분석 분야의 유명한 전략가인 대븐포트(Thomas Davenport) 교수(제 친구이자 저와 미국에서 공저로 책을 낸 교수)와 유명한 데이터 사이언티스트인 패틸(D.J. Patil)은 하버드 비즈니스 리뷰(2012년) 논문에서 데이터 사이언티스트를 21세기에 가장 섹시한 직업(the sexiest job of the 21st Century)이라고 명명했습니다.

가장 섹시하다는 말은 가장 인기가 많다는, 다시 말하면 공급보다는 수요가 훨씬 크다는 의미입니다. 이러한 수요 폭발은 최근까지도 여전히 계속되고 있습니다. 링크드인(LinkedIn)이 2021년에 발표한 Jop Report에 따르면 코로나 팬데믹 중에도 데이터 사이언티스트에 대한 고용은 46%나 증가했습니다. 데이터로부터 인사이트를 추출해내는 데이터 사이언티스트에 대한 필요성은 시기에 무관하게 매우 높을 뿐만 아니라 대우도 최상으로 받고 있습니다.

그래서 세계는 지금 AI 빅데이터 전문 인력확보를 위한 전쟁을 벌이고 있습니다. 왜냐 하면 AI 빅데이터 시대에 가장 중요한 경쟁은 바로 유능한 AI 빅데이터 전문가들을 확보하는 것이 바로 기업의 경쟁력과 직결되기 때문이죠. 알파고 사례를 들어 설명해 보겠습니다.

바둑은 인공지능에 있어서 위대한 도전(grand challenge)라고 불렸습니다. 경우의 수가 너무 많기 때문에 알고리즘으로 최선의 수를 찾는 것이 불가능할 정도였기 때문인데요. 이 위대한 도전을 해결하려고 구글과 페이스 북이 경쟁을 벌였습니다.

특히 페이스북의 저커버크는 이 문제를 페이스북이 해결함으로써 페이스북의 훼손된 이미지를 만회하고자 했죠. 그리고 저커버그는 구글을 이길 수 있다는 자신에 차 있었습니다. 예를 들어 저커버크는 페이스북이 이 위대한 도전을 거의 다 풀어가고 있고(we’re getting close), 이를 담당하고 있는 Facebook AI Research(FAIR)의 Yuandong Tian이 바로 옆에서 일하고 있다는 메시지를 SNS에 올리기도 했습니다(2015년 1월 26일).

그러나 구글딥마인드는 이미 3개월 전에(2015년 10월) 알파고 개발을 완료하고 프랑스에서 활동 중인 Fan Hui 2단과 비밀리에 대국을 벌여 5:0으로 완승하였습니다. 구글딥마인드는 알파고에 관한 논문을 저커버크가 SNS 메시지를 올린 이틀 뒤에(2018년 1월 28일) Nature에 게재함으로써 이 위대한 도전은 구글의 승리로 막을 내립니다.

구글이 위대한 도전에서 페이스북을 물리칠 수 있었던 것은 딥마인드를 인수하기 위한 구글의 과감한 베팅 때문이었는데요. 사실 딥마인드 인수를 위해서 우선 협상을 벌인 것은 페이스북이었습니다. 하지만 인수 가격 관계로 협상이 결렬 되자(딥마인드가 인수가격을 너무 높게 부르자 페이스북은 이 문제를 스스로 해결할 수 있다는 생각에서 협상 결렬을 선언하였음) 구글에게 기회가 왔고 다음 날 구글은 딥마인드를 바로 인수했죠. 협상을 하지도 않고 아예 받고 싶은 액수를 써넣으라며 백지수표를 내민 것입니다. 액수는 밝혀지지 않았지만 약 6억불(1,200억 원)이라고 합니다. 당시 딥마인드에는 강화학습 알고리즘(DQN: Deep Q-Networks)을 개발한 약 20명 정도의 전문 인력이 있는 작은 회사였기에 구글의 과감한 베팅은 모두를 놀라게 했죠.

구글은 딥마인드를 인수한 지 1년 반 만에 알파고 개발을 끝내고 Fan Hui 2단을 5:0으로 격파했습니다. 알파고 개발자들, 즉 논문에 공저자로 이름을 올린 20명 중에서 18명은 모두 딥마인드 소속의 개발자들이지만 나머지 2명 중의 한사람 Ilya Sutskever 박사는 딥마인드 소속이 아니라 구글 소속인데 내 생각으로는 바로 Sutskever 박사가 이 위대한 도전을 해결하는데 가장 핵심적인 역할을 했다고 생각합니다.

Sutskever는 이미 석사 과정에서부터 인공신경망을 이용한 인공지능 바둑으로 이 위대한 도전을 풀려고 노력했죠.

이 논문에서는 단 한 개의 은닉층(hidden layer)을 가진 합성곱신경망(Convolutional Neural Networks: CNN)을 실험적으로 사용했는데요. 본격적으로 은닉층이 많은 심층인공신경망(딥러닝)을 배우기 위해서 딥러닝의 아버지라고 불리는 제프리 힌튼 교수의 박사과정에 들어갑니다. 그리고 2012년, 인공지능의 시각인식에서 획기적인 성과를 냈을 뿐만 아니라 딥러닝의 확산에 계기가 된 AlexNet을 개발합니다.

AlexNet은 CNN을 활용한 8개 층의 딥러닝 모델이죠. AlexNet은 이미지 인식에서 난공불락이었던 인식오류율 25%의 장벽을 허물면서 오류율 16.4% 기록하였고 이후에 AlexNet과 유사하지만 더 깊고 복잡한 모델들이 등장하면서 2015년 이후에는 사람보다 더 정확하게 이미지를 인식할 수 있게 되었습니다.

CNN을 심층으로 쌓아서 훈련시킬 수 있는 모델을 만든 Sutskever 박사는 딥마인드의 강화학습 기반의 개발자 18명과 합심하여 인공지능의 위대한 도전을 해결한 것이죠.

알파고 개발 이후에 Sutskever 박사는 일론 머스크 등과 OpenAI를 설립하였으며 현재는 OpenAI의 수석 과학자로 활동하고 있습니다. OpenAI는 2020년 6월, GPT-3, 가장 뛰어난 '언어 인공지능'인 GPT-3를 공개하였고 Sutskever 박사는 2021년의 GPT-3 모델은 2020년의 GPT-3 모델보다 월등할 거라고 말하고 있습니다.

알파고 등장 이후에 인공지능과 빅데이터 분야에서 전문 인력에 대한 경쟁은 더욱 치열해졌는데 국내에서도 네이버는 세계적인 제록스의 인공지능 연구소(XRCE)를 통째로 1,200억원에 인수하기도 했습니다. 이 연구소는 2012년에 AlexNet이 등장하기 전까지는 이미지 인식 분야에서 세계 1위였던 연구소입니다.

국내에서도 민간부문은 물론 교통, 재난, 의료 등 공공서비스는 물론 전 영역에서 AI•빅데이터 활용에 대한 수요는 가속적으로 늘고 있습니다. 정부는 2023년까지 국내 최고 수준의 데이터 사이언티스트 1,000명, 수준별 전문인력 5,000명 양성을 목표로 하고 있지만 전문인력 양성은 수요를 따라가지 못하는 상황이죠.

그래서 지금 기업에서는 그야말로 AI 전문가를 확보하려는 전쟁을 벌이고 있습니다. 심지어는 백지수표로 모셔간다는 얘기도 나오고 있죠.

인생에서 성공하려면 운(運)이 있어야 한다는 말이 있습니다. 운이란 무엇일까요? 운이란 기회가 왔을 때 준비가 되어 있는 것을 말합니다. 기회가 왔는데 준비가 되어 있지 않다면 불행한 것이 되죠. AI 빅데이터 시대에 준비란 기업의 다양한 문제들을 데이터 분석적 시각에서 해결할 수 있는 데이터 분석 역량을 갖추는 것입니다.

SSM Seoul AI·빅데이터 전공의 3학년 편입과정(BBA in AI Big Data)에서 여러분들의 future best self를 위한 준비를 하시기 바랍니다.