Bayesian Machine Learning

베이지안 머신러닝은 인공지능이 답을 딱 하나로 못박지 않고, 그 답이 얼마나 확실한지 확률로 함께 계산하도록 만드는 학습 방식이다.

일기예보를 떠올리면 쉽다. 기상캐스터는 "내일 비가 온다" 대신 "강수확률 70%"라고 말한다. 남은 30%의 가능성도 인정하기 때문에 우산을 챙길지 말지 더 합리적으로 판단할 수 있다. 베이지안 머신러닝은 이런 사고방식을 인공지능에 심는 접근이다. 새로운 정보가 들어올 때마다 기존의 확신을 조금씩 업데이트하면서, 마지막까지 "내가 얼마나 확신하는가"라는 숫자를 놓지 않는다.

지금 널리 쓰이는 대화형 인공지능 대부분은 이와 반대로 움직인다. 모르는 질문에도 확신에 찬 말투로 그럴듯한 답을 내놓는데, 이게 틀린 정보를 사실처럼 말하는 문제로 이어지기도 한다. 반면 베이지안 방식으로 학습된 시스템은 낯선 상황을 만나면 "이건 잘 모르겠다"고 스스로 인정할 수 있어서, 로봇이 처음 보는 물건을 옮기거나 자율주행차가 갑작스러운 장애물을 만났을 때 더 신중하게 판단하도록 돕는 데 쓰인다.

구글 딥마인드의 VP 리서치 Zoubin Ghahramani는 케임브리지대에서 베이지안 머신러닝 연구를 이끈 인물로 소개돼요. 기사에서 강조하는 지점은 이 개념이 특정 제품 기능이 아니라, 인공지능이 확신과 무지를 스스로 구분하게 만드는 연구 분야 자체라는 점이에요. 벤치마크 점수를 높이는 것과는 다른, 안전성에 관한 이야기라는 걸 헷갈리지 않아야 해요.

챗봇에게 확실하지 않은 질문을 던진 뒤 "모르면 모른다고 말하고, 확신하는 정도를 퍼센트로 알려줘"라고 요청해 보자. 평소처럼 단정적으로 답하는지, 아니면 불확실성을 인정하는 답을 내놓는지 비교해 보면 베이지안 사고방식과 일반적인 답변 방식의 차이를 체감할 수 있다.