AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (2 부)

나는 누구입니까? 나는 무엇을 하기 위해 태어났는가? 기술 전문가 Kaifu-Lee의 눈을 통한 AI 혁명 2부에서는 이 두 가지 영원한 인간 질문에 대한 답을 계속해서 찾는 데 도움이 될 것입니다. 첫 두 물결의 실패 이후, AI는 지금까지 어떻게 계속해서 발전하고 도약해 왔는가? 오늘날 AI는 일부 예측대로 세계를 장악할 만큼 충분한 힘을 가지고 있습니까?

AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (1 부)

1부 요약: 세계 인공 지능의 처음 두 물결의 메커니즘: 사고 규칙(첫 번째 물결), 통계 모델 및 기계 학습(두 번째 물결)을 기반으로 하는 시스템

2부: AI의 세 번째 물결과 오늘날 AI의 진정한 역량을 재평가합니다.

AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (2 부)

AI의 세 번째 물결 - 하드웨어 기반 폭발

첫 번째 물결 동안 나(이 카이푸 저자)는 컴퓨터 과학자이자 심리학자인 Roger Schank를 알게 된 행운을 누렸습니다. 사실, 그의 학생 중 한 명은 석사 시절 나의 지도교수였습니다. 위의 실험을 통해 저는 전문가 시스템이 확장 가능하지 않으며 우리의 두뇌가 우리가 생각한 대로 작동하지 않을 수도 있다는 사실을 믿게 되었습니다. 의사결정 과정을 단순화하기 위해 'if, then, else'를 인간이 이해할 수 있는 언어로 사용했지만, 우리 뇌는 그보다 훨씬 더 복잡하다는 사실을 깨달았습니다.

두 번째 물결에서는 논문과 박사 과정 중에 베이지안 네트워크에 대한 Judea Pearl의 작업을 읽었습니다. 저는 Fred Jelinek 박사, Peter Brown, Bob Mercer 등 IBM의 주요 과학자들로부터 큰 영향을 받았습니다. 그들은 연설뿐만 아니라 기계 번역(20세기 80년대와 90년대)에서도 통계적 방법을 주류로 전환하는 데 큰 공헌을 했습니다. 나는 그들에게 많은 감사의 빚을 지고 있습니다. 우리는 여전히 갇혀 있지만 기술이 잘못되어서가 아닙니다. 사실, 통계적 방법은 완전히 정확합니다.

80년대 후반, 내가 Carnegie Mellon에서 은닉 마르코프 모델을 연구하는 동안 Geoff Hinton은 "시간 지연 신경망"이라고 명명한 신경망을 연구하고 있었습니다. 이는 오늘날 지배적인 기술인 딥러닝으로 널리 알려진 복잡한 신경망의 첫 번째 버전으로 여겨집니다.

그런데 왜 신경 및 통계 기계 학습의 물결이 시작되지 않았습니까? 돌이켜보면 이 물결은 기술과는 아무런 관련이 없었고, 대부분의 기술은 이미 발명되었습니다. 문제는 훈련 데이터가 충분하지 않다는 것입니다. 우리의 두뇌는 딥러닝 기계와 완전히 다른 방식으로 작동합니다. 딥 러닝 머신을 부트스트랩하려면 모든 수준에서 인간보다 더 많은 훈련 데이터를 제공해야 합니다. 인간은 사람을 인식하기 전에 수백 개의 얼굴을 볼 수 있지만 딥 러닝 신경망은 인식에 능숙해지기 위해 수십억 개의 얼굴을 보고 싶어합니다.

물론, 일단 능숙해지면 인간보다 더 나아질 것입니다. 그것은 예언되었습니다. 그러나 당시에는 이러한 발견된 기술을 최첨단으로 가져갈 만큼 훈련 데이터도 충분하지 않았고 컴퓨팅 성능도 충분하지 않았습니다. Google은 검색을 위해서는 병렬로 실행되는 많은 컴퓨터가 필요하다는 사실을 깨닫기 시작했습니다. 그러다가 Jeff Dean(Google의 AI 부문을 이끄는 컴퓨터 과학자)과 Google의 다른 사람들은 일단 병렬 머신이 있으면 검색보다 더 많은 일을 할 수 있다는 것을 알게 되었습니다. 그 위에 AI를 구축할 수 있습니다. AI를 구축하려면 이를 잘 수행하는 데 특화된 특수 칩이 필요합니다. 그런 다음 Nvidia의 GPU가 등장했고 Google은 자체 TPU를 구축했습니다. 정말 흥미로운 발전이군요. 우연히 Google이 검색을 선택하고 검색에 필요한 서버가 생겨 Jeff Dean을 확보하게 되었습니다. 이로 인해 단일 영역의 많은 데이터로부터 학습할 수 있는 대규모 병렬 GPU 또는 TPU 기반 학습 아키텍처가 탄생했습니다(GPU는 여러 작업을 동시에 처리할 수 있는 수천 개의 더 작고 고성능 코어로 구성된 프로세서입니다. 연속 순차 처리에 최적화된 몇 개의 코어만 있는 기존 CPU).

AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (2 부)

(사진: 아난드테크)

위에서 언급한 대규모 병렬 기계 학습 아키텍처를 기반으로 새로운 기술이 발전했으며 이러한 아키텍처는 새로운 GPU 및 가속기에서 실행됩니다. 점점 더 많은 사람들이 얼굴을 인식하고, 음성을 인식하고, 이미지를 인식하고, AI를 검색 및 예측에 적용하도록 장치를 훈련시킬 수 있습니다. 사용할 수 있는 인터넷 데이터가 점점 더 많아지고 있습니다. Amazon은 이 데이터를 사용하여 고객이 무엇을 사고 싶어하는지 예측했습니다. Google은 데이터를 사용하여 사용자가 클릭할 가능성이 있고 비용을 지불할 가능성이 있는 광고를 예측합니다. 마이크로소프트도 이를 사용한다. 중국에는 텐센트와 알리바바가 있습니다. 엄청난 양의 인터넷 데이터를 기반으로 수많은 애플리케이션이 탄생했습니다.

기술이 진보하는 동시에 제프 힌튼(Geoff Hinton), 얀 르쿤(Yann LeCun), 요슈아 벤지오(Yoshua Bengio)는 2000년대 초반에는 더 이상 주류가 아니었지만 신경망 분야에 계속해서 연구를 했던 세 사람이었다. 획기적인 통계에 따르면 이러한 네트워크는 확장 가능하지 않습니다. 그래서 자금 지원 기관은 그들을 포기했고 컨퍼런스에서는 이에 대한 연구를 더 이상 받아들이지 않았습니다. 하지만 이 세 명의 연구자는 더 나은 알고리즘을 개선하고 개발하기 위해 약간의 자금을 지원받아 계속해서 연구를 진행했습니다. 그리고 더 많은 데이터가 나타났습니다. 한때는 "복잡한 신경망"이라고 불렀고 오늘날에는 "딥 러닝"으로 알려진 새로운 알고리즘의 생성으로 획기적인 발전이 이루어졌습니다.

위 세 교수에게서 파생된 일련의 기술이 AI 산업에서 확산되기 시작했다. 선도적인 기업이 설계한 음성 인식 시스템은 인간의 능력을 압도하고 있으며, 얼굴 인식 및 이미지 인식 기업에서도 같은 일이 일어나고 있습니다. 전자 상거래, 사용자/화자 식별이 인터넷 데이터에 적용되고 Amazon에 대한 더 높은 예측이 적용되어 더 많은 돈을 벌 수 있다는 증거가 있습니다. 뉴스 피드 순위 지정 방식에 대한 Facebook의 더 나은 예측; Google의 검색결과가 더 좋아졌습니다. 2000년대 후반부터 심층 신경망이 Google에서 인기를 끌기 시작했고 지난 7~8년 동안 거의 모든 곳에서 폭발적으로 증가했습니다. 더 많은 구조물이 탄생했고, 더 지능적인 시스템이 개발되었습니다. 물론 세계를 불태운 사건은 알파고가 한국의 바둑 고수 이씨와 중국의 케 고수를 점점 더 큰 차이로 꺾은 것입니다. 그리고 최근에는 AlphaGo가 인간의 지식 없이도 처음부터 훈련될 수 있다는 새로운 연구 결과가 나왔습니다.

AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (2 부)

이러한 모든 혁신을 통해 현재 AI가 현실이는 사실이 세상에 알려졌습니다. 두 번째 물결에는 신경망과 통계적 방법이 정확했지만 데이터도 충분하지 않았고, 컴퓨팅 성능도 충분하지 않았으며, 이를 실현할 당시 기술 스택도 충분하지 않았습니다. 하지만 이제 우리는 해냈습니다.

AI가 인류를 지배할 수 있을까?

AI는 모든 곳에서 도약하고 있습니다. 많은 새로운 사고 학교가 등장했습니다. 우리의 원래 질문인 우리는 누구이며, 우리는 왜 존재하는가에 대해 다시 생각해보기 시작하는 사람들이 있습니다. 이들은 AI가 지난 2~3년 동안 급속히 발전했기 때문에 이를 다른 분야에 활용하면 우리 머리에 삽입되어 인간 증강이 될 수 있는 초지능 기계를 갖게 될 것이라고 추론했다. 그렇지 않으면 그들은 사악하여 인류를 지배할 것입니다.

나는 단지 이런 생각을 금지하고 싶다. 다만 그것은 정확하지 않습니다. 오늘날 AI가 아무리 발전했거나 AI가 체스 게임, 음성 인식, 얼굴 인식, 자율 주행 차량, 산업용 로봇에서 인간을 물리치는 등 놀라운 일을 하고 있다고 해도 AI는 여전히 다음과 같은 방식으로 제한될 것입니다. AI(약한 AI라고 함)는 어떤 분야를 매우 잘 수행하도록 학습하는 분야에 대한 많은 데이터를 기반으로 최적화하는 장치입니다. 수직형 단일 작업 로봇이지만 한 가지 일만 할 수 있습니다. 당신은 그에게 많은 것을 가르칠 수 없습니다. 많은 분야를 가르칠 수는 없습니다. 상식(상식, 상식, 경험, 우리 대부분이 옳거나 그르다고 동의하는 행동)을 갖도록 가르칠 수는 없습니다. 감정을 줄 수는 없습니다. 자기 인식이 없기 때문에 욕망도 없고, 인간을 사랑하고 지배하는 방법에 대한 이해조차 없습니다.

그 모든 부정적인 말은 어리석은 것입니다. 그건 너무한 상상이에요. 우리는 빠르게 성장하는 분야에서 AI가 새로운 애플리케이션에 적용되는 것을 보고 있지만, 우리가 보유한 성숙한 기술에 포함된 애플리케이션의 급속한 성장입니다. 그 성장은 모든 기술이 개발되면 끝날 것입니다. 그런 다음 AI의 추가 발전을 위한 새로운 돌파구를 기다려야 합니다. 그러나 더 이상의 진전을 예측할 수는 없습니다.

AI의 역사를 살펴보면 이런 딥러닝 혁신은 단 한 번만 일어났습니다. 1957년 이후 딱 한 번, 60년에 한 번, 우리가 돌파구를 찾은 적이 있습니다. 내년에 돌파구를 찾을 것이라고 예측할 수는 없으며 다음 달이나 그 다음날에도 마찬가지입니다. 너무 빠르네요. 응용 프로그램의 사용은 현재 진행되고 있습니다. 훌륭하지만 빠른 발명이라는 아이디어는 어리석은 개념입니다. 내 생각에는 이러한 주장을 하는 사람들과 단결이 우리 앞에 있다고 말하는 사람들은 실제 산업 상황과 완전히 동떨어진 사람들입니다.

오늘날에는 한 번에 한 가지 일에만 집중하는 AI만이 존재하며 이는 훌륭한 도구입니다. 가치 창출에 좋습니다. 그것은 많은 인간 직업과 다른 인간 직업을 대체할 것입니다. 우리가 생각해야 할 것은 거대하고 강력한 AI가 아니라, 인간과 유사하고 다양한 분야에서 생각할 수 있고 인간과 마찬가지로 공통된 인식을 갖고 있는 기계입니다. 결국 현재 진행 상황을 토대로 이를 예측할 수는 없습니다.

지금으로부터 백 년, 천 년 후에 언젠가 그런 일이 일어날 수 있을까요? 나는 무슨 일이든 일어날 수 있다고 생각합니다. 하지만 어쩌면 우리는 오늘 여기 있는 일에 에너지를 집중해야 할 수도 있습니다. 그리고 지금 여기에 있는 것은 주식 따기, 대출, 고객 지원, 텔레마케팅, 생산 라인 작업, 법률 지원 등의 작업에서 인간보다 더 잘할 수 있는 최적화된 슈퍼 머신입니다. AI는 인간보다 이런 일을 더 잘할 수 있습니다. 그들은 우리의 자유 시간을 차지하고 우리가 진정으로 좋아하는 일과 가장 잘하는 일을 할 수 있도록 해줍니다. 이것은 컴퓨터가 엄청나게 똑똑해질 것이라는 무서운 전망이 아니라 일생일대의 기회입니다.

AI 혁명은 철학의 가장 근본적인 질문에 답하는 데 어떻게 도움이 됩니까? (2 부)