티스토리 뷰
딥마인드 개관
딥마인드는 2010년 영국에서 설립된 인공지능 연구 기업입니다. 2015년에 알파고로 유명해졌으며, 이후 알파고 제로, 알파스타 등의 업적으로 인공지능 연구의 선두주자로 올라섰습니다. 2015년 구글의 자회사가 되었으며, 현재는 구글의 인공지능 부문을 주도하고 있습니다. 딥마인드는 현재 구글과 함께 다양한 분야에서 인공지능 기술을 활용하는 중입니다. 구글 맵에서 건물의 입구를 찾아내는 기술부터, 에너지 효율적인 데이터 센터 운영을 위한 기술 등 다양한 분야에서 인공지능 기술을 적용하고 있습니다. 2020년 현재 딥마인드는 알파폴드라는 인공지능 기술을 활용하여 단백질 구조를 예측하는 데 성공하였습니다. 이는 단백질 구조 예측 문제를 50년 가까이 해결하지 못하였던 과학계에게 큰 기대를 받고 있습니다. 딥마인드는 인공지능 연구를 통해 사회적 가치 창출에도 주력하고 있습니다. 예를 들어, 보건 분야에서는 딥마인드가 개발한 인공지능 기술이 매독 진단에 큰 도움을 주고 있습니다. 또한, 환경 보호 분야에서는 딥마인드가 개발한 인공지능 기술이 에너지 효율을 높이는 등의 기여를 하고 있습니다. 딥마인드는 인공지능 연구를 통해 사회적 가치 창출에도 주력하고 있습니다. 예를 들어, 보건 분야에서는 딥마인드가 개발한 인공지능 기술이 매독 진단에 큰 도움을 주고 있습니다. 또한, 환경 보호 분야에서는 딥마인드가 개발한 인공지능 기술이 에너지 효율을 높이는 등의 기여를 하고 있습니다. 딥마인드는 인공지능 연구의 미래를 위해 교육에도 큰 관심을 가지고 있습니다. 학생들을 대상으로 인공지능 교육 프로그램을 운영하고 있으며, AI for Good이라는 교육 프로그램을 통해 인공지능 기술을 활용한 사회적 가치 창출을 독려하고 있습니다. 이를 통해 딥마인드는 인공지능 연구의 발전과 함께 사회적 책임을 다하고 있습니다.
딥마인드 CEO 데미스 하사비스
딥마인드의 CEO 데미스 하사비스는 인공지능 분야에서 혁신적인 리더십을 발휘하고 있습니다. 그는 전통적인 문제 해결 방식에 대한 제안으로 기술적인 진보를 이루어내며, 딥마인드를 인공지능 분야에서 선두주자로 이끌고 있습니다. 하사비스는 그의 회사가 사회적 가치를 창출하고 있음을 강조하며, 이를 위해 고도의 윤리적 기준을 적용하고 있습니다. 그는 "우리는 인공지능을 통해 사람들에게 혜택을 제공하고, 이를 보호할 책임이 있습니다"라고 말하며, 인공지능 기술이 사회 전반에 걸쳐 긍정적인 영향을 미치도록 노력하고 있습니다. 하사비스는 딥마인드가 연구 중인 분야 중 하나인 강화학습(Reinforcement Learning)을 발전시키는 데 큰 역할을 하였습니다. 이 분야는 인공지능이 문제를 해결하는 과정에서 최적화된 프로세스를 최대화하기 위해 학습하는 방식으로, 이를 통해 전문분야에 적용되는 AI 기술의 활용성을 높여나가고 있습니다. 딥마인드의 성장과 발전은 하사비스의 비전과 리더십에 크게 기인합니다. 그는 딥마인드가 "세상을 바꾸기 위해 기술을 사용하는 회사"가 되기를 원하기에 의료 분야와 컴퓨팅 분야 전반에서 AI 기술을 활용하기 위한 전방위적 연구를 진행하고 있습니다. 덕분에 회사의 전망은 밝은 편이고 모회사인 구글에도 많은 특허기술을 보유하도록 하는 등의 성과를 올리고 있습니다.
딥마인드가 해결해야 하는 것들
딥마인드의 당면한 문제점은 먼저 채산성과 유동성에 대한 부분들입니다. AI 분야의 연구개발은 경쟁이 치열한 만큼 쟁쟁한 회사들과 인력유치 경쟁을 해야 하고, 이미 AI 업계의 거물인 테슬라, 애플, IBM 등등의 기업들과 인재유치 경쟁을 치루고 있습니다. 또 최신기술에 대한 집착 역시 천문학적 지출금을 발생시키기에 재무제표상의 건전성을 보장하기 어려운 상태라 할 수 있습니다. 각종 미디어와 경제 전문 채널에서는 이러한 문제에 대한 우려를 꾸준하게 표명하고 있는 상황입니다. 이런 우려가 유독 딥마인드에 쏟아지는 이유는, 회사의 규모와 생산성 대비 해결하기 어려운 자금의 문제를 지닌 탓으로 보입니다. 최근처럼 투자가 몰리는 상황에선 또 다르지만, 오픈 AI와 같이 혁신적인 성과가 나오지 않는다면 투자자들에게 인상적인 모습을 보이기 어려울지 모릅니다. 이외에는 기술에 대한 이슈도 있습니다. 강화학습이라는 딥러닝의 일종인 학습방식에 대한 회의감을 표하는 사람들이 많습니다. 머신러닝을 표방하여 실무에 적용하는 행동형 AI는 챗GPT와 같은 언어 모델과는 구조적으로 다릅니다. 상대적으로 개방적이라 할 수 있는 언어형 모델에 비해 딥러닝을 통해 학습되는 AI는 데이터의 학습 방향이 제한적일 수밖에 없습니다. 때문에 범용성에 대한 문제제기가 발생하고 있는 상황입니다. 실제로 게임과 의료 관련 AI 분야처럼 극히 제한되고 통제된 상황에서 활용되는 방향에서는 뛰어날 수 있어도, 이를 API 등으로 개변하여 타 분야에 적용하는 것은 쉽지 않습니다. 게다가 딥러닝 기술은 설계와 구현에 엄청난 자금이 소요되는 만큼 대안을 생각해 봐야 할 수도 있습니다. 쉽게 말하면 바둑에서 이세돌을 이길 수 있다 하더라도 똑같은 학습 패턴을 다른 분야에 그대로 적용하기 어렵다는 말입니다. 이는 AI에 대한 근본적인 회의론을 더욱 강화시키는 결과를 낳는 요소로 작용하고 있습니다. 때문에 투자자 입장에서는 이러한 부분에 대한 자세한 이해가 필요하다 하겠습니다.