 디자인. 밑그림을 그리면 인공지능이 이미지를 생성해낸다.
위의 그림을 보면서 설명해보자.
GAN에는 스스로 이미지를 만드는 생성자와 이미지를 감별하는 구분자가 있다. 생성자는 화폐 위조범처럼 현실과 가까운 이미지를 만들고, 구분자는 FBI처럼 생성자의 이미지를 감별한다. 생성자는 구분자를 속이도록, 구분자는 생성자가 만든 이미지를 더욱 잘 판별할 수 있도록 설계 되어있다.
예를 들어 사용자가 검은색 가죽 재질에 버클이 달려있는 가방이 필요한 경우 GAN에 조건을 입력하면 생성자가 이미지를 만들고 구분자가 그것을 감별하는 것이다.
GAN은 이미지 분석을 통한 손상 이미지 복원, 이미지를 통한 예측 등 다양한 분야에 쓰일 수 있다. 일각에서는 인공지능이 GAN을 통해 발전하다보면 사람을 뛰어넘을 것이라고 보기도 한다.
하지만 이번 GAN 기사를 보면서 내가 느낀점은 도구의 폭발적인 진화일뿐 인간을 대체할 수는 없다고 느껴진다. 자동차가 마차로 대체되었을 때 여러 직업들이 대체 되었지만 그만큼 많은 직업들이 생긴 것처럼 AI의 확산은 인간을 대체한다기 보단 삶의 방식이 달라지는 것이라 생각한다.
다만 AI를 쓰는자와 안 쓰는자들간의 차이는 존재하고 그들이 도태될 수는 있다고 생각한다.
역시 앞으로 AI 공부 많이 해야겠다.