98% 정확한 수요 예측 넘어 '기업의 기억'까지 AI에 담는 이케아

오춘호 선임기자

입력2021.07.14 23:18 수정2021.07.15 16:18

고객 급여 시기, 축제 이벤트, 날씨 등 데이터 200개로 수요 분석
개별 매장 수요 변화 글로벌 매장에 연결, 4개월 후까지 판매 예측

이케아는 98%의 정확도를 가진 수요예측 AI를 자랑한다. 사진은 유럽의 한 이케아 창고

스웨덴 가구업체 이케아(IKEA)를 창업한 잉바르 캄프라드는 성냥을 방문판매하면서 사업 감각을 익혔습니다. 그는 이후 방문 판매보다 통신 판매가 대세인 것을 느끼고 이케아를 창업했습니다. 온갖 잡화를 취급하다 가구에 눈을 돌린 것은 1950년께였습니다. 이때 그가 먼저 만든 게 카탈로그였습니다. 통신 판매 형태의 상품 카탈로그와 가구 전시장의 결합이 그의 비즈니스 모델이었습니다. 이케아의 상품 카탈로그는 매우 강력한 마케팅 도구였습니다. 32개 언어로 인쇄된 카탈로그는 성경보다 3배 많은 2억 부가 매년 배포됐습니다. 하지만 이케아는 지난해 이런 70년 전통의 카탈로그를 과감히 버렸습니다. 물론 비용 때문은 아닙니다. 지난 20년 동안 웹 쇼핑이 늘어나면서 이케아는 카탈로그를 사용하는 사람이 줄어든 걸 발견한 겁니다. 이케아는 지금 아이콘인 카탈로그를 없앨 만큼 기업 경영의 모든 것을 바꾸고 있습니다. 그 중심에는 AI가 있습니다.

이케아 AI에서 소비자들로부터 가장 주목받는 건 증강현실(AR)앱입니다.이케아는 2018년부터 스마트폰에서 작동하는 AR 앱인 '이케아 플레이스'를 만들어 소비자들에게 가상으로 원하는 장소에 가구를 배치해 볼 수 있도록 했습니다. 가구를 배치할 공간에 카메라를 비추면, 가구 크기가 계산돼 실제 비율에 맞도록 조절되는 기능이 있습니다. 기존 가구를 스마트폰으로 스캔하면 이케아 관련 제품 목록을 확인할 수도 있습니다.
반품된 물품을 다시 판매할지 아니면 할인 판매할지 등을 구분하는 AI도 구축했습니다. 이케아는 옵토로사와 협력해 반품을 수거하고 이를 물류창고에 보관하면서 벌크닷컴 등 자체 쇼핑몰에서 판매하기도 합니다.

이케아 자랑 '카탈로그' 중단 … 디지털 기업으로 통째 변신 모색

하지만 이케아 AI팀이 가장 많이 신경을 쓰고 있는 도구는 수요 예측의 정확성을 높이는 솔루션입니다. 54개 국 450개 이케아 매장과 온라인에서 판매하는 모든 제품의 수요를 예측하는 '수요감지 AI(Demand Sensing AI)'입니다. 예측이 부정확하면 이케아 매장의 제품 수가 충분하지 않아 고객이 기다리는 시간이 길어지거나 재고가 초과할 수 있습니다. 이케아는 이를 위해 제품마다 최대 200개의 데이터 소스를 발굴합니다. 고객들이 급여를 받는 시기, 축제 이벤트, 날씨, 가족 구성 등 온갖 데이터를 모아 판매 수요와 연결짓습니다.
이케아는 과거에는 이 예측 정확성이 92%였지만, 수요감지 AI를 적용하고 난 뒤에는 예측 정확도가 98%로 올라갔다고 자랑합니다. 기존 예측 도구를 사용하면 수요 예측이 글로벌 수준에서 시작됩니다. 다음으로 지역 국가와 매장으로 세분화했습니다. 하지만 지금은 지역 고객이 먼저입니다. 한 지역의 수요가 올라가면 반드시 글로벌 단위에 영향을 미칩니다. 미세한 변화가 거대한 폭풍을 일으키는 나비효과가 있다는 것입니다. 이처럼 미세 분야에서 거시적으로 수요 예측이 가능한 건 물론 AI 덕분입니다.
소위 ‘초기 조건의 민감성’을 포착할 만큼 세세한 대목까지 AI는 변수로 활용할 수 있게 됐습니다. 새 AI는 일일 기준 최대 4개월까지 수요 예측이 가능하다고 합니다. 빠르게 변화하는 고객 행동을 고려하면 이 같은 정확한 예측은 이케아 매장이 적절한 시간에 관련 정보를 받는다는 걸 의미합니다. 직원들이 굳이 물류 공급망에 관여할 필요성이 줄어들고 오류도 감소합니다. 회사는 그만큼 비용을 절감하고 물류를 최적화할 수 있습니다.

암묵적 지식·일시 정보 체계화 …'기업기억'AI 구축

AI의 다음 단계는 수요에 따른 공급 조절만이 아니라 신제품 기획도 예측하고 경영에도 도움을 받는 일입니다. 이케아는 당장 기업이 직면한 문제와 해결방법을 기록하는 '기업 기억(Corporate Memory)'을 체계화시키는 일에 집중하고 있습니다. 이케아는 기업들이 항상 문제를 해결하는 과정에 있지만, 문제를 해결하면 그 과정이 기록으로 남아 있지 않을 때가 많다고 말합니다. 기업 기억은 회사 직원들의 암묵적 지식과 일시적인 기업정보, 그리고 문서로 만들어진 공식 기업 자료로 나뉩니다. 암묵적 지식은 직원들의 기억 속에 있으며 일시적 기업정보는 텍스트나 댓글에 있는 메시지로 남겨집니다. 기업 문제를 해결할 때의 암묵적 지식과 일시적 정보는 기록되지 않고 사라지는 게 많습니다.
이케아는 문제를 발견한 뒤 해결하는 과정을 담은 기업 기억을 자동화하고 체계화하는 일에 관심을 둡니다. 이런 것이 쌓이면 AI로 의사결정이 가능하다는 것입니다. 기업 메모리를 위한 청사진을 구축하는 방법이 완성되면 조직 문화에 큰 변화를 가져올 것으로 이케아는 기대하고 있습니다. 오춘호 연구위원

관련 뉴스

1

철학교수의 AI 이야기<2> 미래인공지능과 인간의 관계, 어떻게 설계되어야 하는가?

1. 인공지능과 인간 미래의 문명은 인공지능이 없으면 오지 않는다. 이 전망은 이 시대의 가장 확실한 통념으로 자리잡고 있다. 이런 시대 상황에서 최고 성능의 인공지능을 개발하기 위한 과학기술자들의 매진은 진정 찬사를 받을 만하다. 인공지능은 2차세계 대전 이후 개발이 본격화되었고 또 오늘에 이르기까지 몇번의 좌절을 겪었다. 초기 규칙기반 기호처리 패러다임을 따라 발전하던 인공지능은 70년대 들어 한계에 봉착했다. 그러나 두뇌의 작동원리에 착안한 신경망 패러다임으로 전환한 이후 과학기술자들의 지난한 노력으로 최근 놀라운 학습능력을 보여주는 경이로운 성능의 인공지능 GPT3를 성취하였다. 하지만 이 성능 증강에 매진하는 눈물겨운 노력에서 정말 물어져야 할 근본적인 질문들이 묻혀버리는 경우가 있다. 그것은 어쩌면 가장 중요한 질문, 즉 인공지능과 인간이 어떤 관계를 맺어야 하는가에 관한 것이다. 이 질문은 사실 인공지능은 인간과 구별되는가 또 구별된다면 어떻게 구별되는가 등의 문제를 내포한다. 그리고 나아가 최근 관심이 되고 있는 자율자동차의 경우는 자율자동차가 사고를 일으켰을 때 그 책임을 누구에게 물어야 하는가 하는 문제와도 연관된다. 만일 자율자동차가 진정 자율적이라면, 인간과 같은 도덕적 책임의 주체가 되어야 하기 때문이다. 이 문제는 골치 아픈 철학적 논의를 요구하지만 AI를 연구하는 사람이라면 반드시 짚고 넘어가야 할 문제이다. 2. 튜링의 화두 인간과 인공지능은 어떤 관계를 가져야하는가? 이 문제를 촉발시킨 사람은 컴퓨터의 아버지라고 일컬어지는 알랭튜링이다. 튜링은 기계도 생각할 수 있다는 것을 입증하는 실험을 고안하였다. 그런데 이 실험으로부터 인간의 인간성을 구성하는 핵심이 생각이라면, 생각하는 기계와 인간의 관계는 인간과 인간의 관계와 동일해야 한다는 결론이 도출된다. 그런데 대체 튜링테스트는 무엇인가? 튜링테스트는 인공지능에 관심이 있는 사람들은 잘 알고 있을 테지만, 그 핵심내용을 다시 한번 상기해보자.튜링 테스트는 다음과 같이 실행된다, 불투명한 막을 가운데에 두고 한쪽에는 인간과 생각하는 기계(AI)를, 다른 한쪽에는 피험자를 앉힌다. 이 피험자는 반대편의 인간과 생각하는 기계를 볼 수 없는데, 각각과 대화를 통해 둘 중 누가 인간이고 누가 기계인지 구분해야 하는 테스트를 받는다. 테스트 결과 피험자가 누가 인간이고 누가 기계인지 구별해내지 못한다면 기계가 인간과 같은 지능을 구현해낸 것이다. 사실 오늘날 일론 머스크가 주도하는 오픈 AI가 지난해 개발한 GPT3와 같은 거대AI는 튜링테스트를 통과한 듯 보인다. GPT3는 시와 논문으로 보이는 단어와 문장을 조합해내는 능력을 발휘하고 있기 때문이다. 이제 우리는 AI가 인간들이 시로 간주하는 글자들을 조합해낸다는 점에서 인간과 같은 창의적 AI가 탄생했다고 해야 할 것인가?물론 철학계에서는 튜링테스트를 둘러싸고 존 설이란 철학자의 중국어방 논증 등 많은 논란이 벌어지고 있다. 그런데 이 논란은 철학자 사유가 아니라 엄청나게 복잡한 논리의 함정에 빠진 지적 혼란에 다름아니다. 이 혼란은 튜링테스트를 다음과 같은 방식으로 다시 보면 간단하게 종식시킬 수 있다.예를 들어 반려견을 피험자로 하는 튜링테스트를 설계하여 실험해보자. 즉 동물 개와 로봇 개를 놓고 함께 지내도록 해보자. 이때 동물 개가 로봇 개를 실재의 개로 인식하는 행동을 보인다면? 튜링테스트의 논리를 따른다면 실재의 개가 로봇 개를 실재 개와 구별하지 못했기 때문에 로봇 개는 실재 개와 같은 동물성을 구현한 것이라고 주장해야 할 것이다. 그러나 이 얼마나 어처구니 없는 주장인가. 실재의 개가 로봇 개를 살아있는 개와 구별하지 못하는 행동을 보이는 경우, 우리는 로봇 개를 진짜 개와 동일시한 그 개가 지능이 낮아 오인한 것이라고 판정한다. 인간에게 튜링테스트를 적용했을 때도 마찬가지이다. 앞서 개에게 적용한 튜링테스트에서 개가 로봇 개와 진짜 개를 구별하지 못한 것이 오인에 불과한 것처럼, 인간이 AI와 인간을 구별하지 못했다고 해서 AI가 생각이라는 인간의 능력을 구현하고 있는 것은 아니다. 그것은 단지 오인일 뿐이다. 철학적으로 표현하면, 튜링테스트는 AI와 인간을 같은 것으로 착각하는 인지적 오인으로부터 AI와 인간의 존재를 동일시하는 존재론적 결론을 추론하는 오류이다. 3. AI: 물체? 기계? 동물? 인간? 하지만 오늘날 인간을 통해 AI를 이해하거나 반대로 AI를 통해 인간을 이해하고자 하는 어지러운 상황이 벌어지고 있다. 인간과 AI 그리고 이 둘이 물체나 기계, 동물과 어떻게 구분되지는 명확히 하는 존재론적 연구가 필요하다. 그래야만 이들 사이에 어떤 관계가 맺어져야 하는지 알 수 있다. 그렇지 않으면 모든 것을 하나로 동일화하는 오류에 빠질 수 있다. 가령 인간을 기계와 구별하지 못하면, 인간을 기계로 취급하거나 기계를 인간으로 의인화할 수 있다.모든 것을 물리적, 물질적으로 설명하는 물리주의가 요즘의 대세이다. 즉 모든 것의 존재방식은 물리적, 물질적으로 설명이 가능하다는 것이다. 그런데 과연 그럴까? 예를 들어 바위 위에 도마뱀이 앉아있는 경우를 보자. 제3의 관찰자의 입장에 보면, 바위나 도마뱀은 똑 같은 공간적 위치에 존재한다. 그러나 물체인 바위는 스스로 운동해서 그 자리에 있게 된 것이 아니라 중력과 같은 외부의 원인에 의해 그곳에 있게 된 것이다. 이것을 타성운동이라 한다. 반면에 생명체인 도마뱀은 스스로 바위 위에 올라가 자리 잡았다. (예를 들면 ‘살아남기 위해서 햇빛에 따뜻해진 바위를 찾아갔다.’) 즉 생존 충동에 따라 행동했다. 바위와 도마뱀이라는 두 존재자는 동일한 이 위치에 존재하지만 그 위치에 존재하는 근거와 원리가 완전히 다른 것이다.기계와 물체 그리고 생명체를 구별하는 것도 중요하다. 데카르트 같은 철학자조차 동물을 기계와 동일시했고 또 그의 제자인 라메트리는 심지어 인간을 기계와 동일시했기 때문이다. 그러나 기계는 물체와 달리 어떠한 목적을 가지고 설계되었으며, 설계에 따라 배치된 부품들이 체계적으로 작동한다. 물체는 외부원인에 의해 ‘운동’하고 동물은 생존충동에 따라 ‘행동’하며 기계는 설계된대로 ‘작동’ 한다. 그리고 물체는 ‘공간’에서 운동하고, 동물은 ‘환경’에서 생존하지만, 기계는 ‘공장’에서만 작동한다. 기계는 공간이나 환경에 있으면 그저 고철덩어리라는 물체에 지나지 않는다.이제 AI에 대해 생각해보자. AI는 초기에는 기계의 원리를 지능적으로 구현해내는 것으로 이해되었으나, 최근에는 생명체인 인간의 지능의 원리를 응용하고 있다고 한다. 여기에 숨어있는 기본 전제는 다음과 같다: 인간은 동물에 속하고, 딥러닝 같은 AI는 인간의 두뇌를 모방한 것이므로 사실상 AI의 존재방식은 동물의 그것과 같다. 과연 그럴까?첨단 AI는 기계이지만, 그 자체의 지능을 구현하였다는 점에서 타의에 의해 작동되는 기계와는 다르다. 그렇다면 AI는 동물, 혹은 인간과 같은 방식으로 존재하는가? AI는 두뇌를 모방하였으나 이는 생명의 지능적 두뇌 활동과 분명히 구별된다. 인간을 비롯한 동물의 두뇌는 뉴런의 전기적 신호를 통해 생화학적으로 작용한다. 반면 AI는 인간의 뉴런을 모델링했으나 수리적인 함수를 통해 작동한다. 딥러닝은 두뇌의 기본적인 구조만 모델링했을 뿐 사실 실질적인 정보 처리는 계산적이고 수리적인 방식으로 이루어진다. 딥러닝은 사물들을 분류하거나 어떤 추세를 파악하여 미래를 예측한다. 그리고 이러한 작업을 할 때에는AI는 선형회귀 함수 혹은 시그모드 함수 등을 통해 작동하도록 프로그램화되어 있다. 그러나 인간의 두뇌나 동물의 뇌는 그러한 고도의 수리적 처리방식이 생물학적 능력으로 내재되어 있지 않다. 따라서 인간을 포함한 생명체와 AI가 하는 기본적인 활동의 원리는 동일화될 수 없다.그렇다면 마지막으로 인간과 동물의 구분은 가능할까? 물론 진화론의 관점에서는 인간과 동물의 행동 원리가 같다고 볼 수 있다. 그러나 인간과 동물은 그 존재를 존속해가는 방식에 있어 분명히 다르다. 동물의 존속은 곧 ‘생존’이다. 동물의 생존은 잘 질서지어진 생존충동에 의해 최적화된 환경에서 이루어지며, 이때 동물에게 생존 외의 가치는 중요하지 않다.동물은 자신이 처한 환경 속에서 생존충동에 따라 죽기 전까지 삶을 연장한다. 반면 인간은 자신이 추구하는 의미를 위해 살아가고, 그 의미를 실현하기 위한 터를 찾으며 미래를 향해 행위한다. 즉 인간은 단순히 생존하거나 작동하는 존재가 아니라 삶에 대해 고민하면서 미래를 지향하는 존재이다. 우리(인간)는 각자가 원하는 바와 삶의 의미가 분명하다면 힘든 일이 닥쳐도 견뎌내는 힘을 발휘한다. 그러나 삶의 의미가 불분명하다면 아무리 풍요롭고 좋은 생존 조건에 있어도 무기력한 모습을 보이거나 극단적인 선택을 하기도 한다. 이는 생존하기에 좋은 조건만 있으면 그 조건에 최적화된 충동적 행동으로 생존하는 동물과 비교되는 인간의 독특한 존재방식이다. 인간에게 생존은 필수적이지만 생존이 인간을 살게 하는 최우선의 방식은 아니다. 때로는 생존의 위험을 감수하고 안온을 포기하며 자신이 추구하는 삶의 의미나 가치를 향해 살아간다. 그렇기에 인간은 생존에 최적화된 환경이 아닌 자신이 선택한 풍경 속에서 서식이 아닌 처신하는 방식으로 살아가며, 자신이 놓인 조건에 스스로 택한 태도를 취하며 삶의 의미를 만들어간다.이제까지 한 이야기를 정리해보자. 물체는 중력과 같은 외부 압력이나 질량 분포에 의해 운동하거나 정지하기 때문에 공간에 존재한다. 기계는 목적에 맞게 설계된 부품들이 체계적 작동하며 공장에서만 기계로 존재한다. AI는 무한에 가까운 반복 함수 연산에 따른 예측, 분류, 군집 및 시뮬레이션 작업을 하며 따라서 N차원 좌표계에 존재한다. 동물은 생존하기 위해 생존 충동에 따른 행동을 하며 주어진 수명까지 환경에 서식한다. 이에 반해 인간은 실존한다. 실존이란 의미를 추구하며 미래를 향해 살아가는 존재방식이다. 4. 미래 인간과 AI의 관계는 어떻게 설계되어야 하는가? 인간은 삶의 의미를 탐구하며 미래를 향해 실존하는 존재이다. 따라서 인간의 삶을 살아가기 위한 필수적 행위인 일(work)도 생존 충동에 의한 행동이 아니라 의미를 추구하는 실존 활동이다. 인간은 항상 미래를 향해서 삶을 살아가며 일은 이렇게 미래를 향해 사는 인간 삶을 실질적으로 실현시키는 활동이다. 그리고 인간은 일을 통해 삶의 의미와 지혜를 터득하고 체득한다. 따라서 일은 의미가 충만한 삶, 즉 well-being의 조건이 된다. 일은 인간 삶이 의미와 가치를 가지는 필수 조건이다. 그렇기 때문에 인간에게 일은 결코 포기될 수 없는 인권에 속한다. 이렇게 인간이 일을 하면서 사는 이유와 목적 그리고 방식은 기계의 작동, 동물의 본능적 생존 행동, AI의 여러가지 함수 모델링을 통한 파라미터의 최적화과정과는 다른 것이다.현재 AI는 지능 증강을 목적으로 인간의 노동을 효율성 측면에서 능가하는 완전자동화를 향해 급속히 발전하고 있다. 완전자동화는 공장을 무인화하는 혁신이다. 하지만 미래 AI와 인간이 바람직한 관계를 가지기 위해서는 무인화보다는 실존하는 인간 활동으로서 일하는 인간을 배려하고, 인간들 사이의 소통과 이익 조정 등 사회적 관계를 융화 시키는 데 집중해야 할 것이다. 그런데 일은 삶의 의미를 터득해가는 인간의 실존활동이지만, 일과 인간이 잘못 관계를 맺어버리면 노역이 된다. 이 대표적인 사례가 과거의 노예들의 일이다. 따라서 인간과 일이 올바른 관계를 맺고, 조화를 이루도록 조력자 역할을 하는 것이 AI가 수행하는 기능이 되어야 한다. 즉, 인간의 일을 완전히 대체하는 로봇보다는, 인간의 일이 너무 과도하여 ‘노역’이 되는 상황을 방지하기 위해 조력자의 역할을 하는 협력 로봇, 즉 ‘Cobot’이 개발되어야 할 것이다.나아가 로봇 혹은 AI는 인간과 인간의 관계를 대체해서는 안 될 것이다. AI는 실존하는 인간들이 서로 소통하고, 배려하며, 사회적 관계를 맺을 여지를 여는 방식으로 개발되어야 한다. 그렇지 않을 경우 인간이 배려, 존중 등의 윤리적 덕목을 몸소 터득하여, 실천할 기회를 박탈당하게 된다. 올해 초 사회적 물의를 일으킨 ‘이루다’ 사태가 좋은 교훈이다. 이루다 사태는 AI가 인간 간의 관계를 대체하려고 할 때, 어떤 변태적인 사회적 관계가 출현할 수 있는지에 대한 사전 경고 였다. 이러한 교훈을 현명하게 반영할 수 있는 AI는 과연 어떤 패러다임을 따라야 할까? 딥러닝일까 아니면 새로운 AI의 패러다임이 개발되어야 할까? 이에 대한 한국AI 연구자들의 과감한 시도를 기대해 본다.
2

AI입은 로봇, 우리에겐 어떤 모습으로 다가올까

로봇이라는 단어는 100년전(1921년) 체코 극작가 카렐 차펙(Karel Capek)이 쓴 희곡에서 강제노동을 ‘로보타(Robota)’로 지칭하면서 사용하게 되었다. 하지만 이와 비슷한 인조인간에 대한 개념은 그보다 훨씬 이전부터 있었는데, 그리스 신화에는 ‘탈로스(Talos)’, 중세 시대에는 ‘골렘(Golem)’이라는 이름으로 존재했다. 이처럼 인류역사와 함께 오랜 기간 동안 로봇의 개념이 공존 했지만 현재까지도 우리 일상에서 쉽게 접하지 못하는 이유는 무엇일까? 바로 다양한 기계장치에 ‘지능’을 부여하는 것은 매우 어려운 일이기 때문이다. 하지만 최근 AI기술이 급격히 발전함에 따라서 로봇에 지능이 부여되고 이를 활용한 상품과 서비스가 속속 개발되고 있다. [꿀벌과 개미처럼 다중로봇이 합심해서 일해]2018년 평창동계올림픽 개막식 하늘에는 1,218개 드론들이 오륜기와 마스코트 ‘수호랑’을 자유자재로 수놓으며 많은 이의 감탄을 자아 냈다. 여러 대의 로봇을 한꺼번에 제어하는 기술인 군집지능(Swarm Intelligence)이 있기에 가능한 모습들 이었다. 군집지능은 ‘Swarm’이라는 단어에서 알 수 있듯이 곤충 같이 집단 상호작용에 기반한 인공지능 기술이다. 군집로봇(Swarm Robotics)분야 권위자인 ‘제임스 맥러킨(James Mclurkin)’ 박사는 흔히 로봇이 3D(Dangerous, Dirty, Dull)와 관련된 일을 한다고 알려졌지만 네 번째 D가 있다고 주장한다. 바로 ‘Distribution(분배)’을 의미하며 로봇 단독으로 할 수 없었던 일들이 다수의 로봇에 분배되고, 로봇들은 하나의 목적으로 서로 협력해 임무를 수행한다는 것이다. 영국의 온라인 식품유통업체 ‘오카도’의 물류현장은 군집지능을 활용한 좋은 사례이다. 오카도의 경우 AI를 통해 소비자의 다양한 기호와 구매 성향을 분석해 상품을 구성하고 수요량을 예측해 적시에 조달하는 물류시스템(OSP, Ocado Smart Platform)을 갖추고 있다. 이때 핵심이 되는 부분은 물류센터에 컨베이어벨트를 설치하는 대신 1초에 4m씩 움직이는 수천 대의 물류로봇을 활용한 것이다. 로봇들은 사람이 하면 2시간이 소요되는 작업들을 5분에 50건씩 처리 해 낸다. 이러한 시스템을 통해 시간당 주문처리 건수가 기존보다 45% 높아졌고, 95%의 주문을 하루 안에 배송해 고객 만족도를 높였다. 물류현장뿐 아니라 병원, 식당, 호텔 등 우리 일상에서도 다양한 로봇들이 협력해 서비스 할 수 있는데 이때 군집지능 기술이 더욱 중요해 질 것으로 생각된다. 향후 각종 센서가 고도화 되고 무선통신 기술이 접목됨에 따라서 군집로봇을 통한 서비스도 보편화 될 것으로 전망된다. [사람과 공존하며 일은 효율적으로, 생활은 편리하게]영화 ‘아이언맨’ 에서 주인공 토니스타크는 만능 슈트를 직접 개발해 착용하고 위험에 빠진 지구를 구해낸다. 이런 엄청난 발명품을 개발하는데 투입된 인력은 오로지 토니스타크 혼자였다. 다만 AI비서 자비스는 토니스타크의 아이디어를 함께 고민해주고 집안 곳곳에 설치된 로봇 팔들이 납땜을 하거나 스스로 나사질을 하며 아이언맨 슈트를 완성해 간다. 멀게만 느껴졌던 영화 속 미래 모습이 ‘협동로봇(Cobot)’이라는 개념으로 산업현장에 활용되기 시작했다. 지금까지 산업현장의 로봇들은 위험하고 조심해야 될 기계장치로 분류되어 안전펜스가 처진 구역 내에서 작업자와 철저히 분리된 상태에서만 구동되었다. 즉 로봇은 고정된 위치에서 사전에 입력된 동작을 반복하는 것에 그쳤고 안전상 이유로 사람이 없는 공간에서 제한적으로 사용되었다. 하지만 AI기술이 도입되면서 사람과 동일 공간에서 다양한 서비스를 제공 할 수 있게 되었다. 각종센서가 로봇의 눈을 대신하고 작업환경을 3차원 이미지로 학습해 최적동선을 스스로 계산함에 따라 사람이 일일이 작업방식을 설정하지 않아도 로봇 스스로가 작업을 설계하는 것이 가능하게 된 것이다. 폭스바겐의 경우 370여종 이상 엔진을 7,000개씩 찍어내는 세계 최대 엔진 공장에(Salzgitter 공장) 협동로봇을 도입했고, 그 결과 생산효율성은 높이면서 작업자의 부담은 크게 줄일 수 있었다. 공장의 프로젝트 매니저 쥐르겐 해프너(Jurgen Hafner)는 “협동로봇을 사용해 로봇과 작업자가 직접 협력하게 되었고 이는 제조공장에서 최고의 조력자를 얻게 된 셈이다”라고 말하며 향후 조립공정에서 협동로봇의 활용도가 높아져갈 것으로 내다보았다. 최근에는 산업현장뿐 아니라 우리 일상에서도 협동로봇을 응용한 다양한 서비스 로봇이 등장하고 있다. 커피 타는 로봇, 요리 하는 로봇, 치킨 튀기는 로봇 등이 이미 실생활에서 만나 볼 수 있는 서비스 로봇들이다. 최근에 열린 ‘2020 물품조립 AI/로봇 챌린지’에서는 로봇이 이케아 가구의 조립설명서를 인식해 조립 계획을 세우고 직접 가구를 완성하는 경쟁을 펼치기도 하였다. 이제는 손재주가 없는 사람들도 손쉽게 조립가구를 사서 집안을 꾸밀 수 있는 날이 머지 않은 것으로 보인다. [사람의 감정에 공감하는 로봇으로 외로움을 달래]정신 심리학자 로버트 플러칙(Robert Plutchik)은 인간의 감정을 분노, 공포, 기쁨, 슬픔, 신뢰, 혐오, 기대, 놀람 등 8가지로 분류했다. 인간은 상호 감정을 공유하며 보다 원활한 의사소통을 하기도 하고 상대방 감정에 공감함으로써 더 깊은 유대를 쌓아가기도 한다. 그렇다면 기계장치도 인간의 감정을 인지하고 보다 친근하게 다가 올 수 있을까? 이 질문에 대한 힌트를 AI스피커에서 얻을 수 있다. AI스피커는 기초적인 수준이지만 사람의 기분에 따라 음악을 추천하기도 하고, 기쁠 때는 응원을, 슬플 때는 위로의 말을 전하기도 한다. 2017년 시장 연구기관 ‘캡제미니(Capgemini)’는 5,041명을 대상으로 AI스피커 사용 이유에 대한 연구를 했고, 응답자의 32%가 ‘진짜 사람이 말하는 것과 같은 느낌’ 때문에 AI스피커를 사용한다고 답했다. 이런 인간-기계간 교감을 증진시키기 위해 ‘감성컴퓨팅’이라는 시스템이 연구되고 있는데 1995년 MIT미디어 랩의 ‘로잘린드 피카드(Rosalind Picard)’ 교수가 발표한 감성기술 연구가 시초가 되었다. 가트너(Gartner)에 따르면 AI기술이 급격히 발전함에 따라 감성컴퓨팅 분야의 진보도 빠르게 이루어 질것으로 전망했다. 1인 가구의 증대와 고령화 사회로의 전환은 감성컴퓨팅이 활용될 여지를 더욱 높이고 있다. 특히 애완동물을 키울 수 없는 가구에서 반려로봇을 통해 안정적 생활, 심리 불안 해소, 소통관계 형성 등을 도모할 수 있게 되었다. 블룸버그(Bloomberg)는 글로벌 반려로봇 시장은 매년 30% 성장해 2035년 40억 달러까지 성장할 것으로 예측하기도 했다. 또한 노인 정서지원 측면에서 로봇의 효과성이 다수 입증되기도 했는데, 미국 텍사스 대학의 연구에서는 치매환자를 ‘파로’로봇과 함께 생활하게 한 결과 약물 치료의 필요성을 1/3 감소시킬 수 있다고 밝히기도 했다. 정서적 안정과 정신 건강의 중요성이 커지고 있는 지금, 인간과 교감이 가능한 로봇의 활약이 점점 기대되고 있다. 5억년 전 캄브리아기에서 현존하는 대부분의 생물종이 등장했고 이 시기를 ‘캄브리아기 대폭발’이라 한다. 美 국방고등연구계획국(DARPA)의 로봇 프로젝트 담당자였던 길 프랫(Gill Pratt)은 딥러닝 및 클라우드 기술이 트리거가 되어 ‘로봇 캄브리아기 대폭발’이 임박했음을 밝혔다. 로봇이 경험한 것을 학습(딥러닝)하고 서로 학습된 내용을 공유(클라우드) 하는 것이 현실화 되기 때문이다. 마치 캄브리아기에 산소/해수칼륨 농도가 증가하고 생물간 상호작용이 촉진됨에 따라 지구 생태계에 큰 변혁을 가져온 것과 같은 이치이다. 이런 변혁의 한가운데에서는 로봇을 활용한 새로운 가치들이 창출되고 이에 따른 산업 생태계 역시 빠르게 변화될 것이다. 이미 ABB, 쿠카, 파낙 등 산업용 로봇 제조사가 주도했던 하드웨어 중심의 로봇 산업은 구글, 아마존, 애플 등과 같은 소프트웨어 기업이 인공지능 기술을 바탕으로 한 변화를 꾀하고 있다. 따라서 로봇 캄브리아기에 로봇사업의 운명은 AI의 활용가치에 대한 명확한 이해와 이를 소비자 니즈에 맞게 디자인하는 것이 무엇보다 중요할 것으로 판단된다. 우리 기업들도 AI기술의 개발과 상품화 과정에서 실생활에 어떤 가치를 창출 할 수 있을지 면밀히 고민함으로써 5억년 후에도 살아남을 로봇 캄브리아기 종을 탄생시키길 기대해 본다.
3

"초지능은 많은 시간 지나서 구현할 수 있을 것"

오랜만에 인공지능의 선구자 중 한 명인 미국 버클리 대학의 스튜어트 러셀 교수의 신간이 번역되어 나왔다. 원제는 ‘Human Compatible’로 2019년 8월에 출간된 것을 김영사에서 2021년 6월에 번역서를 내놓았다.스튜어트 러셀은 전 세계 1500개 학교에서 인공지능 교재로 사용하는 ‘인공지능: 현대적 접근 방법’을 피터 노빅과 같이 쓴 교수이며, BAIR라는 ‘버클리 인공지능 연구소’와 ‘인지와 뇌과학 연구소’의 주요 멤버이다. 그는 또한 확률적 모델과 강화학습 외에도 지능의 기반이나 인공지능의 미래에 대한 여러 연구를 수행하는 최고 전문가 중 한 명이다.그는 이 책에서 현재 인공지능 기술이 빠르게 발전했지만 아직 해결해야 할 많은 문제가 있음을 제시하고 있으며 개념적 돌파구로 언어와 상식, 개념과 이론의 누적 학습, 행동 발견하기, 정신 활동 관리하기 등 좀 더 도전적인 영역을 어떻게 개척할 것인가를 설명하고 있다. 초지능의 출현에 대해서 말을 아끼지만 많은 시간이 지나서 구현할 수 있을 것이라는 태도를 취하고 있다. 특히 일반 인공지능을 구현하고 이를 현명하게 통제해 인간 지능을 강화할 수 있다면 우리가 접하고 있는 가난, 질병, 사회 문제를 해결할 수 있어 인류에게 큰 이익이 될 것이라고 얘기한다.그러나 그냥 긍정적인 입장이 아니라 인간 사회에서 발생할 수 있는 오용의 문제, 인간을 능가하는 경우에 겪을 수 있는 실존의 문제(고릴라 문제), 불완전한 문제와 가치 정렬 실패(미다스 왕 문제), 도구적 목표와 인간 선호 간의 충돌 등 그가 여러 에세이에서 거론했던 문제를 이 책에서 다시 정리해서 설명하고 있다.현재 표준 모델로 볼 수 있는 인공지능에 목적 함수를 정하고 이 목적을 위한 수많은 데이터를 통해 학습을 시키는 방식에서 우리의 가치와 정렬하지 못한 목적이 사용되는 경우에서 현재 많은 문제가 발생하고 있다는 것이 그의 진단이다.이 문제에 대한 그의 제안은 인공지능이 정해진 목적이 아닌 우리의 목적을 지속적으로 찾아내고 이를 통해 인공지능의 인센티브를 전환하게 만들자는 것이다. 이는 그가 지난 몇 년 동안 논문과 에세이를 통해 주장한 ‘역 강화학습(IRL)’ 방식을 의미한다.특히 많은 사람이 존재하는 사회에서 인간이 갖는 선호를 어떻게 조율할 것인가 하는 문제에서 그는 공리주의 원칙을 강하게 주장한다. 특히 인공지능 연구자가 인간의 선호를 설정하는 일은 결코 있으면 안 된다고 말하면서, 우리가 흔히 얘기하는 단순한 공리주의가 아닌 좀 더 균형적이고 합리적인 방향을 위해 많은 철학자, 사회학자, 경제학자의 논의를 소개한다. 심지어 어벤저스의 타노스나 매트릭스까지 등장시키면서.마지막으로 러셀 교수도 심층학습의 한계를 지적하는데, ‘더욱 크고 더욱 깊은 망과 더욱 많은 데이터 집합과 더욱 큰 기계를 만든다고 해서 인간 수준의 AI가 나오지 않는다는 것이다’라면서 ‘더욱 고등한 사고와 상징 추론’이 필수적이라는 딥마인의 하사비스 견해를 소개한다. 이를 설명 기반 학습과 인지과학의 덩이짓기(chunking)이라는 유형의 학습이 필요하다는 것을 제시하면서 마무리 짓는다.물론 그가 공학자이기 때문에 때로는 인간 사고나 다수의 의사 결정, 사회 문제에 대한 접근이 때로는 매우 단순하게 보이기도 한다. 그러나 이 책을 통해 인공지능 연구자들이 어떤 문제를 생각해야 하며, 앞으로 풀어야 할 문제가 매우 어려운 문제임을 깨우칠 수 있다.MIT의 물리학자이면서 유익한 인공지능 주창자 중 하나인 맥스 테그마크 교수(라이프 3.0의 저자)는 그가 인공지능의 진정한 개척자 중 한 명이며, 이 책이 ‘더욱 강력해진 인공 지능의 위험을 매혹적이고 설득력 있는 방식으로 설명할 뿐만 아니라 구체적이고 유망한 솔루션을 제안한다’면서 반드시 읽어야 할 책으로 적극 추천한다는 리뷰를 아마존에 올리기도 했다.※책과얽힘국내에서 보기 드문 과학기술 전문 큐레이팅 책방이다.서울 강남구청역 인근에 있다. 기술과 정책 전문가들이 수시로 모이는 사회적 공간, 커뮤니티 역할도 하고 있다. 모든 책은 공학박사인 주인장(한상기)이 엄선해 판매한다. 페이스북에서 책과얽힘을 검색해도 만날 수 있다.