AI 대부 힌튼은 천재 가문에서 태어났지만 습관적으로 중퇴생이 되었습니다. 그는 70대에 튜링상과 노벨상을 수상했습니다.

2012년 12월, AI의 대부 제프리 힌튼이 하라스 카지노로 향했습니다. 그의 여행 목적은 새로 설립된 딥러닝 회사인 DNNresearch를 매각하는 것이었습니다. 힌튼은 직원이 3명뿐이고, 제품도 없고, 사업도 없고, 설립된 지 몇 달밖에 안 된 이 "껍데기 회사"가 얼마에 팔릴지 전혀 몰랐지만, 아들의 병을 치료하기 위해 많은 돈을 모아야 했고, 이 경매가 그에게 가장 좋은 기회가 될 것이라고 생각했습니다.

동시에 바이두, 구글, 마이크로소프트, 딥마인드 등 4개 기술 회사도 이 행사에 대표단을 파견했습니다. 그들의 목적은 단지 이 '새로운' 회사를 빼앗는 것만이 아니었습니다.그 대신, 회사의 직원 3명, 즉 힌튼과 그의 학생 2명인 일리아 수츠케버, 알렉스 크리제프스키를 "패키지화하고 인수"하는 것이었습니다.

경매가 시작되기 불과 두 달 전, 힌튼 팀이 제안한 딥 합성곱 신경망 AlexNet이 ImageNet 이미지 인식 챌린지에서 우승했습니다.AlexNet은 이전에 널리 사용되던 얕은 학습과 달리, 방대한 양의 데이터를 분석하여 이미지 분류와 같은 새로운 기술을 학습할 수 있는 뇌와 유사한 신경망을 구축했습니다. 힌튼은 이를 "딥러닝"이라고 불렀습니다. 놀랍게도 AlexNet의 등장으로 이미지 분류 오류율이 9.4%만큼 직접적으로 감소했습니다(2011년 우승자는 2010년보다 1.4%만 감소했습니다). 이 기술은 컴퓨터 비전뿐만 아니라 챗봇, 자율주행, 지능형 추천, 실시간 번역, 심지어 약물 설계, 의료 진단, 소재 개발, 날씨 예보 등 다양한 분야에도 변화를 가져올 것입니다.

이러한 성과 뒤에 숨겨진 엄청난 잠재력을 잘 알고 있던 4개 회사가 여기에 모였습니다. 당시 딥마인드는 설립된 지 2년밖에 되지 않아 기술 거대 기업과 경쟁할 수 없었고, 결국 경매에서 재빨리 철수했습니다. 입찰가가 계속 오르자 마이크로소프트도 철수했다. 가격이 4,400만 달러에 이르자 힌튼은 입찰을 중단했습니다. 그는 기업가가 아니라 학자였으며, 현재 가격은 그의 기대를 훨씬 뛰어넘었습니다. 그가 더 고려해야 할 점은 자신의 연구에 적합한 장소를 찾는 것이었습니다.결국 그는 회사를 구글에 매각하기로 결정했고, 동시에 그의 제자 3명도 구글에 합류했습니다.

"이전까지 딥러닝은 상아탑 속의 순전히 학문적인 연구였고, 많은 기술 기업들이 이를 진지하게 받아들이지 않았습니다. 하지만 이 비밀 경매 행사는 딥러닝 산업의 변혁을 위한 공식적인 시작을 알렸습니다." 당시 바이두를 대신해 경매에 참여해 목격한 바이두 딥러닝 랩의 전 이사이자 호라이즌 로보틱스의 창립자 겸 CEO인 유카이는 이렇게 말했습니다.

신경망에 대한 예비 연구, AI 권위자 민스키에 도전

오늘날 우리가 경험하고 있는 인공지능 붐은 딥러닝 기술의 획기적인 발전으로 시작되었다는 것이 일반적인 견해이며, 이 과정에서 힌튼은 의심할 여지 없이 가장 인정받는 "AI 대부"입니다. 사실, 그처럼 개인 연구를 핵심으로 하여 한 시대의 기술 발전을 직접 이끌어갈 수 있는 사람은 거의 없을 것이다. 힌튼이 해냈습니다. 그 과정은 거의 60년이 걸렸지만, 그는 60년의 인생에서 획기적인 업적을 이루었습니다.

힌튼은 1947년 12월 영국 런던의 "천재 가문"에서 태어났습니다.그의 증조부 조지 불은 수리 논리학의 선구자였으며, 부울 대수와 부울 논리는 그의 이름을 따서 명명되었습니다. 그의 증조부 찰스 힌튼은 수학자일 뿐만 아니라 유명한 공상과학 작가이기도 했습니다. 그의 아버지 하워드 힌튼은 런던 왕립학회 회원이자 유명한 곤충학자로 선출되었습니다. 그의 사촌 조앤 힌튼은 중국 영주권을 얻은 최초의 국제적 친구였으며, 미국에서 최초의 원자 폭탄을 만든 여성 핵물리학자 중 한 명이었습니다.

그런 가문에서 태어난 힌튼은 본래 똑똑하고 재치가 있지만, 아마도 그의 마음속에 너무 많은 생각과 의견이 있기 때문일 것입니다.힌튼은 전통적인 교육 시스템에 적응하는 데 어려움을 겪었고, 그의 학생 생활은 우여곡절로 가득했습니다.

힌튼은 학부생으로서 케임브리지 대학교 킹스 칼리지에 입학하여 물리학과 화학을 공부했지만, 한 달 만에 중퇴했습니다. 1년 후, 그는 건축학과에서 하루 수업을 듣고, 물리학과 생리학으로 전공을 바꾸기로 결정하고 다시 중퇴했습니다. 그 후 그는 철학을 공부하기로 전향했지만 다시 포기했습니다. 마침내 그는 심리학을 공부하기로 결심했고, 1970년에 힌튼은 마침내 실험 심리학 학사 학위를 받았습니다.

이런 교육적 경험은 오늘날 학문적 거물에게 있어서 결코 영광스러운 것이 아니었습니다. 힌튼은 한때 자조적으로 "저는 일종의 교육적 ADHD를 앓고 있어서 조용히 공부할 수 없습니다."라고 말한 적이 있습니다. 하지만 18세 청년에게 있어서 도전하고 실패하는 것 역시 일종의 용기입니다. 자신에게 적합하지 않은 과목을 선별한 후,힌튼은 마침내 기계가 인간의 뇌를 시뮬레이션하도록 하는 자신의 미래 방향을 결정했습니다. 그 후 수십 년 동안, 수많은 의심에 직면하더라도 그는 결코 마음을 바꾸지 않았습니다.

힌튼의 뇌에 대한 관심은 고등학교 시절로 거슬러 올라갑니다. "한 친구가 뇌가 홀로그램처럼 작동하고 신경 세포 네트워크를 통해 기억의 조각을 저장한다고 말했는데, 그게 저를 흥분시켰습니다." 하지만 그 당시에는 아무도 뇌에 대해 아는 바가 없었고, 케임브리지 대학의 선생님들조차도 그에게 답을 줄 수 없었습니다. 아마도 공부에 방황하던 힌튼은 대학을 졸업한 후 목수가 되기로 결심했습니다. "저는 항상 목공 일을 좋아했고, 건축가가 되면 더 행복해질까 종종 고민했습니다. 과학 연구에서는 항상 스스로를 강요해야 했습니다. 가족적인 이유로 성공해야만 했죠. 행복도 있었지만, 불안도 더 컸습니다."

하지만 정말 뛰어난 목수를 만났을 때, 저는 이 직업에 제가 적합하지 않다는 것을 곧 깨달았습니다. 당시 한 석탄 회사에서 어둡고 습한 지하실 문을 만들어 달라고 목수에게 의뢰했습니다. 그는 특수한 환경을 고려하여 습기 팽창으로 인한 목재 변형을 상쇄하기 위해 목재를 반대 방향으로 배열했습니다. 저는 이런 방법을 이전에는 생각해 본 적이 없었습니다. 그는 손톱으로 나무 조각을 네모로 자를 수도 있었습니다. 그와 비교하면 저는 훨씬 뒤처져 있습니다! 어쩌면 인공지능을 공부하기 위해 다시 학교에 돌아가는 것이 더 적합할지도 모릅니다. 수년 후, 힌튼은 왜 학계로 돌아왔는지 묻는 질문에 이렇게 대답했습니다.

힌튼은 목수로 일하는 동안에도 뇌를 탐구하는 아이디어를 포기하지 않았다는 점은 언급할 가치가 있습니다. 그는 매주 도서관에 가서 뇌가 어떻게 작동하는지 스스로 공부했고, 마침내 신경망이 자신이 추구해야 할 "도"라는 결론을 내렸습니다. 그 후 힌튼은 아버지가 가르치던 대학에서 단기 심리학 일자리를 맡았고, 이를 발판 삼아 1972년 영국 에든버러 대학의 인공지능 프로그램에 입학했습니다. 그의 멘토였던 크리스토퍼 히긴스는 뇌와 인공지능이라는 새로운 분야에 큰 관심을 가졌는데, 이는 힌튼의 아이디어와 일치했습니다.

하지만 등록하기 직전, 크리스토퍼 히긴스는 갑자기 "반항"했습니다. 당시 인공 신경망을 사용하여 인간의 뇌의 저장 및 사고를 시뮬레이션하는 것은 놀라운 일로 여겨졌습니다. 힌튼의 멘토는 신경망이 전혀 쓸모없다고 믿었습니다. 그 이유는 다음과 같습니다.그 이유는 인공지능의 창시자 중 한 명인 마빈 리 민스키가 당시 신경망에 관한 책인 『퍼셉트론』을 썼는데, 그 책에서 그는 신경망에 사형을 선고했기 때문입니다.그는 단일 계층 신경망은 표현력이 제한되어 있으며 간단한 문제만 해결할 수 있다고 지적했습니다. 다층 신경망은 복잡한 문제를 해결할 수 있지만, 학습이 불가능하며 두 가지 모두 막다른 길입니다.

크리스토퍼 히긴스는 확신했지만, 힌튼은 여전히 자신의 관점을 고집했습니다. "다른 사람들은 모두 틀렸습니다. 뇌는 거대한 신경망입니다. 신경망은 우리 뇌에서 작동하기 때문에 실현 가능해야 합니다." 단일 계층 신경망의 무능함은 민스키에 의해 수학적으로 증명되었으며, 이는 변경될 수 없습니다. 하지만 다층 신경망을 학습시킬 수 없다는 문제는 정말 해결할 수 없는 것일까요? 힌튼은 여기서 벗어날 새로운 길을 찾기로 결심했습니다. 불행히도 그는 박사학위를 받을 때까지 이 문제에 대한 해결책을 찾지 못했습니다. 1978년 에든버러 대학교에서 학사 학위를 취득했습니다.

"지도교수님과 저는 일주일에 한 번씩 만났는데, 가끔은 서로 소리 지르며 싸우기도 했습니다. 지도교수님은 신경망을 공부하는 데 시간 낭비하지 말라고 여러 번 말씀하셨습니다. 저는 6개월만 더 시간을 주시면 신경망이 효과적이라는 것을 증명해 보이겠다고 말씀드렸습니다. 6개월 후에도 졸업할 때까지 같은 말을 반복했습니다." 힌튼은 몇 년 후 인터뷰에서 웃으며 말했다.

딥러닝의 부상

"졸업은 실업을 의미한다"는 말은 힌튼의 말에서 깊이 반영되어 있습니다. 당시 인공지능은 추운 겨울을 겪고 있었습니다. 영국의 관련 인력이 인공지능 연구의 진행 상황을 조사한 결과, 대부분 인공지능이 당초 약속했던 성과를 달성하지 못했다는 사실을 발견했습니다. 즉, 해당 분야에서 소위 큰 영향을 미친 결과가 나오지 않았다는 뜻입니다. 이에 따라 정부는 투자를 줄이기 시작했고, 동시에 신경망은 인공지능의 일부로만 여겨져 자연스럽게 소외되었습니다.

그래서 힌튼은 해외로 눈을 돌렸고, 남부 캘리포니아에 자기와 똑같은 생각을 가진 사람들이 소수 있다는 사실에 놀랐습니다. "미국 학계는 다양한 관점을 허용합니다. 여기서는 누군가에게 신경망을 연구하고 있다고 말하면 귀 기울여 들어줄 겁니다."

1981년, 카네기 멜론 대학의 스콧 팔만 교수는 학술대회에서 힌튼을 만나 힌튼을 영입한다는 아이디어를 내놓았습니다. 팔만은 신경망이 "미친 생각"이라고 믿었지만, 인공지능 분야에서 진행 중인 다른 연구들도 마찬가지로 미친 짓이었습니다. 어쨌든 힌튼은 마침내 그의 "비정통적인 연구"를 위한 발판을 마련했습니다.

힌튼은 회사에 합류한 후 더 빠르고 뛰어난 컴퓨터 하드웨어를 갖추게 되었고, 이를 통해 그의 아이디어 중 많은 부분을 실제로 구현할 수 있었습니다. 1986년에 그는 Nature에 "오류 역전파를 통한 표현 학습"이라는 유명한 논문을 발표했는데, 이를 통해 마침내 다층 신경망을 훈련하는 방법에 대한 문제가 해결되었습니다.역전파 알고리즘은 딥러닝의 기반으로 간주됩니다. 이 논문은 현재 55,000회 이상 인용되었지만 당시에는 큰 주목을 받지 못했습니다. 힌튼은 인터뷰에서 "우리는 컴퓨팅 성능과 필요한 샘플 수를 완전히 잘못 판단했습니다."라고 말했습니다. 다층 신경망은 많은 수의 학습 샘플로부터 패턴을 학습하고 알려지지 않은 이벤트에 대한 예측을 할 수 있지만, 당시 컴퓨터는 그렇게 많은 양의 데이터를 처리할 수 없었기 때문에 특정 응용 프로그램에 실제로 적용하기 어려웠습니다. 같은 분야의 다른 학자들은 곧 신경망 이외의 대안에 관심을 돌렸습니다.
원본 논문 "오류 역전파를 통한 표현 학습":
https://www.nature.com/articles/323533a0

당시 미국의 정치적 분위기를 우려한 그의 아내 로스는 캐나다로 이주할 것을 제안했습니다. 1987년 힌튼은 카네기 멜론 대학교를 떠나 토론토 대학교에 입학했습니다. 얼마 지나지 않아 부부는 아들과 딸을 입양했습니다. 1994년, 로스는 불행히도 난소암으로 세상을 떠났지만, 그는 지나치게 슬퍼할 시간조차 없었습니다. 한편으로는 그는 과학 연구로 인해 엄청난 압박을 받았고, 다른 한편으로는 6세도 안 된 두 자녀를 홀로 두어야 했습니다. 상황을 더욱 악화시키는 것은 그의 아들은 주의력결핍 과잉행동장애(ADHD)를 앓고 있었고, 힌튼 자신도 요추 질환을 앓고 있었다는 사실이었습니다.

"이 일을 계속할 수 없을 것 같은 생각이 들 때가 많았습니다."

하지만 힌튼은 결국 굴하지 않았습니다. 캐나다 정부의 자금 지원을 받아 힌튼은 여전히 신경망을 고집하는 연구자들을 대상으로 매년 "신경 컴퓨팅과 적응형 지각" 세미나를 개최하여 모든 사람이 여기에서 아이디어를 교환할 수 있기를 바랍니다. 양리쿤과 벤지오도 이 그룹의 멤버라는 점도 언급할 가치가 있다. 이 세 사람은 "딥러닝의 3대 거인"으로 불리며, 2018년 튜링상을 함께 수상했습니다.

그 후 오랫동안 힌튼은 신경망 연구에 집중하여 연이어 100편이 넘는 논문을 발표하면서 점차 인공지능 분야의 거장으로 성장했습니다. 하지만 그는 여전히 신경망에 대한 대중의 편견을 크게 바꾸지는 못했습니다. 그는 다층 신경망을 학습하는 데 어려움이 있다는 문제가 해결되지 않으면, 신경망은 미래가 없다는 사람들의 생각을 뒤집는 것은 불가능하다는 것을 알고 있었습니다.
힌튼의 Google 학술 검색:
https://scholar.google.com/citations?user=JicYPdAAAAAJ&hl=en

2006년 힌튼은 "딥 신념 네트워크 기반 고속 학습 방법"이라는 제목의 논문을 발표했습니다.당시 많은 잡지와 학술지에서 제목에 '신경망'이라는 단어가 들어간 논문을 게재 거부했기 때문에 힌튼은 다층 신경망 대신 딥러닝을 사용했고, 그 논문이 게재되었습니다. 논문에 언급된 딥 빌리프 네트워크의 각 계층은 "제한된 볼츠만 머신"으로 쌓여 있습니다. 힌튼은 비지도 학습을 통해 계층별로 사전 학습시킨 후, 네트워크 깊이가 증가할수록 모델 성능도 그에 따라 향상되는 것을 발견했습니다. 응용 효과가 네트워크 계층 수와 양의 상관관계를 보였을 때, 다층 신경망의 잠재력이 마침내 인식되었습니다.
원본 논문 "딥 빌리프 네트(Deep Belief Net)를 위한 빠른 학습 알고리즘":
https://direct.mit.edu/neco/article-abstract/18/7/1527/7065/A-Fast-Learning-Algorithm-for-Deep-Belief-Nets

6년간의 준비 끝에 2012년, 힌튼과 두 명의 학생은 딥러닝 신경망인 AlexNet을 설계하는 데 앞장섰습니다.이 네트워크는 ImageNet 이미지 인식 대회에 처음 출전하여 모든 경쟁자를 압도했습니다. 더욱 충격적인 점은 이 팀이 일주일간의 훈련 동안 NVIDIA GPU를 단 4개만 사용했다는 것입니다.그 이후로 딥 러닝의 세 가지 단점(알고리즘, 컴퓨팅 성능, 데이터)이 마침내 보완되었습니다.이 대회에서는 얕은 학습 알고리즘도 사라졌습니다. 구글 팀도 이 경쟁에 참여했다는 점은 언급할 가치가 있습니다. 그래서 그들은 위에서 언급한 경매에서 힌튼을 무슨 희생을 치르더라도 영입했습니다.

힌튼의 아버지는 그에게 "네가 열심히 일한다면, 어쩌면 네가 나보다 두 배 나이가 들었을 때, 내가 이룬 것의 절반을 이룰 수 있을지도 몰라."라고 말한 적이 있다. 그래서 힌튼은 종종 AlexNet 논문이 그의 아버지의 논문보다 훨씬 더 많이 인용되었다고 말합니다. AlexNet이 컴퓨터 역사상 가장 영향력 있는 논문 중 하나라는 점에는 의심의 여지가 없습니다. 그 등장은 딥러닝의 전환점일 뿐만 아니라 글로벌 기술 산업의 전환점이기도 합니다. 이 사건 이후, 구글, 마이크로소프트, 애플, 엔비디아를 필두로 한 기술 대기업들은 딥러닝에 대한 전략적 투자를 확대하여 지능형 추천, 이미지 인식, 실시간 번역, 심지어 약물 설계, 의료 진단, 소재 개발, 기상 예측, 해양 환경 모델링 등에 활용하기 시작했습니다. AI 기술은 다양한 산업에 큰 영향을 미치기 시작했습니다.

학계부터 기업까지, 의료 분야 딥러닝 적용에 집중

힌튼은 구글에 합류한 후에도 토론토 대학에서 교수직을 유지했는데, 그 이유는 학생들을 떠나고 싶지 않았기 때문이라는 점이 언급할 가치가 있습니다."저보다 똑똑한 학생들이 많아서 정말 운이 좋았습니다. 그들은 정말 일을 잘 해냈고, 나중에는 큰 성공을 거두었습니다." 힌튼은 올해 노벨상 수상 연설에서 이렇게 말했습니다. OpenAI의 전 수석 과학자 일리아 수츠케버, Apple AI의 전 이사 루슬란 살라쿠트디노프, Meta의 수석 과학자 르쿤 양, 스탠포드 교수 앤드류 응은 모두 힌튼의 자랑스러운 제자입니다. 그의 학생인 조지 달은 중요한 논문이나 연구자를 볼 때마다 힌튼과 직간접적으로 관련이 있음을 알게 된다고 말한 적이 있습니다. "힌튼이 성공한 사람들을 선택했는지, 아니면 성공하게 만들었는지 모르겠지만, 경험해보니 후자였던 것 같아요."

사실은 힌튼이 구글에 합류한 것이 의심할 여지 없이 올바른 선택이었음을 증명합니다. 구글의 부사장 겸 연구원으로 재직하는 동안, 더 이상 연구 자금에 대해 걱정할 필요가 없어졌을 뿐만 아니라, 오픈 플랫폼 덕분에 마침내 자신의 재능을 펼칠 수 있는 충분한 공간이 마련되었습니다. 동시에 대기업들 간의 '인재 전쟁'에서 구글은 다시 한번 움직임을 보이며 딥마인드를 인수하고 2014년 알파고를 출시하여 AI 분야에서 빠르게 선두 자리를 차지했습니다.
*알파고는 고급 트리 탐색과 딥러닝 신경망을 결합하여 바둑에서 처음으로 프로 인간 선수를 이겼습니다.

구글의 기존 제품(검색 엔진, 이미지 인식, 언어 처리, 개인화된 추천 등)에 최첨단 기술을 적용하는 것 외에도, 딥 러닝은 사람들의 일상 생활에서 가장 골치 아픈 문제를 해결하는 데에도 활용되고 있습니다. 예를 들어, 의료 분야에서 구글은 당뇨병, 유방암, 폐질환, 심혈관 질환을 감지하는 AI 시스템을 출시했습니다. 이러한 기술을 적용하면 질병의 조기 진단율이 향상될 뿐만 아니라 환자에게 더욱 개인화된 치료 옵션을 제공할 수 있을 것으로 기대됩니다.

딥러닝이 방대한 양의 데이터를 처리하여 기초 과학 연구의 발전을 가속화할 수 있다는 점에는 의심의 여지가 없습니다.하지만 힌튼은 의료 분야에 AI를 적용하는 것이 특히 매력적이라고 생각합니다.그의 개인적 업적 중 대부분은 새로운 알고리즘이나 모델을 도입한 것이고, AI를 사용하여 질병을 예측하는 것은 그가 직접 참여하는 몇 안 되는 응용 분야 중 하나입니다. 이는 그의 개인적인 경험 때문일 수 있습니다. 그의 첫 번째 아내 로스는 난소암으로 사망했고, 현재 아내 재키도 췌장암 진단을 받았습니다. 그는 이렇게 믿습니다. "조기 진단은 사소한 문제가 아닙니다. 우리는 더 잘할 수 있습니다. 기계가 우리를 돕게 하는 게 어떨까요?"

오늘날 우리가 인공지능이라고 부르는 것의 대부분은 딥러닝입니다. 프린스턴 대학의 계산 심리학자 존 코헨은 모든 딥 러닝의 기초는 역전파 알고리즘이라고 믿었는데, 힌튼은 이에 의문을 제기했습니다. 2017년 10월, 힌튼은 토론토에서 열린 AI 컨퍼런스에서 역전파 알고리즘이 뇌의 작동 방식이 아니라고 공개적으로 발언하며 지난 수십 년간의 자신의 연구를 뒤집었습니다.그리고 새로운 신경망 아키텍처인 캡슐 네트워크 CapsNet을 제안했습니다.
원본 논문 "캡슐 간 동적 라우팅":

https://arxiv.org/abs/1710.09829

캡슐 네트워크의 장점은 딥 네트워크와 비교했을 때 학습 속도가 빠르고, 학습 정확도가 높으며, 필요한 데이터가 적다는 것입니다. 캡슐에 대한 이론적 연구는 아직 초기 단계에 있고 여전히 해결해야 할 문제가 많지만, 힌튼은 여전히 자신을 믿는다. "캡슐 이론은 옳을 수밖에 없고, 실패는 일시적일 뿐이다." 그의 논문 "캡슐 간의 동적 라우팅"이 공개되었습니다. 이번에도 캡슐 네트워크가 수십 년간 냉대를 받을지, 그리고 이 AI 대부가 다시 딥 러닝의 역사를 쓸 수 있을지는 기다려봐야겠습니다.

AI가 인간을 통제할 수도 있다

ChatGPT가 등장한 이후, 전 세계적으로 AI에 대한 학습과 연구가 붐을 이루었습니다. 주요 웹사이트에서 AI 관련 콘텐츠의 양이 눈에 띄게 늘어났으며, 기본 모델 개발, AI 도구 구축 등에 주력하는 수백 개의 스타트업이 시장에 진출했습니다.

예를 들어 엔비디아를 살펴보자. AI 칩과 인프라의 주요 공급업체로서, 이 회사가 개발한 GPU가 AI 모델을 훈련하는 데 필수적이기 때문에 한때 이 회사의 시장 가치는 Apple과 Microsoft를 능가하기도 했습니다. 이는 AI 기술의 급속한 발전을 직관적으로 반영한 것입니다.

하지만 외부 세계가 AI가 모든 것을 가능하게 할 수 있다고 계속해서 "선전"하는 반면, 힌튼은 예외가 되었습니다. 그는 "AI가 인간의 안보를 위협할 것입니다."라고 말했습니다.

제2차 세계대전 당시 맨해튼 프로젝트를 이끈 "원자폭탄의 아버지" J. 로버트 오펜하이머는 한때 씁쓸하게 이렇게 말했습니다. "나는 이제 죽음의 신이며, 이 세상의 파괴자다." 과학자들은 진실을 추구하는 동시에 인간의 삶을 개선하고자 희망합니다. 그러나 원자폭탄은 분명히 이 목표에서 벗어납니다. 그들은 최초의 원자폭탄 실험이라는 종말론적인 장면을 목격했을 때, 성공의 기쁨보다는 미래에 대한 두려움과 불안을 더 많이 느꼈습니다.

힌튼에서도 비슷한 우려가 제기되고 있다. 2024년 노벨상 발표 생중계에서 그는 이렇게 말했습니다. "죄책감과 후회를 느낍니다. 우리보다 더 똑똑한 AI 시스템이 결국 모든 것을 장악하게 될까 봐 걱정됩니다."

다양한 책과 정치적 음모론으로부터 학습함으로써 AI는 사람들을 설득하는 데 매우 능숙해질 수도 있습니다. 적절한 감독이 없다면, 인간을 "조종"하여 예측할 수 없는 행동을 하게 만들 수도 있습니다. 힌튼이 가장 걱정하는 부분이 바로 이 부분입니다. 예를 들어, 인간이 AI에게 기후 변화를 억제하라는 지시를 내리면, AI는 이 목표를 달성하기 위해 인간을 제거하는 조치를 취할 수도 있습니다. 힌튼은 이렇게 생각합니다. "많은 사람들이 전원을 끄는 것만으로 AI가 통제 불능이 되는 것을 막을 수 있다고 말하지만, 인간 지능을 능가하는 AI는 언어를 통해 우리를 조종하고 전원을 끄지 않도록 설득하려 할 것입니다."

2023년 5월, 힌튼은 AI 안전 문제를 더 자유롭게 논의하기 위해 구글을 떠났습니다.제프 딘이 저를 설득하려고 했지만, 저는 그의 제안을 거절했습니다. 설령 명확한 제한 사항이 없더라도, 제가 여전히 구글 직원이었다면, 말할 때 회사의 이익을 고려해야 했을 것입니다.

AI의 안전 위험을 처음으로 깨달은 사람 중 한 명인 힌튼은 이 문제에 더 많은 사람들의 관심을 끌기 위해 어떻게 해야 할지 고민했습니다. 그의 동료와 학생들은 그가 미디어 플랫폼과 영향력을 활용해 대중에게 AI 안전에 주의를 기울일 것을 촉구할 것을 제안했습니다.그래서 구글을 떠난 후, 이 평범한 학자는 자주 미디어 인터뷰를 받고 소셜 플랫폼에서 적극적으로 의견을 표명하기 시작했습니다.흥미로운 점은 더 많은 주목을 끌기 위해 일부 언론은 힌튼의 발언을 의도적으로 과장했고 심지어 구글에 대한 부정적인 정보를 말하도록 유도하기도 했다는 것입니다. 이에 대해 힌튼은 소셜 미디어를 통해 공개적으로 직접 대응하기로 했으며, "반항"이라는 단어를 중심으로 언급했습니다.

하지만 다행히도 힌튼의 노력은 헛되지 않았습니다. 오늘날 많은 전문가가 힌튼의 우려를 지지하고 있으며, 일부 기술 회사는 AI의 투명성과 설명 가능성을 탐구하기 시작했으며, 국제 사회도 AI에 대한 합리적인 규칙을 정하고자 적극적으로 협력하고 있습니다.

힌튼은 AI의 잠재적 위험에 주의를 기울이는 것 외에도 대규모 모델 학습의 에너지 소비에도 특별한 주의를 기울인다.우리 모두 알다시피, 대규모 AI 모델을 훈련하는 데는 일반적으로 많은 전력이 소모됩니다. 특히 화석 연료에 의존하는 지역에서는 더욱 그렇습니다. 이러한 소비는 상당한 양의 탄소를 배출하고 심지어 인간 사회를 위험에 빠뜨릴 수도 있습니다. 올해 6월, 힌튼은 기후 변화에 대처하기 위한 신소재를 개발하기 위해 생성적 AI를 활용하는 데 중점을 둔 인공지능 스타트업인 CuspAI에 합류했다고 발표했습니다. 힌튼은 "기후 변화를 억제하기 위해 AI를 통해 새로운 소재의 설계를 가속화하려는 CuspAI의 사명에 깊은 인상을 받았습니다."라고 말했습니다.

힌튼은 고등학생 때 뇌가 어떻게 작동하는지 탐구한다는 아이디어를 처음 떠올린 때부터 실제 연구를 하면서 수많은 의심에 직면했던 때까지 30년 넘게 학계의 변두리에 머물렀지만, 항상 자신의 아이디어에 집착했고 결국 신경망 분야에서 선구적인 업적을 이룬 공로로 튜링상, 노벨 물리학상 등 여러 상을 수상했습니다. 하지만 딥러닝의 아버지이자 AI의 대부로 불리는 이 과학자는 자신의 경력이 '정점'에 도달하려던 순간 갑자기 스스로에게 의문을 품기 시작하며, AI의 안전성에 대한 우려를 공개적으로 표명하고 인간 사회의 지속 가능한 발전을 옹호했습니다.

힌튼은 현재 77세이며 여전히 과학의 최전선에서 일하고 있습니다. 그는 AI 개발을 촉진하는 한편 기술 혁신, 윤리, 사회적 책임 간의 균형에 주의를 기울일 것을 우리에게 촉구하고 있습니다. 그의 경험은 과학사의 전설일 뿐만 아니라, 수많은 후계자들에게 계속 전진하도록 영감을 줍니다.