• MAILab2021

코딩 없는 인공지능 개발

2022.04. 25 양필승



딥마인드가개발no-coding AI tool


1. 마스크가 일상화된 지금, 탈레반의 승리로 보안에 비상등이 켜졌습니다. 솔루션은 비전AI!

2. 델타변이와의 전쟁, 그래도 마스크 밖에 없다는데. 그 답은 AI!

3. 전자발찌 살인마 얼굴, “못 알아보게 바뀌었어도,” AI는 알아본다!

4. 페미니스트 AI, 물론 가능하고 당연합니다!

5. 당신의 AI는 계속 러닝이 가능합니까.

6. 시니어 AI, 시니어를 위한 AI가 아닌 시니어에 의한 AI

7. “착한 AI,” “좋은 AI,” 윤리적인 인공지능

8. 그래픽 데이터 분석과 예측은 “위드-코로나” 성공의 키

9. 인공지능의 꽃, 비전AI의 파워

10. 인문학과 졸업생도 AI 엔지니어 될 수 있습니다

11. 위드-코로나는 국가방역에서 커뮤니티방역으로 전환입니다.

12. 고객만족에 그쳤던 제품검수, 이제는 생산자만족에 도전합니다.

13. 문, 벽 그리고 열쇠 없는 보안, 비전AI 보안 솔루션

14. 일하기 좋은 직장, AI가 만든 건강하고 안전한 일터

15. 스마트 빌딩 없이 불가능한 스마트 시티.

16. 인공지능, 노동해방의 솔루션: 노동(labor)에서 일(work)로

17. 인공지능은 읽어서 아는 것이 아니라 체험으로 아는 것

18. K방역1.0의 한계, 우리 ‘가라’문화 때문

19. “이 아이들을 어찌할까,” 2022년 새해 첫날 다시 묻는다.

22. 스마트홈의 핵심, AI 도어락

23. ‘제4차산업혁명’이란 말 때문에 발목 잡힌 대한민국 AI

24. Domain Knowledge + Algorithm + Computing = AI Power

25. 백신 vs 마스크 vs 검진 vs 체온 vs 거리, 무엇이 방역의 키-솔루션?

26. 기술기업도 역시 마케팅, 매출과 이익.

27. AIOT로 인공지능의 활용도를 대폭 높일 수 있다!

28. 메타버스, 딥러닝 인공지능의 완성체

29. 코딩 없는 인공지능 개발.

30. 산업안전, 법만으로 해결 못한다. 역시 안전AI!

31. 보다 예쁘고 건강하게 만드는 인공지능




인공지능하면 우리 나라에서는 대개 코딩을 떠올립니다. 코딩이 이미 초등과 중등교육에서 의무화하였기 때문에 더욱 그렇습니다. 인공지능시대가 본격화되어도 우리 아이들은 이미 준비를 완료한 것으로 여겨 부모들은 스스로 만족합니다. 과연 그럴까요. 단순히 코딩교육의 현장이 부실하다는 것을 지적하려는 것이 아닙니다. 코딩 없는 인공지능 개발이 이미 본격화되었기 때문입니다.


코딩 없는 인공지능(no-code AI)는 코딩이 필요 없는 개발 플렛홈과 함께 코딩 없는 비쥬얼 방식을 통해 대개 “잡아다 끌어서는 인터페이스” (drag-and-drop interface)로 인공지능 모델을 사용하는 것입니다. 결국 코딩 없는 인공지능의 툴을 사용하여, 비전문가 사용자들도 쉽고 빠르게 데이터를 분류하고 분석하여 예측을 위한 모델을 만들 수 있습니다.


코딩 없는 인공지능이 현재 완벽한 것은 결코 아닙니다. 노우-코딩을 본격적으로 실현한 AI기업인 딥마인드 (DeepMind)가 개발한 ‘알파코드 (AlphaCode) AI’ 엔진도 아직 ‘절반의 성공’ 정도로 평가되기 때문입니다. 딥마인드는 2010년 영국에서 설립된 회사로 2014년에 구글이 매입하여 자회사로 편입되었으며, 현재 영국, 캐나다, 프랑스, 미국 등지에서 1천여명이 일하고 있습니다. 딥마인드가 개발한 알파고는 2016년 이세돌과의 바둑경기에서 승리하여, 우리에게 너무나도 잘 알려진 회사입니다.


이러한 맥락에서 노우-코드 (no code) AI 대신 로우-코드(low code) AI가 활용됩니다. 아직 사용자의 기본적인 프로그래밍 노력을 요구하여 코딩 없는 AI까지 이르지 못한 것입니다. 다른 한편으로, 코딩 없는 AI와 다른 ‘자동화된 기계학습’(Automated machine learning: AutoML)이 있습니다. 기계학습 모델을 문제해결에 사용하되 자동화된 것입니다. 보다 구체적으로 ‘자동화된 기계학습’(AutoML)은 기계학습 모델의 선택(selection), 구성(composition) 및 매개변수화(parameterization)를 자동화한 것입니다. 쉽게 말해, 초기 단계의 미처리 데이터셋(raw dataset) 단계에서 최종적인 모델개발까지 전 과정이 자동화된다는 뜻입니다. 노우-코드와 같이 사람의 개입이 없다는 측면에서 같지만, 양자는 초점이 다릅니다.


우선 코드란 말부터 살펴 보겠습니다. 코드는 언어, 논리, 문제해결의 혼합체로 컴퓨터의 능력을 활용하기 위해 불가결합니다. 그러나 코딩은 단순한 컴퓨터 프로그래밍, 즉 기계적인 행동이 아닙니다. 진짜 코딩의 성과는 문제해결 스킬을 요구합니다. 다시 말해, 지침(instruction)을 단순히 코드로 변형시키는 것이 결코 아닙니다. 이 같은 측면에서, 현재 세계 최고의 노우-코드 AI 도구인 딥마인드의 ‘알파코드 AI’도 만족스럽지 못합니다. 아직 문제해결이 완전 자동화되지 못하고 그 결과도 여전히 사람보다 못합니다 해석(interpretation)과 독창성 (ingenuity)에서 모두 아직 부족하기 때문입니다.


그러나 ‘코딩 없는 AI’의 미래에 대해 낙관적입니다. 예를 들어, 앞에서 언급한 딥마인드의 ‘알파코드AI’ 노우-코드 모델은 ‘깃허브 라이브러리’(GitHub libraries: 소프트웨어 개발의 협업을 위한 온라인 툴로 컴퓨터 코드를 일반 언어로 설명하고 있음)와 코딩의 문제점과 그 해결책을 모은 컬렉션을 사용하여 개발하였던 것입니다. 앞으로 더 빠른 속도의 컴퓨터를 사용하여 더 많은 데이터를 사용하여 효율을 높이고, 코딩 없는 AI를 개발하는 업체들이 계속하여 치열하게 딥마인드와 경쟁할 것은 분명합니다. 왜냐하면 ‘코딩 없는 A’I는 프로그래머들의 생산성을 대폭 제고시키는 동시에 코딩을 배우지 않은 사람들에게도 문호를 활짝 넓힐 것이기 때문입니다. 다시 말해, ‘코딩 없는 AI’를 위한 플렛폼 내지 도구에 대한 시장이 앞으로 비약적으로 커질 것이며, 이는 바로 경제성 내지 시장성 때문입니다.


‘코딩 없는 AI’의 미래에 대해 낙관적인 또 다른 이유가 있습니다. ‘노우-코드AI’는 인공지능의 대중화, 즉 인공지능의 “넓이”에 도움되겠지만, 인공지능의 “깊이”에도 공헌할 것입니다. 전문가들은 코딩을 쓰기 위한 시간을 절약하여 문제에 대한 분석과 해결에 대한 방향에 더 많은 시간을 쓸 수 있습니다. 쉽게 머리싸움이 더욱 치열하여, 인공지능의 수준이 그만큼 빠르게 신장될 전망입니다.


딥마인드의 ‘알파코드AI’는 ‘노우-코드AI’의 방향성을 제시합니다. 아래의 그림과 같이 보통사람의 언어로 ‘문제’(problem)을 입력하면 코딩의 결과물인 ‘해결’(solution)이 자동으로 나옵니다. 그림의 왼쪽 문제는 인풋(input)이며 오른 쪽의 해결은 아웃풋 (output)입니다. 그런데 자신이 해결하고 싶은 문제를 인풋하였다고 코딩은 되지 않습니다. 물론 컴퓨터 언어로 표현된 코딩이 이뤄지겠지만, 컴퓨터를 작동하기 위하여 필요한 솔루션을 창출할 수는 없습니다. 그냥 컴퓨터 언어 그러니까 코딩된 문서만 아웃풋으로 생성될 뿐입니다. 따라서 ‘문제’에는 문제에 대한 설명 외에도 해결을 위한 문제해석이 필요하며 문제해결의 지침을 제시하여야 비로소 문제해결을 위한 코딩이 완성됩니다. 당연히 지금까지 익숙하지 못한 개념과 로직이 등장하면, 그 결과물인 코딩은 대단히 엉성하게 짜여 질 수밖에 없습니다.





이렇듯 ‘코딩 없는 AI’는 일반 사람들에게 쉬운 것 같으면서도 활용하기에는 그다지 쉽지 않습니다. 그 같은 “좁은 문”을 통과하기 위해서는 준비가 되어야 마땅합니다. 무엇보다도 스템(STEM)교육이 필요하고, 도메인 지식이 풍부해야 합니다. 당연히 코딩 교육에 대한 지나친 강조와 의존은 불필요로 합니다.


우리나라에서 코딩교육은 이미 의무화되었습니다. 초등학교와 중학교에는 필수이고, 고등학교에서는 선택과목입니다. 아직도 이수시간이 적다고 비판하는 사람들이 많습니다. 코딩 없는 AI시대에서 코딩교육은 과연 쓸모가 있을까요. 단언컨데, “그다지”입니다. 실무에 투입되기 위해서는 필요하지만, 모든 국민이 자신의 직업과 상관 없이 코딩 기술을 갖추어야 할 필요는 결단코 없는 셈입니다.


불행하게도 우리나라에서는 과학-기술-엔지니어링-수학의 스템(STEM)교육이 제대로 실행되지 못하고 코딩교육의 시수시간만 늘어 나게 되어, 교사부족으로 아우성일 뿐입니다. 최근 '2022 개정 수학과 교육과정 시안 개발 연구' 종료 앞두고, 수학계는 불만을 쏟아 내고 있습니다. 학생들의 학습량 경감을 이유로 수학과목의 교과과정을 축소하고 수학과목의 수업 시수를 줄이는 것에 대한 우려에서 비롯합니다. 아예 노골적으로 대한수학회는 "수학 과목의 학습 내용과 수업 시수를 15년 전 수준까지는 못 미치더라도 일부나마 복원해야 한다”고 주장할 지경입니다. 과학의 사정도 마찬가지입니다.


코딩교육은 우리나라 교육계나 정치계 그리고 관료사회가 좋아할 타입의 교육입니다. 수박 겉핥기식 교육을 수행하기에 딱 좋습니다. 창의성이나 해석능력과 상관 없이 기계적으로 배우고 익히기에 좋고, 겉으로는 인공지능시대 내지 디지털시대를 선도하는 교육처럼 느껴질 수 있기 때문입니다. 바로 언론이 파고 들 대목입니다. “아니다”고 말하며 그 시정방향을 제시하는 것이 언론의 책임입니다.



지은이 양필승: 1957년생. 미국 UCLA 중국현대사 박사. 전 건국대학교 교수와 현 한국뉴욕주립대 석좌교수, 현 중국 칭화대학 겸임교수, 현 중국 지린 메트로폴리탄 기술교육대학 총장, 1999년 CKT그룹 설립, 2018년 매경 세계지식포럼 AI부문 좌장, 2019년 MAILab 메일랩 설립 CEO.



MAILab (메일랩) www.mailab.co.kr: 자체 엔진인 i2Brain과 Vision AI Framework, MEGA Image AI Platform 및MEGA Industrial AI Platform에 터잡아 QSS 통합 솔루션으로 방역, 보안 및 안전에 대한 인공지능 솔루션을 상품화하고, 미국, 캐나다, 중국, 인도에 엔지니어링과 마케팅 조직을 통해 QSS Integrated Solution 등Industrial AI, 선천성 심장병 알고리즘 등 Medical AI, Robotic Intelligent Fulfilment Service 등 Logistic AI, 스킨케어와 메이크업 제품의 판매 및 생산을 위한 Beauty AI 등을 개발하고 있습니다.

조회수 5회

최근 게시물

전체 보기