소프트웨어야놀자

 생성하는 인공지능

악용 가능성이란 똑같은 기술이라도 원래의 의도나 목적에 맞지 않게 사용되어 사회적인 문제가 발생할 수 있음을 의미합니다. 즉, 우리의 삶을 편리하게 만들기 위해 개발된 기술이 잘못 사용될 경우 오히려 문제를 일으키게 될 수 있음을 뜻합니다. 예를 들면 가족과 친구에게 편리하게 연락할 수 있도록 개발된 문자 메신저를 불법 광고를 보내는 용도로 사용하는 것처럼 말이죠.

인공지능 기술 역시 마찬가지입니다. 좋은 목적으로 개발된 인공지능 기술이어도 이를 사용하는 사람들이 나쁜 의도로 악용하는 경우 사회적이나 윤리적으로 많은 문제가 발생할 수 있습니다. 따라서 인공지능이 악용될 가능성에 대해 미리 인식하고 이를 예방할 방법을 생각해보는 것은 매우 중요합니다.

인공지능이 어떤 식으로 잘못 사용될 수 있을지 예상해보려면 먼저 인공지능이 어떤 일을 할 수 있는지를 알아야 합니다. 인공지능은 무슨 일을 할 수 있을까요? 어떤 인공지능 기술이 어떻게 잘못 사용될 수 있을까요? 지금부터 데이터 기반 인공지능을 기준으로 함께 알아봅시다.

1. 인공지능이 할 수 있는 일

인공지능, 그중에서도 데이터 기반 인공지능은 데이터를 통해 학습하여 만들어집니다. 이렇게 만들어진 인공지능은 여러 가지 일을 할 수 있습니다. 여기서는 인공지능이 할 수 있는 일을 몇 가지로 크게 분류하여 살펴보겠습니다.

데이터 기반 인공지능은 먼저 무언가를 분류하는 데 사용될 수 있습니다. 강아지인지 고양이인지, 고인돌인지 바위인지 등을 구분하는 일을 할 수 있는 것이죠. 특히 이미지를 보고 그것이 무슨 이미지인지 구분하는 능력은 인공지능이 사람보다도 더 잘할 수 있게 된 분야이기도 합니다.

인공지능은 무언가를 예측하는 일도 할 수 있습니다. 기온, 강수량 등의 데이터를 이용하여 내일의 강수 확률을 예측하거나, 공부 시간, 지난 성적 등을 통해 다가올 시험에서의 성적을 예측하는 등의 일을 할 수 있죠.

또 데이터의 속성들에 따라 몇 개의 그룹으로 묶는 일도 가능합니다. 이 기능을 이용하면 쇼핑몰 사이트에서 어떤 상품을 구매했는지를 보고 비슷한 취향을 가진 사람들끼리 묶어서 관리할 수 있고, 이렇게 묶인 그룹별로 좋아할 만한 상품을 추천해주는 일도 가능하죠.

인공지능은 데이터를 보고, 주어진 환경 속에서 가장 좋은 선택을 반복하며 기능을 점점 강화할 수도 있습니다. 이러한 인공지능은 규칙에 따라 게임을 반복하면서 게임을 점점 더 잘하게 되거나, 처음에는 잘 걷지 못했 던 로봇이 나중에는 뛰면서 점프를 할 수도 있게 되죠.

이 외에도, 인공지능은 주어진 데이터를 이용하여 새로운 것을 만들어내는 일도 할 수 있습니다. 인공지능은 이제 작곡하거나 그림을 그리는 등 예술의 영역에서도 활동할 수 있게 되었죠. 이러한 인공지능은 생성 모델을 이용합니다. 인공지능 기술 중에서도 특히 생성 모델은 악용될 가능성이 커 많은 사람이 예의주시하고 있는데요. 생성 모델이란 무엇인지, 어떻게 사용될 수 있는지 지금부터 조금 더 자세히 알아봅시다.

[참고자료] 인공지능의 세 가지 학습 방법

인공지능이 할 수 있는 일을 세 가지 학습 방법에 따라 좀 더 자세히 알아봅시다.

2. 생성 모델이란

영상을 통해 살펴보았듯이 데이터 기반 인공지능은 지도학습, 비지도학습, 강화학습 등의 학습 방법을 통해 여러 가지 일을 할 수 있습니다. 그리고 최근에는 학습 데이터를 바탕으로 새로운 것을 생성해내는 인공지능 기법도 등장했습니다. 이제 사람만이 할 수 있었던 창작 활동도 인공지능 기법을 활용하여 할 수 있게 된 것입니다. 그렇다면 인공지능은 어떻게 새로운 것을 만들어 낼 수 있을까요?

인공지능은 생성 모델을 사용하면 입력된 데이터와 유사한 새로운 데이터를 만들어 낼 수 있습니다. 최근에는 생성적 적대 신경망(Generative Adversarial Networks, GAN)이라는 방법이 사용되는데 여기서 ‘적대적’이라는 말은 인공지능이 생성한 새로운 데이터가 얼마나 진짜 같은지 판단해주는 것을 의미합니다. 그렇다면 이 인공 지능은 왜 이러한 이름으로 불리게 되었을까요? 생성적 적대 신경망 인공지능은 크게 2개의 부분으로 구성되어 있는데, 바로 생성자와 구분자입니다. 생성자는 학습 데이터와 가장 비슷한 새로운 것을 만들어 내는 역할을 합니다. 그리고 구분자는 생성자가 만들어 낸 새로운 데이터가 실제 데이터와 얼마나 다른지 판별해냅니다. 생성자는 학습 데이터에서 구분자를 속일 수 있을 만큼 더욱더 정교하고 진짜 같은 새로운 것을 생성해낼 수 있도록 학습하고 구분자는 이를 더 잘 구분할 수 있는 방향으로 각각 학습하게 됩니다.

이것은 마치 가짜 지폐를 만드는 위조 지폐범과 이를 판별하는 경찰과 비슷합니다. 위조 지폐범은 최대한 진짜 같은 위조지폐를 만들어 내고, 경찰은 위조 지폐범이 만들어 낸 위조지폐와 진짜 지폐를 구분해 냅니다. 이때 위조 지폐범은 생성자의 역할, 경찰은 구분자의 역할이라고 볼 수 있습니다.

이 과정을 여러 번 반복하게 되면 생성자는 실제 데이터와 매우 비슷한 새로운 데이터를 만들어낼 수 있게 됩니다. 이와 같은 인공지능 기법을 생성 모델이라고 부릅니다. 생성 모델은 이미지, 텍스트, 음성 등 다양한 형태의 데이터를 이용하여 여러 분야에서 사용되고 있습니다.
 

[참고자료] 생성 모델의 응용

생성 모델을 여러 개 사용하거나 변형하면 원래의 데이터와 똑같은 것을 만드는 것 외에 다른 일들도 가능합니다. 위의 그림과 같이 서로 다른 데이터에서 각각의 특성을 결합하여 새로운 데이터를 만들어낼 수도 있습니다. 이렇게 응용된 생성 모델은 문자를 사람의 목소리로 변환하는 음성 합성(Speech Synthesis, Text to Speech) 기술 등에 사용되고 있습니다.

3. 생성 모델의 활용 사례

생성 모델은 다양한 분야에서 활용될 수 있습니다. 실제 만들어진 생성 모델을 활용한 사례를 함께 살펴봅시다.

3-1 목소리 복원

https://tv.naver.com/v/8977440

3-2 흑백 영상 복원

https://tv.naver.com/v/19343068

3-3 태아 얼굴 생성

https://tv.naver.com/v/4112570

3-4 얼굴 이미지 생성

https://tv.naver.com/v/3553569