산업기술/제조/경영

Nikkei Business_2017.1.9_신춘대담(p10-13)

AI는 인류의 「새로운 도구」

다양한 산업의 형태를 크게 바꿀 가능성을 가지고 있는 AI(인공지능). 기계학습으로 인해 빠른 속도로 똑똑해지는 AI를, 인류는 어떻게 활용해야 하는 가. 일본을 대표하는 장기의 프로기사와 AI 벤처기업의 대표가 미래를 이야기한다.

●Yoshiharu Habu : 1970년 생. 1985년 장기의 프로기사로 데뷔하여 19세에 용왕위 획득. 96년에 사상 첫 칠관왕 독점달성. 현재는 삼관왕 (왕위, 왕좌, 기성).
●Toru Nishikawa : 1982년 생. 프리퍼드 네트웍스(Preferred Networks, PFN)의 창업자이자 CEO. 도쿄대학대학원 정보이공학계 연구과 박사과정 수료.
●Daisuke Okanohara : 1982년 생. 프리퍼드 네트웍스의 창업자이자 부사장. 도쿄대학대학원 정보이공학계 연구과 박사과정 수료.

Yoshiharu Habu (이하, 하부) : 1년 전의 CES(국제전자제품박람회)에서 토요타 자동차의 부스에 전시되어 있던 기계학습으로 인한 자율주행의 실연을 비디오로 보았다. 교차로와 같은 장소를 미니어처 자동차로 부딪치지 않고 주행하고 있었다. 시스템을 만든 것이 프리퍼드 네트웍스(PFN)이라는 것을 듣고, 언젠가 이야기를 나누어 보고 싶다고 생각하고 있었습니다.

Toru Nishikawa (이하, 니시카와) : 저와 오카노하라가 컴퓨터 사이언스 관련의 최첨단 기술을 개발하는 프리퍼드 인프라스트럭처(Preferred Infrastructure)라고 하는 회사를 창업한 것이 2006년 입니다.

오카노하라는 기계학습과 AI(인공지능)을, 저는 처리 스피드가 빠른 컴퓨터의 연구를 담당해왔습니다. 기술의 비즈니스 활용을 목적으로 2014년에 설립한 것이 PFN입니다.

Daisuke Okanohara (이하, 오카노하라) : 지금까지 기계학습은, 가상의 세계에서만 사용되어 왔지만, 이것이 지금, 현실의 세계에서도 사용되기 시작하고 있습니다. 가장 알기 쉬운 것이 자율주행으로, 우리는 더 나아가 산업용 로봇과 라이프 사이언스의 분야에서도 기계학습의 기술을 접목하려고 하고 있습니다. 아직 일반 사람에게는 생소하지만, 앞으로 수 년 안에 실현할 수 있을 것이라고 생각하고 있습니다.

-- 경험의「집약」이 AI의 강점 

하부: 제가 NHK의 방송 리포터로서 AI를 취재하고 생각한 것은, 사이버 공간에서 하고 있던 것을 현실의 공간으로 도입하려고 하면, 물리적, 사회적, 법률적인 제약이 발생한다고 하는 것입니다. 그렇기 때문에, AI를 어떠한 형태로 도입하는가 라는 첫 걸음이 매우 중요하다고 생각합니다만, 무언가 청사진은 있는 것 입니까?

오카노하라: 자동차 분야에서는, 어떤 때에 사고가 일어나는 가를 시뮬레이션으로 기계에게 학습시키고 있습니다. 하지만, 실제로는 시뮬레이션과 현실의 사이에 차이를 메우지 못하면 활용은 불가능하다. 때문에, 세계를 달리고 있는 10억대의 자동차에서 사고의 상황과 부주의의 데이터를 모아 기계에게 학습시킨다면, 사고를 예방하는 방법을 배울 수 있지 않을까 라고 생각했습니다. 따라서 중요한 역할을 하는 것이「네트워크」인 것입니다.

니시카와: 사람과 다른 AI의 능력은, 네트워크에서 연결되는 점입니다. 인간은 복수의 뇌를 이어 붙여 크게 하는 것은 불가능하지만, 컴퓨터는 네트워크로 연결되면, 방대한 정보를 가진 스터리지에 접속하는 것도, 복수의 프로세서를 세우고 능력을 증대시키는 것도 가능하게 됩니다.

오카노하라: 즉, 경험을「집약」할 수 있는 것 입니다. 인간은 타인에게 경험의 내용을 전달할 수 있어도, 경험 그 자체는 공유할 수 없습니다. 하지만 컴퓨터라면, 데이터를 토대로 경험을 재현할 수 있기 때문에, 학습 스피드도 빨라집니다. 10대의 기계가 서로 경험을 공유할 수 있다면, 1대라도 10분의 1의 시간으로 학습 할 수 있습니다. 이것이 기계가 가진 가능성인 것입니다.

하부: 자율주행에서는, 예를 덜어 2019년 1월 1일에 모든 자동차를 자율주행으로 전환하는 것이 가능하다면, 매우 안전한 것 같은 기분이 듭니다. 그야말로 교통사고와 그것으로 인해 사망하는 사람이 한 자릿수, 두 자릿수, 아니 세 자릿수로 줄어들 가능성도 있는 것은 아닌가라고 생각합니다. 하지만 실제로는, 당분간은 사람이 운전하는 자동차와 혼재하고 있지 않습니까? 그 때에, 안전을 어떻게 담보하는지가 매우 어려운 문제가 아닐까라고 생각합니다.

오카노하라: 말씀하신 그대로 입니다. 하부 씨가 본 비디오에서는, 한 대의 빨간 자동차만이 위험 운전을 하고 있었습니다. 그것은 제가 조종하고 있었습니다만, 그 상황이 바로 그대로입니다. 학습한 것과 다른 움직임에 유연히 대응할 수 있도록 하는 것은 쉬운 일이 아닙니다. 상대가 무엇을 생각하고 있는지를 상상하는 것은, 아직 사람처럼은 불가능합니다. 동물이라면, 예를 들어 말은 태어나서 몇 분만에 일어서고, 사람은 그림책이라도 진짜라도 그것이 코끼리라는 것을 인식할 수 있습니다. 이것은, 유전적인 진화의 과정에서 그러한 지식이 내장되어 있는 것입니다. 컴퓨터에서는 그러한 측면은 미숙하다고 말할 수 있습니다.

하부: 앞으로, 예를 들어 자동차 이외의 분야에서 AI 혹은 심층학습이 두드러지게 추진되어 갈 것 같은 분야는 있는 것 입니까?

니시카와: 예를 들어 산업용 로봇이 있습니다. 인간은 사물의 잡는 방법을 한번 외우면 그것으로 충분하지만, 기계는 시행착오를 거치지 않으면 잘 잡지 못합니다. 하지만, 세계에 있는 로봇을 네트워크로 연결하면, 사물을 잡는 모델을 바로 만들 수 있도록 되지 않을까 라고 생각하고 있습니다.

하부: 확실히, 지각(知覺)에 대해서는 앞으로 엄청난 일이 일어나는 것은 아닌가 라고 생각합니다. 그도 그런 것이 인간의 시력은 아무리 좋다고 해도 2.0이다. 기계라면 7.0, 10.0, 몇 백배, 몇 천배로 하는 것이 가능합니다. 귀, 코도 똑같습니다. 그것이 이어져서 활용할 수 있게 된다면, 엄청난 일이 가능할 것 같습니다.

니시카와: 사람과 다르게 엄청 작은 사물부터 큰 사물까지 잡을 수 있게 되는 등, 가능성은 커집니다.

-- 음악과 회화에서도 AI가 창작 

오카노하라: 아직 보이지 않는 AI의 응용 분야로서, Creation(창조)가 있습니다. 사람의 서투른 그림을 멋있는 그림으로 해주는 등, 사람의 창작활동의 장벽을 낮춘다고 하는 방향성 입니다. 연주가 어려운 바이올린밖에 없었던 시대에는, 사람에게 있어서 음악의 창작활동은 어려웠을지도 모르지만, 피아노의 등장으로 장벽은 낮아졌다. 이와 같이, 음악과 회화의 분야에서 AI로 인한 창작이 세상에 넘쳐흐르게 되는 것은 아닌가 라고 생각하고 있습니다.

하부: 창조라고 하는 것은, 99%는 과거에 있었던 무언가의 조합이라고 생각합니다. 따라서 그러한 의미에서의 창조는 AI에서도 가능하게 될 것 같은 기분이 듭니다. 장기의 세계에서는, AI가 새로운 발상과 아이디어의 계기가 된다 라고 하는 것이 이미 일어나고 있습니다. 지금, 방대한 양의 소프트웨어가 대전하고 있고, 거기에서 창조적인 작전과 전법이 탄생하고 있습니다.

니시카와,오카노하라: 그렇습니까?!

하부: 네. 하지만, 너무 방대한 양의 데이터이기 때문에, 소프트웨어를 만든 사람은 그것을 인식하지 못하고 있습니다. 기사가 보고 처음으로, “이것은 지금까지 없던 엄청난 전법이다.” 라고 하여 알게 됩니다.

오카노하라: 재미있는 이야기입니다. 그 깨달음 같은 것을 사람과 기계가 공유할 수 있다면, 지금까지 이상의 아이디어가 탄생할 것 같습니다.

하부: PFN은「Chainer」이라고 하는 기계학습 소프트웨어를 무료로 공개하고 있습니다. 공개하는 이유와 의도는 무엇입니까?

니시카와: 우리는 심층학습의 연구 개발은 다양한 사람이 하는 것이 좋다고 생각하고 있습니다. 회사는 아직 60명 정도밖에 없기 때문에, 어플리케이션, 구체적으로는 자동차와 로봇에 실장하는 것으로 승부하면 된다고 생각합니다. 우리의 예상으로는, 심층학습은 다양한 분야에서 사용할 수 있고, 게다가 성공한다고 하는 상황이 당분간 이어집니다. 그렇게 되면, 다양한 분야에서 시도해보는 편이 세상에 도움이 된다고 생각합니다. 그리고, 채용 활동에 이용하려는 목적이 있습니다. 우리도 당초에는 이름이 알려지지 않았었지만, Chainer을 내놓고 나서는, “일본에서 심층학습이라고 하면 PFN”라고 불리게 되었습니다.

하부: 이 분야에서도 기술자의 사람이거나, 프로그램을 짤 수 있는 사람의 수가 부족하군요.

니시카와: 부족합니다.

오카노하라: 다만 인터넷이 등장하고 나서 바뀌어 오고는 있습니다. 지금은 연구자가 논문을 공개하면, 1주 후 혹은 2주 후에 다른 나라, 다른 기업과 연구기관부터 그것의 개량판이 나옵니다. 웃긴 이야기지만, 학회에서 상을 받은 사람이 프레젠테이션에서, “이것의 개량판의 개량판이 나와 있으니 그것을 사용해주세요.” 라고 말할 정도로, 날로 진보하는 세계입니다.

하부: 예를 들어 기업으로서, 정보는 어디까지 공개하고, 어디까지 비공개로 할지에 대한, 규칙 같은 암묵의 룰이 있는 것입니까? 왜냐하면 장기의 경우, 대국이 끝난 후에 기사끼리, “이 부분이 좋았다”“이것은 악수였다”라고 하는 의견을 공유하는「감상전」이 있습니다. 거기에는, 어느 선까지는 물어봐도 좋지만, 이것은 물어봐서는 안 된다 라고 하는 암묵의 룰이 있어서, 그것을 바탕으로 자유로이 이야기하고 있는 것 입니다. 그렇기 때문에, 네트워크 혹은 AI의 세계에서는 어떻게 되어 있는지 궁금합니다.

오카노하라: 역시 공개와 비공개의 두 가지 세계가 있습니다. 미국 구글과 같이 일부의 기업만이 정보를 가져서는 안 된다 라고 하는 것으로, 오픈화를 추진하고 있는 조직도 있습니다. 구글은 개인의 사진 데이터를 수 천억장, 1조장이라고 하는 규모로 가지고 있습니다. 그래서 이미 다양한 연구가 되고 있을 가능성은 있습니다. AI의 세계에서는, 상당히 우수한 소수의 연구자가 논문 등에 적혀 있는 아이디어와 노하우를 가지고 있다고 알려져 있습니다. 그 사람들의 채용 경쟁도 치열해지고 있습니다. 미국에서는, 우수한 인재의 채용에는, 메이저리그의 선수와 비슷한 수준의 연봉이 필요하다고도 합니다.

하부: 인재가 탐나기 때문에 회사를 매수해버리는 세계군요.

오카노하라: 때문에 지금까지 AI의 연구를 비공개로 해 온 미국 애플도, 최근에, 공개한다고 언급했습니다. 연구자에게는 논문으로 이름을 알리고 싶은 심리가 있기 때문에, 우수한 인재가 머무르면서 능력을 발휘하게 하기 위해서도, 그러한 환경이 필요하다라고 판단한 것 입니다.

니시카와: (아이디어와 노하우를) 특허로 지키는 것이 어렵기 때문에, 정보를 공개하여 “우리는 선진적인 연구를 하고 있어요” 라고 선전하면서, 데이터와(데이터 센터 등의) 계산 자원을 확보하는 것이 중요합니다. 우리가 토요타와 제휴한 것도, 자동차의 데이터를 확보하고 싶다라는 것도 있기 때문입니다.

-- 학습 방법을 기계에게 배운다

하부: 장기의 세계에서도 소프트웨어가 강해지고 있습니다. 사람의 기사가 아침부터 밤까지 장시간의 시합을 매일 하는 것은 불가능하여도, 컴퓨터라면 그것이 가능합니다. 때문에 제가 지금, 생각하고 있는 것은, 방대한 데이터에서 기계가 발견한 특징을, 사람이 배우는 것이 가능하지 않을까 라는 것입니다. 먼 이야기일지 모르지만,「학습하는 방법」을 사람이 기계에게 배우는 시대는 도래 할 것 같습니까?

오카노하라: 도래할 것이라고 생각합니다. 인간이 가장 학습하기 쉬운 것은, 너무 어렵지 않고, 너무 간단하지 않은 문제를 계속 던져주는 것입니다.「플로우(Flow) 상태」라고 말하지만, 이것을 기계가 개인화할 수 있다면 되는 것이라고 생각합니다.

니시카와: AI는 인류의 새로운 도구라고 생각하면 좋다고 생각합니다. 컴퓨터의 프로그래밍 언어가 진화하고, 점점 새로운 어플리케이션이 나온 것처럼, 심층학습도 인간의 상상력으로 발전시키고 활용하면 됩니다. 오히려 AI는 인간에게 있어서, 즐거운 것이 많다고 생각합니다.

하부: 앞으로 기계가 점점 똑똑해지는 것은 자명하기 때문에, 인간의 지능도 동시에 높아지지 않는다면, 사회에 도입할 때에 무언가 폐해가 나와버리는 것이 되는군요. 따라서, 인간이 보다 똑똑해지기 위해서 AI의 힘을 사용하는 것이 가능하면 매우 좋을 것이라고 생각합니다. AI를 위협으로 생각하는 사람도 많이 있지만, 그렇게 생각한다면 무서운 존재가 아니게 될지도 모릅니다.

   -- 끝 --