인공지능이 단순해진다

인공지능을 간단하게 설명하자면, 빅데이터와 같은 방대한 양의 데이터를 어떻게 추적할 수 있을까요? 이는 특정 패턴을 파악하거나 그 패턴을 따르도록 스스로를 유도해야만 가능합니다.

개인적인 실험: 마음속에 구체적인 이미지가 있습니다. 오늘은 하얀 손잡이가 달린 빨간 캐비닛을 그려야 합니다. 어떻게 하시겠습니까?

구글 검색창에 "빨간색 캐비닛, 흰색 손잡이"라고 입력합니다.

수확량? 적당해요.

2차 시도: Google 검색에 "빨간색 캐비닛, 흰색 손잡이"를 입력합니다.

결과는 이미 더 좋지만, 훨씬 더 좋아질 수도 있습니다.

구글 검색을 사용하는 것은 프로그래밍의 첫 단계입니다. 검색어를 수집하고 이를 알고리즘과 코드로 변환하는 것이 신경망을 형성합니다.

따라서 위 그림에서 볼 수 있듯이 머신러닝은 빠르게 구현할 수 있는 것이 아닙니다. 많은 시간과 노력이 필요합니다. 이는 개발 비용의 증가를 설명하기도 합니다. 하지만 AI가 휴가를 가지거나 은퇴하거나 다른 자연스러운 부재를 경험하지 않는다는 점을 고려하면 상황은 완전히 달라집니다.

하지만 하얀 손잡이가 달린 빨간 캐비닛이 내일도 여전히 유행할까요? 당신의 라이프스타일에 여전히 어울릴까요? 취향은 변합니다. 바로 이 부분에서 딥러닝이 등장합니다. 예를 들어, 검색을 계속하면 AI는 관심 있는 다른 주제를 기반으로 검색 행동이 어떻게 변화했는지 학습하고 인식합니다. 그런 다음 AI는 1년 후 당신이 주방에 파란색 손잡이가 달린 녹색 캐비닛을 선택할 것이라고 "예측"하는 새로운 알고리즘을 독자적으로 개발합니다.

끔찍하다고요? 어떤 사람들에게는 그럴 수도 있습니다. 하지만 사실은 그렇지 않습니다. 미지에 대한 우리의 두려움이 우리를 속이고 있는 것입니다. 만약 우리가 여러 사람에게 내일 TV에서 무엇이 흥미로울지 물어보면, 매우 다양한 답변을 듣게 될 것입니다. 모든 답변이 똑같지는 않을 것입니다. 자, 어떤 제안을 받아들일지 결정하는 기준은 무엇일까요? 내용일까요, 아니면 그 사람의 매력일까요?

AI에도 마찬가지입니다. 결과는 신경망이 얼마나 약하게 또는 강하게 "프로그래밍"되었는지에 따라 달라집니다. 중요한 것은 패턴 분석이며, 이는 우리를 통제하는 것이 아니라 우리가 올바른 결정을 내리는 데 도움을 주어야 합니다. 빅데이터에서 패턴 분석을 달성하지 못하면 우리는 무자비하게 파괴될 것이기 때문입니다. 그리고 이것이야말로 진짜 끔찍한 상황입니다.