예전에 게임블로그를 작성한 적이 있어요. 게임에 대해서 어떻게 하면 클리어할수 있고 이런것에 대해서 작성하는 블로그였지요. 물런 일부(?-사실 대다수였기에) 3류 게임에서 이러한 부분. 논리적으로 클리어하는 어떤 방법도 없도록 어떻게 속이는가? 하는것도 작성하기도 하였지만요.

그때 퍼즐 게임을 풀기 싫어서 간단하게 프로그래밍 해서 그냥 답찾게 했어요. 간단하게 만들어서 답을 자동적으로 찾게 했는데 이러한 것은 별로 어렵지 않았지요. 그 게임이 수도쿠는 아니었지만, 수도쿠로 간단하게 설명하자면...

1 2 3 5 6 7 ? ? 9  같이 가로줄이 있다면 ?에 들어가는 것은 1~9중에서 빠진 숫자 4와 8이 들어갈수 있지요. 그럼 4 8 순서로 넣어보고, 그래서 답이 안나오면 8 4 순으로 넣어보고 해서 답을 찾는 방식이에요. 간단하게 트리 알고리즘이라는 인공지능에서 아주 오래된 방식이지요.

우리가 넣어야 하는 답이 22칸이 있다면 1~9를 넣었을 수 있는 22칸이 있어서 최대 9²²번만 넣어서 확인해 보면 됩니다. 그 중 하나는 답이니까요. 물런 몇가지는 아예 답이 될수 없으니까 뺄수 있는데 위와 같이 ?로 표시된 곳에는 4와 8빼곤 못들어가죠. 그런게 불필요한 계산을 하지 않도록 줄이는 것을 인공지능에서는 가지치기라고 하며, 가지치기를 통해서 계산 수를 줄일수 있습니다. 그러니까 실제로는 9²²번 정도 시도하지는 않아요^^. 여러분이 인공지능을 시작하겠다고 책을 샀다면 책을 펴서 10페이지 이전 내용을 잠시 요약해서 알려드렸습니다.

인공지능 모르더라도 프로그래밍 일주일배우고 퍼즐 게임 답나오는 프로그램 만들어보라고 하면 이렇게 만들거에요. >_<;; 우리모두 프로그래밍 일주일만 배우면 인공지능 개발자에요. 그만큼 인공지능이라는 것이 어려운 것은 아니라는 뜻입니다. 물런 인공지능 보면 뒤로 갈수록 점점 복잡해 지긴 하지만 어떤 아이디어가 있는냐에 따라서 매우 쉽게 만들수도 있어요.

이렇게 하는 것은 인공지능이 아니다. 인공지능이라면 사람과 같이 생각해야 한다! 라고 생각하실수도 있어요. 왜냐하면 우리가 소설이나, 영화에서 보는 인공지능은 마치 인간과 같은 표정을 짓고 인간과 같이 생각하는 듯 보여지고, 실수도 하고 인간과 비슷하게 행동하잖아요.

그런데 아쉽게 인공지능과 거리가 상당히 많이 멀어져 있어요.

그런데 문과생들이 그렇게 작품을 많이 생산하고 나서 보니까, 일반인들이 인공지능이 그런것이라고 착각하는 일이 많은 것이지요.

인공지능이 인간과 같은 이유는 없어요. 때론 일부 분야에서 인간과 같다고 말하는데, 물런 그것은 뉴런의 시냅스 소포와 같은 것이지만, 그렇게 만들고 나서 보니까 이미 사회과학에서 쓰이는 의사결정나무분석과 비슷해져 버렸어요. 사회과학에서 의사결정나무분석을 가지고 인간과 같다고 말하지 않아요. 인간과 같은 것을 만들려고 했는데 만들고 보니 의사결정나무분석을 만들었는지, 아니면 처음부터 의사결정나무분석을 모방하고 인간과 같다라고 주장하는지는 저도 잘 모르겠지만, 사회과학에서 미래를 정확히 예측하는 모형으로 의사결정나무분석을 쓰지 않는것도 있지요. 즉, 미래를 예측하지만 그것이 정확하다라는 뜻은 아니에요. 즉, 인간과 같다라는 것은 이런 것일 뿐이에요.

인공지능이라는 것은 각각의 상황에 대해서 어떻게 프로그래밍 할수 있는 것내에서 문제를 풀어나가는가? 하는 것이 더 중요하지요. 그것이 인간은 기계가 하지 못할 것이라고 생각하는 것을 기계가 할수 있도록 하는 것이에요.

트리 알고리즘이 나왔을때 저 수 많은 계산을 어떻게 하드웨어가 처리할수 있을까? 하는 것이 문제였지요. 수도쿠에서 22칸이 비워져 있으면 9²²계산량을 빠른 시간에 해결할수 있는 컴퓨터가 필요하지요. 80년대 가정용 컴퓨터가 10Mhz 속도이고 트리알고리즘으로 체스 챔피언 이길때인 90년대 가정용 컴퓨터 처리속도가 100Mhz에요. 요즘 G단위를 쓰지요. 컴퓨터의 속도는 계속 발전하고 있고, 하드웨어가 발전하면 해결될 것이라고 생각했지만, 그 당시 컴퓨터로는 어림없는 이야기였어요. 그래서 계산량을 줄일수 있는 방법이 수없이 연구되었고, 그 중 하나가 빅데이터로 학습하는 인공지능인데, 이것은 정확도를 줄이면서 계산량도 줄이는 방법이에요. 하드웨어가 더 발전하면 바둑 두는데 알파고는 쓰지 않아요. 정확도를 줄이지 않고도 계산할수 있으니까요.

물런 모든 문제에 대해서 트리 알고리즘이 다 해결할수 있는 것은 아니에요. 그래서 많은 다른 방법이 나오고 많은 개발자들이 지금도 만들고 있어요.

그런데 오늘 한국에서 전력량을 줄이면서 신경의 시냅스 소포와 같은 방식의 반도체를 개발했다고 하는데, 그리 중요한 것은 아니에요. 시냅스 소포와 같든 안같든 그리 중요한 것은 아니고, 시냅스 소포와 같다라고 해도 인공지능 분야에서 큰 발전을 이룰수 있는 것은 아니에요. 빅데이터로 학습하는 인공지능은 정확도가 낮을 뿐 아니라 그와 같이 의사결정나무분석으로 모든 문제를 해결할수도 없어요. 일부 부분의 문제는 풀수 있다 할지라도 말이지요. 그냥 하드웨어의 신기술을 만들었다 정도에요. 인간과 같은 시냅스 소포라고 포장안해도 되는데, 이렇게 포장함으로써 사람들의 착각을 불러일으킬수도 있어요. 인공지능과 사람이 같은 방식을 사용하는 것이 아니라는 것을 아는 것이 더 중요하다고 생각합니다.

인공지능에서 작곡은 예전부터 시도된 방식이지요. 여러가지 방식이 있겠지만, 많이 알려진 방식이 한가지 있고, 저도 4가지 방식을 만들었어요. 그것은 모두 인간과 같은 방식으로 만들지 않아요. 예전에 다른 블로그에 기계는 감정이 없어서 작곡을 못한다라고 리플을 다신 분이 계셨는데, 인공지능은 인간의 방식과 다르기 때문에 감정따윈 필요하지 않아요. 인간이 작곡할때는 영감이나 감정이 필요하겠지만, 인공지능은 그런 것은 필요없지요. 인간과 방식과 다르니까요.

간단하게 설명하면 다음과 같아요.

악보에는 여러가지 요소들이 있는데, 계이름과 음의 길이가 음표로 표시되어 있지요. 오렌지색 레 4분음표에 박스표가 되어 있는데 저 음이 최상일까? 하는 것을 어떻게 판단할수 있을까요?

우리는 저 음이 올바른가? 혹은 올바르지 않는가? 하는 것은 그 뒤의 음들. 파란색 화살표의 음들을 듣기 전에 판단합니다. 즉 우리는 오렌지색 화살표의 음들을 듣고나서 그 음들과 레 4분음표의 어울림을 판단하는 것이지요.

즉, 앞의 음들과 레음이 어울리지 않는다면 우리는 저 레음 연주되는 부분에서 노래가 이상함을 느낄것이에요. 그러나 만약 어울린다면 우리는 레음이 이상하다고 생각하지 않겠지요.

작곡에 있어서 이와 같이 앞에서부터 차례대로 들어갈수 있는 음표를 찾아서 추적하는 방식으로 만들수 있어요. 빅데이터는 필요없어요. 학습도 필요없어요. 우리는 적합하지 않은 음만 제거하고 적합한 음만 넣어주면 되지요. 이와 같은 방식은 인간과 달라요. 하지만 이렇게 작곡은 가능하지요. 이 방식은 이전 블로그에서 몇일 만들어서 완성되지 않은 버전을 블로그에 파일 업로드를 해둔적이 있어요. 즉, 누구나 이 방식을 쓸수 있다는 것이지요. 제가 이미 만들어봤으니까요. 그리고 그때 이 방식을 블로그 포스팅도 하였지요. 이 방식을 누가 인간과 같다고 하겠어요? 인간의 방식과는 다르죠.

인공지능이라는 것이 이런거에요. 인간과 같다라는 것에 혼동하실 필요도 없고, 소설이나 영화에서 봤던 인공지능은 잊으세요. 인공지능이라는 것은 전혀 다른 것이고, 오히려 인간과 다른 방식. 즉 기계가 효율적으로 처리할수 있는 방식을 찾는 것이 더 중요합니다. 이런 것을 위해서 우리의 사생활을 포기할 이유가 없습니다. 그냥 밥먹고 내일 쓸 글을 미리 블로그에 써 봤어요^^.