질의응답

5 Contents

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단 | 1부

서울대학교 자연과학 공개 강연은 1994년부터 시작된 대표적인 과학 나눔 프로그램으로, 올해 31회를 맞이했습니다. 이번 강연의 주제인 '과학자의 꿈과 도전'은 세상을 바꾼 과거의 과학적 성취를 돌아보고, 앞으로 다가올 미래를 과학이 어떻게 열어갈지 탐구하는 데 목적이 있습니다. 인공지능부터 전염병, 탄소 중립, 초전도체에 이르기까지 현대 과학의 핵심 화두를 다루며 청중들에게 과학적 설렘을 전달합니다. 특히 이번 강연은 단순한 지식 전달을 넘어, 과학적 사고가 우리 삶과 사회를 어떻게 변화시키는지 깊이 있게 성찰하는 기회를 제공합니다. 데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소수의 데이터를 얻었지만, 이제는 매분 엄청난 양의 정보가 쏟아지는 빅데이터 시대에 살고 있습니다. 이러한 데이터는 스마트 팩토리의 생산성을 높이고 마케팅 전략을 최적화하며, 심지어 스포츠 경기에서 승리 확률이 높은 위치를 예측하는 데 활용됩니다. 농구 선수 스테픈 커리의 사례처럼, 데이터를 기반으로 한 기대 득점 분석은 현대 스포츠의 패러다임을 완전히 바꾸어 놓았습니다. 결국 데이터는 인공지능이 올바른 판단을 내릴 수 있도록 돕는 가장 중요한 기반이 됩니다. 인공지능은 인간의 지적 능력을 컴퓨터로 구현하는 기술로, 시행착오를 거치며 스스로 학습하는 과정을 통해 발전합니다. 자율 주차 프로그램이 수만 번의 사고를 겪으며 완벽한 주차 방법을 익히는 것처럼, 인공지능은 방대한 데이터를 바탕으로 인간의 업무를 효과적으로 대체해 나가고 있습니다. 현재의 인공지능은 시각과 청각을 넘어 후각, 미각, 촉각 등 오감을 정복하려 시도하고 있으며, 이는 궁극적으로 인간과 소통하고 공감하는 자율주행 시스템으로 이어질 것입니다. 이러한 기술적 진보는 인류의 노동을 획기적으로 줄여줄 것으로 기대됩니다. 하지만 현재의 인공지능은 데이터 편향성과 예측의 신뢰성이라는 한계에 직면해 있습니다. 특정 지역이나 문화권에 치우친 데이터는 잘못된 결과를 도출할 수 있으며, 복잡한 모델은 결과의 원인을 설명하지 못하는 '블랙박스 문제'를 야기합니다. 단순히 상관관계를 파악하는 것을 넘어, 사건의 인과관계를 추론하고 인간이 납득할 수 있는 설명을 제공하는 '해석 가능한 AI'의 개발이 시급합니다. 이를 위해서는 수학과 통계학 같은 기초 과학의 발전이 필수적이며, 미래의 인공지능 연구자들은 이러한 근본적인 문제들을 해결하는 데 도전해야 합니다. 인류의 역사는 전염병과의 끊임없는 전쟁이었습니다. 흑사병이나 천연두 같은 질병은 제국의 몰락을 가져오고 세계 지도를 바꾸는 결정적인 역할을 했습니다. 과거에는 과학적 지식의 부재로 기도나 무속 신앙에 의존했지만, 존 스노의 콜레라 역학 조사와 코흐의 세균 발견을 기점으로 전염병 대처 방식은 과학적으로 변모했습니다. 제너의 백신과 파스퇴르의 미생물학 연구는 인류의 평균 수명을 획기적으로 연장하는 기틀이 되었습니다. 이러한 과학적 성취 덕분에 인류는 보이지 않는 적에 맞서 싸울 수 있는 강력한 무기를 갖게 되었습니다. 현대 과학은 mRNA 기술을 통해 코로나19와 같은 팬데믹에 신속하게 대응할 수 있는 플랫폼을 구축했습니다. 하지만 기후 변화와 생태계 파괴로 인해 동물의 바이러스가 인간에게 전파되는 인수공통감염병의 위협은 더욱 커지고 있습니다. 앞으로의 과학은 변이 바이러스에도 대응할 수 있는 범용 백신과 코에 뿌리는 점막 백신 개발에 집중해야 합니다. 팬데믹은 더 이상 예기치 못한 사건이 아니라 충분히 예상 가능한 '회색 코뿔소'와 같습니다. 따라서 기초 과학 연구를 통해 새로운 병원체를 조기에 탐지하고 대응하는 능력을 기르는 것이 무엇보다 중요합니다. 과학의 발전은 단순히 기술의 진보를 의미하는 것이 아니라, 인류가 직면한 거대한 문제를 해결하려는 꿈과 도전의 과정입니다. 인공지능의 한계를 극복하고 새로운 전염병에 맞서기 위해서는 탄탄한 기초 과학 지식과 더불어 세상을 바라보는 넓은 시야가 필요합니다. '코이'라는 물고기가 환경에 따라 크기가 달라지듯이, 과학자의 꿈의 크기가 곧 인류 미래의 한계를 결정합니다. 미래를 이끌어갈 세대들이 기초 과학에 관심을 가지고 끊임없이 질문하며 도전할 때, 과학이 여는 미래는 더욱 밝고 풍요로워질 것입니다.

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단

박건웅, 안광석

카오스재단서울대자연과학공개강연
  • 생명과학
  • 수학

ETRI Conference 2022 인공지능연구소 02. 엑소브레인

엑소브레인은 인간의 언어 이해 방식을 모사하여 텍스트에 담긴 의미를 심층적으로 분석하는 한국어 인공지능 기술입니다. 이 기술은 어휘, 문장, 문장 간 관계를 아우르는 이해의 폭과 심벌, 구문, 의미 레벨을 관통하는 이해의 깊이를 두 축으로 삼아 구성되었습니다. 특히 형태소 분석부터 의존 구문 분석, 의미역 인식에 이르기까지 정교한 세부 기술들이 유기적으로 결합되어 한국어의 복잡한 문법과 의미 구조를 정확하게 파악합니다. 이러한 기술적 토대는 인공지능이 인간처럼 자연스럽게 정보를 처리하고 대화할 수 있게 만드는 핵심적인 밑거름이 됩니다. 한국어 분석 과정은 문장 분리에서 시작하여 형태소 분석과 개체명 인식을 거치며 점진적으로 고도화됩니다. 엔터티 정규화 기술은 문서 내의 서로 다른 명칭들이 동일한 대상을 지칭함을 인식하여 정보의 일관성을 확보해 줍니다. 또한 동음이의어 분석을 통해 다각적인 의미를 지닌 단어 중 문맥에 맞는 정확한 뜻을 추출하고, 문장을 트리 구조로 변환하는 의존 구문 분석을 통해 단어 간의 연관 관계를 규명합니다. 이러한 체계적인 분석 흐름은 엑소브레인이 한국어 언어 분석 분야의 국가 표준 기술로 자리매김하는 강력한 원동력이 되었습니다. 본격적인 발전을 거듭한 KoBERT 모델은 대규모 비정형 데이터를 사전에 학습하는 범용적 언어 모델로, 특정 작업에 국한되지 않고 다양한 자연어 처리 분야에 적용될 수 있는 2세대 AI 기술의 정수입니다. 약 15년 치 뉴스 데이터와 수십억 개의 형태소를 학습한 이 모델은 한국어의 특성을 완벽히 반영하며, 글로벌 기업의 모델보다도 뛰어난 정확도를 입증했습니다. 특히 형태소 단위의 세밀한 학습을 통해 문장 분류나 기계 독해 등 실무적인 응용 분야에서 기존 모델 대비 획기적인 성능 향상을 이끌어내며 학계와 산업계의 큰 주목을 받고 있습니다. 기계 독해 기술은 질문에 대한 답을 방대한 단락 내에서 스스로 찾아내는 고도의 인공지능 역량을 요구합니다. 엑소브레인은 단순한 단답형 답변을 넘어 서술형 답변까지 가능한 수준으로 진화했으며, 학습하지 않은 도메인에서도 일정한 성능을 유지하는 일반화 능력을 갖추었습니다. 이와 더불어 두 문장의 의미적 유사도를 판별하는 기술은 정보 검색의 정확도를 극대화합니다. 사용자가 입력한 자연어 질문의 의도를 정확히 파악하고, 수많은 문서 중에서 가장 적합한 정보를 추출하여 제시하는 과정은 현대 검색 엔진이 지향하는 심층 질의응답의 핵심 요소입니다. 엑소브레인의 심층 질의응답 기술은 현재 법령 정보 서비스와 같은 전문적인 영역에서 실질적인 성과를 거두고 있습니다. 특히 국회도서관의 입법 지원 서비스에 도입되어 복잡한 법률 문서 속에서 정확한 답을 찾아냄으로써 업무 효율성을 획기적으로 개선하고 있습니다. 또한 기계 독해의 한계를 보완하기 위해 FAQ 기술을 하이브리드 방식으로 적용함으로써, 사회적으로 민감한 이슈나 고정된 정답이 필요한 경우에도 신뢰할 수 있는 정보를 제공합니다. 이처럼 엑소브레인은 단순한 연구 단계를 넘어 우리 사회의 지식 인프라를 지탱하는 실용적인 인공지능으로 발전하고 있습니다.

ETRI Conference 2022 인공지능연구소 02. 엑소브레인
한국전자통신연구원ETRI 컨퍼런스
  • 뇌인지과학
  • 공학·기술

EOST2021 Phrase Retrieval Learns Passage Retireval, Too

오픈 도메인 질의응답(Open-domain QA)은 위키피디아와 같은 거대한 지식 베이스에서 질문에 대한 정답을 찾아내는 기술입니다. 기존의 방식은 문서를 먼저 찾고 이를 다시 읽어 정답을 추출하는 리트리버-리더(Retriever-Reader) 구조를 주로 사용해 왔습니다. 그러나 이 방식은 질문이 바뀔 때마다 많은 문서를 다시 읽어야 하므로 연산 속도가 느리다는 단점이 있습니다. 이를 해결하기 위해 등장한 구 단위 검색(Phrase Retrieval) 기술은 문서 내의 연속적인 단어 집합인 구를 미리 벡터화하여 저장함으로써, 별도의 읽기 과정 없이 즉시 정답을 찾아내는 비약적인 속도 향상을 이루어냈습니다. 구 단위 검색(Phrase Retrieval) 기술의 핵심적인 매력은 하나의 인덱스를 활용해 다양한 단위의 검색이 가능하다는 점에 있습니다. 기존의 텍스트 검색 모델들은 문장이나 단락 등 특정 단위에 맞춰 개별적인 인덱스를 구축해야 했습니다. 반면, 구 단위 검색(Phrase Retrieval) 시스템은 질문의 의도에 따라 정답이 되는 특정 구를 직접 찾을 수도 있고, 해당 구가 포함된 문장이나 단락, 심지어 전체 문서까지 유연하게 불러올 수 있습니다. 이는 구 단위 검색(Phrase Retrieval)이 문장이나 단락 단위 검색(Passage Retrieval)보다 더 미세한 정보를 담고 있기 때문입니다. 결과적으로 구 단위 검색(Phrase Retrieval) 인덱스 하나만으로 정밀한 정답 추출부터 포괄적인 문맥 파악까지 아우르는 다목적 검색 시스템을 구현할 수 있습니다. 구 단위 검색(Phrase Retrieval) 모델인 DensePhrases는 기존의 대표적인 단락 단위 검색(Passage Retrieval) 모델인 DPR과 비교했을 때 흥미로운 성능 차이를 보입니다. 실험 결과에 따르면, DensePhrases는 특히 소수의 단락만을 검색할 때 DPR보다 훨씬 뛰어난 정확도를 나타냈습니다. 이는 검색 단위를 구로 설정하여 학습한 모델이 단락 단위의 검색에서도 충분히 경쟁력이 있음을 시사합니다. 또한, 많은 단락을 입력으로 사용하는 생성 기반 모델인 FiD와 결합했을 때도 효율성이 돋보였습니다. DensePhrases를 활용하면 기존보다 훨씬 적은 수의 단락만으로도 높은 수준의 정답 생성 성능을 유지할 수 있어, 대규모 언어 모델의 연산 부담을 획기적으로 줄이는 데 기여합니다. 연구팀은 모델이 왜 뛰어난 성능을 보이는지 분석하기 위해 주제 구분(L_topic)과 정답 정렬(L_hard) 능력을 나누어 평가했습니다. 분석 결과, DensePhrases는 주제가 유사하지만 정답이 없는 까다로운 사례를 구별하는 'L_hard' 지표에서 압도적인 우위를 점했습니다. 이는 모델이 단락 내의 미세한 정보를 파악하도록 훈련되었기 때문에, 단순한 문맥 유사성을 넘어 정답과의 실제 정렬 상태를 더 예민하게 포착할 수 있음을 뜻합니다. 이러한 강점 덕분에 비록 주제가 조금 멀어 보이더라도 질문에 대한 직접적인 단서를 포함한 단락을 더 정확하게 찾아낼 수 있으며, 이는 전반적인 검색 품질의 향상으로 이어집니다. 방대한 양의 구 정보를 저장하기 위해서는 효율적인 인덱스 관리 기술이 필수적입니다. 수억 개에 달하는 구 표현 벡터는 수 테라바이트에 달하는 저장 공간을 차지할 수 있기 때문입니다. 이를 해결하기 위해 연구진은 중요도가 낮은 구를 걸러내는 필터링 기술(Phrase Filter)과 벡터 압축 기술인 양자화(PQ) 기법을 도입했습니다. 특히 양자화(PQ) 과정을 고려한 파인튜닝 방식을 통해 검색 정확도 손실을 최소화하면서도 인덱스 크기를 수십 기가바이트 수준으로 대폭 줄이는 데 성공했습니다. 결과적으로 DensePhrases는 기존 단락 단위 검색(Passage Retrieval) 모델보다 더 작은 저장 공간을 사용하면서도 더 높은 정확도를 제공하는, 경제성과 성능을 동시에 잡은 최적의 솔루션이 되었습니다.

EOST2021 Phrase Retrieval Learns Passage Retireval, Too
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[2020] 03 엑소브레인 일반 법률분야 심층 질의 응답v2

엑소브레인은 한국전자통신연구원(ETRI)에서 개발한 인공지능 기술로, 과거 인간과의 지식 대결에서 당당히 우승을 차지하며 그 우수성을 증명한 바 있습니다. 이 기술의 대표적인 기능 중 하나는 한국어 지식검색입니다. 사용자가 문서 편집 소프트웨어를 사용하다가 생소한 정보나 상식을 찾아야 할 때, 포털 사이트를 따로 방문하지 않고도 즉석에서 필요한 내용을 검색하여 편집 중인 문서에 바로 반영할 수 있도록 지원합니다. 이는 사용자의 맥락을 이해하고 필요한 데이터를 정교하게 추출해냄으로써 업무의 연속성과 효율성을 획기적으로 개선하는 역할을 수행합니다. 엑소브레인은 일반 상식뿐만 아니라 법률과 같은 고도의 전문 분야에서도 탁월한 지능을 발휘합니다. 예를 들어 복잡한 질병의 증상에 대한 질문에 정확한 정보를 찾아 제시하거나, 국회법과 같은 전문 법령을 분석하여 구체적인 공고 기한 등을 정확히 안내해 줍니다. 엑소브레인은 사용자의 질문을 정의형, 관계형, 독해형으로 세밀하게 구분하고 각각의 유형에 최적화된 알고리즘을 적용하여 최선의 정답을 도출합니다. 이러한 다각적인 질의응답 프로세스는 정보의 정확도를 극대화하며, 단순한 검색을 넘어선 진정한 의미의 지식 서비스를 구현하고 있습니다. ETRI는 기술의 공유와 확산을 위해 오픈 API를 공개하여 국내 인공지능 생태계 활성화에 앞장서고 있습니다. 특히 독자적으로 개발한 KorBERT는 글로벌 대기업의 모델보다 우수한 성능을 기록하며 이미 수천 개의 기관에서 활발하게 활용되고 있습니다. 매일 수만 건에 달하는 API 요청이 처리되고 있으며, 수십 건의 기술 이전과 사업화 성과를 통해 그 실용성을 입증했습니다. 기계 독해 챌린지 1위 달성이라는 쾌거는 엑소브레인이 세계적 수준에 도달했음을 보여주는 지표입니다. 앞으로도 상용화 기술을 더욱 고도화하여 지능형 서비스 발전에 기여할 전망입니다.

[2020] 03 엑소브레인 일반 법률분야 심층 질의 응답v2
한국전자통신연구원ETRI 아카이브
  • 뇌인지과학
  • 융합
  • 공학·기술

[강연] 구글 신은 아직도 모든 것을 알고 있다? (4) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강 | 1강 ④

과학적 탐구는 단순히 정답을 찾는 과정이 아니라, 끊임없이 질문을 던지고 그에 대한 해답을 모색하는 여정입니다. 복잡한 이론이 실제 현상과 만날 때 발생하는 수많은 의문은 과학을 발전시키는 핵심 동력이 됩니다. 우리는 이러한 과정을 통해 기존의 지식을 재검토하고, 더 나은 이해를 위한 발판을 마련하게 됩니다. 학술적인 논의가 깊어질수록 우리가 마주하는 질문의 깊이 또한 깊어지며, 이는 곧 새로운 발견의 시작점이 되기도 합니다. 전문가들 사이의 토의는 개별적인 연구 결과를 하나의 거대한 지식 체계로 통합하는 역할을 수행합니다. 각자의 관점에서 바라본 데이터와 해석이 충돌하고 융합되는 과정에서, 이론의 허점은 보완되고 강점은 더욱 뚜렷해집니다. 이러한 집단 지성의 발현은 현대 과학이 직면한 복잡한 문제들을 해결하는 데 필수적인 요소입니다. 활발한 소통은 연구의 투명성을 높이고, 결과의 신뢰성을 확보하는 데 기여하며 과학 공동체의 건강한 발전을 이끕니다. 비판적 사고는 과학적 방법론의 근간을 이룹니다. 제시된 가설이 타당한지, 실험 설계에 오류는 없었는지 면밀히 검토하는 과정은 과학의 객관성을 유지하는 방패와 같습니다. 타인의 의견을 수용하면서도 논리적 근거를 바탕으로 의구심을 제기하는 태도는 연구자에게 요구되는 가장 중요한 덕목 중 하나입니다. 이러한 엄격한 검증 과정을 거친 지식만이 비로소 인류의 공통된 자산으로 자리 잡을 수 있으며, 이는 기술적 진보를 이루는 튼튼한 토대가 됩니다. 전문적인 연구 성과가 대중에게 전달되는 과정에서는 언어의 장벽을 넘는 노력이 필요합니다. 복잡한 수식과 전문 용어를 일상의 언어로 번역하여 전달하는 것은 과학의 대중화라는 측면에서 매우 중요합니다. 지식이 상아탑 안에만 머물지 않고 사회 전반으로 확산될 때, 과학은 비로소 세상을 변화시키는 실질적인 힘을 발휘하게 됩니다. 이는 과학자와 대중 사이의 신뢰를 구축하고, 합리적인 사회적 합의를 이끌어내는 밑거름이 되어 우리 사회를 풍요롭게 만듭니다. 강연이나 발표 후에 이어지는 질의응답 시간은 발표자와 청중이 직접적으로 교감하는 소중한 기회입니다. 발표자가 미처 생각하지 못했던 사각지대를 청중의 날카로운 질문이 파고들 때, 새로운 통찰이 탄생하곤 합니다. 질문은 단순히 모르는 것을 묻는 행위를 넘어, 논의의 지평을 넓히고 주제를 다각도에서 조명하게 합니다. 이러한 상호작용은 일방향적인 정보 전달을 양방향적인 지식 공유의 장으로 탈바꿈시키며 학습의 효과를 극대화하는 역할을 합니다. 때로는 예상치 못한 질문이 연구의 방향을 완전히 바꾸어 놓기도 합니다. 기초적인 의문에서 시작된 논의가 예상치 못한 변수를 발견하게 하거나, 전혀 다른 분야와의 접점을 찾아내는 계기가 되기 때문입니다. 과학의 역사에서 위대한 발견 중 상당수는 우연한 질문이나 사소한 의구심에서 비롯되었습니다. 따라서 모든 질문은 그 자체로 가치를 지니며, 정답만큼이나 질문의 질이 연구의 수준을 결정짓는 중요한 척도가 된다는 점을 우리는 항상 유념하며 탐구에 임해야 합니다. 미래의 과학은 더욱 개방적이고 참여적인 형태로 진화할 것입니다. 정보 통신 기술의 발달로 전 세계 연구자들이 실시간으로 의견을 나누고 데이터를 공유하는 환경이 조성되었습니다. 이러한 변화 속에서 소통의 중요성은 더욱 강조될 것이며, 열린 마음으로 타인의 비판을 수용하는 자세가 혁신을 주도할 것입니다. 끊임없는 질문과 토론이 살아 숨 쉬는 과학 생태계야말로 우리가 꿈꾸는 지속 가능한 미래를 만드는 가장 확실한 열쇠가 될 것이라 확신합니다.

[강연] 구글 신은 아직도 모든 것을 알고 있다? (4) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강

장원철, 정하웅, 차미영

카오스재단카오스강연
  • 물리학