인공지능

AI의 지능은 어떤 지능인가?

지능은 앎의 능력입니다. 두뇌의 지∙정∙의 기능 중 주로 지적인 기능인 지성과 이성이 중심이 되는 기능입니다. 사물을 분별하고 어떤 문제를 풀어내는 해결책의 바탕입니다. 인류는 학습과 경험을 바탕으로 지능과 기억을 키워서 만물의 영장(靈長)이 되었습니다.

선사시대 인류의 지능은 자연을 떠돌던 수렵 채취 시대를 청산하고, 농경 생활을 할 정도의 수준으로 발달해 왔습니다. 역사 시대에 접어들어서 도구를 사용하며, 과학을 창달하고, 전기를 발견하면서 기계를 발명하여, 인류의 과학 문명을 이루어 냈습니다. 

이 모든 것이 다 지능의 덕택 입니다. 제 4차 산업혁명은 드디어 인공의 지능 AI(Artificial Intelligence)를 발현해 냈습니다.

인류의 지능은 학습과 교육을 통해서 발달합니다. 배우고 익히면 지능이 늘고, 상상과 추론을 하면 새로운 자연의 원리를 활용할 길이 생깁니다. 그리고 그것들을 기억합니다. 인간의 두뇌를 활용한 인공 신경망(Artificial Neuron Network, ANN)을 기계 학습(Machine Learning)의 기반으로 삼고, Deep Learning 기법으로 AI LLM과 Transformer & Attention 모델을 출현시켜, 챗지피티나 제미나이 같은 자연어로 인류와 의사소통하는 AI Agent 모델을 만들어내고 있습니다.

AI 인공지능의 걸어온 길을 살펴 봅니다.

인간의 지능은 성장과 더불어 발달합니다. 태어나서 좀 지나면 부모를 알아보고, 배가 고프거나 불편하면 울기 시작합니다. 3~4살부터 말을 하려고 노력하고, 말을 하면서 사물을 알아보는 지능이 본격적으로 발달합니다. 교육기관을 통하여 지능을 탄탄하게 합니다.

기계는 어떻게 그 지능을 키워 나갈까요? 인간 지능이 기계 지능을 키워 줍니다.

1.   기계가 언어를 사용하다

기계가 지능을 가지려면 그 기계에게 신호를 주어야 합니다. 신호를 주는 길은 전기를 통하게 하는 것입니다. 기계는 인간의 문자를 그대로 알아볼 수가 없습니다. 디지털 신호를 만들어서 기계가 신호를 알게 합니다. 전기가 통하면 디지털 신호 Bit 1로 정하고, 끊어지면 Bit 0으로 정하였습니다.

신호를 알려주는 길이 열렸으니, 이제는 그 신호를 사용하여 기계가 인간이 시키는 일을 할 수 있는 방법을 찾아야 합니다.

2.   논리 게이트와 논리 회로를 만들다

일을 할 수 있는 길은 논리(Logic)에서 찾았습니다. 논리는 참(True)과 거짓(False)을 분별하는 인간 지능의 길입니다. 맞으면 일을 하고, 틀리면 일을 안 하는 길이 디지털(Digital) 논리회로(Logic Circuit) 입니다.

불대수(Boolean Algebra)에서 디지털 논리회로 규칙을 정합니다. 그리고 논리 게이트(Logic Gate)를 창안 하였습니다.

논리 게이트는 AND, OR, NOT, XOR 게이트가 있습니다. 그 게이트에 전기 신호를 흘려서 논리 처리를 하게 만듭니다.

AND 논리는 입력 신호가 모두 참이면 그 결과도 참으로 나타냅니다. 이런 논리는 직류 전기를 흘려서 작동 시킵니다.

예를 들어서 설명하면 이해가 쉽습니다.

어떤 회사의 판매 활동은 AND Gate를 장착하여 컴퓨터 처리(업무 전산화)를 하였습니다. 그 판매 조건은 *품목과 가격*이라고 아주 기본적인 요소만 적용합니다. 품목은 A 입력 입니다. 가격은 B 입력입니다.

그 컴퓨터에 품목 A대신에 C를 입력하면 가격 B가 입력되더라도 컴퓨터는 작용하지 않습니다. 바로 품목 A와 가격 B가 동시에 입력되어야 컴퓨터가 작동하는 것입니다. 이런 논리를 AND 논리라고 합니다, 전류를 일방향으로만 흐르는 직렬 방식으로 연결합니다. 직렬은 두 입력이 한 선으로 연결되기 때문에, 두 입력 모두가 연결되어야 전류가 흐르는 전기 연결 방식입니다.

OR 논리는 입력 A나 B 중에서 하나만 맞으면 컴퓨터가 작동 합니다. 병렬 방식으로 전류를 연결합니다. 전선을 가로&상하 선으로 연결하기에, 하나만 연결하여도 전기가 흐릅니다.

NOT 논리는 입력이 A이면 출력은 A 반대가 됩니다.

XOR 논리는 입력이 둘다 맞거나 틀리면 컴퓨터가 작동을 안하고, 서로 틀리면 작동을 하는 논리 입니다.

NOT과 XOR 논리의 전기 연결방법은 복잡하므로 생략합니다.

이런 논리 게이트를 컴퓨터가 수행하는 일의 내용에 맞게, 이리 저리 연결하여 논리 회로(Logic Circuit)를 만듭니다.

그 논리 회로의 종류는 다양합니다. 산술 계산 가산기(Adder), 데이터 입력 Encoder, 정보 연산 CPU & ALU, 정보 제어 Control Unit, 정보 저장(Memory) Flip-Flop, 동 RAM & ROM, 동 레지스터(Register), 전기 신호 발생기 카운터(Counter), 데이터 입출력 장치(In/Out Device) 등이 있습니다.  

디지털 논리 회로를 컴퓨터에 적용하면, 기계가 생각을 하여 인간이 시키는 일(Task)을 합니다. 이런 컴퓨터의 지능은 아주 기초적인 기능입니다.

이처럼 불대수 수학이나 디지털 논리 회로 규칙을 적용하는 지능을 규칙(Rule) 기반 지능 이라고 합니다. 

3.   컴퓨터에게 기계 학습을 시키다

컴퓨터에게 학습을 시켜서 지능을 키우는 길을 창안하였습니다. 바로 기계 학습(Machine Learning) 입니다. 컴퓨터는 참과 거짓을 알아 보는 디지털 논리 회로 입니다. 이런 디지털 논리회로 위에 기계 학습 모델을 만들었습니다.

논리 회로 작동 기계 학습 모델에게 *고양이 모습*을 학습 시킵니다. 수많은 모습을 빅데이터에 담아서 기계 학습 모델에게 학습을 시키면, 이 기계 학습 모델이 고양이의 다양한 모습을 보고 *고양이라고 인지* 합니다. *형상 인지 지능*이 학습된 것입니다.

이번에는 인간의 두뇌 지능을 본뜬 인공 신경망(Artificial Neuron Network)을 만들어서 기계 학습 모델을 만들었습니다. 심층 학습(Deep Learning) 모델 입니다. 딥러닝은 방대한 학습 데이터를 짧은 시간에 학습 완료하는 기능을 가집니다. 그 학습 방법은 학습용 데이터 속에서 형상을 인식하고 분별 합니다. 또는 같은 성질의 물질을 분류하기도 합니다. 또한 미래를 예측하기도 합니다. 이런 것을 통털어서 패턴(Pattern) 이라고 합니다. 

그 방법은 출력값과 정답의 오차를 계산하여 그 수치를 점점 줄여서 정답에 이르게 하는 것입니다. 입력층과 출력층 그리고 그 사이에 은닉층을 여러 개 만들어서 각 은닉층에 가중치를 줍니다. 그 결과 출력층의 답을 정답과 비교하여 오차를 계산 합니다.  이번에는 그 오차를 역으로 조금씩 줄여 나갑니다. 그런 절차를 여러 번 반복하면 정답에 가까워 집니다. 이런 딥러닝 방법을 오차 역전파(逆傳波) 기법이라고 합니다. 

또한 이런 오차역전파 기법으로 도출되는 결과값은 소프트맥스 등의 그래프를 사용합니다. 그 그래프의 경사를 따라 내려가다가 정답 수준에 이르면 결과값을 도출해 내는 것입니다. 이런 기법을 경사하강법 이라고 합니다. 

이처럼 정답의 패턴을 찾아서 기계학습 하는 지능을 패턴 인식 지능 이라고 합니다. 

이렇게 딥러닝으로 학습된 컴퓨터 모델을 인공지능(Artificial Intelligence) 이라고 합니다. 그 이름은 1956년 *다트머스 기계지능 국제회의*에서 결정되어 오늘날 AI로 불립니다. 그 당시 세계를 주름잡는 저명한 과학자들이 다 모였습니다.

4.   디지털 논리 회로의 에너지와 물 사용 문제가 대두되다

AI는 디지털 논리 회로용 기계어 Bit 0과 Bit 1을 사용하여 *한 번에 하나씩 논리 처리*를 해야 하므로, 수 많은 연산(논리 처리)이 일어나고 시간도 아주 많이 사용됩니다. 그러나 그 시간은 빛의 속도 이기에 인간이 보기에는 아주 빠른 순간입니다.

문제는 이런 연산과 그 처리 시간 때문에 *전기가 엄청나게 소요*된다는 것입니다. 전기가 많이 소모되면 고열이 발생하고, 이 고열을 식히는데 엄청난 물이 소요됩니다. 연산 만이 아니라 그 연산 결과를 저장하는 Memory 회로도 전기와 물을 많이 사용합니다.

5.   디지털 논리 회로의 소재 반도체 기술

디지털 논리 회로는 반도체 소재를 사용하여 만듭니다. 반도체는 실리콘(규소) 입니다. 해변에 널려 있는 모래가 바로 규소 입니다. 그러나 모래 속 규소는 순도가 낮아서 디지털 논리회로 소재로 바로 사용할 수가 없습니다. 그 순도를 높이기 위한 조치가 필요합니다.

석영은 실리콘(규소) 성질의 순도가 높아서 AI 용 반도체로 바로 사용됩니다. 세계에서 유일하게 미국에서만 AI용 석영이 생산 됩니다. 우리나라는 미국에게 신세를 집니다. 반도체 좀 생산한다고 젠 체해서는 안되는 이유 중 하나 입니다.

실리콘은 부도체로서 전기가 통하지 않습니다. 인(P)을 아주 소량 주입(Doping)하면 그 속에 자유 전자(Free Electron)가 생겨서 전기가 통하게 됩니다. 이런 인 Doping 반도체를 N형 반도체라고 합니다. 또한 붕소(B)를 Doping 해도 전기가 통합니다. 저런 붕소 Doping 반도체를 P형 반도체라고 합니다.

N형과 P형 반도체를 접합하여 전기 스위치 트랜지스터(Transistor)를 만듭니다. 또한 이런 Doping 반도체를 사용하여 디지털 논리 회로를 집적한 IC(Integrated Circuit)를 만듭니다.

6.   반도체 IC 기술

IC는 나노(십억 분의 1 미터) 두께 입니다. 그 얇은 두께의 반도체 내부에 특수한 광선으로 디지털 논리 회로를 그려서 전기가 흘러가게 합니다. 

그런 광선을 그리는 특수한 장비는 EUV(Extreme UltraViolet) 즉, 극자외선 노광 장비(露光裝備) 입니다. 유일하게 네델란드의 *ASML*만이 제조합니다. 1년에 7~8 대 정도 만듭니다. 삼성전자, SK Hynix, 대만의 TSMC, Intel 회사가 이런 EUV 장비로 나노 두께의 반도체 IC를 생산합니다.

7.   전기와 물 사용 문제를 해결하는 길

IC를 사용하여 CPU로 AI가 *한번에 한 비트의 연산*을 합니다. CPU는 직렬로 연결된 논리 회로를 사용하여 한 번에 하나씩만 연산을 합니다. 병렬로 연결하면 한 번에 여러 번의 연산을 할 수가 있습니다. 

NVDIA가 병렬 연산 GPU(Graph Processing Unit)로 연산의 효율을 획기적으로 올렸습니다. 젠슨 황이 10여년간 투자하여 개발해 낸 성과입니다. NVDIA의 젠슨 황은 세계 제 6등 부자 입니다.

연산만 아니라 그 결과를 저장하는 메모리(Memory)에도 일대일 저장이 아니라, 여러 비트를 저장할 수 있는 장치가 나왔습니다. 

HBM(High Bandwidth Memory)은 여러 개의 D램(Dynamic LAM) Chip을 수직으로 쌓아 올리고 구멍을 다수 뚫어서, 데이터 저장과 호출 속도를 극대화한 고대역폭 메모리 입니다. 

DLAM은 휘발성(Volatile) 연산 정보를 장기간 저장할 수 있는 메모리 입니다. DLAM은 삼성전자가 주도하고, HBM은 SK Hynix가 주도합니다.

병렬 연산과 HBM이 전기와 물 사용 문제를 다소 완화시켰습니다. 근본적인 해결책은 양자컴퓨터의 양자 연산(Quantum Processing)에 있습니다. 양자의 중첩(Superposition)과 얽힘(Entanglement)으로 연산 Process를 획기적으로 줄입니다. 디지털 연산을 사용하는 AI가 수십년에 걸쳐서 하는 *신약 발명 연산*을 양자 연산은 단지 수십 분 내에 척척 해결합니다.

양자 컴퓨터는 다음에 설명합니다.

8.   언어를 바꾸다

인간 지능은 디지털 비트 대신에 자연어를 그대로 사용하는 LLM 모델(대형언어모델)을 개발하였습니다. 자연어는 한국어, 영어 등 인간이 사용하는 말입니다. 

*자연어 문장 속에서 어떤 단어(Token)의 가장 가까운 관계를 확률로 계산 하는* 학습방법으로 문장의 맥락(Context)의 확률적 모델을 학습합니다. 질문을 하면 메모리에 저장된 그 확률적 모델 중에서, 가장 높은 벡터의 단어를 추출하여 문장을 만들어 답변을 합니다. 이런 원리가 척척박사 챗지피티의 실체 입니다.

LLM의 Self-Attention & Transformer 모델은 이처럼 *토큰의 맥락을 고차원 수치 벡터(Vector)로 표현하여, 대규모 행렬곱셈으로 논리 처리*를 합니다. AI 공부에 어려운 행렬 수학이 포함 된 사유 입니다.

LLM모델은 자연어를 사용하므로 *기계어 사용 디지털 모델*의 전기 소모와 물 사용 문제를 추가적으로 해결합니다.

예를 들면 *여름이라는 Token은 춥다 보다도 덥다가 더 높은 확률 벡터*를 가집니다. 이렇게 단어 간의 맥락을 행렬 수학으로 학습하는 AI 시스템을 *Self-Attention & Transformer* 모델이라고 합니다.

*엄청나게 많은 데이터 속에서 단어 간의 맥락 벡터 파악 학습* 결과가 인공지능의 실력이 되어, 오늘도 챗지피티나 제미나이가 인간 지능의 질문(Prompt)에 해박한 답변을 해냅니다.

이런 지능을 통계기반  생성형(Generative) 지능 이라고 합니다. 

    9. AI가 거짓말을 하다

AI가 거짓말을 합니다. 뭔 소리여?

AI는 학습한 것에 대하여 질문을 하면 제대로 답변을 쏟아 냅니다. 그러나 학습을 하지 않은 사항을 물으면 모른다고 대답하지 않고, 엉뚱한 것을 답해 냅니다. 

이런 AI 거짓말을 Hallucination(환각) 이라고 합니다. AI는 모른다는 답변을 하지 않고 대신 환각을 쏟아내는 것입니다. 

이와 같은 AI 환각을 해결하는 길은 RAG(Retrieval Augmented Generation) 기능입니다. 

딥러닝은 한 번에 엄청난 에너지를 쏟아 부어야 합니다. 그 대신에 RAG는 인터넷 등을 통하여 AI에게 추가적으로 정보를 제공하는 것입니다. 쉽게 말하여 과외 수업을 시키는 것입니다.

이처럼 AI는 거짓말을 합니다. 그 답변에 거짓말이 있을 수도 있다는 것은, 모든 답변을 반드시 검증하여 거짓말을 찾아내어 수정해야 한다는 말입니다. AI가 하는 일은 인간의 검증이 반드시 필요합니다. 이런 일은 AI 시대의 새로운 일이 되는 것입니다. 이와 유사한 새로운 일이 나타나게 되어 있습니다. AI 시대에서 기술자가 아니더라도 인간 일의 경험이 많은 사람이 필요한 이유 입니다. 

10. AI Agent 시대가 도래하다

이제 AI Agent가 출현하여 인간의 일을 대신합니다. Agentic Agent, Physical Agent가 등장했습니다.

에이젠틱 AI는 LLM인 챗지피티와 제미나이 등입니다. 논리적으로 질문(Prompt)을 하면 탁월한 답변을 해냅니다. 문장이 나오고 한국어로 답변도 합니다.

길을 묻는 등 단순한 질문을 하면 단순한 답변을 하고, 철학이나 과학적 질문을 하면 수준 높은 답변을 합니다. 질문을 잘 하는 방법이 바로 Prompt Engineering 입니다.

프롬프트 엔지니어링을 잘 하면 작가도 되고 화가도 됩니다. 일타 과외 선생도 되고 유투버의 인플루엔서(Influencer)도 거뜬히 됩니다.

피지컬 AI는 로봇입니다. 인간과 같은 휴머노이드(Humanoid) 로봇이 있습니다. 운전자가 없이 자율적으로 운전하는 자율주행차가 현재 일부 지역에서 달립니다. 하늘에는 드론(Drone) 무인비행기가 폭탄을 싣고 가서 상대국 진지를 공격합니다.

11.AGI를 지향하다

AGI(Artificial General Intelligence)는 인간과 같은 수준의 지능을 말합니다.  초월적 AGI는 인간의 지능을 초월하게 됩니다. 인간의 일을 모두 침범하는 사상 초유의 범지구적 대재난이 올 것입니다. 심한 경우는 군중 속에서 AGI Gun 살인이 자행 될 수도 있습니다. 고도의 AGI 사기, 거짓말과 도둑질이 횡행할 것입니다. 

대책이 필요합니다. AI 개발 윤리와 법률의 제정이 필요합니다. 세계 각국의 AI 개발자들이 주장하고 있습니다. 해당 국가의 정부도 대책을 강구하고 있습니다.

AI 너 어디로 가고 있느냐? Quo Vadis AGI?

다음에는 AI Agent가 몰고 올 인류의 생활 변화를 다룹니다.