이세돌 vs. 알파고

핵심 요약

• 알파고는 연산이 아니라 수많은 바둑 기사의 경험 데이터를 학습해 최선의 수를 찾는 협업형 인공지능이다.
• 이세돌 9단의 대국 상대는 사실상 다수의 고수가 협업한 팀이었다.
• 인공지능을 가르치는 방법은 규칙을 알려주는 방식과 데이터를 통해 스스로 깨닫게 하는 방식으로 나뉜다.
• 사람과 기계(IT)의 협업은 기억력이 아닌 안목의 영역에서 새로운 가치를 만들어낸다.

체스와 장기는 컴퓨터가 인간을 이겼다. 연산으로 모든 경우의 수를 빠르게 계산할 수 있게 된 결과다. 바둑은 여전히 모든 경우의 수를 연산(computing)할 수 없다. 인공지능이 필요하다. 알파고가 이룬 인공지능은 기계적으로 이뤄낸 협업 메커니즘이다.

1995년으로 기억한다. 나는 너무 궁금한 나머지 인공지능 시간에 교수님께 다음과 같이 질문을 던졌다. “슈퍼컴퓨터로 바둑 프로그램을 만들면 사람을 능가할 수 있을까요?” 그러자 ‘된다’는 답이 돌아왔다. 그러나 다음 시간에 교수님은 자신의 대답을 정정했다. 경우의 수가 19!×19!이기 때문에 연산해서 착점을 정하는 것은 불가능에 가깝다는 것이었다. 알파고 역시 연산으로만 바둑을 둘 순 없다. 착점을 계산하다가는 날이 샐 수 있기 때문이다. 그렇게 수업 시간에 교수님에게 질문을 한 지 무려 20년 만에 드디어 세계 최고 수준의 사람을 이기는 바둑 프로그램이 나왔다.

인공지능을 가르치는 두 가지 방법

하나씩 가르치거나 스스로 깨닫게 하거나. 인공지능을 가르치는 방법은 크게 두 가지로 접근할 수 있다. 여자와 남자를 구분하도록 인공지능을 가르쳐 본다. 하나는 ‘이럴 때는 이렇다’를 알려 준다. ‘콧수염이 있으면’, ‘목젖이 있으면’ 등으로 남자의 특징을 알려 준다. 여자의 특징도 알려 준다. 그런 다음에 인공지능에게 이 사람은 여자인지 남자인지를 묻는다. 인공지능은 지금까지 배운 조건을 탐색해서 답을 한다. 다른 방법은 사람을 보여 주고 남자 또는 여자라고 알려 준다. 가령 수천 명을 보여 주고 인공지능이 그 특징을 스스로 알아내도록 한다. 감기 환자에게 적용해 보자. 앞의 방법으로 한다면, 열이 38도가 넘고 콧물이 나며 오한이 있으면 감기로 판단하는 식이다. 두 번째 방법은 이미 감기라고 알고 있는 환자의 데이터를 인공지능에 입력한 후 감기라고 정의해 준다. 감기라는 특징을 인공지능이 스스로 정의하도록 하는 것이다.

협업팀에서는 선임(시니어 사원)이 후임(주니어 사원)을 가르치고, 깨달을 때까지 기다리는 인내심도 필요하다.

알파고, 수많은 고수가 협업한 결과

알파고는 최선의 방법을 찾는 협업 프로그램이다. 알파고는 기본적으로 두 번째 방법을 쓴 것이다. 결과적으로 이세돌과 바둑을 두면서 선택한 착점은 여러 사람의 경험 중 이겼던 착점이었다. 여러 고수가 가장 많이 선택한 돌을 알파고가 선택한 것이나 다름없다. 이세돌 9단은 다수의 바둑 기사가 협업한 팀과 대결한 것이다.

알파고와의 대국은 한 사람과의 승부가 아니라, 수많은 고수의 경험이 응축된 협업 시스템과의 싸움이었다.

사람들 사이에만 협업이 있는 것이 아니다. 사람과 기계/IT와의 협업도 필요하다.

사람과 기계(IT)의 협업 사례, 왓슨

기술적으로 들어가면 좀 더 복잡한 알고리즘과 방법론이 있겠지만, 협업이라는 측면에서 볼 때 이런 분석이 될 수 있다. IBM의 ‘왓슨’은 이미 의료 진단에 활용되고 있다. 사람과 비교했을 때, 진단의 정확성은 오히려 높다고 봐야 한다. 사람은 같은 데이터로도 제각각으로 진단한다. 반면에 왓슨은 같은 진단을 한다. 오진할 확률은 사람이 더 높다. 언젠가 왓슨과 사람의 진단을 환자가 선택하게 될 날도 멀지 않았다. 가천대 길병원과 부산대학교병원에 이어 2017년에 건양대학교병원도 왓슨을 활용하기 시작했다.

기억력이 아닌 안목이 만드는 진짜 고수

콜라플 곱하기 5급 열 명은 1급 한 명을 이길 수 없다. 천 명쯤 되는 1급이 협업해 다른 1급과 바둑을 둔다면 누가 이길 것이라고 예측하는가? 알파고는 수많은 1급이 협업해서 최선의 수를 찾는 프로그램이다. 알파고를 이긴 인간은 이세돌 기사 한 명뿐이고, 오직 한 번만 이겼다.

콜라플을 도와주는 온라인 도구 모든 판례와 의학 논문과 임상 사례를 알고 있는 IBM 왓슨보다 기억력이 좋은 변호사와 의사는 없다. 전문가가 필요한 것은 그들의 안목 때문이지 기억력 때문이 아니다. 자료를 잘 찾는 사람이 고수가 아니라 찾은 자료로 새로운 지식을 만들어 내는 사람이 고수가 된다. 그룹웨어는 여러 형태의 지식을 등록하고, 자유롭게 수정 및 보완해서 협업을 지원하는 지식경영 시스템으로도 활용할 수 있다.

*『콜라플 — 협업하는 인간, 강해지는 조직』(2018) 중에서*