캐글(kaggle)회장 제레미 하워드(Jeremy Howard)의 컴퓨터가 배울 수 있다는 점이 미래에 가져올 멋지고, 무시무시한 미래.

어제 피곤해서 일찍 잠이 들어서 새벽에 깼습니다.


침대에 누워서 휴대전화로 네이버 tvcast를 살펴보던 중 흥미로운 게 있어서 남깁니다.

얼마 전에 읽은 스테판 바이츠 (2015), 검색이 바꿀 미래를 검색하다와 이어서 보기에 좋은 영상입니다.

위 영상은 TEDx에서도 볼 수 있고(링크), 한글 스크립트도 있습니다.



제리미 하워드는 캐글의 회장입니다. 발표에서 기계 학습의 선구자인 아서 사무엘의 이야기부터 시작합니다.


그가 발표에서 기계 학습을 이용한 사례를 소개합니다. 발표에서 말한 몇 가지 사례만 이야기해보겠습니다.

캐글에서 출제한 자동 신약을 만드는 문제를 딥 러닝을 이용해 풀어낸 사례가 있습니다. 이 사례에서 중요한 점은 이 문제를 풀어낸 팀원 중에 화학, 생물학, 생명과학에 관한 지식을 가진 사람이 없었다는 겁니다.

그리고, 기계 학습을 이용하면 컴퓨터에 수많은 음성 데이터를 학습시키고, 새로운 언어를 배우게 하는 것이 가능하다는 겁니다. 사례에서 영어로 말을 하면, 컴퓨터가 즉시 중국어로 말을 합니다.

한편, 컴퓨터 과학자들이 기계 학습으로 컴퓨터에 의료 정보를 학습시켰을 때 의료인보다 더 나은 진단을 내릴 수도 있다는 사례도 보여줍니다. 특히 의료 정보를 컴퓨터에 학습시키고 의료진보다 더 나은 진단 결과를 얻어내는 과정에서 의료 지식이 전혀 없는 사람들이 이 일을 해냈다는 게 참 대단하죠.

이런 결과를 통해서 뭘 알 수 있을까요? 앞으로 위와 관련된 부분의 전문가가 필요 없게 될 수도 있습니다. 그와 관련된 직업이 필요 없을 수도 있습니다.

그런데 제레미 하워드가 여기서 다른 관점에서 생각해볼 수 있는 사실을 제시하는데요. 의료문제로 살펴보면, 전 세계적으로 의료인의 절대적인 수가 부족하다는 겁니다. 그러면 산업혁명 이후 전 세계적으로 생산성이 다시 한 번 극대화될 수 있는 세상이 펼쳐질 거라고 생각합니다.

하지만 여전히 정보를 수집하고, 이용하는데 도덕적, 법적인 장애가 있어서 이에 관한 논의를 시작하고자 제레미 하워드가 이 발표로 이야기를 꺼냈습니다.

작년인 2014년 12월에 발표로 이야기가 시작되었고, 현재 TEDx에서만 재생수가 140만 번이 넘었습니다.

데이터를 다루는 전공을 하는 입장으로서 이 논점이 널리 퍼지고, 사회적인 합의가 충분히 이루어질 수 있는 날을 기다립니다.