2018년 The Wired의 마지막 주제는 인공지능이었다. 다들 인공지능 얘기를 다루니 이제 인공지능 자체가 약간 클리셰다. 하지만 The Wired에서는 약간 철학적인 면을 다룬점이 있어 훨씬 흥미로웠다. AI는 인간이 쉽게 받아들이는 커먼센스가 없다. 딥러닝도 아직은 패턴인식기에 가깝지 추론 기계에 가깝지는 않다. 인간의 뇌는 패턴인식기보다는 추론 기계에 가깝다. 고양이와 다른 동물을 구분하기 위해서 수백, 수천만장 이상의 이미지를 기계에게 넣고 패턴을 찾는 방식이다. 인간이 고양이를 판별하기 위해서 수백만, 수천만의 고양이를 볼 필요는 없다. 즉, 인간은 다른 방식으로 사물을 인식하고 있다는 점에서 현재의 인공지능은 한계가 있다고 보는 사람들도 있다. 예를 들면 뉴욕대의 Gary Marcus는 인공지능 분야의 사파 정도로 볼 수 있다. 처음 딥러닝이라는 개념이 나왔을 때부터, 잘못된 방향으로 인공지능이 발전한다 주장을 했다. 기본적으로 딥러닝은 인간은 주변환경을 관찰하며 지능이 개발되며 기계 역시 비슷한 방식으로 학습될 수 있다는 전제로 발전돼왔다. Gary Marcus는 인간의 뇌는 그런 식으로 작동하지 않는다고 주장한다. 인간은 딥러닝 처럼 엄청난 양의 데이터를 통해서 학습하지 않는다. 대신 인간은 추론을 한다. 트랙터를 처음 보는 사람이라도 자동차와 비슷하다는 것 정도는 모두가 안다. 유리잔을 책상 위에서 밀어 떨어뜨리면 컵이 깨진다는 것 정도는 모두가 추론할 수 있다. 인간은 과거에 배운 현상이나 지식을 통해 새로운 사건을 해석할 수 있는 능력을 가졌다. 하지만 딥러닝은 아직까지는 패턴이 바뀌면 모든 것을 새롭게 학습할 수 밖에 없다. 물론 비교적 최신 방법인 GANs 같은 테크닉을 이용하면 비교적 작은 데이터로 학습을 시킬 수 있다. 혹은 Etzioni의 연구실에서 연구하는 것처럼 ‘X면 Y다’와 같은 인과관계를 기계에게 학습시키는 방식을 추구하는 사람도 있다. 근데 이 기사를 읽다 보니 인간이라는 유전적, 생물적 기계는 생각보다 굉장히 복잡하게 작동한다는 느낌을 받았다. 예를 들면 딥러닝의 경우에는 한가지 목적을 굉장히 잘 수행하는 기계가 될 수는 있다. 하지만 여러가지 목적을 추구하는 하나의 알고리즘을 만드는 것은 매우 힘들뿐더러 여러가지를 학습을 토대로 새로운 추론을 하는 것은 더더욱 힘들다. 인간은 여러 감각을 동시다발적으로 이용을 한다. 시각, 청각, 촉각, 후각, 과거의 기억 등을 이용해서 사물을 판단하고 상황을 추론한다. 그래서 인공지능은 아직 ‘인공’에 가깝다. 제프리 힌턴 말처럼 아직은 뉴럴넷은 fuzzy pattern recognizer에 가깝지만 앞으로 수십 년 후 바라보면 엄청나게 발전할거란 생각이 든다. 반대로 얘기하면 인공지능의 발전은 아직 시작도 하지 않았다. 아직은 패턴 인식기를 발견한 정도밖에 되지 않기 때문이다. 패턴 인식기에서 추론 기계로 변화하는 시점에서 우리는 상상도 못하는 기술적 발전이 있지 않을까 생각이 든다. 그런 측면에서 추론 기계를 보며 놀라워하고 생활에서 유용하게 쓰는 지급의 모습을 50년 후 사람들이 보며 얼마나 신기해할까 싶다. "저런 저급한 기술을 놀라워 하다니!" 하면서 말이다.