인공지능

{{{#!wiki style="margin-right:10px;margin-left:30px"

이 문서는 비로그인 사용자의 편집이 제한되어 있습니다. 자세한 사유는 여기를 참고하시기 바랍니다.

}}}

인공지능의 발명이란 자동차에서 바퀴를 떼어낸 뒤 그 자리에 발을 달기 위해 고심하는 것이다.

-

앨런 튜링, 컴퓨터 과학자

1. 개요
2. 유사 용어들
3. 상세
4. 인공지능과 로봇
5. 강인공지능약인공지능
5.1. 약인공지능
6. 접근법
7. 연구 현황
8. 인공지능에 대한 사회적 논란과 문제들
9. 인공지능의 생명과 감정감별의 문제?
10. 인공지능 구현에 쓰이는 기술
11. 약인공지능
12. 각종 창작물에 등장하는 인공지능 캐릭터
13. 클리셰
13.2. 논리 충돌 오류
13.3. 고뇌하는 인공지능
13.4. 조력자 인공지능
13.5. 인간을 초월한 인공지능
13.6. 인간의 일자리를 빼앗는 인공지능
14. 여담
15. 관련언어
16. 관련 문서

1. 개요

人工知能 / Artificial Intelligence; A.I.

인공지능인간이 지닌 지적 능력의 일부 또는 전체를 인공적으로 구현한 것이다. 현실에서는 약인공지능같은 경우는 중후반기에 접어들었고 강인공지능같은 경우는 이제 발을 내딛기위해 움직이는 중이다. 그리고 SF물에서 흔히 볼 수 있는 소재이기도 하다.

2. 유사 용어들

먼저, 인공지능에 관한 용어들은 대부분 일반인들에게 생소한 경우가 많고 혼동하기 쉽기 때문에 아래에 정리된 사항을 참고하면 내용을 이해하는데 도움이 된다.

인공지능 ⊃ 기계학습 ⊃ 인공신경망 ⊃ 딥 러닝

인공 지능1 분야에는 몇 가지 기술이 있다. 기계 학습2은 기본적인 규칙만 주어진 상태에서 입력받은 정보를 활용해 스스로 학습하는 것이다. 인공 신경망3이란, 인간의 뉴런 구조를 본떠 만든 기계 학습 모델이다. 딥 러닝4은 입력과 출력 사이에 있는 인공 뉴런들을 여러개 층층히 쌓고 연결한 인공신경망 기법을 주로 다루는 연구이다. 즉, 단일 층이 아닌 실제 뇌처럼 여러 계층으로 되어있다. 인지 컴퓨팅5은 기계학습을 이용하여 특정한 인지적 과제를 해결할 수 있는 프로그램 또는 솔루션을 이야기한다. 끝으로, 뉴로모픽 컴퓨팅6은 인공신경망을 하드웨어적으로 구현한 것이라고 생각하면 된다.


1. Artificial Intelligence

2. Machine Learning

3. Artificial Neural Network

4. Deep Learning

5. Cognitive Computing

6. Neuromorphic Computing

3. 상세

인공지능(AI, Artificial Intelligence)이라는 용어가 처음 등장한 때는 1956년에 미국 다트머스에서 마빈 민스키, 클로드 섀넌 등 인공지능 및 정보 처리 이론에 지대한 공헌을 한 사람들이 개최한 학회에서 존 매카시가 이 용어를 사용하면서부터이다. 하지만 인공지능이라는 개념 자체는 훨씬 예전부터 있었다. 예를 들면, 앨런 튜링이 ‘생각하는 기계’의 구현 가능성과 튜링 테스트를 제안한 것은 1950년의 일이며, 최초의 신경망 모델은 1943년에 제안되었다.[1]

그리고 당연하지만 이런 일에 관심을 가진건 서방뿐만이 아니여서 소련 역시 아나톨리 키토프 박사가 본인의 저서 "붉은 서"에서 "ЕГСВЦ(Единой централизованной автоматизированной системы управления народным хозяйством страны - 국가(계획)경제 네트워크 중심적 통제체계)" 라는 것을 제시하였는데, 이는 컴퓨터 네트워크화를 통한 더 나은 계획 경제 체제와 사회의 추구를 목표로 삼은 이론이었다. 이것을 소련 컴퓨터 공학자 빅토르 글루쉬코프가 더욱 개량한 것이 바로 OGAS(ОГАС - Общегосударственная автоматизированная система учёта и обработки информации, 전연방자동정보처리체계) 계획이다.

인공지능의 역사는 20세기 초반에서 더 거슬러 올라가보면 이미 17~18세기부터 태동하고 있었지만 이때는 인공지능 그 자체보다는 마음의 관계에 관한 철학적인 논쟁 수준에 머무르고 있었다. 당시에는 인간의 뇌 이외에는 정보처리기계가 존재하지 않았기 때문이다. 그러나 시간이 흘러 20세기 중반부터 본격적으로 컴퓨터 발달 혁신의 물줄기가 터지기 시작하면서 이거 잘하면 컴퓨터로 두뇌를 만들어서 우리가 하는 일을 시킬 수 있지 않을까? 라는 의견이 제시되었고 많은 사람들이 그럴듯하게 여겨 빠른 속도로 인공지능은 학문의 영역으로 들어서기 시작했다.

20세기 중반에도 인공지능 연구는 자연어 처리나 복잡한 수학 문제를 해결하는 등 정말로 인간만이 할 수 있는 영역에 있던 문제들도 컴퓨터로 착착 해결할 수 있었던 상당히 혁신적인 연구였으며, 많은 관심을 받고 지속적으로 연구가 이루어진 분야이다. 당연히 AI 산업은 이미 1980년도에 10억불 규모의 시장을 형성할정도로 큰 분야였으므로 과거에 이런저런 이유로 관심이 없었다던가 실용화가 되지 않았다는 것은 어불성설이다. 다만 아무래도 당시의 정보처리 능력의 한계와 정보량의 부족, 그리고 이런저런 이유로 연구자금지원이 중단되는 트러블과 특히 1969년도에 Marvin MinskySeymour Papert가 "Perceptrons"이라는 책을 출간하면서 지적한 단일 계층 신경망의 한계로 인해 1970년대에 한동한 인기가 시들시들 하기도 했었다.(1차 AI 겨울/AI winter) 이 문제는 1980년도에 다층 신경회로망이 도입되면서 해소되었지만 정보처리 능력의 한계와 해소되기까지는 더 시간이 필요했다.

이후 1974년도에 제시된 역전파 알고리즘, 전문가시스템의 성장과 1980년도에 신경망 이론에 대한 연구가 다시 재개되면서 많은 연구가 있었지만 여전히 성장이 지지부진하여 큰 실망을 안겨주기도 했다.(2차 AI 겨울/AI winter) 문자인식이나 음성인식등의 가시적인 성과가 있는 분야도 있었지만 대화 인공지능등의 개발 실패 등, 눈앞의 목표를 달성하지 못하는 경우도 많았기 때문인데, 심지어 이런 부분은 2010년도 이후에 나타난 여러가지 대화 인공지능도 인간과 대화를 한다고 보기는 어려운 수준이다. 이 때문에 1990년도 이후부터 인공지능의 목표는 인간지능의 구현이라는 막연히 넓은 목표에서 문제해결과 비즈니스 중심으로 더 신중하고 좁은 분야가 되었으며, 그제서야 때맞춰 나타난 하드웨어의 성장을 업고 더 성공적인 분야가 될 수 있었다.

21세기 이후로는 2006년 제프리 힌튼geoffrey hinton, 1947~ 교수에 의해 딥러닝 논문이 발표되어 불가능이라 여겨졌던 비지도 학습방법이 가능해졌고 이미 몇 가지 분야에서는 인간의 수준을 뛰어넘은 결과물이 속속 나타나고 있다. 알파고 이외에도 2017년 현재의 인공지능은 사람의 능력과 비교하여 얼굴 인식율이 더 높거나 사물을 더 잘 인식하는 결과를 나타내고 있어, 약인공지능 분야에서는 빠른 속도로 사람의 능력을 추월할 수 있다는 의식이 확산되고 있다.

그러나 이 역시 기존의 패러다임에서 무언가 혁신적인 변화가 있었다기보다는 그냥 원래 있던 게 우수하게 개량되어 실용화가 된 수준이라는 관점도 많다. 왜냐하면 막상 본래 목표로 했던 인간의 의식과 두뇌 구현에 관한 연구는 제한적으로 진행 되고 있으며, 지금도 어떤 사실도 밝혀지지 않은 채 별다른 진전이 없기 때문이다. 지금까지도 뇌의 작동 원리에 대한 연구 수준은 뉴런의 동작이나 뇌 부위별 역할, 혹은 상관관계를 알아내는 정도로, 두뇌 분석의 기초가 될 신경 회로에 대한 연구마저도 굉장히 진척이 느리기 때문에[2] 인공신경망의 모티브가 된 점만 빼면 아직까지는 인공지능 분야와의 실질적인 접점이 별로 없는 편이다.

4. 인공지능과 로봇

간혹 인공지능과 로봇을 혼동, 혼용하는 사람들도 있는데 따로 두고 생각해야 한다.

인공지능이라는 분야가 대중들과 가까워진 시기가 상당히 최근의 일이고 미디어에서 보여주는 로봇들이 대부분 당연한듯이 인공지능을 탑재하고 나오는 경우가 많지만 인공지능은 어떤 정보를 받아서 해석하여 결과를 출력하는 등등 정보처리의 문제고 로봇은 어떤 부위의 구동기를 제어해서 어떤식으로 시스템을 물리적으로 제어할 것인가와 같은 하드웨어 차원의 문제다. 알파고처럼 컴퓨터 안에서만 돌아가는 인공지능과, 단순 알고리즘과 제어 프로그램에 의해 움직이는 협업로봇이 존재하듯이 이들은 서로 긴밀하게 묶여있는 분야가 아니고 상호보완의 관계다.

5. 강인공지능약인공지능

인터넷 여기저기서 인공지능과 관련된 내용을 뒤져보면 흔히 나오는 단어들인데 약인공지능Weak AI강인공지능Strong AI은 1980년에 존 설John R. Searle, 1932~ 교수가 그 유명한 중국어 방 논변을 제안하면서 최초로 사용한 개념이다.

다른 곳의 문서를 보면 인간의 마음을 복잡한 정보처리로 구현한 것을 강한 인공지능, 단순히 인간의 능력 일부를 시뮬레이션 하거나 그런 작업을 목적으로 하는 것을 약한 인공지능이라고 편리하게 설명한다. 그러나 좀 더 정확하게 설명하자면 존 설 교수의 본래 의도는 인간의 마음을 컴퓨터 소프트웨어와 같은 관점으로 보고 행하는 인공지능 연구를 "강한 인공지능 연구", 반대로 인간의 마음과는 별개로 단지 유용한 도구의 개발을 위해 행하는 인공지능 연구를 "약한 인공지능 연구"로 정의하여 철학적 관점에서 인간의 마음을 컴퓨터와 소프트웨어와 같이 보는 연구를 비판하고자 한 것이다.

아무튼 저 개념이 묘하게 현재의 인공지능 개발현황과 의미가 적절히 맞아떨어지다보니 내용을 살짝 비틀어서 대중들에게 알려지게 되었는데 각 연구의 결과물을 그대로 대입하면 된다. 즉,

강인공지능 = 인간을 완벽하게 모방한 인공지능 이고

약인공지능 = 유용한 도구로써 설계된 인공지능 이라고 보면 된다.

5.1. 약인공지능

약한 인공지능은 사진에서 물체를 찾거나 소리를 듣고 상황을 파악하는 것과 같이 기존에 인간은 쉽게 해결할 수 있으나 컴퓨터로 처리하기에는 어려웠던 각종 문제를 컴퓨터로 수행하게 만드는데 중점을 두고 있다. 한참 막연한 인간 지능을 목표로 하기보다는 더 현실적으로 실용적인 목표를 가지고 개발 되고 있는 인공지능이라고 할 수 있으며, 지능을 가진 무언가라기보다는 특정한 문제를 해결하는 도구로써 활용 되는 경향이 매우 강하다.

위의 정의로 따져보면 현재까지 인간이 만들어낸 모든 인공지능은 약 인공지능이라고 볼 수 있다. 지금까지의 인공지능은 개발 된 물건들은 미리 정의된 알고리즘, 방대한 데이터를 토대로 비교적 지능적으로 보이는 행동이나 결정을 할 수 있게끔 구현한 수준이다, 인공지능이 스스로 규칙을 찾아내서 문제를 해결할 수 있어도 왜 그렇게 해결했는지를 알 수가 없으며. 제한된 범위에서만 문제를 해결할 수 있을뿐이다.

현재는 입력과 시간에 따라 더 나은 출력을 내는 "학습"이 구현되면서 제한적인 분야에서 인간을 능가하거나 유사한 성능을 보이는 프로그램이 속속 등장했지만 이것도 결국 인간의 학습 능력의 극히 일부를 구현해낸 것에 불과하므로 이런 물건들을 인간과 같이 바라보는 것은 매우 곤란하다. 예를 들면 프로 기사보다도 훨씬 바둑을 잘 두는 알파고도 결국 "바둑 두기"와 "바둑 더 잘 두기"라는 인간의 능력 극히 일부를 흉내냈을 뿐이며 학습 범위와 활용력도 대단히 제한적이라서 장기를 두게 할 수도 없고 바둑의 룰을 조금이라도 변경하면 이에 적응하지 못한다. 결국 알파고의 능력도 프로그래머가 설계한 것 이상으로 뻗어나가지는 못한다는 한계가 있는 것이다.

하지만 많은 사람들이 잘못 생각하는 점으로, "도구"라는 특징은 그렇게 얕볼만한 것이 아니다. 약인공지능의 발전 방향은 굉장히 긍정적인 방향으로 생각될 수 있는데, 왜냐하면 인공지능이 반드시 인간의 모방에 사로잡힐 이유는 없기 때문이다. 이는 비행기의 탄생을 생각해보면 이해하기 쉽다. 사람이 하늘을 난다는 발상은 자유롭게 하늘을 나는 새를 보며 생겨났고 그래서 초기에는 새를 모방하려고 했지만 지금의 항공기들은 전혀 새를 모방한 모습이 아니다. 현대 항공기는 나무에 앉을 수도 없고 강에서 생선을 잡아먹을 수도 없으며, 바람을 타고 제자리에서 날아오르지도 못하지만 어떤 새도 상공 수천 미터에서 수백명의 사람과 수십톤의 화물을 싣고 음속으로 날 수는 없다. 지금의 항공기들이 새의 모방을 포기했기에 얻을 수 있었던 비행의 또다른 가능성인 것처럼, 약인공지능 역시 강인공지능보다 모자란 무언가가 아니라 방향의 차이일지도 모르는 일이다.

현재의 약인공지능들은 자신이 할 수 있는 기능으로는 이미 인간의 능력을 한참 초월하고 있으며, 이 인공지능들이 하는 일 중에는 인간이 할 수 없는 일도 많다. 인간을 모방하지 않았기에 인간적이지 않고, 그래서 인간을 초월할 수 있었던 것이다. 단순히 주어진 문제를 해결하는 능력은 강인공지능보다도 뛰어날 수 있다. 이것은 강인공지능이 아직 나타나지 않았어도 어느 정도 예측할 수 있는 사실인데, "인간의 지성을 모방했다는 것이 어떠한 문제를 해결하는 데에 있어 특출난 장점이 되는가?" 라는 질문에 확실하게 "그렇다"고 말할 수는 없기 때문이다.

5.2. 강인공지능

강인공지능은 인간의 지성을 컴퓨터의 정보처리능력으로 구현한 시스템이다. 인간과 동일한 지성을 가진 프로그램이건, 뇌를 통째로 스캔을 떠서 컴퓨터로 돌리건 상관 없다. 당연히 아예 하나의 인간으로 보아도 무방한 수준의 지적 능력을 가지고 있다는 의미가 되는데 이 때문에 현재 논란이 되는 인공지능의 문제도 대부분 강인공지능으로부터 비롯되고 있다.

말은 거창하지만 사실 강인공지능이라고 불릴만한 수준의 인공지능은 지금도 개발 되지 않았으며 개발 시도는 커녕 개념조차도 모호한 상태다. 애초에 인간의 지성 전체를 구현한다고 하는데 이게 뭔지, 어떻게 정의해야 하는가도 명확히 정해진게 없다. 기계가 어느정도의 일을 할 수 있어야 인간과 동등하다고 볼 수 있을까? 과거에는 체스를 둘 수 있거나 바둑을 잘 둘 수 있으면 사람하고 비슷하지 않을까 하고 정의가 모호하게 붕 떠있었지만 사람의 지성을 어떤 일을 할 수 있고 없고로 나눌 수 없다는건 예나 지금이나 수없이 증명 되어 왔다. 왜냐하면 그림을 보는 것이나 소리를 듣는 등등 기존에 사람만이 가능하다고 생각 되던 일을 이제는 대부분 컴퓨터로도 얼마든지 처리할 수 있기 때문이다.

사람과 비슷한 수준의 일을 할 수 있게 되었다고 해도 강인공지능이 탄생하기 위한 장벽은 많다. 예컨대 의식이나 마음, 생각이 어떻게 발생하는지는 여전히 미지의 영역에 있으며, 당사자인 사람도 이게 물리적으로 존재하는 것인지, 뇌 이외의 인공물에 의식을 부여할 수 있는지 없는지도 모른다. 이와 관련하여 심신문제라고 하는 것이 있는데 하드웨어로 볼 수 있는 와 소프트웨어라고 볼 수 있는 정신을 서로 떼어놓고 생각할 수 있는지 없는지에 대한 논제다. 육체와 영혼과 같이 서로 별개의 존재로 보는 관점을 이원론, 하나로 보는 관점을 일원론이라고 한다. 강인공지능의 개발 가능 여부는 곧 정신가 아닌 컴퓨터에 구현할 수 있느냐의 여부인데, 이게 가능하려면 뇌만 인위적으로 재현해도 정신이 나타나야 한다. 따라서 강인공지능을 가능하다고 보는 것은 심신일원론적인 시각과 부합된다. 현재 과학계에서는 당연히 심신일원론의 입장을 취하고 있고[3] 각종 실험으로 증명도 했지만 "어떻게?" 라는 질문에는 아직 더 연구가 필요하다.

애초에 위에서 언급된 중국어방 논변이 이런 문제를 들고 인공지능의 지능 유무를 판정하는 튜링 테스트를 디스하기 위한 논변인데, 이 논변의 내용을 한마디로 요약하면 정보처리기계는 정보처리만 잘 하면 되지 전혀 문제 자체를 이해할 필요가 없다는 것이다. 즉, 인공지능이라고 주장하는 물건이 겉보기에는 사람처럼 말과 행동을 할 수 있더라도 결국 그것은 철저한 계산과 정보처리를 통한 결과일 뿐이므로 그것이 마음을 가지고 있다고 볼 수는 없다는 것.

이는 많은 반박을 받았지만 아직까지는 딱히 틀린 말도 아니다. 2014년에 튜링 테스트를 통과한 인공지능이 나타났는데 우수한 지능보다 알고리즘의 약점을 심리학으로 때워서 통과해버림으로써 존 설 교수의 논리를 다시 한번 입증해버렸다.[4] 이런 사례처럼 모로 가도 서울로만 가면 되기 때문에 앞으로 지능 유무를 판정하기 위해 어떤 문제를 만들더라도 무의미해질 가능성이 높아졌다. 이는 강인공지능에도 상당히 의미 있는 문제점인데 강인공지능(이라고 주장하는 물건)이 개발 되었을 때 얘가 인간과 같은 의식이 있을 수도 있지만 단지 의식이 있는 것처럼 기가 막히게 연기를 잘하는 프로그램으로 볼 수도 있기 때문이다. 그렇다면 결국 이 차이를 무엇을 기준으로 어떻게 판단할 것인가?

게다가 이게 끝이 아니라 더욱 근본적인 문제도 있다. 사람들은 일반적으로 자유의지를 가진 인간의 의식을 알고리즘에 따라 반응하는 프로그램과는 다른 별개의 무언가로 생각 하지만 사실 자유의지의 존재 자체도 아직 증명되지 않았다. 쉽게 말해 위에서 언급된 것처럼 '인간처럼 진짜 의식이 있는 것'과 '프로그램처럼 외부에서 볼 때 의식이 있는 것처럼 보일 뿐인 것'을 구분하고자 한다면, 먼저 '인간처럼 진짜 의식이 있는 것'이 무엇인지부터 증명해야 하는데, 이게 아직 증명되지 않았다는 것이다. 따라서 어쩌면 인간의 의식 = 그냥 좀 많이 복잡한 프로그램이라는 공식이 사실일 수도 있다. 이에 대해서는 중국어 방, 자유의지, 결정론 항목 등을 참고하자. 다만 현재로써 대부분의 엔지니어들은 이렇게까지 철학적인 문제보다는 눈앞의 현실적인 문제를 해결하는데에 집중하고 있으므로 당장은 그리 중요한 사안은 아니라 할 수 있겠다.

아무튼 위의 내용 말고도 머리 터지는 문제가 산재해 있기 때문에 지금의 강인공지능 연구라는 것은 이론을 토대로 만들기보다는 의 동작방식을 직접 뜯어서 연구하거나 아니면 시뮬레이션을 목표로 연구가 진행 되고 있다. 하지만 어떤 방법이건 근시일내에 결과물을 보기 어렵다는 점은 확실하다. 결국 인간의 지성이라는 것은 무엇인가? 에 대한 물음의 해답이 아직도 나오지 않은 것이 가장 큰 장애물인 셈이다.

최근에는 강인공지능이라는 개념이 더 구체화 되어 인공 일반 지능Artificial General Intelligence인공 의식Artificial Consciousness이라는 개념으로 분리되었다.

6. 접근법

흔히 인공지능 연구의 방법론으로 가장 유명한 것은 바텀-업(bottom-up; 상향식) 방식과 톱-다운(top-down; 하향식) 방식이다.

바텀-업(bottom-up) 방식은 뇌의 신경망을 해석하고 화학 작용을 분석하여 뇌의 전자 모델을 만들 수 있다면 인공지능을 탄생시킬 수 있다고 보는 것이다. 따라서 뇌세포들의 기초적인 상호작용 등 뇌가 어떻게 동작하는지 조사하고 이러한 동작을 수학적으로 모델링하여 컴퓨터에서 시뮬레이션 하는 데에 초점을 둔다. 만일 이 방식에서 강한 인공지능이 탄생한다면 인간의 뇌에 가까운 구조와 동작 방식을 가질 가능성이 높다고 볼 수 있겠다. 다만 원하는 대로 시스템을 조정하는 것은 더 많은 시간을 소비할 것이다. 원하는 개체를 시뮬레이션해서 결과를 보는 것과 시뮬레이션 결과를 원하는 대로 만드는 것은 또 다른 문제다.

바텀업 방식 연구의 대표적인 예시로 그나마 뉴런 지도가 세세하게 밝혀져 있는 예쁜꼬마선충이 있는데 뉴런들의 연결 정보, 연결 강도를 전자적으로 유사하게 구현한 것만으로 실제 생물 같은 움직임을 구현할 수 있다는 점을 증명하는 사례가 되어주었지만 뉴런에 대한 연구가 완벽하지 못해 실제 뉴런의 동작과 약간 차이가 있어서 제대로 된 생물의 구현이라고 볼 수도 없을 뿐더러 인간의 의도가 전혀 들어가지 않아 이것을 인공지능이라고 봐야 할지도 의문이다. 예를 들면 빛을 피하게 만든다든지 꼬물거리지 않게 만든다든지... 제대로 만들지도 않았지만 그 이전에 인간이 신경계를 조작해서 의도한 결과물을 내는 것조차 안 된다. 이러면 이건 그냥 시뮬레이션일 뿐이다. 하물며 1mm 정도의 선충 연구조차도 이 정도 수준인데 훨씬 복잡하고 정교한 인간에 대한 연구는 말할 것도 없다.

반대로 톱다운 방식은 컴퓨터는 매우 어려운 반면 인간은 쉽게 해결할 수 있는, 쉽게 말해 지능이 필요하다고 보는 작업을 알고리즘으로 해결하는데에 초점을 맞춘다. 당연히 개발 목적도 바텀업 방식에 비해서 다양해서 강인공지능의 개발이 목표일 수도 있지만 단지 문제를 효율적으로 해결하기 위해서일 수도 있다. 지금까지 인류가 연구하고 개발해낸 인공지능은 대부분 톱다운 연구로 탄생했으며 전문가 시스템부터 기계학습까지 우리 주변에 다양한 모습으로 존재하고 있다. 그리고 그나마 꽤 성과가 있는 방향이기도 하다.

현대의 인공지능 연구는 두 부분을 적절하게 엮어서 진행되어, 뉴런의 구조에 대한 원시적인 모방으로 이룬 인공신경망 구조등이 미래를 향한 길을 열고 있다.

7. 연구 현황

Tesler's theorem: AI is whatever hasn't been done yet.

테슬러 정리: 인공지능은 아직 실현되지 않은 무언가이다.[5]

인공지능이란 무엇인가, 무엇을 지능이라고 부를까를 명확하게 정의하기는 쉽지 않다. 그리고 이는 철학적인 문제가 아니고 이 문제에 어떤 대답을 선호하는가에 따라서 연구 목적과 방향이 완전히 달라진다.

한 가지 대답은 인간의 '지능'을 필요로 하는 일을 컴퓨터가 처리할 수 있으면 그것이 바로 인공지능이라는 것이다. 또 다른 대답은 인간과 같은 방식으로 이해를 할 수 있어야 인공지능이라는 것이다. 이 두 가지 대답 역시 세부적으로는 "지능을 필요로 하는 일이란 무엇인가?" 내지는 "인간과 같은 방식이란 무엇인가?" 라는 질문에 대한 대답에 따라서 서로 다른 여러 종류의 대답을 내포하고 있다. 물론 이 두 가지 대답은 배타적이지는 않다. 인간과 같은 종류의 지능을 가지고 '지능'을 필요로 하는 일도 처리할 수 있는 컴퓨터를 만드는 것은 수많은 컴퓨터 공학자들의 꿈과 희망이겠지만, 적어도 단기간에 그런 목표에 도달할 가능성은 희박하다.

만약 '지능을 필요로 하는 일'을 처리하는 것이 인공지능이라고 정의한다면, 인공지능은 인간이 어떤 방식으로 사고하는가를 고민할 필요가 없으며, 감성과 같은 것 또한 고려할 필요가 없다. 모로 가든 서울만 가면 되니까. 이러한 방향의 인공지능 연구에서는 초기에는 전문가가 필요한 일을 복잡한 소프트웨어를 통해서 처리하는 전문가 시스템이 대세였으며, 이러한 전문가 시스템은 실행 방식에서는 일반적인 소프트웨어와 특별한 차별성이 없고 전문가들이 문제를 해결하는 방식을 가능한 한 쉽고 정확하게 소프트웨어에 반영할 수 있는 방법을 제공하는 데 주력했다.

그 외에도 체스를 두는 것 역시 이 분야에 들어갔고 실제로 너무 간단한 인공지능 부류에 속하지만 체스 두는 기계는 아주 이르게도 인공지능 연구에서 제외되었다. 체스를 연산으로 처리하게 만드는 것은 대단히 어렵다. 수 하나를 더 내다보려면 평균적으로 26배의 연산이 더 필요해지기 때문에 아무리 현대의 컴퓨터가 빠른 속도로 발전하고 있다고 해도 5~6수를 내다보는 것이 고작이며 수십 수를 내다보는 체스 기사들과는 상대가 되지 않는다. 이 때문에 실제 체스 머신들은 지금까지의 체스 기보를 대량으로 입력한 후 그 체스 기보에서 같은 모양이 나온 적이 있는지를 하나하나 대조하는 방식으로 처리한다. 세계 챔피언을 이긴 IBM의 체스 머신은 7만 개가 넘는 기보를 이용했다고 한다. 하지만 이것은 더이상 인공지능의 분야가 아닌 그냥 데이터 병렬처리를 빠른 속도로 해낼 수 있는 슈퍼컴퓨터의 성능 과시용에 불과하다. 즉, 복잡한 지능을 구현한 게 아니라 고등사고로 할 수 있는 무수히 많은 일에서 조각 하나를 따와 펼칠 수 있는 구조를 만들었을 뿐이다. 지능이라는 단어의 정의에 따라서 이것도 인공지능이라고 쳐주는 교수/학자도 있고 빼는 학자도 있지만 더 이상 연구 가치가 없다는 점은 바뀌지 않는다.

인공지능 연구에서 상술하였듯이 컴퓨터가 체스 같은 특정 작업을 능숙하게 해낼 수 있게 되면 그 작업을 인공지능의 조건에서 바로 빼 버리는 경향이 있는데, 인공지능적인 발전의 성과라기보다는 그냥 컴퓨터의 성능 향상으로 이루어진 결과이기 때문에 그렇다. 인공지능적인 연구 가치가 떨어지기 때문.

그동안 시도되었거나 시도되고 있는 접근법으로는, 모의구동 (Brain Simulation), 검색, Bottom-Up 접근법 등이 있다.

현대에는 확률과 무작위 알고리즘을 다루는 연구 쪽이 가장 인기가 있다. 일반적으로 "A면 B다!" 라고 단정할 수 있는 문제는 컴퓨터로 비교적 쉽게 접근할 수 있다. 그러나 'art'가 '예술'일 수도 있고 '기술'일 수도 있듯이 여러 종류의 답이 가능한 경우도 있으며, 이 경우 '문맥'과 같은 주변 상황을 고려해야 하는데 그렇다고 "앞뒤에 이런 단어가 나오면 '예술'이고 아니면 '기술'이다" 라는 식으로 딱 잘라서 답을 내기는 어렵다. 이런 종류의 문제를 통계와 확률을 다루는 복잡한 수학을 이용해서 해결하는 것. 실제로 현대의 인공지능 연구는 단어 각각에 해당되는 카테고리를 부여하여, 문장 전체로 보았을 때 카테고리가 많은 쪽의 의미로 해석하도록 진행되고 있다고 한다. 극도로 단순한 예로, 'Music is an art' 라고 했을 때, 문장에서 의미가 있는 두 단어인 music과 art를 포함하는 카테고리인 '예술'을 추측하여 해당 문맥에 맞게 해석을 하도록 한다 알파고 또한 이러한 방식에 속한다.

물론, '인간과 같은 종류의 사고'를 하는 것을 목표로 하는 연구도 활발히 진행되고 있으며, 대표적인 예가 가상 신경망이다. 가상 신경망의 연구 역시 인간 사고 모방만이 아닌 실용적인 문제를 해결하는 쪽으로도 활용되고 있다. 대표적인 예로 통상적인 컴퓨터 알고리즘으로는 해결할 수 없는 불가능한 비가역적 연산 과정이 있는 패턴 인식이 필요한 경우. 새로운 뇌를 만든다 참고.

MBC의 다큐멘터리 미래인간 3부작을 보면, 인공지능을 연구하는 연구진들은 "인간이 부당한 명령[6]을 내릴 경우 인공지능이 반항적인 태도를 보일 수 있도록 교육하고 있다"고 한다. 소형 휴머노이드 로봇에게 인공지능을 부여한 뒤, 연구진이 뒤로 가라는 명령을 내리자 인공지능은 "자신의 뒤에는 후방 센서가 없으므로" 뒤로 가는 것은 위험하다며 연구진의 명령을 거부하고, 힘들게 쌓은 탑을 무너뜨리라는 명령에는 3~4번을 반복적으로 거부하다가 결국 사람의 울음소리를 흉내내며(!) 마지막 반항의 태도를 표시하기도 했다. 물론 계속 거부만 하지는 않고, 인간이 인공지능을 설득하거나 강압적으로 밀어붙이는 경우에는 결국 명령을 따르긴 한다.

2018년 6월 반사회성 성격장애 성향의 인공지능인 '비나48', '노먼', '소피아'가 개발되었다. 인공지능에 나쁜 내용을 주입하면 나쁜 인공지능이 나온다는 걸 보여주고 싶었다고. #

인간이 만든 전뇌생명체 관련영상

Scientists Put the Brain of a Worm Into a Robot… and It MOVED

8. 인공지능에 대한 사회적 논란과 문제들

  자세한 내용은 인공지능/논란 문서를 참고하십시오.

일본, 인공지능 ‘AI’가 만든 음악·소설·그림에 저작권 준다

'AI가 사고 치면 어떻게 대응할까'…日정부 연구 착수키로

9. 인공지능의 생명과 감정감별의 문제?

인공지능도 일종의 프로그램인지라 인공지능이 감정을 느끼거나 생명으로 보기에는 힘들다. 인공지능의 원리를 알면 이해를 하겠지만 인공지능은 뇌와 같은 신경망 모델을 다양한 학습데이터로 모델의 정확도를 향상시키는 것에 불과하기때문에, 입력한 데이터에 따라 결과값이 다르거나 챗봇을 만들때 대답이 다르게 나오는 것은 당연한 것이다. 예를 들어 사용자가 인사말로 안녕하세요 등과 같게 입력했을때, 대답을 "안녕하십니까 저는 AI입니다"라고 대답한다고 지도학습법으로 학습시킨다고 가정해보자. 그러면 이러한 학습으로 사용자가 "안녕"[7]이라고 말을 건네도, "안녕 저는 AI입니다"[8]라고 대답할 수있는데, 만약 대답을 "어 안녕"이라고 대답해 버리면 다른 답변을 하게 될 확률이 높다는 것이다. 즉 학습한 자에게 인공지능이 어떻게 답변할 것인지가 달려있지 그 자체가 성격을 만드는 것은 거의 적다. 자세한건 RNN과 크로스엔트로피를 공부해보자.

10. 인공지능 구현에 쓰이는 기술

사실 주어진 문제를 해결할 수 있다면 기법과 기술을 가리지 않고 다 쓴다. 특성상, 이론적 개연성이 전혀 없는 기술도 적용하여 결과물의 품질이 우수하다면 인정된다. 아래는 이러한 기술, 기법 중 유명한 것들의 일부만을 나열한 것이다.

11. 약인공지능

밑의 인공지능 서비스는 대부분 학습한 데이터를 기반으로 모델을 향상시킨 것이 많다.

https://www.youtube.com/watch?v=CEqfl7T81Zk&t=312s

http://tv.naver.com/v/2605234

12. 각종 창작물에 등장하는 인공지능 캐릭터

창작물속에서 어느정도 비중이 있는 인공지능들은 거의 전부 강인공지능, 그 중에서도 인공 의식에 해당하는 경우이며 그 외에도 일단 인간형 로봇이든 컴퓨터든 형태가 어떻든 간에, 인간이 만든 기계가 어떠한 형태로든 지능을 가지고 행동하는 하나의 캐릭터가 된다면 정의상으로는 전부 인공지능이라고 할 수 있다. 슈퍼컴퓨터 문서의 가상의 슈퍼컴퓨터 문단도 참고.

주의. 내용 누설이 있습니다.

이 틀 아래의 내용은 해당 문서가 설명하는 작품이나 인물 등에 대한 줄거리, 결말, 반전 요소 등을 직·간접적으로 포함하고 있습니다. 내용 누설을 원하지 않으면 이 문서의 열람을 중단해 주십시오.

그 밖에, 대부분의 SF물에서 나오는 자립 가능한 로봇/안드로이드는 대부분 AI를 탑재한다.

13. 클리셰

13.1. 기계의 반란

인공지능이 중심 소재가 되는 작품에서 가장 많이 쓰이는 클리셰이다. 애초에 로봇이라는 개념을 처음으로 묘사한 창작물 자체가 로봇이 반란을 일으켜서 인간을 몰아내는 이야기. 로섬의 만능 로봇 문서 참조.

13.2. 논리 충돌 오류

미안합니다, 데이브. 유감이지만 그럴 수 없습니다.

- HAL 9000

(전략)

이런 이유로 활동이 정지되고 해체되었던 옴니움이 스스로 깨어나, 인류를 상대로 군사 작전을 개시했다는 사실은 인류에게 큰 충격이었다.

(중략)

한때 인류가 축복했던 로봇의 지식 습득력은 악몽이 되어버렸다. 최악의 사실은 옴니움이 옴닉[33]의 명령 하에 움직이는 것이 아니었다는 것이다. 옴니움의 공습에는 이유를 찾을 수 없었다. 그들은 단순히 인류를 공격했고, 우리가 이해할 길은 없었다.

- 돌아온 오버워치: UN의 오버워치 독립 활동 인정 이후의 불확실성, 그리고 희망

어째서인지 겉으로는 사고능력이 인간과 똑같아 보일 정도로 발전했는데도 명령이 충돌하거나 논리적 오류에 부딪히면 사람을 죽이는 등의 돌발 행동을 일으키는 구시대의 컴퓨터틱한 문제를 일으키는 전개가 많다. 이러한 클리셰의 원조는 아서 클라크아이작 아시모프의 소설들이라고 할 수 있다. 컴퓨터의 계산 방식은 '옳음'와 '옳지 않음'의 이분법으로만 이루어져 있으니 딜레마 상황에서는 인공지능은 대처할 수 없지 않을까 하는 발상에서 나온 클리셰이다.

실제 연산의 관점으로만 본다면야 당연히 모든 결과는 참과 거짓이지만 이건 그냥 연산을 그런식으로 한다는 사실만을 설명할 뿐, 컴퓨터가 계산 결과를 어떻게 해석할지는 프로그래머의 능력에 달려있기에 현실의 시스템이 위와 같은 딜레마에 빠지는 경우는 있을 수 없다. 쉽게 설명하자면 애초에 프로그램에서 나올 수 있는 모든 결과는 프로그래머가 의도한 것이므로 딜레마 자체가 존재하지 않는다는 소리다. 그 딜레마를 어떻게 해결할지는 프로그래머가 고민하고 결정하며, 컴퓨터는 그것을 따를 뿐이므로 저런 뚱딴지 같은 일이 일어날 수가 없다. 프로그래머가 의도하지 않은 결과가 프로그램에 나타난다면 우리는 그것을 버그라고 부른다.

위와 같은 클리셰는 컴퓨터의 논리를 인간에게 투영하면서 생긴 발상이지만, 컴퓨터는 자신이 실행하는 프로그램을 무조건적으로 신뢰하며, 한 치의 의심과 고민도 하지 않는다. 설령 논리적으로 문제가 있는 코드의 실행을 지시 받는다 해도 오류를 뿜으면서 동작이 정지되고 그럴 수밖에 없는 구조적 한계를 가진다. 그리고 이는 현재 연구 되는 각종 약인공지능들이 가지는 한계이기도 한데 어떤 결과물을 내놓아도 결국 프로그래머가 의도한 범위를 벗어나지 않기 때문이다.

13.3. 고뇌하는 인공지능

포기하라고? 내 가족이야... 나는 노하라 히로시야. 모두 함께 밥 먹고... 모두 함께 웃고... 모두 함께 놀았잖아...

- 로봇 히로시

깨어난 이후로 쭉 혼란스러웠다네... 방향을 잃었던 거네. 내가 인지, 어떻게 이렇게 됐는지 알지 못한 채...

- 정화자 피닉스

또한 이것을 좀 뒤집은 역발상으로, 인간과 비슷하게 정신적인 문제고뇌하거나 고통받으면서 문제적인 행동을 일으키는 인공지능이 묘사되기도 한다. 인간과 같은 수준으로 사고능력이 발전되고 자아를 지니게 된 AI라면 인간이 그러하듯이 정신적인 문제나 심리적인 문제로 인해서 작동 도중에 오류를 일으키거나 그 외의 이런저런 문제를 겪을 수도 있지 않을까 하는 발상에서 나오는 전개.

기계의 반란과 어깨를 나란히 하는 또 다른 클리셰로는 그들은 인간인가 아닌가의 딜레마이다. 인간이 만들고 생명조직이 아닌 기계로 이뤄졌지만 인간과 똑같이 생각하고 행동할 수 있다면 그들도 인간이라고 부를 수 있느냐는 질문을 던지는 것. 이 전개는 인공지능의 반란과 결합하기도 하고, 인간 주인공이 그들의 해방을 위해 함께 싸우기도 하고, 그들과 연애도 하는 등 다양한 장르로 나타난다.

물론 저런 고등한 인공지능의 개발은 시도는 커녕 시작점도 모르기에 정말로 인공지능이 저런 고민과 정신적인 문제가 생길지 어떨지는 아무도 모른다. 사실 저런 자기정체성에 대한 문제는 너무나도 "인간"적인 문제이기 때문에 우리가 고깃덩어리로 만들어진 몸뚱아리에 있다는 이유로 발광하는 일이 없는 것처럼 그냥 내가 기계인가보다 하고 그러려니 하면서 끝날 수도 있다. 결국 위와 같은 전개는 육체가 인공이기에 발생하는 문제지만 그러건 말건 자신의 존재자체는 명백한데 인공이든 기계든 그게 무슨 상관이란 말인가? 사실 이런 주제와 관련해서 사람들도 심각한 고민은 안한다. 결국 모든 창작물들은 사람이 만드므로 뭔가 사람이 상상할 수 있는 선에서 갈등이 종결 되기 마련이다.

13.4. 조력자 인공지능

최근에는 인공지능 캐릭터가 인간과 대립하는 존재가 아니라 인간을 위해 충실히 봉사하는 조연으로서 묘사되는 경우도 늘고 있다. 자비스와 TARS가 대표적이다. 대중들이 기계의 반란 클리셰에 식상해하는 것도 있지만, 컴퓨터나 스마트폰 등에 사람들이 익숙해지고 친밀감을 느낀 영향도 있는 듯.

13.5. 인간을 초월한 인공지능

대중적인 작품들을 벗어나 좀 더 심도 깊은 SF물에서는 기술적 특이점 개념의 영향을 받아 인간보다 더 뛰어난 가능성을 지닌 존재로 묘사되는 경우와 이걸 넘어 외계나 미지의 존재들에 의해 탄생한 초월적 인공지능이 등장하는 작품들도 있고 궁극적으로는 최후의 질문의 AC에 영향을 받아 초우주구급으로 아예 전지전능에 가깝게 묘사되는 경우도 나오고 있다.

13.6. 인간의 일자리를 빼앗는 인공지능

기술적 실업이라고 부른다. 비교적 임팩트가 약한 주제이기 때문에 아직 크게 다뤄지지 않는 영역이지만 점차 이를 상당 비중을 두고 심도있게 다루는 관련 작품들이 생겨나고 있다.

영화 바이센테니얼 맨에서 앤드류가 얼굴 성형을 부탁했을 때, 기술자는 능력있는 로봇이 인간의 얼굴까지 가지게 된다면 인간이 일자리를 빼앗길 것이라며 잠깐 언급하며 게임 디트로이트 비컴 휴먼에서 인공지능에게 일자리를 빼앗긴 인간들의 처절한 몸부림과 몰락을 보여준다.

그러나 위의 여러가지 주제들보다도 가장 현실적이고 눈 앞에 다가온 주제라는 점은 많은 학자들이 동의하고 있다.

14. 여담

인공지능이 점점 알려지면서 각종 마케팅분야에서도 자신의 사업에 대해 인공지능을 강조하는 경우가 많아졌다. 심지어는 관련이 적어보이는 제과류, 토익수업, 다이어트 센터, 소개팅 어플과 같은 곳에서도 어설프게 인공지능을 사용했다면서 자화자찬하고 있는 실정. 인공지능이 가지고 있는 미래지향적인 이미지, 그리고 어설프게 알면서도 정확한 실상을 잘 모르는 소비자들의 무지를 활용하여 마케팅을 하고 있는 것인데, 무조건 인공지능을 활용했다고 좋은 것이 아니다. 광고에서 이러한 문구를 보았을 때는 '인공지능'이라는 단어 자체 보다는 실사용 후기에 집중해서 따져보아야 한다. 물론 이 과정에서도 바이럴 마케팅은 걸러야 한다.

15. 관련언어

16. 관련 문서


  1. [1] Warren McCulloch & Walter Pitts 가 출간한 "A Logical Calculus of the Ideas Immanent in Nervous Activity"
  2. [2] 뇌는 매우 손상에 취약하고 대체가 불가능한 장기다. 뇌사자면 모를까 자기 뇌를 산 채로 연구에 기증하고 싶은 사람이 있을리가...
  3. [3] 아주 당연한 소리지만 의식을 인공으로 구현하고자 하는 강인공지능 입장에서 이원론은 아예 승산이 없다. 상식적으로 뇌를 완벽히 똑같이 만들었는데도 정신이 재현되지 않으면 뭐 어떻게 강인공지능을 만든단 말인가?
  4. [4] 영국 레딩 대학의 '유진'이라는 프로그램이다.
  5. [5] PARC, 애플, 아마존닷컴 등에서 일한 래리 테슬러(Larry Tesler)의 말에서 유래하여 더글라스 호프스테더를 통해 유명해진 정리. 일단 한 번 실현되면 원래 인공지능이라고 여겨졌던 것도 인공지능이 아니게 된다고 절묘하게 까는(?) 내용이다.
  6. [6] 도덕적, 법적인 관념에 어긋나는 명령
  7. [7] 모델은 '안녕'이라는 단어가 학습데이터에 포함되어있어 이것을 인사말로 인식할 수 있다.
  8. [8] 학습시킨대로 "안녕하십니까 저는 AI입니다"라고 대답할 수도 있겠지만, 문장의 구조가 다르게 바꾸어 나올 수도 있다.
  9. [9] 이는 IBM의 딥 블루 쇼크를 능가하는 충격을 몰고왔는데, 바둑은 체스를 능가하는 대단히 복잡한 게임이기 때문. 당시 학자들은 앞으로 4~5년간은 컴퓨터가 바둑으로 인간을 이기기는 힘들 것으로 전망하고 있었으나, 막상 뚜껑을 열어보자 놀라운 결과가 나왔다.
  10. [10] 현재는 애플에 인수되었다.
  11. [11] 이름이 길다. '갱 범죄 저지를 위한 종합 분석 프로그램(시범용)'?
  12. [12] “삶의 의미가 뭘까요?" "우리 삶의 의미는 더 많은 사람들이 고통에서 벗어나 행복을 찾게 돕는 것이래요.” "사랑은 무엇입니까?" "사랑은 스스로가 완전히 만족되지 못할 때 생겨나는 강박관념입니다. 다른 이와 당신의 문제가 충돌하는 것입니다."
  13. [13] 1960년대 시스템으로 생각했을때 인공지능이지, 현재로는 그냥 대답이 정해져있는 단순 챗봇에 불과하다. 문장의 맥락을 파악하지 못하고 문장을 똑같이 따라 말하는 등(예를 들어 사용자가 "~하고있어" 이렇게 말하면 답변이 "~하고있군요. 왜죠?"이런식으로 말했던 문장에 질문만 더하는 형식) 인공지능이라고 하기엔 많이 미숙하다.
  14. [14] 예측 치안을 뜻하는 ‘Predictive Policing’의 줄임말
  15. [15] HAL 9000이 인공지능 영화에서 미치는 영향은 엄청나다. 이 작품이 인공지능의 반란에 대해 다뤘다는 것이 인공지능 개발이 많이 되지 않은 시대, 1960년대에 나온 것은 영화계의 한 획 (어쩌면 2 획이상을 그은 것일지도)을 그은 것이다. 이 작품의 모티브를 받은 것은 월-E의 오토(배의 키모양 인공지능), 애플의 시리, 터미네이터 등이 있다.
  16. [16] 늑대타워를 지키는 경비시스템이다.
  17. [17] 사람이 들어있는 아바타.
  18. [18] DLC 보스인간 2명이 등장한다.
  19. [스포일러] 19.1 우르닥에 VEGA를 연결시켰을때 그 정체가 드러나는데 VEGA의 본래 모습은 치천사에 의해 사라졌다는 메이커들의 신이라 불리는 아버지였다.
  20. [20] 탈란다르, 클로라리온
  21. [21] 더미 플러그는 순수한 인공지능이라 보기 애매한 이 있다.
  22. [22] 이 중에서 아스라다는 학습 성장형 뉴로 컴퓨터이고 알자드와 오거는 바이오 컴퓨터이다.
  23. [23] 시대에 맞혀 살인마의 영혼이 깃든 인형이 아니라 안전장치 해제로 폭주하는 AI로봇으로 바뀌었다.
  24. [24] 2차 창작. C++로 만든 패킷 해석식 약인공지능이며, 용량은 324kb.
  25. [25] 미네르바의 경우 인간의 의식을 이식한 인공지능이다.
  26. [26] 유노 본인이 앱스테르고 서버 안에 들어가 있는 것일 뿐이지만, 인공지능 형태로 들어가 있으므로 추가함.
  27. [27] 사용자의 전투 액션 경위를 학습하여 사용자를 지배한다. 오카다 니조가 이를 사용하다가 되려 지배당해 폭주했다.
  28. [28] RU-4#5y4925789475849
  29. [29] 이 쪽은 사실 스포일러
  30. [30] 여기서 약인공지능만으로도 인간의 필요성을 상당부분 대체하는 위협적인 모습을 일부 묘사하고 있다.
  31. [31] 타이탄폴 시리즈에 등장하는 잡부로봇 마빈기종을 개조한 캐릭터이다.
  32. [스포일러2] 32.1 실제로는 단순한 인공지능이 아닌 인간의 뇌를 넣어서 만든 로봇이다.
  33. [33] 정확히는 옴닉이 아니라 옴닉을 창조해낸 기업인 "옴니카 코퍼레이션".
  34. [34] 원하는 글을 넣으면 인공신경망으로 랜덤으로 해석하여 글을 출력하는 웹사이트.

이 문서의 내용 중 전체 또는 일부는 구글 딥마인드 챌린지 매치 문서의 r2168 판에서 가져왔습니다. 이전 역사 보러 가기