손정의 소프트뱅크 회장은 대한민국이 집중해야 할 것으로 ‘첫째도 AI, 둘째도 AI, 셋째도 AI”라고 말했다고 한다. 경제, 사회, 교육 그 어느 분야를 들여다보더라도 인공지능(Artificial Intelligence, AI)에 대한 이야기가 없이는 미래의 이야기를 풀어나갈 수 없을 정도이다. 도대체 이것이 무엇이길래 다들 관심을 가지고 있는 것일까? 그렇다면 우리 치과계는 어떻게 되는 것일까? 이번 특집 연재를 통해서 인공지능, 특히 딥러닝이란 무엇인지, 그리고 치과계에서는 어떤 적용이 되고 있으며 앞으로는 어떤 변화들이 생길 것인지를 살펴보고자 한다.

“보이지 않는 상태로 대화를 나누었을 때 사람인지, 기계인지 구분할 수 없다면 기계에 지능이 있다고 할 수 있다.”

우리에게는 영화 이미테이션 게임(Imitation game)으로도 알려져 있는 앨런 튜링(1912~1954)은 2차 세계대전 당시 영국의 수학자이자 컴퓨터 과학의 선구자로서 독일 해군의 암호인 에니그마를 해독하는 기계인 튜링 봄브를 창안함으로써 전쟁 종식에 기여한 바 있다. 특히 그는 기계에 지능이 있는지 판별하기 위해서 ‘튜링 테스트’라는 인공지능 실험을 제안하였다.

 이후 1956년 다트머스 학술 회의에서 존 매커시(John McCarthy)에 의해 인공지능이라는 단어가 처음 사용되었고, 컴퓨팅 파워와 알고리즘의 발전으로 최근 4차 산업혁명과 더불어 떠오르는 핫한 키워드로 부상했다.

그림 1에서 보는 것처럼 인공지능은 자세하게 들여다 보면 몇 가지로 구분할 수 있는데 이 중 특히 기계학습(Machine learning)은 컴퓨터가 스스로 학습하여 더 나은 정확도로 주어진 업무를 수행할 수 있도록 만들어진 알고리즘을 말한다. 또한 딥러닝은 사람의 신경세포를 모방한 인공 뉴런을 여러 개의 깊은(deep) 층으로 배열한 인공신경망(neural network)을 의미한다. 요약하면 딥러닝은 기계학습에서 파생된 분야이며, 더 넓게는 AI의 한 분야라고 할 수 있다.

AI는 과연 얼마나 발전했고 우리 일상생활에서 얼마나 사용될까? 사실 의외로 인공지능의 적용 사례는 주변에서 손쉽게 찾아볼 수 있다. 고전적인 기계학습 알고리즘을 이용한 스팸 메시지/메일 필터, 광학문자인식(OCR)에서부터 최신 자연어 처리 및 딥러닝 알고리즘이 적용된 알렉사, 시리, 구글 어시스턴트와 같은 음성 비서 서비스, 구글 번역이나 파파고 번역, 고객센터에서 사람 대신 응대를 해주는 챗봇, SNS에 올린 사진 속의 얼굴을 인식하여 자동으로 이름을 태그하는 서비스, 맞춤 상품 추천 기능, 이미 시판되고 있는 자율 주행 자동차 등등 손꼽다보면 양손으로 부족함을 느끼는 독자들도 있을 만큼 다양한 분야에서 인공지능이 적용된 기술을 이미 사용하고 있다. 과거의 증기 기관이 인간의 육체적 노동을 상당 부분 대체하여 산업혁명을 이루었다면, AI 인간의 지적 노동을 대체하여 4차 혁명을 견인할 핵심 동력으로 거론되는 이유이다.
 

이러한 가능성과 확장성이 가지는 사업적인 가능성을 높이 평가하여 ‘FAMGA’ (Facebook, Apple, Microsoft, Google, Amazon 글로벌 Top 5 IT기업을 말한다.)를 비롯한 IT기업들은 AI 및 딥러닝 개발에 막대한 금액을 투자하고 있다. 단적인 예로 딥 강화 학습 알고리즘을 통해 2016년 이세돌과의 바둑 대국에서 4:1 승리한 알파고와 스스로 보행방법을 학습하는 4족 로봇을 소개한 딥마인드는 구글의 모기업 알파벳이 약 40억 달러 (우리돈 4조8000억 원)에 인수하고 매년 5억 달러를 투자하고 있는 것으로 알려져 있다. 딥 강화학습은 행동의 결과에 따라 보상 또는 페널티를 부과하여 보상을 최대화 함으로써 훈련시키는 강화학습과 딥러닝을 결합한 AI분야이다.

하지만 너무나도 눈부신 AI의 발전은 분명 두려움을 주는 부분도 있다 보니 영화에서처럼 미래에서 터미네이터를 과거로 보낸 SkyNet이나, 인류의 에너지를 착취하고 가상현실에서 살아가도록 강제하는 매트릭스와 같은 악한 의식을 가진 AI들이 등장하지 않을까 하는 우려도 제기되고 있으며 강인공지능의 개발에 대한 찬반이 나뉜다. (참고로 영화에서처럼 자의식을 가진 ‘인공의식’, 즉 의식이 있다고 볼 수는 없으나 일반적인 모든 분야에 적용가능한 ‘범용 인공지능’을 묶어 강인공지능으로, 패턴 인식, 추론, 이미지 분류 등과 같은 하나의 작업을 수행하는 인공지능을 약인공지능이라고 분류하기도 한다.) 2019년 Gartner 사에서 제시한 AI의 Hype 곡선의 경우 범용 인공지능은 아직 기술 촉발 단계이며, 개발에 많은 기간이 소요될 것으로 추측되고 있으나 분명 고민해볼 필요가 있는 문제이다.

그렇다면 AI의 가장 큰 한계점은 무엇일까? 현재 딥러닝 기반의 알고리즘은 몇몇 방면에서는 사람보다 높은 정확도를 보이지만, 그 판단 기준에 대해 알 수 없다는 ‘black box’ 또는 ‘설명 가능성’의 문제, 충분히 많은 높은 품질의 데이터셋이 필요하다는 점을 들 수 있다.

첫 번째 문제와 관련한 사례로, 상품을 추천 알고리즘을 도입한 미국의 대형 마트 ‘타깃(Target)’에서는 한 남성이 고등학생인 자신의 딸에게 아기 옷과 침대, 유아용품 할인 쿠폰을 발송한 것에 대해 항의했으나 이후 딸이 실제로 임신한 것을 뒤늦게 알게 되었다는 일화를 예로 들 수 있다. 비슷한 예로 얼굴의 외모를 통해 그 사람의 성적 취향(동성애자/이성애자)을 예측하는 인공지능(VGG Face)의 예를 들 수 있는데 남성의 경우 81%, 여성의 경우 74%의 정확도로 판별이 가능하다고 한다. 문제는 이 두 알고리즘 모두 어떤 근거로 이러한 결정을 내리게 되었는지를 알 수 없다는 한계가 있다. 두 번째, 데이터셋과 관련한 문제로는 영화 마이너리티 리포트의 범죄 예측 시스템과 비슷하게 미국 법원에서 범죄자의 사진 및 신상 정보를 토대로 잠재적인 범죄율을 예측하는 COMPAS(Correctional offender management profiling for alternative sanctions) 시스템의 예를 들 수 있다. 이 시스템은 백인보다 흑인에게 범죄 발생 위험을 높게 측정하는 경향이 있는데 이는 입력 데이터가 편향되어 있었기 때문이라는 지적이 있다.

스탠퍼드 대학의 교수이자 AI의 세계적인 권위자인 앤드류 응(Andrew Ng)은 AI 기술을 두고 우리가 superpower를 지니게 된 것과 다름없다고 표현한 바 있다. AI의 급격한 발전은 technology push 형태의 기술 혁신으로 아직 우리가 어떤 기술을 원하고 열광할지 예측하기는 어려운 상황이지만 이미 우리는 부지불식간에 이 기술을 편리하게 사용하고 있다. 따라서 앞으로 AI는 생활에 더욱 밀착되어 우리의 삶을 편안하고 새롭게 만들어 줄 것이라 의심의 여지가 없지만, 그 과정에서 많은 변화 또한 수반될 것으로 생각된다. 이러한 변화의 물결에 관심과 상상력을 갖고 능동적으로 참여하는 사람에게 이런 power를 쓸 수 있는 많은 기회가 열릴 것으로 생각한다. 부디 치과인들에게 많은 도움이 되기를 바라며 다음 연재부터는 의료 영역 적용 사례를 살펴보겠다.