제프리 힌튼 교수가 인공신경망의 불씨를 되살리며 '딥러닝'이라는 이름을 전면에 내세웠지만, 주류 학계는 여전히 반신반의했습니다. "과연 깊게 쌓은 신경망이 현실의 복잡한 문제를 얼마나 잘 풀어낼 수 있을까?" 하는 의구심이 가득했죠. 이 논쟁에 종지부를 찍고, 인공지능 역사상 가장 거대한 폭발을 일으킨 사건이 바로 2012년에 열린 '이미지넷(ImageNet) 대회'입니다.
당시 분위기를 되돌아보면 정말 뜨거웠습니다. 이미지넷 대회(ILSVRC)는 컴퓨터가 수백만 장의 사진을 보고 그 안에 무엇이 있는지(고양이인지, 자동차인지, 강아지인지)를 맞히는, 일종의 '인공지능 시각 지능 월드컵'이었습니다. 당시 1,000개의 카테고리로 분류된 120만 장의 방대한 데이터셋은 AI 연구자들에게는 넘을 수 없는 거대한 벽과 같았습니다.
이전까지 이 대회에서 우승하던 모델들은 '컴퓨터 비전' 전문가들이 수십 년간 갈고닦은 '수동 특징 추출 기법'을 사용했습니다. "고양이 귀는 삼각형이니까 귀 부분을 먼저 찾아라", "털의 질감을 분석해서 경계를 나누어라"와 같이 인간이 일일이 특징을 정의하고 알고리즘을 설계하는 방식이었죠. 2011년까지도 이 방법은 우승을 위한 정석으로 통했습니다.
하지만 2012년, 모든 판도가 뒤집혔습니다. 제프리 힌튼 교수의 제자들인 알렉스 크리제브스키와 일리야 서츠케버가 이끄는 팀이 '알렉스넷(AlexNet)'이라는 딥러닝 모델을 들고나온 것입니다.
알렉스넷은 기존의 정석을 완전히 무시했습니다. 인간이 어떤 특징을 찾으라고 가이드라인을 주지도 않았고, 복잡한 설계도 없이 오직 데이터를 층층이 쌓은 신경망에 맡겼습니다. 결과는 어땠을까요? 압도적이었습니다. 기존 우승 모델들의 정확도와는 비교도 할 수 없을 만큼, 에러율을 10% 이상 대폭 낮추며 독보적인 1위로 우승했습니다.
이 장면을 지켜본 전 세계 컴퓨터 과학자들은 일제히 얼어붙었습니다. 수십 년간 컴퓨터 비전 전문가들이 머리를 싸매며 정교하게 설계했던 알고리즘들이, 딥러닝 모델 하나에 무참히 짓밟히는 순간이었기 때문입니다. "이건 운이 아니다. 우리가 접근 방식 자체를 완전히 바꿔야 한다"는 사실을 모두가 직감했습니다.
알렉스넷이 성공할 수 있었던 비결은 크게 두 가지였습니다.
첫째, 데이터를 직접 '학습'하는 신경망 구조였습니다. 앞서 말씀드렸듯 인간이 특징을 정의하는 게 아니라, 망을 깊게 쌓아 기계가 스스로 저차원(선, 색상)에서 고차원(형태, 사물)의 특징까지 데이터를 통해 추출하게 했습니다.
둘째, 'GPU(그래픽 처리 장치)'의 활용입니다. 당시 딥러닝 모델은 수억 개의 파라미터(매개변수)를 계산해야 했기에 일반 CPU로는 수개월이 걸릴 작업이었습니다. 하지만 이 팀은 게임용으로 쓰이던 GPU를 병렬 연산에 활용하여 학습 속도를 비약적으로 높였습니다. 이는 딥러닝 연구에 하드웨어 최적화가 필수라는 새로운 이정표가 되었습니다.
이미지넷 대회의 이 승리는 단순히 하나의 대회 우승에 그치지 않았습니다. 전 세계 기업들과 연구소들이 앞다투어 "우리도 딥러닝을 해야 한다"며 기존 인프라를 갈아엎기 시작했습니다. 구글, 페이스북(현 메타), 마이크로소프트 등 거대 IT 기업들이 AI 연구팀을 꾸리기 시작한 결정적인 방아쇠가 바로 이 알렉스넷이었습니다.
개인적으로 이 시기를 'AI의 르네상스'라고 부르고 싶습니다. 어둡고 긴 겨울을 지나, 드디어 AI가 인간의 인지 능력을 위협할 만큼의 성능을 갖추게 된 출발점이었으니까요. 이후 AI는 이미지 인식을 넘어 자연어 처리, 음성 인식 등 모든 분야에서 딥러닝이라는 거대한 물결을 타며 급성장하게 됩니다.
[핵심 요약]
2012년 이미지넷 대회에서 '알렉스넷'이 압도적인 성능으로 우승하며 딥러닝 시대의 개막을 알렸습니다.
인간이 특징을 수동으로 정의하던 방식에서, 데이터로부터 기계가 직접 특징을 학습하는 구조로 패러다임이 완전히 전환되었습니다.
고성능 GPU 활용이 딥러닝 학습 속도를 비약적으로 높일 수 있음을 증명하며, AI 연구에 하드웨어 기술의 중요성을 각인시켰습니다.
[다음 편 예고]
이미지 인식에서 기적을 보여준 딥러닝은 이제 '언어'의 영역으로 눈을 돌립니다. 다음 편에서는 인공지능이 단어를 이해하고 문장을 생성하기 시작한 '자연어 처리(NLP)의 진화' 과정에 대해 알아보겠습니다.
댓글
댓글 쓰기