인공짿�능기술의 현재왿� 발전 동향, 미래사회 변화, 미래 교육 방향, 직업세계의 변화

2016년 3월, 바둑계 세계 1인자인 이세돌이 딥러닝(Deep Learning)으로 무장한 인공짿�능(AI) 알파고에 1:4로 패한 사건은 전 세계를 충격으로 몰아넣었다. 우리나라에서 4차 산업혁명과 인공짿�능이 본격 화두가 된 것도 이때부터라고 할 수 있다.
인공짿�능을 구현하는 대표적 핵심 기술이 머신러닝(machine learning)이다. 딥러닝도 머신러닝의 일종이다. 머신러닝 또는 기계학습은 컴퓨터가 학습을 할 수 있도록 하는 기술을 말한다. 1959년 아서 새뮤얼(Arthur Samuel)은 머신러닝을 “컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 것”이라고 하였다.32) 인간이 직접·간접 경험을 통해 지식을 축적하는 것처럼 기계를 학습시켜 인간의 일을 대신하도록 하는 것이다.
인공짿�능은 수차례의 시행착오를 겪으면서 현재에 이르게 되었다. 1950년대에 체스를 두는 시스템이 등장하고, 1960년대 스탠퍼드대학에서 ‘샤키’라는 인공짿�능 시스템이 개발되었다. 하지만 알고리즘의 수준이 낮고 기계를 학습시킬 지식 데이터가 부족했기 때문에 더는 발전하지 못했다. 그러던 중 1990년대 후반에 컴퓨팅 기술이 발달하고, 빅데이터가 등장하면서 인공짿�능에 다시 관심이 집중되었다. 그 결과 인간이 주입한 경험지식이 아닌 기계 스스로 데이터를 통해 지식을 찾아내는 방식으로까지 진화하였다. 그리고 2006년에 이르러서는 사람이 알려주지 않은 데이터의 특징 값까지 스스로 추출해 내는 수준까지 발전하게 되었다. 소위 ‘딥러닝(Deep Learning)’이라고 부르는 학습방식이다.
현재 인공짿�능은 우리 생활 깊숙한 곳까지 들어왿� 있다. 앞으로도 인공짿�능은 자율주행자동차, 인공짿�능 비서 등 많은 분야에 응용될 것이다. 스마트공장에서 로봇의 활동을 수집한 빅데이터를 분석해 작업을 지시하는 일에도 인공짿�능 기술은 필수적이다.
인공짿�능 전문가왿� 비전문가가 참여한 한 조사에선 응답자의 50%가 향후 30년 내 인공짿�능이 인간의 지능을 넘어설 것으로 예측하기도 했다.