시스템 트레이딩의 神

지금은 전세계 각지에서 인공지능에 대한 연구가 상당히 활발하게 이뤄지고 있지만 그 시초가 어떤지 아는분은 별로 없을 것입니다.

사람의 뇌에는 신경망이 있고 신경 전달 물질로 인해 현재의 컴퓨터와 유사한 형태로 작동하게 되어 있는데요.

사람의 뇌가 아닌 인공적으로 구성된 인공신경망에 대한 연구는 지금으로부터 75년전인 1943년에 워렌 맥클록(Warren McCulloch)과 월터 피츠(Walter Pitts)에 의해 소개되었습니다.

다만 당시에는 현재와 같은 모습의 고성능 컴퓨터가 없었기 때문에 사람의 뇌에서처럼 신경 전달 물질의 기능을 대체하는 인공 신경을 그물망 형태로 연결하여 사람의 뇌에서 동작하는 아주 간단한 기능을 흉내낼 수 있는 이론을 증명한 것입니다.

이로부터 3년후인 1946년에는 악마의 두뇌라는 별명으로도 불리우며 최초의 컴퓨터인 애니악을 만들기도 했고 프린스턴 대학교 수리학, 물리학 교수이기도 했던 폰 노이만(John von Neumann)은 친구이자 동료이기도 했던 튜링의 아이디어 '튜링 머신'에서 착안하여 오늘날 널리 사용하는 컴퓨터 설계를 구조화 했습니다.

1950년에는 앨런 튜링(Alan Turing)이 '튜링 테스트'를 발표하는데요.

이 튜링 테스트는 기계가 인공의 지능을 가지고 사람처럼 어떤 문제를 풀어낼 수 있는가를 테스트 하는 프로그램이라고 이해하면 됩니다.

1951년 프린스턴 대학교의 박사과정이고 '인간은 생각하는 기계다'라는 명언으로 유명한 마빈 민스키(Marvin Miinsky)와 딘 애드먼드(Dean Edmonds)는 최초로 인공신경망 컴퓨터 SNARC를 개발합니다.

이처럼 수십년전에 이미 인공지능에 대한 연구가 진행되었고 그것이 현재에 이르고 있는 상황입니다.

하지만 필자가 대학교에서 컴퓨터 공학을 배우던 당시만 하더라도 '인공지능'은 굶어죽기 딱 좋은 소재였습니다.

왜냐하면 '인공지능'으로는 창업이나 취직의 여건이 조성되지 않았던 시기였기 때문입니다.

또 다른 한 예로 당시 선배이자 친구인 오OO의 경우에는 당시 굶어죽기 딱 좋을 프로그래밍 언어인 'JAVA'에 몰두하였는데요.

시간이 흐르다보니 PC의 시대에서 웹과 모바일의 시대로 변화하면서 JAVA가 아주 강력한 힘을 얻게 되었고 컴퓨팅 파워가 높아짐에 따라 기존에는 풀 수 없는 여러 문제들을 보다 빠르고 손쉽게 해결할 수 있게 되어 '인공지능' 연구가 더욱 활발하게 이뤄지고 있습니다.

30여년 전에 비해 CPU, RAM 등의 반도체의 집적도가 엄청나게 증가하는 모습을 보이고 있는데요.

앞으로 몇년후면 이러한 부품들을 사용한 각 컴퓨터 부품의 집적도가 '일반적인' 인간의 뇌를 넘어설 것으로 예측하고 있는 상황입니다.

또 앞으로 10년후인 2030년쯤이 되면 인류 최고의 지성이자 천재로 분류되는 '아인슈타인'을 초월한 수퍼 인공지능이 탄생할 것으로 예견되기도 합니다.

구글의 인공지능 전문가가 발표한 여러 내용들을 살펴보면,

- 모든 제조업은 머지 않아 3D 프린터를 이용한 제조업으로 대체 될 것이라고 합니다.

   많이들 보셨겠지만 이미 대형 3D 프린터를 이용해 주택을 만들어내기도 하고 미국의 한 회사는 자동차의 부품중 탄성을 가지는 부품을 제외한 나머지 대부분 부품을 3D 프린터로 만들어내는데 성공하기도 했습니다.

   3D 프린터는 주문이 들어오면 즉시 출력해서 부품으로 사용할 수 있기 때문에 대형 프레스같은 기기를 도입해야 할 필요도 없으므로 소음, 전기 소모, 장비 배치 공간이 확연히 감소하게 되고 재고 부품을 가지고 갈 이유가 없어지게 되기 때문에 산업에도 큰 영향을 줄 것으로 예견하고 있습니다.

- 드론의 성능이 향상되면 차량들로 꽉 막힌 도로를 벗어나 무인택배 시대가 열릴 것이고 얼마전 발생한 크레인 붕괴 사고를 막기 위해 중장비를 대신하여 저층부에서 고층부로 자재를 옮기게 되어 사고도 줄어들 수 있을 것으로 봅니다.

- 기업에서는 front office 업무를 위주로 기술, 영업직만 살아남게 되고 경리, 인사, 세무, 회계, 총무 등의 back office를 대체하여 인공지능이 대체하게 될 것입니다.

- 고강도 반복 노동을 기계로 대체되어 온것이 기존의 산업 혁명이라면 인공지능은 변호사, 회계사, 세무사 등을 대체하게 될 것입니다.

이러한 일들이 가능한 이유는 사람은 태어나서 학습하고 성장하는데 많은 시간이 소요되고 평균적인 성장의 한계를 끌어 올리기에는 더 많은 시간과 노력이 필요하지만 수퍼 컴퓨터는 거의 제곱의 속도로 발전하기 때문입니다.

인간의 지능은 1년에 2배씩 성장하기도 무리이지만 컴퓨팅 파워는 1년에 2배씩 증가할 수가 있고 10년이면 2 x 10 = 10배가 아니라 2의 10제곱으로 발전하기 때문에 10년이면 거의 1천배나 발전할 수 있습니다.

실제로 과거 20~30년동안의 컴퓨팅 파워의 발전 속도를 보면 거의 수십만배 이상 발전했습니다.

이러한 컴퓨팅 파워의 발전에 힘입어 구글에서는 현재 식별이 어려운 이미지(예를들어 어두운 골목길에서 촬영된 CCTV 영상 등)를 'Pixel Recursive Super Resolution'이라는 기술을 2개의 인공 신경망을 이용해서 이미지를 복원하는데 거의 완벽에 가까울 정도로 복원하는 인공지능을 개발했습니다.

한 예를 보시죠.

▲ 가장 우측의 Original Image가 최초의 원본입니다.

▲ 가장 좌측의 Input 에서 저해상도의 이미지를 입력하면 인공지능에 의해 보정됩니다.

▲ Output에서 출력된 결과와 최초의 원본을 비교해보면 구분하기 어려울 정도로 복원됨을 알 수 있습니다.

Pixcel Recursive Super Resolution 의 첫번째 인공 신경망은 'Conditioning network'으로 저해상도의 이미지를 분석하여 어떻게 더 높은 해상도의 이미지로 변환 될 가능성이 있는지를 분석합니다.

두번째 인공 신경망은 'Prior network'으로 유사한 사진을 분석하여 해당 사진이 고해상도 이미지로 복원될 수 있도록 지원하는데 사용됩니다.

이를 이용해서 복원된 사진을 조금 더 보겠습니다.

▲ 앞서 보여드린 이미지 복원의 경우보다 훨씬 더 저해상도의 Input을 입력하였으나 엄청나게 복원이 되는 모습입니다.

우리가 흔히 볼 수 있는 첩보물 영화에서는 미국 중앙 정보국인 CIA 의 파견 직원이 촬영한 저해상도의 사진을 본부로 전송하면 본부에서 천재급의 요원이 컴퓨터를 이용해 보정을 통해 누구인지 명확히 식별할 수 있을 정도의 결과로 신원확인을 하는 모습을 볼 수 있는데요.

기본적으로 컴퓨터는 Input 을 뛰어넘는 Output이 발생할 수 없습니다.

저음질의 음악 파일을 고음질로 변환할 수 없고 저해상도의 영상 파일을 고해상도로 변환할 수 없듯 말입니다.

그러나 인공지능을 이용한 보정 작업을 거친다면 이야기가 달라지겠지요.

또 다른 예로 미국 카네기 대학에서 개발한 이미지 복원 기술인 'nearest neighbor interpolation'의 경우 인공 신경망을 활용해 저해상도 이미지를 고해상도 이미지로 변환 할 수 있게 되었습니다.

아래 샘플을 보시죠.

▲ 놀랍지 않으십니까?

이 기술을 이용해 복원한 이미지들을 보면 간단한 스케치만을 이용해서 이미지를 복원하거나 혹은 드로잉(drawing)하는데 그 샘플을 보시죠.

▲ 마치 목격자가 구술한 용의자의 용모를 간단히 스케치 한 듯한 이미지를 이용해 복원을 하기도 하며 형체를 분간하기 어려운 이미지도 복원해냅니다.

우리는 이러한 시대를 살아가고 있으며 또 앞으로의 세계는 더욱 역변할 것으로 짐작 해볼 수 있는데요.

현시점에 이미 많은 부(富)를 가진이는 크게 문제될 것이 없으나 이제부터 투자 수익을 거둬야 할 분들은 향후에 인공지능과 시장에서 겨뤄야 하기 때문에 더욱 어려운 게임이 될 수 있습니다.

시장을 인공지능이 선점하기 이전에 (불법적인 요소는 제외하고) 수단과 방법을 가리지 않고 열심히 벌어두지 않으면 금융 투자로 부자가 되기란 참으로 어려운 시대가 도래할 것 같습니다.

판단과 선택은 독자님들이 각자 하는 것일테지만 '알고리즘 자동매매 시스템', '계량 분석', '인공지능' 이런것들을 활용하지 않더라도 적어도 이 시대의 흐름은 읽어야 하지 않을까 생각됩니다.

호가창에서 뵙겠습니다.