인공지능 시대를 상상하려면 인공지능을 제대로 알아야 한다

인공지능이 연일 화두에 오르고 있다. 2016년 구글의 인공지능 알파고가 바둑 경기에서 이세돌을 이겨 세상을 떠들썩하게 하더니, 2022년 오픈AI의 ChatGPT가 등장해 세상을 다시 한번 놀라게 했다. 우리는 알파고의 무한한 학습 능력에 감탄한 지 얼마 지나지 않아, 이제는 ChatGPT의 무한한 창작 능력에 경이로움을 느끼고 있다.
앞으로 인공지능은 세상을 어떻게 바꿀 것인지 상상해 보았는가? 인공지능이 다 알아서 해 주니 일상은 편해질까? 아니면 인공지능이 우리의 일자리를 빼앗고 심지어 인간을 지배하는 끔찍한 세상이 오고 말까? 그런데 우리가 인공지능을 제대로 알지 못하고 하는 상상은 그저 허무맹랑한 공상과학이 될 수도 있다. 따라서 앞으로 인공지능 시대의 주역이 될 청소년들에게 인공지능은 알아도 그만 몰라도 그만인 지식이 아니라 세상을 살아가는 데 꼭 알아야 할 필수 지식이 되었다.

데이터 사이언티스트가 알려 주는 인공지능에 관한 거의 모든 것!

이 책은 청소년들이 꼭 알아야 할 인공지능에 관한 거의 모든 것을 담고 있다. 데이터 사이언티스트로 일하며 전문 지식과 현장 경험을 겸비한 저자는 인공지능이 어떤 방식으로 데이터를 학습하고 가공하는지부터 더 똑똑한 모델을 어떻게 평가하는지까지 인공지능의 원리를 친절하고 자세하게 알려 준다. 그리고 역대 가장 유명한 인공지능 모델인 ChatGPT를 비롯해 이미 모두의 일상에 스며든 추천 모델 등에 관한 심층적인 설명도 덧붙였다. 이러한 이해를 바탕으로 인공지능이 지켜야 할 윤리와 인공지능이 바꿀 미래를 함께 고민해 본다.
인공지능의 학습은 대부분 아무 의미 없는 초깃값으로 시작한다. 그래서 처음에는 의미 없는 오답을 계속 뱉어 낸다. 하지만 계속 오답이 정답에 가까워지도록 값을 조정해 주면 인공지능은 금세 채팅도 하고 책도 쓰고 그림도 그리게 된다. 청소년 여러분도 처음에는 잘 모르는 지식을 배우는 일이 두려울 수 있다. 물론 당장에는 정답에 도달하지 못하더라고 계속 시행착오를 겪다 보면 어느새 이전 오답보다는 그럴듯한 오답을 향해 나아갈 수 있다. 그런 의미에서 이 책이 ‘인공지능 이해하기’라는 목표에 좀 더 가까워지는 여정이 되길 바란다.

저자의 말
“인공지능이 휩쓸고 나면 나의 미래는 어떻게 될까?”
“인공지능에 밀려 취업도 못하고 열심히 공부한 보람도 없게 되는 건 아닐까?”

인공지능이 무엇인지 정확히 알지 못하고 다른 사람의 말만 듣다 보면, 인공지능은 한없이 두려운 존재가 된다. 인공지능이 가장 무서울 때는 인공지능을 잘 알지 못할 때다.
인공지능을 알지 못하면 다른 사람의 예측을 그대로 믿을 수밖에 없다. 처음엔 화가나 작가처럼 인간 고유의 창의성이 필요한 직업은 인공지능이 대체할 수 없다고 했다. 그렇게 믿고만 있었는데 금방 나보다 그림 잘 그리는 인공지능, 나보다 글 잘 쓰는 인공지능이 나타났다. 그러자 운동선수나 기술자처럼 직접 몸을 움직이는 직업은 인공지능이 대체하기 어렵다고 한다. 이번엔 믿을 수 있을까?
다른 사람의 예측에 휘둘리지 않으려면 인공지능을 직접 이해하고, 스스로 생각해야 한다. 하지만 청소년을 위한 인공지능 도서는 대부분 인공지능이 대체할 직업, 인공지능 윤리 등 인공지능의 겉모습만 다룬다. 인공지능을 속속들이 알고 싶어 펼친 어른을 위한 인공지능 도서는 아직 배우지도 않은 수학 기호로 가득 차 있다.
이 책은 청소년의 눈높이에 맞춰 인공지능을 소개한다. 인공지능은 어떤 데이터를 보고 학습하는지, 인공지능이 학습을 통해 어떻게 똑똑해지는지, 인공지능 중 가장 똑똑한 모델은 어떻게 가리는지, ChatGPT 말고 또 다른 인공지능 모델은 어떤 것이 있는지 등 인공지능을 누구보다 깊게 알 수 있게 된다. 깊게 알기 위해 항상 머리를 쥐어짜 내야 하는 건 아니다. 인공지능의 세상도 우리의 세상과 크게 다르지 않다. 벡터를 알아보기 위해 MBTI를, 정밀도와 재현율을 알아보기 위해 보드게임 할리갈리를, 추천 모델의 학습 원리를 알아보기 위해 스도쿠를 예시로 사용한다. MBTI, 할리갈리, 스도쿠만 알아도 인공지능을 이해할 수 있다.
인공지능을 이해하고 나면, 인공지능이 어떤 윤리적 문제를 제기하는지, 우리의 미래를 어떻게 바꿔놓을지 함께 고민할 수 있다. 뻔해 보였던 인공지능 윤리 문제도 새롭게 다가올 것이다. 한없이 무서웠던 인공지능이 바꿀 미래도, 어떤 일에 어떤 데이터로 어떻게 학습한 인공지능을 활용할 수 있을지 알고 한층 더 선명한 미래로 바뀌어 보일 것이다.

책 속에서

여러분이 시험공부를 할 때 공부할 교과서, 8시간은 거뜬히 버틸 수 있는 체력까지 준비되었다고 가정해 봅시다. 그러나 공부하는 방법을 몰라서 무작정 교과서를 한 장씩 뜯어 먹었다면 어떨까요? 전혀 머리에 남는 게 없고 시험은 망치게 될 것입니다. 여기서 교과서는 데이터, 체력은 컴퓨터 성능이라고 본다면, 공부하는 방법은 인공지능 알고리즘에 해당합니다.
- 14~15쪽

‘딥러닝(Deep Learning)’은 머신러닝의 한 종류입니다. 그러나 더 복잡한 문제의 규칙을 잘 찾아낼 수 있도록 인간의 뇌를 본떠 만든 ‘인공신경망(Artificial Neural Network)’을 이용합니다. 딥러닝은 기존 머신러닝이 처리하기 어려웠던 비정형 데이터를 잘 처리하고 학습할 수 있습니다. ChatGPT도 이 딥러닝 방식으로 학습되었습니다. 비정형 데이터가 무엇이냐고요? 데이터는 크게 정형 데이터와 비정형 데이터로 나눌 수 있습니다. 정형 데이터는 구조화된 데이터로, 학생들의 나이, 성적, 키, 객관식 문제의 정답 등이 해당합니다. 비정형 데이터는 구조화되지 않은 데이터로, 오늘의 급식 메뉴, 자기 소개서 내용, 서술형 문제의 정답 등이 해당합니다.
- 19~20쪽

여러분은 혹시 반려견을 키우고 있나요? 강아지에게 ‘앉아’를 가르치고 싶으면 어떻게 하세요? ‘앉아’라고 말했을 때 강아지가 앉는다면 간식을 주고, 앉지 않는다면 간식을 주지 않으면서 가르칩니다. 강화 학습(Reinforcement Learning)도 같은 방식으로 인공지능을 학습시킵니다. 이세돌을 이긴 알파고가 강아지와 같은 방식으로 학습했다는 사실이 신기하지 않나요?
- 42쪽

인공지능이 얼마나 잘 학습했는지 평가하려면 어떻게 해야 할까요? 바로 시험을 보면 됩니다. 여러분이 공부한 후에 시험을 보는 것과 같은 이치입니다. 그런데 문제집에서 봤던 문제와 똑같은 문제가 시험에 출제된다면, 이걸 시험이라고 볼 수 있을까요? 진짜 이해하고 그 문제를 풀이한 것이 아니라, 문제의 답을 외우기만 하면 되니 이런 문제를 맞히는 건 의미가 없습니다. 그래서 인공지능을 학습하기 위해 모은 데이터는 일반적으로 80%는 학습용, 나머지 20%는 시험용으로 나눕니다.
- 48쪽

GPT-1은 2018년, GPT-2는 2019년, GPT-3는 2020년, ChatGP T와 함께 공개된 GP T-3.5는 2022년, GP T-4는 2023년에 공개되었습니다. 버전이 높아질수록 학습에 사용한 데이터 양도, 모델 매개변수의 개수도 크게 늘었는데요. 매개변수가 많을수록 더 크고 복잡한 모델이라고 생각하면 됩니다. GPT-1은 1억 개, GPT-2는 15억 개, GPT-3는 무려 1,750억 개의 매개변수를 갖고 있습니다. 일대일 대응이 되지는 않겠지만, 인간 뇌의 뉴런이 약 1,000억 개라고 하니 이와 맞먹는 수치입니다.
- 112~113쪽

ChatGPT는 다음과 같은 과정으로 학습되었습니다. 우선 GPT를 채팅에 최적화시키기 위해 미세조정을 합니다. 랜덤하게 채팅 시작 문구를 선택하면, 사람이 직접 적절한 답변 문장을 적습니다. 이를 정답으로 보고 지도학습 방식으로 미세조정을 진행합니다. 다음으로 강화 학습에 사용할 수 있는 보상 모델을 학습합니다. 하나의 채팅 시작 문구를 주면, 여러 모델로부터 각기 다른 답변 문장을 받아냅니다. 이후 사람이 직접 여러 답변 중 가장 적절한 순서로 순위를 매깁니다. 이를 바탕으로 보상 모델을 학습해 특정 시작 문구에 가장 적절한 답변이 무엇인지, 가장 부적절한 답변이 무엇인지 가르칩니다. 마지막으로 임의로 채팅 시작 문구를 선택하면, 모델이 답변 문장을 생성하고, 보상 모델이 이 문장이 얼마나 적절한지 판단한 다음, 이에 따른 보상을 제공합니다. 이러한 강화 학습을 통해 ChatGPT는 점점 더 적절한 문장을 생성하게 됩니다.
-116쪽

여러분은 인공지능이 사람보다 공정한 판단을 내릴 수 있다고 생각하나요? 사람은 이런저런 편견에 휘둘리지만, 인공지능은 공정한 법칙에 따라 판단할 것이라고 생각하기 쉽습니다. 물론 그런 인공지능도 있을 수 있습니다. 아주 정교한 규칙 기반 모델은 규칙이 공정하다면 항상 공정한 판단을 내리게 될 것입니다. 하지만 앞서 살펴봤듯이 규칙 기반 모델은 실제로 활용하기 힘듭니다. 이 세상의 문제는 너무 복잡한데 그 복잡한 문제를 일일이 규칙으로 만드는 건 사실상 불가능하니까요. 그래서 등장한 딥러닝에는 규칙이 없습니다. 그리고 딥러닝 모델이 아는 세상은 인간이 제공하는 데이터가 전부입니다. 다양한 편견으로 얼룩진 그 데이터가 전부라는 의미입니다. 그래서 기본적으로 인공지능은 인간의 편견을 그대로 답습하게 됩니다.
-120~121쪽

인공지능은 인간을 전부 대체할 수 있을까요? 같은 직업을 가진 사람들끼리도 각각 더 잘할 수 있는 영역과 부족한 영역이 있습니다. 같은 축구 선수라도 공격수는 골키퍼보다 골 결정력이 좋고, 골키퍼는 공격수보다 펀칭을 잘하는 것처럼요. 인공지능과 인간도 그런 관계라고 생각합니다. 인공지능이 더 빠르게 잘할 수 있는 부분이 있는가 하면, 인간이 인공지능보다 뛰어난 부분도 있습니다.
-147쪽

들어가며

1장. 인공지능이 무엇인가요?
1. 인공지능은 뭘 먹고 크나요?
2. 인공지능의 성장 과정
하나를 알려주면 하나만 아는 규칙 기반 인공지능 | 스스로 규칙을 알아내는 머신러닝 | 사람의 뇌를 닮은 딥러닝

2장. 인공지능은 어떻게 똑똑해질까요?
1. 학습 데이터를 다듬어 주자, 전처리
인공지능은 숫자만 아는 바보 | MBTI로 알아보는 벡터와 행렬
[똑똑이 아이템 1] 코사인 유사도
뭐든지 숫자로 바꿀 수 있는 주문, 원핫인코딩 | 숫자도 전처리가 필요해
2. 인공지능의 공부 비법
정답을 알려 주고 학습하는 지도 학습 | 정답 없이 학습하는 비지도 학습 | 당근과 채찍으로 학습하는 강화 학습
[똑똑이 아이템 2] 미분과 경사 하강법
3. 인공지능의 시험 성적표
몇 문제 맞혔니? 정확도 | 3번으로만 찍으면 안 돼! 정밀도, 재현율, F1 | 한눈에 들어오는 성적표, 혼돈 행렬
[똑똑이 아이템 3] 정밀도와 재현율의 상충 관계
[똑똑이 아이템 4] 번역 인공지능의 성적표, BLEU
[똑똑이 아이템 5] 인공지능과 체리의 상관관계

3장. 인공지능에는 어떤 것이 있나요?
1. 언어학이 인공지능에 미친 영향
단어로 덧셈과 뺄셈하기, Word2vec
[똑똑이 아이템 6] 요점만 공부하자, 불용어
추천템으로 덧셈과 뺄셈하기, Item2vec
[똑똑이 아이템 7] 처음 보는 단어도 끄떡없는 Fasttext
2. 유튜브 알고리즘은 내 취향을 어떻게 알까?
친구의 피드를 참고하는 협업 필터링 | 행렬 더 알아보기 | 취향을 알아내는 행렬 분해
[똑똑이 아이템 8] 매개변수와 초매개변수
3. 다음 말을 예측해 봐, ChatGPT
ChatGPT의 할머니, 트랜스포머
[똑똑이 아이템 9] 함수와 행렬
[똑똑이 아이템 10] 단어와 토큰
국어를 잘해야 공부를 잘하는 이유, 사전학습과 미세조정
[똑똑이 아이템 11] 트랜스포머와 <세서미 스트리트>
ChatGPT의 엄마, GPT
[똑똑이 아이템 12] 알쏭달쏭 인공지능 용어 풀이
ChatGPT
[똑똑이 아이템 13] 인공지능도 원샷을 한다

4장. 우리가 만들어 나가야 할 인공지능 윤리
1. 인공지능 판사는 인간 판사보다 공정할까?
2. 데이터 도둑, 인공지능
3. 인간의 희생이 필요한 인공지능
4. 인공지능의 거짓말에 속는 우리
[똑똑이 아이템 14] 인공지능이 쓴 글에 숨은 워터마크
5. 인공지능이 더럽히는 지구
[똑똑이 아이템 15] 유럽 연합의 인공지능 규제 법안

5장. 인공지능이 그려 갈 미래를 알아봐요
1. 취업한 인공지능, 실직한 우리?
2. 인공지능과 함께하는 일상
3. 인공지능의 미래

맺음말
부록_인공지능 연구원이 되고 싶다면?
미주
참고 문헌