딥 러닝의 한계는 무엇일까?

알파고 이후 인공지능과 딥러닝을 보는 인류의 관점이 완전히 변했지요.

궁극적으로 AI가 사람을 이길 수 있음을 보여준 상징적 사건이니 당연한 일입니다.

 

하지만 연구자들은 실제로 딥 러닝이 생활 속에 들어오려면 조금 더 시간이 필요하다고 말합니다.

그 이유를 보면 이렇습니다.

-인공지능은 데이터를 엄청나게 많이 먹여야 딥 러닝이 작동한다. (시간과 비용의 문제)

-인간은 몇개 안되는 데이터로부터도 배울 수 있고, 극단적인 추상화와 일반화가 가능한데, 인공지능은 알고리듬 상 이를 효율적으로 따라잡을 수는 없다.

-그렇게 많은 데이터를 먹이는 과정에서 의도치 않은 편향(성차별, 인종차별 등)이나 악의적 왜곡 (인간 눈에 보이지 않는 패턴을 몰래 학습시켜 오염시킴) 등이 가능한데 이를 골라내기가 쉽지 않다.

-특히 아주 명백한 차이도 학습을 해야 알게 되는 문제가 있다. (칫솔과 야구방망이를 구별하는데만도 한참 데이터를 먹여야 함)

 

예컨대, 사람은 차를 피해 가라고 몇가지만 알려주면 훌륭히 임무를 수행하지만, AI는 수천번 "죽어봐야" 학습을 한다는 점입니다.

 

당연히도 이를 타파하기 위해 여러가지 방법으로 연구가 이뤄지고 있습니다만, 제 눈에 가장 띄는건 딥 러닝의 아버지라 불리우는 Geoffrey Hinton의 방법입니다. 신경망을 대신해 '캡슐'이라는 개념을 사용합니다. 인공지능의 해답은 진화과정에 있다고 보고, 피질을 모사하는거죠.

 

어떤 방식인지는 더 봐야겠지만, 파충류의 뇌와 신피질에 해당하는 복층 구조로 간다면 진짜 효율적인 답을 찾아낼 거란 생각이 듭니다.