[10줄 서평] AI하라…누구나 AI가 필요한 시대

"인공지능의 거대한 파도가 몰려오고 있다."

인공지능 전문기업 마인즈랩의 최용섭 CEO, 유태준 CVO가 우리 삶에 인공지능을 어떻게 활용할 수 있는지를 풀어낸 도서 ‘AI하라’를 내놨다.

기술을 만드는 것은 전문가의 일이다. 하지만, 우리도 이제 인공지능이 무엇이고, 그것을 어떻게 활용해야 하는지 알아야 하는 시대다. 인공지능 기술이 우리 삶의 곳곳에 성큼 들어왔기 때문이다. 1인 1PC 시대를 지나 1인 1로봇 시대가 성큼 다가왔는지도 모른다. 리모컨을 사용하지 않아도 인공지능 스피커가 텔레비전을 틀어주고, 폰이나 PC에서 인터넷 검색을 하지 않아도 오늘의 날씨와 같은 궁금한 내용도 제 스스로 찾아줘 알려준다.

어디 그뿐이랴. 이 책에는 다양한 인공지능 도입 사례를 살펴볼 수 있다. 산업분야를 가리지 않는다. 인공지능의 도입 사례는 스마트 팩토리, 스마트시티, 스마트 오피스, 교육, 은행, 보험, 크리에이터, 패션, 전기차 등 다양하다. 이 책의 부제가 ‘누구나 인공지능이 필요한 시대’라는 말이 무색하지 않다.

마인즈랩은 창립 당시 8명으로 시작했다. 올해 설립 6년차이다. 인공지능으로만 연 매출 100억원을 넘기는 회사로 성장했다. 이 회사는 세계 최고의 인공지능 기술로 누구나 안전하고 즐겁게 파도를 탈 수 있는 새로운 세상을 만들겠다고 한다.

기업에서 인공지능을 도입하고 싶은데, 앞으로 어떤 방향으로, 어떤 길을 걸어야 하느냐의 갈림길에서 고민하고 있다면 저자들이 경험을 바탕으로 보여준 사례는 좋은 제안서가 될 것으로 보인다.

인공지능 전문인력의 부재보다 더 중요하게 눈여겨봐야 하는 것은 인공지능을 도입하는 과정이다. 저자들은 기존에 추진하던 디지털 트랜스포메이션의 일환으로 여기고 전통적인 IT기술 도입과 동일한 잣대로 인공지능 도입을 바라봐서는 안된다고 일침 한다.

인공지능 도입에 왕도는 없다. 저자들은 전문인력의 부재나 기술에 대한 평가보다 직접 다뤄서 익힌 다음에 본격적인 도입을 계획해보자고 제안한다.

#10줄 요약 #1장 AI하라

1. 인공지능 기술의 활용은 의료 분야에서는 큰 두각을 나타내고 있다. 중국에서는 코로나 확진자 5000명의 이미지와 진찰기록 데이터를 학습해서 20초 만에 코로나를 진단하는 질병 스크리닝 시스템이 개발됐다. 인공지능 기술은 앞으로 병원에서 사용되는 엑스레이, MR 등 각종 검진 과정에 큰 활약을 할 것으로 전망된다.

2. 기업이 인공지능을 도입하기 위해 필요한 전 과정을 AI 트랜스포메이션이라고 정의해도 무방할 것이다. 인공지능은 기존의 IT 구축 방식과 동일한 방식으로 도입하면 실패할 가능성이 매우 크다. 인공지능은 기본적으로 학습 기반이기 때문에 실제 데이터를 확보해서 학습을 하기 전까지는 결과를 완벽하게 예상하기 어려우며, 오픈 이후에도 지속적으로 고도화를 해야 한다.

3. 인공지능 전문인력의 부재보다 더 중요하게 눈여겨봐야 하는 것은 인공지능을 도입하는 과정이다. AI 트랜스포메이션의 전 과정은 인공지능 기술의 특징을 먼저 이해하고 다시 계획을 수립한 후 전통적인 IT도입 프로세스와는 다른 방식으로 실행해야 한다.

4. 자신의 회사 서비스에 꼭 필요한 인공지능만 ‘빌려서 쓰는’ 서비스, 즉 AIaaS가 기업들 사이에서 ‘인공지능을 가장 똑똑하게 도입하는 방법으로 통하고 있다. 어떻게 제공할까. 첫째 인공지능 엔진 API를 제공하는 것이다. 두 번째 방안은 AI 애플리케이션(여러 인공지능 엔진을 조합해 만든 하나의 서비스를 상품화한 것)이 있다.

5. AIaaS의 강점은 경제성, 접근성, 구현성이다. 초기 투자비용 없이 원하는 서비스를 사용할 수 있고, 클라우드 내에서 구현되기 때문에 언제 어디서나 서비스에 접근할 수 있다. 이미 사전에 개발된 인공지능 엔진이 제공되기 때문에 소프트웨어를 실행해서 언제 어디서나 인공지능 서비스에 접속할 수 있다.

6. 우리는 인공지능 황금기를 맞이했다. 이를 가능케한 가장 주요한 비결을 꼽으라면 엔드투엔드라고 말할 것이다. 이 개념은 인공신경망으로만 처음부터 끝까지 처리하는 기술을 지칭한다. 인공지능 기술의 방향이 엔드투엔드에 가까워질수록 더욱 확장성이 커지기 때문에 쉽게 인공지능을 학습시킬 수 있을 것이다. 이는 곧 더 많은 일들을 인공지능으로 처리할 수 있게 될 것이라는 이야기다.

7. 자연어처리 방식은 대체로 규칙 기반이나 사전 기반으로 만들어지는데, 언어의 모든 변칙과 예외적인 상황까지 대응하기 어려웠다. 2013년 구글이 발표한 워드투벡터는 단어 벡터들이 마치 의미를 이해한 것처럼 보였지만 기대만큼 탁월하지는 않았다. 같은 단어라도 어떤 문장의 맥락에서 사용되었느냐에 따라 그 의미가 상당히 변하게 된다.

8. BERT 기술은 자연어 처리 분야의 연구 트렌드를 BERT 전과 후로 나누게 했다고 말해도 과언이 아닐 정도로 영향을 끼쳤다. BERT 방식은 단어를 벡터로 미리 만들어 놓고 사용하지 않고 매번 문장을 입력할 때마다 인공신경망을 거쳐 각 단어의 벡터를 만들어 낸다. 같은 단어라 하더라도 주변 맥락에 따라 다른 벡터 값을 가지게 되어 의미의 차이를 반영할 수 있다.

9. 딥러닝 기반의 음성생성 기술은 원하는 사람의 목소리를 녹음해 텍스트와 음성쌍을 딥러닝 알고리즘에 학습시킨다. 이렇게 학습한 알고리즘에 문장을 넣으면 알고리즘이 학습한 사람의 목소리를 생성해 내는 방식이다. 기존에 음성합성에 사용하던 기술은 유닛셀력션 방식으로 서로 다른 맥락의 문장에서 글자들을 오려와 붙이기 때문에 일관성도 없고 어울리지 않아 보일 수도 있다.

10. 이미지, 영상처리 분야나 자연어처리 분야, 오디오 분야에서조차 엔드투엔드 방식이 대세로 떠오른 것은 불과 2~3년 사이의 일이다. 인공지능 기술이 지금과 같이 혁신적인 성과들을 만들어 낼 수 있게 된 데에는 엔드투엔드 방식의 접근이 하나의 키였다는 것, 그리고 최근 몇 년 사이 인공지능 기술의 트렌드가 확실하게 엔드투엔드 접근으로 흐르고 있다는 점이다. 확장성과 잠재력이 높을 수 있도록 인공지능 도입을 고려해야 한다.