역사 발전과 변증법

우리는 매일 생활 속에서 ‘정반합’(正反合)의 과정을 거치면서 살아간다. 서로 다른 생각, 방법, 이념, 정책, 이론, 습관, 관념들이 출동하는 서로 경우가 많다. 이런 때 서로 양보하면서 타협해 새로운 돌파구를 열어가고 그 과정에서 사회가 발전하고 있다. 이 과정을 ‘변증법적’이라고 표현할 수 있겠다.

김정호 카이스트 교수

여기서 변증법은 정과 반이 충돌하고 결합하면서 다음 선의 방향으로 발전한다는 개념이다. 다른 표현으로 정명제(테제, Thesis)와 반명제(안티테제, Antithesis)를 사용하여 이 모순되는 주장들이 합명제(진테제, Synthesis)를 찾거나 최소한 발전하는 방향으로 질적 변화를 일으킨다는 철학이 변증법이라고 요약할 수 있다. 이러한 변증법이 이루어지는 과정 또는 결과물을 일컬어 ‘정반합’이라고 부르며, 이 정반합이라는 단어는 병증법의 동의어로 쓰이기도 한다.

이러한 변증법은 서양 문명에서 최초로 체계를 갖춰 가면서 발전한 논리적 사고 중의 하나라고 한다. 역사적으로 독일의 철학자 게오르크 빌헬름 프리드리히 헤겔(Georg Wilhelm Friedrich Hegel. 1770~1831)이 변증법을 재발견했다. 헤겔은 이성이 인류를 진보로 이끌며 이러한 이성이 진보를 일궈내는 메커니즘이 바로 변증법이라고 보았다.

이제 4차 산업혁명의 핵심인 ‘인공지능’ 시대가 가까이 다가 오면서 앞으로 인류 역사의 발전이 서양의 대표적인 철학인 변증법을 따를 지, 아니면 완전히 인간의 이성과 분리된 새로운 ‘인공지능’ 이 정하는 방향으로 전개될지 우리에게 새로운 숙제가 탄생했다.

역사 발전 원동력으로 변증법을 주장한 독일 철학자 헤겔. [출처=위키백과]

'변증법 인공지능' GAN

그런데 마침내 변증법적인 알고리즘이 인공지능에도 적용되기 시작했다. GAN(Generative Adversarial Networks)이라고 부르는 최신의 인공지능 알고리즘이다. 그대로 번역하면 ‘적대적인 생성 인공지능 네트워크’ 라고 부를 수도 있겠다. 필자는 이 새로운 인공지능 알고리즘을 ‘변증법적 인공지능'으로 부르려 한다.

이러한 GAN 인공지능에서는 컴퓨터가 최적의 해답을 찾기 위해 ‘진짜(Real Data)’와 ‘가짜(Fake Data)’를 같이 공존해 두고 경쟁시키며 둘 다 발전시킨다. 서로 경쟁하면서 배우는 학습(Learning)과정을 사용한다. 그래서 진짜와 가짜가 끊임없이 경쟁하면서 발전한다. 가짜는 이러한 진짜와의 경쟁을 통한 무수한 학습을 통해서 거의 완전체에 가까워 진다. 그래서 진짜와 가짜를 구별할 수 없는 수준까지 학습을 하고 완성한다. 그러면 인공지능 조차도 진위를 가릴 확률이 50% 가 된다. 진정한 복제품이 완성된다.

이렇게 변증법에서 정과 반이 경쟁하면서 합이라는 새로운 결과물을 만들어 내면서 발전하듯이, 인공지능 내부에서 진짜와 가짜와 정반합으로 발전하여 제 3의 창작물을 만들어 내는 인공지능 알고리즘이 GAN 이다. GAN 내부에는 위조 발생기(Generator Network)가 있고, 진위를 판별하는 판별기(Discriminator Network)가 있다. 이러한 발생기와 판별기는 딥러닝 인공지능 네트워크로 구성된다. 이렇게 진짜와 가짜가 정반합을 이루면서 질적 변화를 추구하는 인공지능 네트워크가 GAN 이다.

이 GAN을 처음 제안한 과학자가 이안 굿펠로우(Ian Goodfellow)이다. 그는 머신 러닝의 연구자로 지금은 구글 브레인에서 연구자로 근무하고 있다. 미 스탠포드 대학에서 학사와 석사를 마치고 박사 학위는 인공지능이 메카인 캐나다 몬트리올 대학에서 받았다. 지도 교수는 인공지능 4대 대가인 요슈아 벤지오 (Yoshua Bengio)교수이다. 그는 GAN을 경찰과 위조 지폐범 사이의 게임에 비유했다. 위조 지폐범(Generator)은 최대한 진짜(Real Data)같은 가짜 화폐(Fake Data)를 만들어 경찰(Discriminator)을 속이기 위해 노력하고, 경찰은 진짜 화폐와 가짜 화폐를 완벽히 판별하여 위조 지폐범을 검거하는 것을 목표로 한다. 이러한 경쟁적인 학습이 지속되다 보면 어느 순간 위조 지폐범은 진짜와 다를 바 없는 위조지폐를 만들 수 있게 된다.

이처럼 변증법적으로 인공지능이 학습하고 진화해 가서 최고의 단계로 진화해 가는 방법이 GAN 알고리즘 인공지능이다.

발생기 네트워크, 구분기 네트워크로 구성된 GAN 인공지능의 원리. [출처=Towards Data Science]

GAN 인공지능에 의해서 생성된 창작 예술 그림. [출처=Deep Hunt]

인공지능 창조에 철학적 접근 필요

그런데 GAN 을 이용하면 한편으로 최고의 가짜 복제품을 만들어 낼 수 있다는 역설이 존재한다. 최종으로 궁극적인 정반합의 상태는 진짜와 가짜의 구분 확률이 50%가 되는 지점이다. 그러면 구분이 되지 않는다는 말이다. 이렇게 GAN 을 이용하면 진짜 같은 가짜가 인공지능에 의해서 생성된다. 위조 지폐뿐만 아니라 그림, 디자인, 소설 등 모든 창작품에 진정한 모조품이 등장한다. 피카소의 그림인지 인공지능 모조품인지 구분이 불가능하다. 더 나아가 진짜와 구별이 되지 않는 가짜 뉴스도 얼마든지 생성 가능하다.

이렇게 되면 GAN 은 창작 기계이면서 동시에 모조품 제작 기기가 된다. 양면성을 갖는다. 그런데 인간 역사의 변증법적 진화는 수십 년 수백 년이 걸린다. 그런데 인공지능의 변증법적 진화는 ‘초’ 단위로 진화한다.

이처럼 인공지능도 ‘철학적’이다. 인공지능 알고리즘의 발전에서도 새로운 상상력의 원천이 철학, 역사, 종교, 예술이고 그에 기반해서 새로운 창조가 가능하다. 그 대표적인 변증법적 인공지능 알고리즘인 GAN 이다. 앞으로 한국에서 독창적인 인공지능 알고리즘을 찾고 싶다면 동양 철학을 공부해 보면 좋겠다. 불교, 도교, 유교 등 동양 철학이 다시 보인다. 인공지능 창조에도 인문학이 필요하다.

GAN 인공지능에 의해서 생성된 인공적인 가상 얼굴 사진. [출처=Torch]

GAN 인공지능에 의해서 생성된 가상 만화 캐릭터. [출처=Medium]

joungho@kaist.ac.kr 

[김정호 카이스트 전기 및 전자공학과 교수