테크놀러지리뷰에 올라온 인공지능 관련 기사들

by SL

테크놀러지리뷰 사이트에서 인공지능 관련 기사를 몇 개 발견했다. 나로서는 도저히 안 읽을 수 없게 만드는 제목들이다.

Google and Microsoft Talk Artificial Intelligence

구글의 피터 노빅(Peter Norvig)과 마이크로소프트의 에릭 호비츠(Eric Horvitz)에게 인공지능 관련 질문을 던지고 두 사람이 대답한 내용을 기사에 간단히 정리해놓았다. 두 명이 함께 인터뷰를 하다보니 일부러 다른 사람이 말한 내용과 중복되지 않게 얘기한 것 같기는 한데, 암튼 학습에 사용할 레이블링된 데이터가 없는 경우에 기계학습이 어렵지 않냐는 질문에, 한 사람은 Active Learning을, 다른 한 사람은 Reinforcement Learning을 해결책으로 제시한다. 최근에 본 인공지능 데모 중에 인상깊었던 것을 물으니, 한 사람은 Unsupervised Learning을 (구체적으로는 말하지 않았다. 근데 이것도 학습 데이터 부족에 대한 대안이 될 수 있겠다.), 다른 사람은 Apprentice Learning (learning by example)을 언급하면서, 조종사를 관찰함으로써 스스로 비행하는 법을 배우는 헬리콥터를 예로 든다.

하지만 불확실함 속에서의 의사결정 문제에 있어, 규칙 기반(rule-based) 방식이 가지는 한계를 지적하고 확률론적인 접근 방식의 중요함을 말할 때는 서로 입을 모았다.

Software That Learns from Users

이 기사에서는 미국 DARPA가 지원하는 CALO라는 인공지능 프로젝트를 소개하고 있다. CALO는 Cognitive Assistant that Learns and Organizes의 약자다. 미리 프로그래밍 되지 않았더라도 스스로 환경을 학습하고 적응해서 사용자를 도울 수 있는 인공지능 시스템을 만드는 것이 목표라고 하는데, 이미 여기저기서 많이 들어본 말이고, 이 프로젝트의 차별점은 기존에 존재하는 다양한 테크닉들을 하나의 거대한 시스템으로 묶어서 서로 시너지를 발휘할 수 있는 구조를 만들겠다는 것 같다. 여러 소스로부터 들어오는 불확실한 데이터를 효과적으로 처리하는 방법으로 확률과 로직을 결합하겠다는데, 그걸 위해서 Probability Consistency Engine이란 걸 만들었다고 하네.

CALO 프로젝트 참여자는 아니지만 기사에 인용된 Alan Qi의 말에 공감한다.

The unification of logic and probability is an important endeavor for the field of artificial intelligence. Combining these two approaches, Qi says, is far better than using either alone. Probabilistic approaches can handle noise and uncertainty well, while a logical structure is best for handling meaning.

Can AI Be Your Guide to the Web?

위에서 언급한 CALO로부터 파생되어 나온 또 하나의 서비스 TrapIt을 소개하는 기사다. (이미 상용화된 다른 서비스는 다름아닌 애플 아이폰4s의 Siri다.) 주제에 대해서 가장 적합한 정보를 찾고, 제공된 정보에 대한 사용자 반응으로부터 배우는 기계학습 기술을 써서 내가 좋아할 만한 내용을 추천해주는 서비스라는데, 얼마나 똑똑한지 잠깐 써보려고 했으나 영어 때문에 애로사항이 꽃피었다. 그래도 그동안 갈구하던 개념의 서비스가 나왔으니 시간을 두고 조금씩 써봐야지.

그러고보니 많고 많은 소설 북마크 서비스 중에 내가 즐겨찾기한 페이지를 분석해서 새로운 페이지를 추천해주는 기능이 있는 건 없나? 크롭 웹브라우저 보니까 Google Similar Pages를 이용해서 현재 보는 거랑 비슷한 웹페이지 찾아주는 확장 기능도 있고 그렇던데…