구글이 꿈꾸는 인공지능

구글은 2012년부터 머신러닝을 활용한 대규모 브레인 시뮬레이션 관련 논문을 내놓기 시작했다. 2015년에는 오픈소스 텐서플로를 발표했다. 구글은 구글포토와 지메일, 번역, 구글 어시스턴트 등 인공지능과 머신러닝을 구글 서비스 거의 모든 곳에 적용하고 있다. 인공지능을 활용한 서비스, 플랫폼으로 세계 시장을 선두하고 있는 구글이 인공지능을 통해 이루고 싶은 목표는 뭘까.

구글 브레인팀을 이끌고 있는 제프 딘 구글 시니어 펠로우는 “구글이 인공지능을 통해 추구하는 것은 구글 제품의 유용성을 높이는 것, 기업과 개발자의 혁신을 돕는 것, 그리고 의료와 환경, 에너지 등 인류가 직면한 문제를 해결하는 것”이라고 답했다.

◇서비스 유용성↑ =프라비어 굽타 구글 어시스턴트 팀 엔지니어 총괄은 머신러닝을 접목한 구글 어시스턴트를 예로 들었다. 구글 어시스턴트는 구글과 자연스러운 대화를 통해 일정을 관리하고 일상에서 다양한 업무를 처리할 수 있는 대화형 환경이다. 머신러닝을 통해 텍스트에 대한 이해 능력을 끌어올리고 여기에 정교한 음성인식을 결합했다. 이를 통해 사용자가 필요한 정보만 골라 제공한다. 또 메일에 적힌 내용으로 수신자 행동 패턴을 예측하고 음성, 문자, 터치를 통해 사용자와 상호작용한다.

이삭 레이놀즈 구글 픽셀 카메라 담당 프로덕트 매니저는 인공지능과 머신러닝, 카메라의 결합을 예로 들었다. 픽셀폰이 인물사진 모드를 제공할 수 있게 된 점이 대표적이다. 인물사진에서 중요한 건 당연히 인물, 뒷배경은 블러 처리가 되어야 인물이 또렷이 드러난다. 때문에 인물사진을 촬영할 때는 큰 카메라 렌즈를 사용했다. 큰 렌즈는 빛을 완벽하게 포커싱할 수 있기 때문이다. 픽셀카메라는 렌즈대신 머신러닝을 활용한다. 학습을 통해 배경과 인물을 골라내고 인물에만 초점을 맞춘다. 이삭 레이놀즈 프로덕트 매니저는 사람과 복장, 장신구, 배경 등 100만여개 이미지를 활용해 세그먼트를 나누고 정교화된 맵을 구축했다고 설명했다.

◇ 개발자와 연구자의 도구로 활용=구글은 텐서플로와 머신러닝 API, 텐서 프로세싱 유닛 3가지 도구를 제공하고 있다. 인공지능과 머신러닝을 통해 개발자 혁신을 돕는다는 취지에서다. 텐서플로는 확장성과 컴퓨팅 파워로 개발자가 활용하기 좋은 머신러닝 시스템으로 평가받고 있다. 일본 큐피코퍼레이션도 식품 품질 관리에 텐서플로를 활용하고 있다. 식품 제조 과정에서 결함이 있는 재료를 걸러낸다. 다케시 오기노 큐피코퍼레이션 담당자는 “인공지능이 거의 완벽한 정확도로 문제가 있는 재료를 골라낸다”고 전했다.

◇난제 해결에 활용=인공지능과 머신러닝은 의학과 에너지, 환경보호 등 인류가 직면한 여러 문제를 해결하는데 활용된다. 릴리 팽 구글 리서치 의학 영상팀 프로덕트 매니저는 당뇨성 안과 질환에 활용되는 머신러닝을 소개했다.

당뇨병성 망막증은 안구 뒷면을 카메라로 촬영하고 의사가 출혈이나 흔적을 통해 변성 여부를 진단한다. 사람이 일일이 확인해야 한다는 점도 있지만 육안으로 확인되지 않는 경우도 있어 환자 중 45%는 진단을 받기 전 실명하기도 한다. 많은 안과 의시가 이런 문제에 공감하고 있었고 구글 검색팀과 함께 힘을 모았다. 딥뉴로 네트워크를 통해 이미지를 학습하는 머신러닝을 도입한 것이다. 알고리즘은 의사와 동등한 수준의 정확도로 망막 변성을 찾아내고 있다. 릴리 팽 프로덕트 매니저는 안과 의사가 부족한 지역에서 실명을 예방하는데 도움이 될 것으로 기대했다. 나아가 학습결과를 공유하고 학습 이미지를 확보하면서 진단을 고도화하는데까지 나아갈 것이라고 전했다.

빅터 안톤은 환경보전에 활용되는 머신러닝을 예로 들었다. 빅터 안톤은 뉴질랜드 멸종 위기 조류를 추적하는데 구글 텐서플로를 활용했다. 5만 시간 분량의 녹음을 수집하고 이를 스펙트로그램으로 변환한 후 새소리를 찾아내는 방식이었다. 머신러닝을 통해 새소리를 쉽고 빠르게 파악할 수 있었다는 설명이다.

◇구글의 도전과 과제는?=구글은 인공지능·머신러닝을 통해 제품 유용성을 높이고 개발자 활용할 수 있는 다양한 툴을 오픈소스로 제공하고 있다. 사용자뿐 아니라 개발자가 모두의 편의를 도모한다. 나아가 기존 방식으로 해결 할 수 없었던 난제를 해결하고 있다. 목표를 향해 잘 나아가고 있다고 하지만 그 과정에서 이뤄내야 할 과제도 있다. 제프 딘이 밝히는 구글의 과제는 ‘인공지능의 혜택을 모두가 누릴 수 있도록 하는 것’이다.

머신러닝에 대한 접근성을 확보하는 것이 첫 번째다. 구글은 사내에서 진행하던 머신러닝 모델 교육을 대학, 외부, 온라인에 개방했다. 머신러닝 모델 구축 과정을 자동화하는 연구는 물론 실제 머신러닝 모델을 수행하는 방법도 함께 제시할 예정이다.

두 번째 과제는 모두에게 도움이 되는 머신러닝 모델을 구축하는 것이다. 데이터는 현실세상을 반영한다. 그렇기에 데이터를 가공할 때 편견이나 선입견이 개입될 수 있다. 예를 들어 남성이라는 키워드에는 남성적 이미지에 부합되는 단어나 데이터가 매칭되는 것이다. 구글은 이 과정에서 차별을 제거하고 위해 사람과 AI에 대한 연구 이니셔티브 페어를 구성했다. 구글 연구자가 한데모여 사람과 인공지능 시스템이 상호작용하는 방식을 연구하고 공정한 인공지능을 실현하기 위해서다.

구글은 지나데이비스 연구소와 파트너쉽을 맺고 머신러닝을 활용, 영화 속 성 편견을 감지하는 도구인 지나데이비스 포용 지수를 구축하기도 했다. 실제 지나데이비스 포용지수를 2014~2015년 최고 수익을 낸 영화에 적용한 결과 강력한 여성 주인공을 등장시키는 영화들이 16% 높은 수익을 거뒀다는 분석이었다. 알고리즘에서 단순히 차별적 요소를 제거하는 것에서 나아가 알고리즘을 통해 차별을 제거할 수 있다는 가능성을 제시한 예다. 제프 딘은 “구글의 인공지능 미션과도 연결하면서 인공지능 접근성을 높이겠다”고 덧붙였다.

이번 행사는 28일 #MadeWithAI를 주제로 일본 도쿄에서 열린 구글 아태지역 기자단담회를 우리나라와 중국, 대만 등 동아시아 지역에도 생중계한 것이다. 이 날 행사에는 구글 최고 연구원과 프로덕트 리드들은 발표를 통해 구글 제품에서부터 헬스케어, 환경, 사회적 문제에 이르기까지 다양한 분야에서 활용되는 인공지능에 대해 소개했다.