지난 몇 년 동안 기사에 셀 수 없을 만큼 ‘인공지능(AI)’이란 단어를 많이 썼다. 취재하면서 만난 대기업, 스타트업, 학계 전문가들이 AI가 얼마나 중요한 기술인지, 이를 활용해 어떤 일을 할 수 있는지 입을 모아 말했기 때문이다.
정보기술(IT) 분야를 담당하는 기자로서 조금 더 쉽고 정확하게 기사를 쓰기 위해 AI를 배워야 할 필요를 느꼈다. 때마침 회사에서 KT와 함께 AI 인증평가 ‘AICE’를 만든다고 했다.
AICE 홈페이지를 둘러보다가 눈이 번쩍 뜨였다. “AICE 베이식(BASIC)은 데이터와 AI 해석 역량을 평가하는 IT 비전공자용 트랙입니다.” 시험 안내 영상에선 “파이선을 몰라도 자동 머신러닝 툴인 AIDU ez(에이아이두 이지)를 활용해 클릭으로 AI를 구현할 수 있다”는 설명이 흘러나왔다. 순간 뭐에 홀렸을까, “제가 공부해볼게요”라고 말이 튀어나왔다. 스스로 고생문을 연 순간이었다.
‘코알못(코딩을 알지 못하는)’ 기자가 자의 반 타의 반 AICE 베이식 시험 통과를 목표로 공부를 시작했다. 다행히 AICE 홈페이지에서 학습을 위한 다양한 영상 강의를 제공하고 있었다. 처음 배우는 사람을 위한 AI의 기본적인 개념은 물론 상위 단계 시험에 필요한 파이선 강좌까지 마련돼 있다. 다양한 케이스 스터디도 볼 수 있다. 특히 업무에 활용했던 데이터와 활용 방법을 알려줘 어떤 식으로 AI가 업무에 활용되는지 익힐 수 있다.
기초 강의 중 첫 번째인 ‘AI의 이해’를 클릭했다. “어떻게 기계를 사람처럼 학습시킬 수 있을까 연구 끝에 나온 게 AI의 하나인 머신러닝입니다. 알고리즘으로 데이터를 학습해 모델을 만드는 기술입니다.” 사람이 시험을 잘 보기 위해 공부하는 것과 마찬가지로, 기계가 데이터를 기반으로 학습해 성능이 향상되는 기술이 머신러닝이라는 얘기다. 딥러닝은 머신러닝의 한 분야다. 인간의 뇌를 본뜬 인공신경망으로 정보를 처리하는 기법이다. 정리하자면 ‘AI ⊃ 머신러닝 ⊃ 딥러닝’인 셈이다.
전통적인 프로그래밍은 규칙과 데이터를 입력해 해답을 찾는 과정이다. 반면 머신러닝은 알고리즘으로 데이터를 학습해 판단이나 예측을 한다는 점이 다르다. 머신러닝을 통해 예측하고자 하는 값에 따라 ‘회귀(regression)’와 ‘분류(classfication)’로 나눠진다. 분류는 명확하게 나눠진 범주형 데이터일 때 사용한다. 동물 사진을 학습시킨 다음 어떤 동물인지 맞힌다면 분류에 해당한다. 반면 회귀는 예측하려는 값이 숫자인 경우다. 부동산 거래 가격에 영향을 주는 수많은 데이터를 활용해 앞으로 나올 매물의 가격을 예측한다면 회귀에 해당한다.
이론 강좌를 끝내니 AI에 대한 내적 친밀감이 솟아올랐다. 당장이라도 AI 전문가가 될 수 있을 것 같은 마음에 AIDU ez를 켜보기로 했다.
송형석/선한결/이승우 기자 click@hankyung.com