인공지능

인공지능은 말 그대로 인간과 동등하거나 더 높은 지능을 인공적으로 구현해내는 것을 말한다.

크게 비신경망 AI와 신경망 AI로 나뉜다.

비신경망 AI

그냥 인간이 순수 노가다로 직접 코드를 짜서 만드는 AI이다. Prolog나 평범한 프로그래밍 언어로 만든 조건문 로직 도배는 오래 전부터 쓰였는데, 비디오게임에서 나오는 인공지능 봇도 사실 이렇게 사람이 노가다로 일일이 인공지능이 할 일을 지시해준 것이다. 베이즈 정리를 활용한 Naive Bayesian AI처럼 고등학교 확률과 통계 교과서에서 쓰는 기법을 활용한 경우도 있다. Support Vector Machine처럼 Hypercude 단위로 데이터를 분류하는 인공지능 제작 기법은 데이터 분류 측면에서 성능이 나름 잘 나오는 편이다. 그러나 XOR 문제 같은 것을 수동으로 조정하거나 사람이 실수로 만든 허점을 사람이 쉽게 분석해서 악용할 수 있고, 투입한 노동력 대비 성능이 인공신경망에 비해 잘 안나와 요즘에는 사장된 편이다.

신경망 AI

인간의 체내 신경 구조를 모방하여 데이터를 학습시켜서 만드는 AI다. 본질적으로는 선형대수학의 행렬과 벡터 개념을 응용한 연산으로 특정 종류의 데이터들은 특정 결과를 가리키도록 매칭하는 것이다. 최초의 퍼셉트론 모델을 더 발전시켜 현재 딥러닝이라 부르는 단계까지 왔다.

가령 인간의 신체적 특징을 (키, 성별, 몸무게, 머리 크기, 어깨 너비, 가슴 크기, 골반 크기, 허리 둘레, 피부색) 같이 벡터 형태로 만들어서 적절한 벡터 내적 연산과 행렬곱을 사용해 최종적으로는 몇 가지의 스칼라 값 중 하나가 나오도록 하는 작업을 진행한다. 이 스칼라 값에 '예/아니오' 나 '남자/여자' 등 인간이 이해하기 쉬운 단어 등을 매핑하면 결과 산출 끝이다. 데이터 내에서 벡터 형태로 표현하는 일종의 패턴을 찾아내서 반복적인 학습 작업을 수행하는 식으로 신경망 층(레이어, Layer)들을 변화시켜 AI 데이터 구조(모델)를 만든다. 만약 처음 학습을 시켰을 때 잘못된 결론을 내리면 역전파라는 과정을 통해 선형대수학 연산을 하는 레이어의 계수 역할을 하는 가중치를 바꾸고 다시 학습을 시킨다.

위의 비신경망 AI에 비해서는 결과가 좋지만 일상에서 쓸 수 있는 수준의 AI를 만들려면 그만큼 필요로 하는 데이터도 많고, 무엇보다 실제 사람에 비해 학습하는데 필요한 전기 소모량이 많아서 집에서 하는 간단한 기계학습 연습 따위로는 기대하는 동작 결과가 잘 나오지 않는다. 그래도 일단 엄청난 수의 하드웨어를 때려박으면 괜찮은 결과가 나오기에 대학이나 연구소 등지에서 계속 기계학습이라는 이름 하에 연구하는 중이다.

• CNN(Convolutional Neural Network): 여러 계층의 연산을 합성(Convolution)하여 결과를 도출한다. 딥러닝의 기초적인 구현이 있으며 이미지 처리에 활용된다.
• RNN(Recurrent Neural Network): 입력된 데이터가 중간에 순환하는 과정이 있는 인공신경망으로, 초기 인공신경망 연구 때 자연어 처리에 강점이 있었다.
  • Transformer: 2010년대 후반 RNN을 대체하다시피 한 인공신경망 모델로, 주목(Attention) 개념을 추가해 가중치를 선형결합 연산으로 조절하며 문장 내 중요한 키워드를 선정하는 방식으로 추론 정확도를 높인다. 이후 LLM(Large Language Model) 개념으로 발전하면서 AI 시대를 개막했다.
• GAN(Generative Aggressive Network): 두 개 이상 모델을 경쟁적으로 훈련하고 비교하는 작업으로 정확도를 높인다.

인공지능이 가져올 미래

미리미리 기계어CUDA를 예습해서 직접 AI를 조작할 수 있으면 좋겠지만 그건 폰 노이만급 괴수가 아니면 불가능하고, 보통은 C++나 Python를 위해 나온 인공지능 전용 라이브러리나 R 프로그래밍 언어, MATHLAB 등의 특수한 고수준 언어를 익혀서 조작한다. 그리고 사실, 현재 과학자들도 신경망 기반 인공지능의 기계어에 해당하는 각 가중치 값이 인공지능 모델 내 레이어(Layer)에서 정확히 어떻게 작동하고 변화하는지 모른다. 그러니까 신경망 AI의 원리에 대한 궁금증은 이들에게 맡기고 일반인은 ChatGPT로 채팅을 치면 된다.

사실상 미래에는 진짜 핵전쟁이 일어나 지구가 통째로 망하지 않는 이상 인공지능이 어떤 형태가 되든 쓰일 수 밖에 없을 것이다. 심지어 요즘은 전쟁도 인공지능으로 수행하려는 시도가 있다. 그래서 학자들은 정부가 직접 AI 산업에 뛰어드는 것에는 부정적인 입장을 보인다. 왜냐하면 무소불위의 권력에 순종하여 사람들을 탄압하고 외부로는 전쟁을 수행하는 AI가 나오면 답이 없기 때문이다. 당장 북한 같은 나라 아닌 나라에 김씨 가문에 충성하는 AI가 나온다? 그럼 북한 인민들은 끝장난다. 실제로 중화인민공화국이 이쪽 방향을 추구한다는 증거가 나오고 있어서 미국이 신경을 쓰고 중국에 대한 경제적 제재로 RTX 4090 이상의 GPU 수출을 금지했다. 하지만 미국 역시 팔란티어 테크놀로지 같은 회사에서 군대 내 AI 활용 연구가 진행되고 미 국방부가 이런 서비스를 이용하면서 내로남불 아니냐는 이야기가 나오고 있다.

미래에는 국뽕 대신 인공지능뽕이 생겨날 것이다. 인공지능이 두 유 노우 알파고라는 질문을 던져올 때가 얼마 남지 않았다.사실 지금도 이론 상으로 가능하다

인공지능 학교 선생님이 나올 수도 있다. 교육 관련 시장 상황에 민감한 사교육 업계는 벌써 조금씩 관련 서비스가 나오고 있다. 공교육의 범위까지 적용되는 것은 시간 문제라 모른다고 대답해봤자 인공지능이 압도적인 사고력을 이용해 널 말빨로 강제로 답안에 다가가도록 팰지도 모른다.

역으로 이걸 이용해 숙제를 AI에게 맡기는 행위가 문제가 되고 있다. 2025년에는 무려 연세대학교에서 인공지능 관련 과목인 자연어 처리 과목에 AI를 활용한 대규모 부정 행위가 발각되는 등 AI 관련 치팅 사례가 계속 나오고 있다. 그래서 과제물에 AI 서비스를 사용했는지 여부를 판단하는 AI 서비스도 나오는 상황이다.

그림 인공지능이 나왔으니 작가들은 필요 없다고 악플을 쓰는 악플러들이 지속적으로 출몰할 것이다. 이러한 익명의 악플러들은 남을 비웃는 것만이 목적이기 때문에 논리도 없고 유익한 정보나 휴식을 위한 힐링글을 제공하지도 않는다. 현재도 디시인사이드 특이점이 온다 갤러리 같은 곳에 가끔 이런 분탕종자들이 보인다. 이때문에 그림 커뮤니티 서비스에서는 픽시브 같은 곳처럼 AI 활용 드로잉 작품에 별도의 태그 및 분류를 달게 하는 등 사용자층 분리 조치를 취하나 언제나 그렇듯 몰래 우회해서 약관 어겨가며 올리는 문제적 사용자들로 골치를 썩인다.

이렇게 2016년 당시 큰숲백과의 전신인 오사위키에서 여기 작성되었던 장난성 내용들은 2024년 현재 이 문서의 변화처럼 부분적으로 실현되어 있으며, 엄연히 학계에서 진지하게 논의되는 주제가 되었다. '기계의 반란'이나 AI의 군사적 목적 이용, 거짓말 등의 쓰레기 정보를 인공지능이 학습하는 문제, 딥페이크 및 기술적 실업 문제는 곧 상식이 될 것이다.