규칙을 알려주지 않고 배우게 할 수 있을까?

그때 그곳

인공지능 연구는 오랫동안 규칙을 적어주는 방식이었습니다. 고양이를 알아보게 하려면 귀가 뾰족하고 수염이 있고 하는 식으로 특징을 사람이 정의해줘야 했죠.

잘 안 됐습니다. 세상의 고양이는 너무 다양했습니다.

신경망이라는 다른 접근이 있었지만 1970년대와 1990년대에 두 번 실패했습니다. 이 분야를 겨울이라고 불렀습니다.

왜 이 질문이었나

힌턴은 그 겨울 동안에도 신경망을 붙들고 있던 소수 중 하나였습니다.

생각은 단순합니다. 특징을 사람이 정해주지 말고, 예시를 잔뜩 보여주고 스스로 찾게 하자. 틀리면 조금씩 고치기를 수백만 번 반복하면 된다.

안 됐던 이유는 세 가지였습니다. 예시가 부족했고, 계산이 느렸고, 층을 깊게 쌓으면 학습이 안 됐습니다. 2010년 무렵 앞의 둘이 풀렸습니다. 인터넷이 이미지를 쌓았고, 그래픽 칩이 계산을 맡았습니다.

알아낸 것

2012년 이미지 인식 대회에서 힌턴의 연구실 팀이 냈던 신경망이 2등과 큰 격차로 우승했습니다. 오류율이 26퍼센트에서 16퍼센트로 떨어졌습니다.

다음 해부터 참가팀 대부분이 이 방식으로 갈아탔습니다. 지금 우리가 쓰는 번역, 음성 인식, 사진 검색, 그리고 대화하는 인공지능이 전부 여기서 이어집니다.

힌턴은 2023년 구글을 떠나며 이 기술의 위험을 공개적으로 말하기 시작했습니다. 자기가 평생 밀어온 것에 대해서요. 2024년 노벨물리학상을 받습니다.

두 번의 겨울을 견딘 사람이, 봄이 오자 경고를 하고 있습니다.