인공지능이 화두다. 사업 아이템이 되어 우리 사회를 크게 변화시킬 수도 있고, 학자들의 연구대상이 되어 세계를 보는 관점을 혁명적으로 바꿀 수도 있기 때문이다. 이미 알파고와 같이 특정 영역에서 인간을 압도하는 인공지능이 존재한다. 작곡을 하는 인공지능도 만들어질 수 있을까?
인공지능의 접근 방식은 디지털 컴퓨터와 함께 탄생했다. 디지털 컴퓨터 개념은 영국의 수학자 앨런 튜링의 ‘범용 연산’(universal computation)에서 나왔다. 인간의 마음이나 지능의 작동을 범용 연산에 포함시킬 수 있을까. 컴퓨터는 마음이나 지능을 가질 수 있을까. 컴퓨터공학자와 인공지능 연구자들이 컴퓨터에 마음(mind)이 아닌 지능(intelligence)을 구현하려고 노력했음에 주의하자. 마음에는 감각·지각적인 것, 직관적인 것, 성찰적인 것, 무의식적인 것까지 포함되어 있다. 따라서 마음을 컴퓨터에 구현하기도, 정의하기도 어렵다. 지능도 마음만큼은 아니지만, 이런 문제에서 벗어날 수 없다.

여기에 덧붙여, 어떤 과학자가 컴퓨터에 지능을 어렵사리 구현했다고 발표했을 때, 그 컴퓨터가 지능을 가진다는 것을 어떻게 증명할지의 문제도 있다. 앨런 튜링은 이에 대해 1950년에 유명한 튜링 테스트를 제안했고, 사람들은 이후 이 테스트를 통과하는 컴퓨터나 기계는 지능을 갖춘 것일 수 있다고 생각해왔다. 저쪽 방에 있으면서 이쪽에 있는 지성적 심사위원들과 채팅하는 존재가 인간이라고 심사위원의 30%이상이 판단한다면 그 컴퓨터는 지능을 가진 것으로 여겨질 수 있다.

1964년, 미국 MIT의 요제프 바이첸바움(Joseph Weizenbaum) 교수가 개발한 ‘일라이저(Eliza)’라는 컴퓨터 프로그램은 실제로 몇몇 사람과 대화하며 그들을 속였다. 미리 입력된 것이겠지만 농담도 좀 했다. 심사위원의 30%를 속이지는 못했다. 러시아의 인공지능 프로그램 ‘유진 구스트만(Eugene Goostman)’이 드디어 2014년 6월 영국 왕립학회에서 열린 튜링 테스트를 통과했다. 당시 이 프로그램은 자신을 우크라이나에 사는 영어를 잘 못하는 13세 소년이라 소개했고, 심사위원들의 질문에 적당한 혼선을 주며 대답했다. 결국 심사위원 중 33%가 자신들이 인간과 대화했다고 판단했다. 튜링이 테스트를 제안한 이래 64년 만의 일이다. 그런데 학자들이 입장을 바꿨다. 그들은 유진이 자신의 데이터베이스에 저장된 인간들 사이의 여러 대화 중 적당한 문장을 찾는 일을 했을 뿐이라고, 즉 지능을 가지지 않았다고 평가했다.

컴퓨터는 마음이 아닌 지능을 구현해

▎러시아 과학자들이 개발한 ‘유진 구스트반’. 세계 최초로 튜링테스트를 통과했다.

튜링 테스트는 인간의 멍청함을 드러낼 뿐 기계가 인간의 지능을 가지는지를 판단하는 적절한 방법이 될 수 없다는 평가를 뒤늦게 받았다. 물론 반론도 있다. 유진의 성과는 어쨌든 놀라웠다. 컴퓨터의 다른 성공담도 많은 이를 놀라게 했다. 1997년 IBM의 ‘딥블루(Deep Blue)’가 당시 체스 세계 챔피언을 체스 경기에서 꺾었다. 이 인공지능 슈퍼컴퓨터에는 행마 2억 개를 계산하는 기능과 지난 100년간의 주요 체스 대국에 관한 정보가 저장되어 있었다. 챔피언들은 딥블루와 겨룬 체스 경기에서 이기지 못했다. 인공지능 기반 얼굴 인식 기술도 각광받고 있다. 구글의 ‘페이스넷’, 페이스북의 ‘딥페이스’는 인식률 97.25%를 자랑한다. 사람이 타인을 알아보는 인식률(97.53%)에 육박하는 수준이다. 2016년 3월, 구글의 인공지능 컴퓨터 알파고는 바둑 세계 챔피언인 이세돌을 이겼다. 이세돌을 이긴 방법을 찾은 이는 알파고를 개발한 데미스 하사비스가 아니라 자기주도 학습을 하는 알파고다.

이상욱 한양대학교 교수가 말했듯이, 알파고는 이세돌 9단처럼 바둑 두는 과정에 집중하거나, 즐겼거나, 긴장하거나, 의식하지 않았을 것이다. 반성도, 후회도 하지 않았을 것이다. 예측은 했을까? 덫을 놓고 기다렸을까? 알파고는 바둑기사들의 지능을 흉내 낸 것이 아닐 가능성이 크다. 알파고의 놀라운 수들은 바둑을 두는 비인간적 방식의 결과다. 바둑을 학습하는 그의 방식도 비인간적이었을 것이다. 그래서 해설자들은 물론 누구도 그런 수를 만드는 방법과 그 수의 의미를 이해하지 못했다. 알파고의 방식을 모르면 우리는 알파고를 통제할 수 없다. 알파고는 통제할 필요가 없겠지만, 다른 중요한 영역에서 작동하는, 통제하지 못하는 블랙홀 인공지능은 우리를 불안하게 만들 것이다. 이런 문제의식에 기초해 최근에는 통제 가능한 인공지능 개발이 화두다. 그런데 통제하려면 알아야 하는데, 블랙홀이 아닌 인공지능은 그다지 강력하지 못할 가능성이 크다. 문제다.

그런데 인간적 마음은 물론 인간적 지능도 블랙박스 아닌가. 심리학자들은 인간적 지능에 관해 가설을 세울 뿐이다(이것이 무용하다는 이야기는 아니다). 현재의 지배적 가설에 따르면, 인간의 지능은 하위 영역들로 분해될 수 있다. 하워드 가드너의 다중지능 이론, 지능을 무려 120개 성분으로 구분한 미국 심리학자 조이 폴 길포드의 연구는 모두 이런 발상에 기초한다. 지능을 분해할 수 있다는 생각은 심리학자들에게 지능의 다양한 영역을 확인하고 가정하게 해주고, 아울러 컴퓨터가 인간 지능의 특정 측면을 흉내 내는 것이 가능하다는 논리를 뒷받침해준다. 하사비스가 가졌던 애초의 알파고 모습도 이런 논리에서 상상된 것이며, 알파고의 성공은 지능의 분해 가능성 가설을 지지한다.

종합적이지만 분해 가능한 인간적 지능 집적체로부터 순전히 작곡하는 지능을 떼어내 컴퓨터에 구현할 수 있을까? 알파고가 바둑 기사인 인간의 지능에서 출발하지 않았다고 했다. 그렇다면 작곡을 하는 인공지능 컴퓨터도 인간의 음악적 지능에서 출발하지 않아야 한다. 그래야 그 속을 알 수 없지만 효율적인 작곡 기계가 될 것이다. 그런데 그런 기계의 결과물이 우리를 감동시킬 수 있을까? 인간적 지능에서 출발하지 않았는데도?

바둑을 두는 비인간적 방식을 보여준 알파고는 어쨌든 바둑을 둘 수 있다. 그리고 인간을 이겼다. 작곡을 하는 비인간적 방식을 보여줄 기계가 있다고 치자. 그 기계인 ‘알파모차르트’(!)도 어쨌든 작곡을 할 수 있을 것이다. 그런데 알파모차르트의 최종 목적은 무언인가. 인간을 이기는 것? 바둑에서 이기는 것은 분명하게 정의된다. 음악에서 인간을 이긴다는 것도 정의되는가? 팬이 많은 비틀즈는 모차르트를 이겼는가? 그런데 비틀즈의 팬은 추계(推計)할 수 있지만, 모차르트의 팬은 추계할 수 없다. 작곡과 음악의 경우, 출발에서 종착지까지 온통 복잡함뿐이다.

인간을 감동시키는 일을 기계에 맡긴다고 할 때, 작곡을 하는 ‘인간적 방식’에서 출발하는 것이 맞다. 이에 따라 인간적 방식을 연구하고 그것을 모사하여 기계에 구현하는 것이 좋은 방법이다. 작곡을 하는 ‘인간적 방식’은 무엇일까. 그것 역시 알파고처럼 분해되어 추출된 특정 지능에 대한 가정에서 출발해야 할까.

최근에 미국에서 자동으로 작곡하는 인공지능 컴퓨터에 관한 기사가 심심치 않게 보도되지만, 사실 컴퓨터가 작곡에 관여하게 된 것은 20세기 중반의 일이었다. 또 컴퓨터가 작곡할 수 있다는 일종의 미래학적 예언은 놀랍게도 19세기 중반에 나왔다. 에이다 바이런, 에이다 러브레이스라는 이름으로도 불렸던 러브레이스 백작 부인 어거스타 에이다 킹은 그리스 독립운동에 참여했다가 죽은 영국 시인 바이런의 딸이었는데, 세계 최초의 프로그래머로도 알려져 있다. 초기 컴퓨터과학에 인상적 발자취를 남긴 그녀는 ‘프로그래밍이 가능한 컴퓨터’라는 개념을 제안했던 영국의 수학자 찰스 배비지를 도와 배비지가 고안한 해석기관을 같이 만들기도 했다. 그런 그녀가 컴퓨터에 의한 작곡에 대해 말했다. 한번 들어보자.

인간을 감동시키는 ‘인간적 방식’

“[기계적] 엔진에 장착된 조작적 기제는 여러 대상에 작용할 수 있을 것이다. 그 대상들의 기초적 상호관계들은 추상적 과학과 조작들의 관계로 표현할 수 있다. 물론 이 추상적 과학과 조작들은 엔진 기제와 조작적 표기에 영향을 받아야 한다. 예를 들어 화성학의 소리들과 음악 작곡에서의 기본적 관계들을 이러한 추상적 과학과 조작들의 관계로 표현한다면, 컴퓨터 엔진은 어떤 수준의 복잡함도 만족시킬 수 있는, 과학적이고 잘 가공된 음악 작품들을 작곡해낼 수 있을 것이다.”

나는, 바이런이 비록 명시적으로 밝히지는 않았지만, 컴퓨터에 의한 것이든 인간에 의한 것이든 모든 작곡은 (더 나아가 모든 작업은) 컴퓨팅적 사고 혹은 계산적 사고(computational thinking)에 의해서 실현될 수 있다는 사실을 말했다고 생각한다. 계산적 사고란 미국의 수학자이자 컴퓨터 과학자인 시모어 페퍼트가 제안한 개념으로, 추상화와 분해를 통해 복잡한 체계를 설계하거나 어려운 문제를 해결하는 것이다. 우리는 복잡한 문제를 접근하기 쉽도록 적절하게 묘사하거나 관련 있는 특징들을 모델링할 수 있다. 여기서 추상화(abstraction)란 복잡한 자료, 모듈, 체계 등으로부터 핵심적 개념 또는 기능을 간추려내는 것을 말한다. 바이런이 말한 ‘화성학의 소리들과 음악 작곡에서의 기본적 관계들’은 작품을 창작하려는 문제에 직면한 상황에서 해야 할 추상화와 분해 작업으로 얻을 수 있다. 그 기본적 관계들을 ‘추상적 과학과 조작들의 관계로 표현’하는 일은 작곡을 모델링하는 일이다. 계산적 사고 혹은 컴퓨팅적 사고는 사고 주체가 컴퓨터건 사람이건 간에 사고하고 해결해야 할 문제가 전산처리의 힘과 한계에 기반하고 있다고 가정한다. 계산적 사고를 주장하는 사람들의 관점을 차용하면 컴퓨터건 작곡가건 계산적 마음으로 작곡을 하는 것이다. 이 관점이야말로 상술한, ‘분해되어 추출된 특정 지능에 대한 가정’으로부터 만들어졌다.

그러나 계산적 사고는 한 가지를 놓치고 있다. 세상의 어떤 것들은 분해는 되는데 그 분해를 거꾸로 뒤집어 추적할 때 다시 종합할 수 없다는 점. 노벨상을 받은 미국의 물리학자 필립 앤더슨은 다음과 같이 말했다. “환원주의 가설이 결코 구성주의 가설을 의미하지 않는다. 모든 것을 기본법칙으로 환원하는 능력이 곧 그 법칙에서 출발해 우주를 복원하는 능력을 의미하지 않는다.” 우주만이 아닐 것이다. 감동적 음악을 포함하는 복잡한 어떤 것들은 분해의 관점뿐만 아니라 연관성과 총체성의 관점에서 이해되어야 한다. 연관성과 총체성의 관점은 계산적 사고와 조화될 수 있다.

※ 김진호는…서울대학교 음악대학 작곡과와 동 대학교의 사회학과를 졸업한 후 프랑스 파리 4대학에서 음악학으로 박사학위를 취득했다. 국립안동대학교 음악과 교수로 재직 중이며, 『매혹의 음색』(갈무리, 2014)과 『모차르트 호모 사피엔스』(갈무리, 2017) 등의 저서가 있다.