‘삼성 AI 포럼 2019’ 기술 한계 극복을 위해 글로벌 전문가 한 자리에

삼성전자는 AI 기술의 무한한 가능성에 주목하고, 이를 통해 더 나은 미래를 실현하고자 다양한 시도를 하고 있다. 이 같은 노력의 일환으로 지난 4일과 5일 서초사옥 다목적홀과 서울 R&D 캠퍼스에서 ‘삼성 AI 포럼 2019’가 진행됐다. 올해로 3회차를 맞은 ‘삼성 AI 포럼’은 AI 기술 발전의 초석이 될 최신 연구성과를 공유하고 기술 혁신 방안을 함께 고민하는 자리. 특히 올해는 세계적인 석학이 대거 참여해 현재 AI 기술이 가진 한계를 극복하기 위한 다양한 방안을 제시했다.

AI 구루들이 말하는 큰 흐름과 앞으로의 방향은…

▲ (왼쪽부터) 요수아 벤지오 교수, 조경현 교수, 노아 스미스 교수, 압히나브 굽타 교수

최근 AI 기술은 특정 알고리즘에 따라 주어진 데이터를 단순히 연산하는 것에 그치지 않고, 인간처럼 사고하고 행동하는 수준에 더욱 가까워지고 있다. 컴퓨팅 파워가 향상되고 이를 활용할 수 있는 딥러닝(Deep Learning) 기술이 발전하면서, AI가 스스로 데이터를 학습∙분석해 상황과 맥락에 가장 적합한 해답을 알아서 도출하는 방향으로 발전해 나갈 것. 딥러닝에 필요한 빅데이터가 확보된 것 역시 이런 흐름을 가속하고 있다.

그럼에도 포럼에 앞서 미리 만나본 주요 연사들은 여전히 기술적으로 해결해야 할 과제가 많이 남아 있다고 입을 모았다. 미국 뉴욕대학교 조경현 교수는 “현존하는 기술로 가상의 AI 에이전트를 만들면 이제 막 주변 사물을 보고 인식하거나 말소리를 듣고 짤막한 말을 할 수 있게 된 어린아이나 다름없을 것”이라며 “우리는 진정한 지능형 기계를 만들기 위한 작은 첫걸음을 겨우 뗐다”고 평가했다.

미국 워싱턴대학교 노아 스미스(Noah Smith) 교수 역시 “AI 기술은 더 방대해진 데이터와 더 정교하게 구성된 ‘신경망’을 이용해 많은 발전을 이뤄왔다”면서도 “이러한 접근방식에는 해결할 과제가 아직 남아 있다”고 지적했다. 그는 AI 기술 발전이 다음 단계로 넘어가기 위한 주요 과제로 △알고리즘 효율화 △시스템 구축 비용 절감 △데이터 학습방식 개선 등을 꼽았다.

연사들은 미래 AI 기술이 나아갈 방향성에 대해선 △무선 네트워크 제어 △AI 자율성 증대 △화학, 생물학 연구 분야 등 적용 분야 확대 △인간과 인공지능 간 시너지 창출 등을 제시했다. 미국 카네기 멜론 대학교(CMU) 압히나브 굽타(Abhinav Gupta) 교수는 “최근 몇 해 동안 AI 분야에서 이뤄진 발전의 대부분은 방대한 데이터를 기반으로 사람이 감독할 수 있는 특정 업무를 다루는 데에만 집중됐다”며 “많은 데이터를 필요로 하지 않으면서 사람이 감독하지 않더라도 일반적인 목적성을 가진 스마트하고 지능적인 AI를 개발하는 것이 AI 분야에서 이뤄야 할 다음 단계”라고 말했다.

AI 기술 혁신 이끌어온 ‘딥러닝’, 그 너머를 향해

첫날 포럼은 ‘無限探求(무한탐구, 혁신을 향한 한계 없는 연구)’를 기치로 삼성전자 첨단 기술의 인큐베이터 역할을 맡고 있는 삼성전자 종합기술원 주최로 진행됐다. 이날 포럼에선 AI 기술 혁신을 위한 다양한 딥러닝 연구 방법에 대한 석학들의 열띤 강연이 펼쳐졌다.

강연에 앞서 환영사에 나선 삼성전자 대표이사 김기남 부회장은 “AI 기술은 이미 사회 전반에 광범위한 영향을 미치고 있다”며, “오늘 세계적인 연구자들과 함께 AI 기술의 미래 발전 방향을 제시하고 세상을 이롭게 할 수 있는 전략을 고민하는 자리로 만들자”고 말했다.

첫 번째로 기조 강연에 나선 캐나다 몬트리올대학교의 요수아 벤지오(Yoshua Bengio) 교수는 AI 분야 세계 3대 석학으로 꼽히는 이 분야 최고 권위자. ‘딥러닝에 의한 조합적 세계 이해 (Towards Compositional Understanding of the World by Deep Learning)’를 주제로 강연에 나선 벤지오 교수는 “현시점의 딥러닝 시스템은 원하는 수준의 학습 성과를 이끌어내기 위해선 인간이 데이터를 레이블링(labeling)하는 과정이 필수적”이라며 “앞으로의 딥러닝 방법론은 AI가 스스로 주변 환경을 학습할 수 있도록 하는 방향으로 발전해야 할 것”이라고 말했다.

이어 연단에 오른 미국 UC 버클리의 트레버 대럴(Trevor Darrell) 교수는 ‘자율주행 시스템에 적용된 딥러닝’을 주제로 강연을 펼쳤다. 대럴 교수는 현 자율주행 시스템에 적용된 딥러닝 기술의 한계를 지적하고, 이를 극복하기 위한 새로운 딥러닝 접근법을 소개해 주목받았다.

그는 “현 자율주행 시스템은 수백만 개의 변수가 발생하는 주행 상황에서 훈련된 상황에서만 제대로 작동한다는 한계가 뚜렷하다”며 “이를 극복하기 위해 저비용 센서와 온라인 미디어를 활용한 시각적 분석법에 기반한 새로운 딥러닝 접근 방법인 ‘적대적 적응 학습’ 방식이 시도되고 있다”고 설명했다. 즉, 사전에 예측하지 못한 변수가 발생했을 때에도 이를 원활히 분석하도록 하려면 적응 학습을 통해 학습 효율을 높이고 스스로 세계를 학습할 수 있도록 해야 한다는 것.

미국 뉴욕대학교의 조경현 교수도 강연자로 나서 이목을 끌었다. 그는 “다양한 언어 관련 AI 기술의 핵심인 신경망 시퀀스 모델들의 성공은 다음 차례에 올 짧은 단위 정보를 예측하는 방식을 학습시킴으로써 시퀀스를 모델링하는 소위 ‘단조로운 자동 회귀 패러다임’에 상당 부분 의지해 왔다”면서도 “앞으로는 이러한 방식보다 더욱 효과적인 방식이 등장할 것”이라고 말했다.

그는 이날 강연에서 향후 시퀀스 모델링 분야에서 사용될 수 있는 대안으로 △병렬 디코딩(parallel decoding) △귀납적 집합 예측(recursive set prediction) △삽입 기반 문장 생성(insertion-based generation) 등 세 가지 기술을 제안했다.

▲ (왼쪽부터) 사이먼 라코스테 줄리앙 교수, 지아 뎅 교수, 요슈아 벤지오 교수, 재키 층 교수, 사냐 피들러 교수, 조경현 교수

이어진 주제 발표 패널 토론 시간에는 효율적인 딥러닝 모델 구축을 위한 다양한 데이터 셋(Data Set) 구성 방법이 제시됐다. 먼저 캐나다 토론토대학교의 사냐 피들러(Sanja Fidler) 교수가 이미지 데이터를 보다 정교하게 레이블링하기 위해 개발된 새로운 도구를 선보였고, 캐나다 맥길대학교의 재키 층(Jackie Cheung) 교수는 자동 텍스트 요약 분야에서 뉴스 텍스트 기반 시스템을 대체할 수 있는 새로운 대안을 제시했다.

미국 프린스턴대학교의 지아 뎅(Jia Deng) 교수는 AI가 데이터를 보다 효과적으로 인식할 수 있게 하기 위한 신개념 인지 시스템 구축 방법을 공유했고, 몬트리올대학교 사이먼 라코스테 줄리앙(Simon Lacoste-Julien) 교수는 생성적 적대 신경망(GAN)^[1] 학습 효율 최적화를 위한 새로운 이론적 관점을 제시했다.

인간 지능 수준의 AI 개발, 기술적 해법은?

삼성리서치 주최로 진행된 둘째 날 포럼에서는 현 AI 기술의 한계점에 대한 다양한 기술적인 대안이 제시됐다. 또한, AI 기술이 적용되는 각 분야별 전문가들이 연단에 올라 해당 분야에서 현재 진행되고 있는 연구를 소개하고 이를 더욱 발전시킬 수 있는 방안을 함께 모색했다.

삼성전자 IM부문장 고동진 사장은 본격적인 강연에 앞서 연단에 올라 “5G와 AI, IoT 기술로 본격화된 초연결 시대에는 사용자 경험을 혁신하는 기업이 글로벌 비즈니스의 승자가 될 것”이라며 “삼성전자가 5G, AI 혁신의 선두에서 미래를 주도해 나갈 것”이라고 강조했다.

둘째 날 첫 기조 강연에선 미국 워싱턴대학교 노아 스미스(Noah Smith) 교수가 연단에 올랐다. 인간 언어의 자동 분석을 위한 데이터 중심 알고리즘 설계 분야에서 최고 권위자로 인정 받고 있는 스미스 교수는 이날 딥러닝 기반 모델들의 학습효율을 높일 수 있는 새로운 언어처리 모델인 합리적인 순환신경망(Rational RNN)을 소개했다. 그는 “현재 딥러닝 기반 모델들은 실제 언어적인 이해에 기반하고 있지는 않아 실제 동작의 이유를 설명하기 어렵다”며 “합리적인 순환신경망은 언어적인 이해가 가능할 뿐만 아니라 기존 순환적 신경망보다 적은 매개변수를 사용하고 학습 속도도 빠르다”고 설명했다.

두 번째 기조 강연에 나선 미국 카네기 멜론 대학교(CMU) 압히나브 굽타(Abhinav Gupta) 교수는 기존 지도학습(Supervised Learning)^[2]의 한계를 넘어선 대규모(Large-scale) 자가 학습 방법인 ‘시각 및 로봇 학습(Vision and Robot Learning)’을 제안했다. 또한, 미래 AI 에이전트에 이를 적용하는 방법론도 공유했다.

굽타 교수가 제안한 자가 학습 방법은 로봇에 탑재된 AI가 시각(Vision)을 통해 물리적인 세계를 모델링하고 물리적인 공간과 사물을 이해하도록 하는 머신러닝 방법론이다. 그는 “현재의 AI 시스템이 인간 수준의 지능을 가진 AI 시스템으로 발전하려면 AI가 지식을 습득하기 위해 능동적으로 실제 세계와 상호작용할 수 있어야 한다”고 설명했다.

초청 강연 세션에서는 AI를 일상 속 다양한 분야로 확산시키기 위한 구체적인 방법론이 다뤄졌다. 스코틀랜드 에든버러 대학 바이샥 벨(Vaishak Belle) 교수는 “AI가 데이터를 학습한 결과, 즉 통계에 기반한 추론만으로는 현실을 정확하게 인지할 수 없고 변수가 개입하면 개발자의 의도와는 전혀 다른 결론이 도출될 수 있다”며 “우리 일상에서 AI 연구 결과를 적용할 때는 AI 기술 발전 수준을 고려해 활용될 수 있는 영역을 명확히 제한해야 한다”고 강조했다.

AI를 우리 일상에 보다 정교하게 적용하기 위한 방법론으로는 머신러닝 기술에 대한 기호논리학적 접근을 통해 인간 지식과 데이터 기반 학습을 통합하는 방안을 제안했다. 또한, 윤리적인 AI 기술 개발의 필요성을 강조하면서 △AI 비전문가도 해석 가능한 머신러닝 방법론 연구 △공정한 의사결정을 위한 알고리즘 내 편차 설명 △AI 시스템에 윤리적 원칙 적용 등 투명하고 책임감 있는 AI 연구를 위한 방향성도 제시했다.

이어 연단에 오른 미국 뉴욕대학교 조안 브루나(Joan Bruna) 교수는 딥러닝 모델 중 GNN(Graph Neural Network)에 대한 다양한 연구 성과를 소개했다. 브루나 교수는 “그래프는 실제 세계의 복잡한 사용자, 기기, 지식과 이들의 상호작용을 통합적으로 표현해 분석할 수 있는 방법으로 각광받고 있다”며 “이러한 그래프의 표현과 관계를 학습하고 추론하는 GNN은 인간 수준의 지능을 가진 AI 개발을 위한 핵심 기술”이라고 설명했다.

오후 세션은 ‘비전과 이미지(Vision & Image)’, ‘온디바이스, IoT와 소셜(On-Device, IoT & Social)’ 두 주제로 나뉘어 진행됐다. 각 분야별 최신 연구개발 트렌드를 확인할 수 있었던 이 세션에선 ‘AGI 기반 객체 인식과 상황 묘사’, ‘딥러닝 기반 영상 캡처’, ‘딥러닝 및 와이파이 기반 위치 추적’, ‘대화형 모델링’ 등 우리 실생활과 맞닿아 있는 구체적인 AI 기술과 그 적용 사례를 중심으로 다양한 발표와 토의가 이뤄졌다.

삼성전자 온 디바이스 AI 통역 기술 첫선… 포스터 세션도 ‘북적’

▲ 삼성전자 종합기술원 황성우 부사장이 ‘온 디바이스(On-Device AI) 통역 기술’을 시연하고 있다 (위 사진) 참가자들이 전시된 포스터들을 둘러보고 있다 (아래 사진)

삼성전자는 매년 AI 포럼을 통해 참가자들에게 삼성전자의 새로운 AI 기술 성과를 가장 먼저 확인할 수 있는 기회도 제공하고 있다. 2017년 기계번역, 2018년 End-to-end 음성인식 기술에 이어 올해도 ‘온 디바이스 AI(On-Device AI) 통역 기술’이 현장에서 첫선을 보였다. 이 기술은 서버를 거치지 않고 기기에 탑재된 자체 AI를 활용하는 기술로, 기존 통역 서비스에 비해 통역 속도가 빠르고 인터넷이 연결되지 않은 환경에서도 통역 기능을 활용할 수 있다는 장점이 있다.

이 밖에 AI 연구 분야 미래 석학들의 연구성과를 미리 확인하는 자리도 마련됐다. 인공지능 분야 글로벌 주요 학회에서 선정된 국내 대학·대학원의 우수 논문을 선별해 전시하는 포스터 세션이 진행된 것. 참가자들의 투표로 학술적 성취가 가장 돋보이는 포스터를 선정해 별도의 시상식도 가졌다.

삼성의 AI 기술이 추구하는 목표는 사용자 중심의 기술 생태계를 구축해 고객가치를 높이는 것. 이를 위해 끊임없는 기술 혁신을 추구하고 있다. 이번 포럼에서도 단순히 최신 연구성과를 공유하는 데 그치지 않고, 현재의 기술 난제를 극복할 수 있는 다양한 기술적인 해법을 적극적으로 찾아가겠다는 삼성전자의 의지를 다시 한번 확인할 수 있었다.