IBM은 세계 최대 세무법인인 H&R Block과 제휴해 왓슨을 1만 여개에 달하는 전국 지점에서 사용하는 방안을 협의 중에 있다.

매년 수 천 건의 개정은 둘째치고 7만 4000 페이지에 달하는 세무 법전을 모두 암기하는 것은

가장 똑똑한 회계사라 할지라도 벅찬 일이다.

그러나 왓슨에게는 식은 죽 먹기다.

왓슨은 테라바이트의 정보를 아침 식사 먹듯이 뚝딱 해치운다.

왓슨에게 수억건의 세무 회계 처리 작업은 마치 공원에서 산책하는 것만큼이나 쉬운 일이다.

IBM 왓슨 사업부의 데이비드 케니 수석 부사장은 다음과 같이 말한다.

“IBM은 왓슨을 사용함으로써 의료, 소매 산업들이 어떻게 변모되고 있는지를 보여주었습니다. 

이제 우리는 왓슨 인지적 능력의 힘을 완전히 새로운 방식으로 H&R Block에 적용하려고 합니다. 

모든 사람들이 이 방식을 통해 세무 신고 절차와 관련한 도움을 받을 수 있을 것입니다.”

IBM 기술진은 왓슨에게 수 천 가지의 세무 관련 질문과 응답을 입력시켜 훈련시켰다.

이제 사람들은 고객의 서류를 분석해서 누락될 수 있는 공제 및 감면 금액을 찾아내는데 왓슨을 활용할 수 있다. 

인간과의 대결에서 승리한 후 5년 동안, IBM의 인지 컴퓨팅 시스템은 여러 게임을 벌여왔다. 

이 컴퓨터는 이제 최소한 20개 이상의 산업분야에서 수천 개 기업의 ‘청부업자’ 역할을 하고 있다. 왓슨의 보스를 만났다.

데이비드 케니는 지난 2월부터 IBM의 왓슨 그룹을 맡아왔다. 그가 CEO로 재직 중이던 웨더 컴퍼니 Weather Co.가 빅블루 Big Blue (*역주: IBM의 별칭) 에 인수되면서부터다. 그 후 몇 달 간 왓슨의 사업은 급성장했다. 현재 전세계 10만 명 이상의 개발자들이 36개 이상의 왓슨 애플리케이션 프로그램 인터페이스(API)를 사용하고 있다. 포춘의 부 편집장 클리프턴 리프 Clifton Leaf 는 지난 10월 중순경 데이비드 케니를 만났다. 


IBM 왓슨의 총괄책임자인 그는 AI 시스템의 신 사업기지인 왓슨 웨스트 Watson West의 오픈과 10월 24일 라스베이거스에서 열리는 제 2회 월드 오브 왓슨 콘퍼런스 World of Watson conference를 준비하기 위해 샌프란시스코를 방문 중이었다(이 콘퍼런스는 이제 막 싹을 틔우고 있는 파트너-사용자간 생태계의 회합자리다). 다음 기사는 인터뷰를 일부 발췌한 것이다. 전체 인터뷰는 포춘 홈페이지의 데이비드 케니 섹션에서 확인할 수 있다.



포춘: 요즘 AI 영역에 대한 여러 전문 용어를 들을 수 있다. ‘인공지능’, ‘머신 러닝’, ‘딥 러닝’, ‘자율학습’ 등이 있는데 IBM에서 왓슨을 묘사하는 용어는 ‘인지 컴퓨팅’이다. 차이가 무엇인가?


케니: 딥 러닝은 머신 러닝의 일부로, 더 정확하게는 일련의 알고리듬이다. 딥 러닝은 보다 고차원적인 시스템, 이를 테면 ‘복잡한 회선 신경망(convolutional neural network)’을 사용한다. 기본적으로 단계를 세분화해 심층적으로 볼 수 있다는 뜻이다. 


예컨대 머신 러닝은 텍스트를 읽는 데 활용하고 딥 러닝은 엑스레이를 판독할 때 필요하다. 이 모든 것들이 인공지능의 개념 안에 포함된다. 물론 IBM에서는 많은 경우, 인공(artificial) 지능이 아니라 확장(augmented) 지능이라고 지칭한다. 그러니까 이 시스템은 기계 처리와 인간 해석 사이에 있는 것이고, 우리는 기계와 인간 간의 이런 상호작용을 인지시스템이라 부르고 있다. 그런 식으로 계속 쌓여가게 된다. 
우리가 자율학습이라 부르는 건 따로 훈련 과정을 지정하지 않고 스스로 학습하기 시작하는 것을 의미한다. 이것이 일부 사람들이 생각하는 진정한 인공지능, 심지어 인공일반지능(artificial general intelligence)에 점차 가까워지는 것이라 할 수 있다. 우리는 그 초기단계에 진입했다. 왓슨은 일부 영역에서 그렇게 하고 있다. 



포춘: 성공시키려면 상당한 처리능력이 필요할 것 같다. 


케니: 정말 엄청난 수준의 처리능력이 요구된다. 인간의 뇌처럼 왓슨도 24시간 내내 구동상태를 유지하게 해야 하기 때문이다. 이를 가능하게 하는 주요 요소가 클라우드 컴퓨팅이라고 믿는 이유도 바로 이 때문이다. 클라우드 컴퓨팅이 등장한 후엔 다양한 기계에 동시 접근하는 것이 가능해졌다. 그 전에는 본체에 접근하는 게 고작이었다. 물론 IBM은 그 본체 자체를 가장 크게 만들었고, 그 덕분에 왓슨이 5년 전 <제퍼디!>에서 승리할 수 있었다. 하지만 현재 우리가 목격하는 AI의 가속화된 발전은 어느 정도 클라우드 덕분이라 할 수 있다. 



포춘: 하지만 단지 클라우드 때문만은 아닌 듯하다. 

케니: 요즘은 우리가 입거나 차고 다니는 것들에도 대개 센서가 들어가 있다. 이러한 센서들-그리고 모바일 기기들-을 통해 처리된 정보들이 적재적소에서 우리에게 지식과 통찰력을 제공해준다. 게다가 이런 센서들이 블루투스나 다른 통신기기를 통해 클라우드에서 상호작용을 한다. 이 과정에서 연산처리가 일어나고, 우리는 원하는 답을 얻게 된다. 마치 이런 것들이 우리를 위해 사고하는 것 같다. 그러나 사실은 그들의 뇌나 다름없는 가장 가까운 데이터센터에 접근하는 것이다. 그래서 이처럼 동일한 종류의 상호작용이 도처에 있는 애플리케이션 안에 ‘내장(get embedded)’ 되는 것이다. 

암 치료를 예로 들어보자. 종양학에 왓슨을 활용하면, 암 전문의는 환자 기록을 실시간으로 받을 수 있다. 그러면 왓슨은 현재 시행 중이거나 시행 예정인 임상시험 중 각 환자에게 가장 잘 맞는 시험을 찾아낸다. [현재까지 왓슨은 약 2,600만 건의 의학 및 과학 논문들을 완전히 습득했다. 또 임상연구 사이트(clinicaltrials.gov)-연방정부의 공공 데이터베이스다-에 등록된 약 3,000건의 임상시험을 집중 학습했다. 왓슨은 언론을 통해 연구실험 기업 퀘스트 다이어그노스틱스 Quest Diagnostics, 메모리얼 슬론 케터링 암센터 Memorial Sloan Kettering Cancer Center, 브로드 인스티튜트 BroadInstitute와 협력하고 있다고 발표한 바 있다. 미국 전역의 암 환자와 전문의들이 왓슨의 게놈분석을 활용하기 위해서다.]



포춘: 왓슨이 의학논문처럼 밀도 있는 글을 습득하도록 훈련시킬 수 있었던 노하우은 무엇인가?


케니: 그건 ‘지식 추출’로부터 시작됐다. 문서를 읽고 공통된 구절을 찾아내고 이들 사이에 연관관계를 파악하는 것이다. 동일한 작업을 통해 공통 단락도 찾아냈다. 


그 후에 교정작업이 이뤄졌다. 인간의 정정작업이 매우 중요해지는 게 바로 이 지점이다. 시작하자마자 기계가 자율 학습을 하고, 알아서 패턴을 찾아낼 가능성은 희박하다. 말 그대로 왓슨에게 “그래, 이 말은 이런 뜻이야. 그렇지. 그 두 개를 하나로 묶어. 그래 그건 맞았어. 아니야 그건 틀렸어”라고 알려줘야 한다. 그리고 “틀렸다”고 말할 때마다 시스템이 알고리듬을 조정하는 과정을 반복, 최종적으로 올바른 답을 산출해내는 식이다. 시간이 지날수록 더 개선된다



포춘: 인간의 전문 지식에 수 톤에 달하는 데이터를 더해 시스템을 훈련시킨다는 뜻처럼 들린다. 


케니: 그렇다. 한 가지 단서를 더 붙이자면 현재는 단 한 종류의 왓슨만이 존재하는 게 아니다. 종양학 전문 왓슨이 있는가 하면 방사선학 전문 왓슨도 있다. 내분비학, 법학, 세금 규정, 소비자 서비스 등 전문 왓슨이 다 따로 있다. 그렇게 해야 각 시스템에 맞는 데이터를 입력해 정확하게 훈련시킬 수 있기 때문이다. 그리고 각 전문가들과 함께 협력하고 있다. 종양학은 메모리얼 슬론 케터링과, 심장학은 미국심장협회(American Heart Association)와 협력하는 식이다. 

이런 시스템은 각 전문 영역에 더욱 집중할 수 있기 때문에 수행결과도 좋다. 사람과 다르지 않다. 우리가 보통 기자에게 암 관련 조언을 얻거나, 종양학 전문의에게 부동산 정보를 요청하지 않는 것처럼 말이다. 사람들이 전문 영역을 추구하면서 자신의 분야를 더 잘 알게 되는 것처럼 AI도 마찬가지다.