https://www.ntoday.co.kr/news/articleViewAmp.html?idxno=104763

이현규 교수 “산업혁신 AI에 미래 있다…경계 없는 협력 절실”

《제5회 청년플러스포럼 ‘AI·디지털 대전환 시대, 청년 미래 전략’》 

[인터뷰] 전 과기부 AI사업단장 인천대 이현규 교수 자본 들여 AGI 가능성 확인…비용 절감 차례 실제 데이터 도외시…산업-연구 간 괴리 초래 강소기업 AI 도입…초부처적 지원책 수립 필요

【투데이신문 변동휘 기자】 인공지능이라는 트렌드가 전 세계를 강타하고 있다. 잠깐의 유행에 그치는 것이 아닌 전 산업군을 뒤흔들고 있다는 점에서, 이제는 태풍이라기 보다는 하나의 시대적 물결이 된 듯한 인상까지도 준다. 

이미 민간에서는 빅테크 기업들을 중심으로 한 주도권 경쟁이 한창이며, 국내 기업들도 후발주자 입장에서 경쟁력 확보를 위해 분주한 모습이다. 정부 역시도 글로벌 AI 주도권 확보를 위해 다양한 지원사업을 마련하고 현장의 목소리를 듣는 등 다방면으로 움직이고 있다.

이 쯤에서, 우리나라는 ‘AI의 시대’를 잘 준비해 나가고 있는지를 질문해볼 필요가 있다. 법제 체계와 정책들이 시대의 흐름에 뒤처져 있거나 혹은 역행하고 있지는 않은지 점검해보고, 앞으로 어떤 방향으로 나아가야 하는지 짚어야 한다는 것이다. 

이에 대한 답을 찾기 위해 <투데이신문>에서는 인천대 컴퓨터공학부 이현규 교수를 찾았다. 과학기술정보통신부(이하 과기정통부)에서 초대 인공지능·데이터 PM(프로그램 매니저) 겸 인공지능사업단장을 역임했던 인물로, 우리나라의 AI 관련 정책을 진두지휘하는 사령탑 역할을 했던 만큼 이러한 질문에 답할 수 있는 최적임자인 셈이다.

그는 정부가 집중해야 하는 방향성으로 ‘산업혁신 AI’를 꼽았다. 초거대 AI를 통해 AGI(범용 인공지능)의 가능성은 확인했지만 막대한 비용과 자원을 계속 투입할 수는 없기에 다시 효율성을 개선하는 방향으로 갈 수밖에 없으며, 우리가 가장 잘 하는 산업에 AI를 도입해 혁신을 이뤄내야 한다는 것이다. 특히 세계적인 경쟁력을 보유한 국내 강소기업들에 AI를 적용하면 시간과 비용을 단축하고 생산성을 끌어올리는 등 산업 혁신을 견인할 수 있다는 것이 그의 설명이다.

이를 위해 이 교수는 산업계와 연구자들 간의 협력이 필요하다고 강조했다. 지금까지는 산업계가 배제된 채 연구자들만의 입장에서 R&D(연구개발)가 이뤄져 왔기에, 현실과의 괴리가 있을 수밖에 없었다는 문제의식에서 출발한 것이다. 이를 위해서는 정부가 두 당사자를 잇는 가교 역할을 잘 수행해줘야 하며, 특히 각 부처 간의 입장차를 넘어 초부처적 지원책을 마련해야 한다는 것이다. 

Q 초대 과기정통부 AI PM으로 활동할 당시 주로 어떤 업무를 맡았는가.

국가 단위에서의 인공지능 연구개발의 전략을 짜고, 방향을 설정하고, 예산을 따내고, 그 다음 선정 작업을 통해 과제를 가장 잘 수행할 주체에게 예산을 전달하는 것까지가 저의 역할이었다. PM이라는 명칭 때문에 잘 모르는 분들이 많은데, 우리나라 인공지능 연구개발의 국가대표 감독과 같은 역할이라고 보시면 된다.

Q AI의 발전이 빠르게 이뤄지고 있는데, 무엇이 핵심이라고 생각하나. 또한 이러한 관점이 정책에 어떻게 반영됐는지도 설명 부탁드린다.

모든 연구자들이 지향한 바는 AGI다. 하나의 인공지능이 인간 이상일 수 있으면서, 다양한 용도로 변형해서도 쓸 수 있는 것이다. 그게 꿈이었다. 이를 독자 연구한 것은 오래 됐지만, 답을 내지 못했다. 그런데 엉뚱하게도 초거대 AI가 그걸 해냈다. 원래 그 뜻을 가졌다고 보기도 어렵지만, 엄청나게 많은 데이터와 큰 모델로 훈련을 시키다보니 성능도 빼어나면서 다양한 목적으로 쓸 수도 있도록 변형됐다. 연구자들의 지향점도 다 마찬가지다. 또 다른 AGI의 가능성을 찾아갈 것이라고 본다. 

다만 초거대 AI는 잘못된 방향이다. 엄청난 컴퓨팅 파워와 자본을 들이니 가능했지 앞으로 계속 이렇게 쓸 수는 없다. GPT 3.0도 만드는데 5조원 정도 들었는데, 이는 국가 단위에서도 어려운 일이다. 결국 지향했던 AGI를 돈들여 만드는 방법은 찾아냈으니, 적게 들이면서 하는 법을 찾아내는 것이 관건이다. 뇌인지, 양자기술 등이 그런 것들을 가능하게 하지 않을까 하는 기대감이 있다. 

처음 부임하자마자 차세대 인공지능 원천기술 개발 예비타당성 조사를 했다. 방법은 딥러닝이 가지는 문제점을 극복하는 것이었다. 딥러닝이 문제가 많았다. 그때문에 자본이 많이 들었다. 학습의 효율성 또는 확장성 문제, 윤리 문제, 멀티모달 문제 등을 AGI를 타깃으로 설정해 작게라도 할 수 있도록 했다. 이는 현재도 진행 중이다. 

Q 산업계에서 AI 활용을 본격화하는 등 빠르게 확산 추세에 있는데, AI의 중요성이 현재 어느 정도이며, 앞으로 얼마나 더 중요해질 것으로 보는가. 

과기정통부에서 나오기 직전까지 산업에만 집중했다. ‘산업혁신 AI’라는 주제였다. 국내에서 산업에서 인공지능 활용률은 2.7%다. 거의 안쓴다고 보면 된다. 써본 사람의 숫자는 꽤 있지만, 계속 쓰겠다는 사람은 별로 없다. 인공지능에 많은 금액을 들였다. 4년간 만진 돈이 조 단위에 가깝다. 하지만 왜 산업에선 안 쓸까 하는 의문이 있다. 여러 이유가 있을텐데, 환경적으로는 지나친 기대감이 있었지 않나 싶다. 세계 최고도 이길 수 있다는 지나친 기대감이 팽배했는데, 문제는 공장 쪽에 들여놓으면 그런 성능이 나오지 않는다. 그러면서 실망감이 커진 것이 원인인 것 같다. 그런 점에서 정책 수립 당시 테마를 ‘글로벌 기술패권 경쟁’으로 잡았다. 

Q 현재 우리나라의 AI 정책은 어느 부분에 초점을 맞추고 있다고 보는가. 또한 이러한 방향의 강점과 약점은 무엇이라고 생각하는가.

3가지 방향이 있는데, 첫 번째는 차세대 AI, 순수한 원천기술이 있다. 그런데 이 부분은 학습 데이터가 전부 사람 중심이다. 말, 문장, 시각 등 3가지 정도에 집중하고 있다. 우리나라 연구도 다 그쪽이다.

2번째는 기술 자체의 대중화와 일상화다. 대중화는 개발자 관점이다. AI에 대한 배경지식이 없더라도 쓸 수 있게 만들어주는 것이다. 일상화는 이를 통해 서비스 자체가 세상에 펼쳐져 있는 것이다. 가능성 있는 후보가 나오니 많은 이들에게 쓰게 하자는 것이 일상화이며, 온디바이스 AI도 그 일환이다. 장비 자체가 기술을 갖추게 된다는 점에서 일상화라는 표현을 쓴 것이다. 

마지막 3번째는 산업혁신 AI라고 정의내렸다. 이 부분에서 우리가 잘 못한게 많다. 좋은 기술이 있으니 갖다 쓰라는 것인데, 하나도 성공을 못했다. 왜 그런지 살펴보니, 지금 우리 대부분의 연구가 사람 중심 데이터를 극대화하는 것이다. 대부분이 이 연구를 하고 있다. 산업체는 이런 데이터가 별로 필요없다. 기계에서 발생하는 데이터가 더 중요한데, 전문가들이 만든 건 이것과 별로 상관이 없다. 그럼에도 아직 정부가 이런 말을 하고 있는 것이다.

Q. 앞으로 AI 트렌드가 어떻게 이동할 것으로 전망하고 있으며, 정부는 어떤 정책을 준비해야 한다고 보는가.

부처 간 영역 문제부터 해결해야 한다. 산업의 산 자만 나와도 산업통상자원부 일이 돼버리고, 과기정통부는 부담을 느낀다. 그러다 보니 뭔가를 제대로 만들어두지도 않았고, 쓸 곳도 없었다. 전산학 전공자들은 과기부에 모여 있고, 산업부 쪽에는 산업 전문가들이 모여있다. 산업에 특화된 인공지능 원천기술 개발이 바로 산업혁신 AI다. 부처간 싸움을 안 하게 하려면 결국 기술경쟁으로 방향을 잡아야 했다. 특정 문제만을 풀어낸다고 하면 기술 영역의 문제가 될 수 있다. 

그렇게 추진한 사례가 종자 개발이고, 그 다음은 배터리 전해질 개발이다. 왜 기술이냐면, 실제로 종자를 개발하자는 게 아니기 때문이다. 10년이 넘게 걸릴 종자 개발을 AI로 단축시키는 것이다. 배터리 전해질도 비슷한 문제였다. AI가 시간을 줄여줄 수 있다. 

문제는 인공지능 전문가가 실제 산업적 부분은 잘 모른다는 점인데, 이 부분은 도메인 전문가들이 잘 안다. 이들간 협업을 통해 만드는 것이다. 이것이 핵심이다. 인공지능은 데이터 의존성이 큰데, 도메인과 AI 전문가가 손을 잡아야 한다. 산업 이슈는 결국 데이터와 인공지능 전문가가 결합해 제대로 원천기술을 만드는게 필요하다. 

산업으로 봤을 때 우리가 잘하는 게 무엇인지 생각해보면, 사람들은 반도체 디스플레이 등 몇 가지밖에 떠올리지 못한다. 하지만 관점을 바꿔보면, 부품 단위로 작은 것들을 글로벌하게 하는 강소 기업들이 있다. 이러한 분야에서 세계 톱10에 들어가는 기업은 적어도 100개가 넘는다. 중기청에서도 작년에도 한 1000개의 강소기업을 선정을 했었는데, 그 안에는 기술을 가지고 제대로 경쟁하는 사람들도 적지 않다. 그들에게 AI를 제대로 쓰도록 해서 글로벌 경쟁력을 갖게 해준다면, 제가 보기에는 두 마리 토끼를 모두 잡는 거라고 본다.

Q AI 윤리와 관련된 논의도 글로벌 주도권 경쟁이 한창이다. 정부에서도 ‘디지털 권리장전’을 발표한 바 있는데, 여기서 주도권을 갖는다는 의미는 무엇인가.

일상화가 된다면 윤리적 고민이 필요할 것이다. 사람과 같이 어울리는 것인데, 사람은 항상 윤리적 고민을 한다. 사실은 무궁무진한 요소들이 있다. 윤리는 사람 간 관계설정 때문에 나온 것이다. 다만 알고리즘을 만들 때 처음부터 이를 고려하는 것은 불가능하다. 인위성이 커지기에 뻔한 연구가 될 가능성이 크다. 

가능성을 보고 조금 준비하는 것은 말이 되지만, 아직 갈 길이 먼데 너무 이르다. 이거 잘못 막으면 모든 연구가 멈출 수도 있다. 영국의 경우 테크 자이언트가 없기에 소비자 관점이다. 미국의 경우 이미 나온 게 있고, 서비스가 등장하니 정말 고민할 수밖에 없다. 하지만 어디서부터 손을 댈지, 문제가 되는 상황이다. 우리는 이도저도 아닌데 왜 저렇게 하는지 잘 모르겠다. 

우리 법안은 EU 쪽을 따른다. 하지만 우리는 소비자쪽으로 가면 죽는다. 내수 시장도 없고, 제대로 개발하지 못하면 수출도 못한다. 때문이 과기정통부에서 일할 당시 이를 대놓고 반대했다. 이것이 필요한 시점은 특이점이다. 그 게 나올 가능성이 있는 시점에서 사람끼리 합의하는 게 답이다. 

Q 현재는 교육 현장에 계시는데, AI 인재 육성과 관련된 현 정부 정책에 대한 평가는 어떠한가.

청년 일자리 문제 등의 이슈이기도 한데, 적어도 지금 정책적으로 잘못된 부분을 풀면 상당부분 해결될 것이다. 연구를 하려면 인력없단 이야기가 많은데, 저는 인력 많다고 얘기해왔다. 구글 딥마인드 데미스 하사비스 CEO 같은 사람은 전세계에도 몇 없다. 특히 산업으로 가면 그쪽 산업 전문가들의 역할이 중요하다. 인공지능 전문가와 도메인 전문가의 비율이 약 1:9인데, 지금까지 1에만 집중해왔다. 하지만 중요한 것은 9다. 도메인 전문가들도 AI 하는 데 중요한 사람이다. 모델을 직접 만드는 사람은 아니지만, 모델을 잘 만들수 있게끔 해주는 사람들이기 때문이다. 도메인 전문가들의 전문분야나 현장 노하우에 데이터에 대한 이해도를 조금만 갖추면 많이 안 가르쳐도 된다. 이미 좋은 알고리즘이 인터넷에 쌓여 있으며, 특히 ‘케글(구글의 인공지능 경진대회)’의 문제풀이 소스와 데이터 등은 모두 공개돼 있기에, 이를 가지고 이해도를 높여 좀 더 좋게 만들면 세계 최고일 수도 있다.

결국 문제는 잘못된 교육에 있다. 알고리즘 모델 만드는 것에만 모든 게 집중돼 있고, 데이터에 대해서는 신경도 쓰지 않는 교육 방침이 잘못된 것이다. 지금 현재 대부분의 인공지능 대학원이 그런 식으로 교육을 하고 있다. 이 부분만 고치더라도 일단 우리가 좋은 것들을 많이 얻을 수 있고, 일자리 창출 측면에서도 엄청날 것이다. 실질적으로 데이터를 잘 만들어 글로벌하게 성공한 회사들의 사업 구성원을 보면, 한 20~30명 되는 조직에 AI 하는 사람은 한 두세 명밖에 없고 다 도메인 전문가들이다. 이 사람들까지 끼면 우리는 인력이 엄청나게 많은 것이다. 데이터를 잘 다뤄서 더 잘 만들 수 있는 잠재력이 우리에게는 있다.

Q 많은 내용들을 말씀하셨지만, 결론적으로는 AI 개발자와 도메인 개발자를 잘 매칭하는 게 필요하다는 내용이 핵심인 것 같다.

실제로 제가 4년 동안 계속 주장한 내용이기도 하다. 이제는 설득까지 돼서 사업과 예산까지 만들었다. 정부가 놓치고 있던 부분인 것도 맞고, 그래서 뭔가를 했는데 좋은 변화도 조금 있었다. 사실은 두 전문가들이 거의 같이 일을 하지 않는 수준을 넘어 갈등까지 벌어지고 있었다. 그나마 이제는 서로 협업을 하며 돕는 현상이 생기고 있는 게, 인공지능 쪽에서는 소위 말하는 톱 컨퍼런스에 논문을 냈을 때 실제 데이터를 쓰지 않으면 안 받아준다. 때문에 모든 영역은 아니더라도 일부 도메인 전문가랑 협력할 수밖에 없는 일이 벌어지고 있다. 그렇게 오래되진 않았지만, 산업에서는 AI를 써서 경쟁자를 누르는 일이 발생하고 있다. 예를 들어, 삼성전자에 시스템을 납품하는 사람이 있는데, 외국에서 AI를 가지고 더 좋은 걸 만들었더니 삼성이 그걸 선택해버리는 식이다. 때문에 산업에서도 AI 개발자에게 손을 내밀고 있다. 

결국 정부가 이를 잘 엮어주는 가교 역할을 해줘야 한다. 화합의 장이 될 수 있는 기회를 많이 만들어주고, 성공적인 사례들을 많이 만드는 것들이 아마 지금부터 필요한 부분이 아닐까 싶다. 지금까지 제가 말씀드렸던 부분은 모든 사업에 다 반영을 했다. 투자처부터 시작해 타 부서까지 쫓아다니면서 설득하고 실행했던 일들이다.

Q 사람들을 설득하고, 정책을 실행해 나가는 일들이 쉽지 않았을 것 같은데, 어떤 과정들을 거쳤는가.

그냥 시키는 일만 하면 제일 속 편하다. 국가의 인공지능 정책 방향을 결정한다는 역할도 너무 멋있는 일이다. 하지만 옆에서 고정관념을 가지고 ‘된다 안 된다’를 논하는 비전문가들이 너무나도 많다. 그들이 이해하게끔 해줘야 하고, 제가 없더라도 그분들이 ‘그게 맞다’라고 얘기할 수 있어야 한다.

그래서 과기정통부 공무원들을 끊임없이 교육시켰다. 순환으로 바뀔 때마다 계속 교육했다. 마지막에 나올 때는 제도적인 부분에까지 영향을 줬는데, 인공지능 기술처럼 기술 발전이 빠른 부분에는 2~3년 가량 걸리는 예타가 잘 맞지 않는다. 3년 전에 계획한 내용에 돈을 줘서 개발하라고 하면, 이미 이 기술이 필요 없게 된 이후다. 그래서 예타 제도가 좀 바뀌었다. 발전 속도가 빠른 부분에 대해서는 프로그램형으로 해서 이전과 다른 방법으로 평가하는 방식을 올해부터 적용하게 됐다.

Q 마지막으로 AI에 관심을 갖고 있는 독자들에게 전하고픈 말씀이 있는가.

이제는 인공지능에 대해서 기존의 연구자들이나 산업 관계자 이런 분들뿐만 아니라 좀 더 광범위한 차원에서의 논의가 필요한 시점이다.

이 점에서 제가 제일 먼저 하는 말이 뭐냐 하면 “머릿속에서 인공지능을 지워라”다. 하고 싶은 걸 그림으로 그려 놓고, 그 다음 어디다 AI를 쓰는 게 좋을 지를 보는 게 훨씬 더 빠를 것이다. 하지만 인공지능을 먼저 생각하면 전부 터미네이터를 만들기 때문에, 그림도 못 그리게 된다. 그래서 머릿속에서 AI부터 지우고 시작하는게 맞을지도 모르겠다.