구글의 가장 중요하고 의미있었던 AI 기술의 10가지 모먼트

이 블로그는 구글 The Keyword 블로그(영문)에서도 확인하실 수 있습니다.

최근 AI가 큰 주목을 받고 있습니다. 구글은 초창기부터 인공지능(AI)을 중요하게 생각해 왔고, 여기에는 그럴 만한 이유가 있습니다. AI는 우리의 일상적인 업무를 보다 쉽게 만들고, 사회의 많은 난제들을 해결하는 데 도움이 될 수 있는 힘이 있습니다. 구글은 25주년을 맞이하며 지금까지의 가장 의미 있었던 AI 발전의 순간들을 돌아보며, 앞으로 구글이 AI 기술 개발에 있어 더 큰 성과를  이룰 수 있기를 기대하고 있습니다.

2001: 구글 검색(Google Search) 사용 시 맞춤법 오류를 수정해주는 머신러닝 개발

구글의 공동 창업가인 래리 페이지(Larry Page)는 “완벽한 검색 엔진은 이용자가 검색한 내용을 정확하게 이해하고 이용자가 원하는 답변을 정확하게 제공해야 한다.”라고 말 한 적이 있습니다. 웹 검색에 더 나은 맞춤법을 제안하기 위해 간단한 버전의 머신러닝을 처음 사용하기 시작했을 때 구글은 이러한 비전을 발전시키는 데 한 걸음을 더 나아갈 수 있었습니다. 이용자가 완벽하게 검색어를 입력하지 않더라도 필요한 정보를 얻을 수 있는 것이죠.

2006: 구글 번역(Google Translate) 출시

5년 후, 구글은 머신러닝을 기반으로 자동 번역을 제공하는 구글 번역을 새롭게 선보였습니다. 구글은 아랍어-영어, 영어-아랍어 번역 지원을 시작으로, 현재는 수백만 명이 사용하는 133개 언어에 대한 번역을 지원합니다. 구글 번역은 텍스트, 이미지, 그리고 실시간 대화 내용을 번역해 전세계 사람들의 언어 장벽을 허물고, 이용자들이 과거와는 비교할 수 없을 정도로 편리하게 소통하고 더 많은 정보에 접근할 수 있도록 지원하고 있습니다.

2015: AI 기술의 대중화를 실현한 텐서플로우(TensorFlow)

구글은 새로운 오픈소스 머신러닝 프레임워크인 텐서플로우를 활용해 AI에 대한 접근성과 확장성 그리고 효율성을 개선했습니다.  텐서플로우는  전 세계 AI 연구 및 개발 속도를 가속화하는 데 도움이 되었죠. 텐서플로우는 현재 가장 인기 있는 머신러닝 프레임워크 중 하나이며, 이미지 인식에서 자연어 처리에 이르기까지 다양한 AI 애플리케이션을 개발하는 데 사용되고 있습니다.

2016: 알파고, 세계 바둑 챔피언과의 대결에서 승리

구글 딥마인드(DeepMind) 챌린지 매치에서 알파고는 기계가 이길 수 없다고 여겨졌던 복잡한 보드 게임인 바둑에서 세계 챔피언을 물리친 최초의 AI 프로그램이 되었습니다. 그리고 그 과정을 2억 명이 넘는 사람들이 온라인에서 지켜보았습니다. 이 혁신적인 승리는 컴퓨터로는 불가능하다고 여겨졌던 복잡한 문제를 해결할 수 있는 딥러닝의 잠재력을 보여주었습니다. 세계 최고의 바둑 기사 중 한 명인 이세돌 9단을 상대로 한 알파고의 승리는 AI의 미래에 대한 전 세계적인 관심을 불러일으켰습니다. 그리고 이제 AI 시스템이 전략적 사고와 창의력이 필요한 복잡한 게임을 학습할 수 있다는 것을 보여주었습니다.

2016: 빠르고 효율적인 AI 구현을 가능하게 한 TPU

텐서 프로세싱 유닛 (Tensor Processing Unit; TPU)은 머신러닝을 위해 특별히 설계된 맞춤형 실리콘 칩으로, 텐서플로우에 최적화되어 있습니다. 기존 칩보다 훨씬 빠르게 AI 모델을 훈련하고 실행할 수 있어 대규모 AI 애플리케이션에 적합합니다. 지난 8월에 발표된 v5e 버전은 현재까지 가장 비용 효율적이고 다양하게 활용할 수 있으며 확장성이 뛰어난 클라우드 TPU입니다. 

2017: 구글 리서치(Google Research), 트랜스포머(Transformer) 공개

구글 리서치는 “Attention is All You Need” 논문 발표를 통해 언어 이해에 도움이 되는 새로운 신경망 아키텍처인 트랜스포머를 선보였습니다. 트랜스포머 개발 이전에는 기계가 긴 문장의 의미를 잘 이해하지 못했고, 멀리 떨어져 있는 단어 사이의 관계를 파악하지도 못했습니다. 트랜스포머는 이를 획기적으로 개선하여 오늘날 가장 우수한 언어 이해 및 생성형 AI 시스템의 기반이 되었습니다. 트랜스포머는 기계가 번역, 텍스트 요약, 질문 답변, 심지어 이미지 생성 및 로봇 공학까지 수행할 수 있다는 의미에서 혁신적인 변화를 가져왔습니다.

2019: 구글 검색이 질문을 더 잘 이해할 수 있게 도와주는 BERT

트랜스포머에 대한 연구를 통해 구글 검색이 이용자의 검색어를 그 어느 때보다 더 잘 이해할 수 있도록 도와주는 BERT(Bidirectional Encoder Representations from Transformers)를 선보였습니다. BERT 알고리즘은 단어를 개별적으로 이해하는 것이 아니라 문맥에서 단어를 이해하는 데 도움을 주었습니다. 그 결과 구글은 검색 전반의 품질을 대폭 개선할 수 있었고, 이용자들이 검색어를 나열하지 않고도 자연스럽게 질문할 수 있도록 했습니다.

2020: 단백질 폴딩 문제를 해결한 알파폴드(AlphaFold)

2020년, 딥마인드는 알파폴드 개발을 통해 AI 분야에서 큰 도약을 이뤘고, 이는 단백질 폴딩 문제를 해결하는데 기여했습니다. 단백질은 생명체의 구성 요소로, 단백질이 접히는 방식에 따라 그 기능이 결정되며, 잘못 접힌 단백질은 질병을 일으킬 수 있습니다. 지난 50년 동안 과학자들은 질병을 이해하고 치료하는 데 도움을 주기 위해 단백질이 어떻게 접히는지 예측하려고 노력해 왔습니다. 그리고 알파폴드가 바로 그 연구를 성공적으로 마쳤습니다. 2022년 구글은 게놈 서열이 밝혀진 지구상의 거의 모든 유기체를 포함하는 2억 개의 알파폴드 단백질 구조를 알파폴드 단백질 구조 데이터베이스(AlphaFold Protein Structure Database)를 통해 과학계와 무료로 공유했습니다. 이미 100만 명 이상의 연구자가 이 데이터베이스를 사용하여 새로운 말라리아 백신을 빠르게 개발하고, 항암제 개발을 진전시키며, 플라스틱을 먹는 효소를 개발하는 등 다양한 연구를 진행하고 있습니다.

2023: 생성형 AI와 협업을 가능하게 도와주는 바드(Bard)

구글 리서치에서 2021년에 발표한 대화형 대규모언어모델 LaMDA는 바드를 포함한 많은 생성형 AI 시스템의 기반을 마련했습니다. 3월에 출시된 바드는 현재 전 세계 대부분의 국가에서 40개 이상의 언어로 사용할 수 있어 그 어느 때보다 많은 사람들이 생산성을 높이고, 아이디어를 발산하며, 호기심을 자극하는 데 도움을 주고 있습니다. 그리고 역대 가장 똑똑하고 성능이 뛰어난 바드에 지메일(Gmail), 문서(Docs), 드라이브(Drive), 항공편(Flights), 지도(Maps) 및 유튜브(YouTube) 등 매일 사용하는 구글의 서비스를 결합하여 여행 계획, 답변 확인, 이메일 또는 문서 요약과 같은 작업에 더욱 도움이 될 수 있도록 지원하고 있습니다. 

2023: AI 기술을 더욱 발전시키는 PaLM2

지난 5월, 구글은  다국어, 추론 및 코딩 기능이 향상된 차세대 대규모언어모델 PaLM 2를 출시했습니다. 이전 모델보다 더 강력하고 빠르며 효율적인 PaLM 2는 이미 25개 이상의 구글 제품 및 기능에 적용되어 있으며, 여기에는 지메일과 워크스페이스(Workspace)의 생성형 AI 기능인 바드, 생성형 AI를 구글 검색에 심층적으로 통합하기 위한 실험인 SGE 등이 포함되어 있습니다. 또한 구글은 PaLM 2를 사용하여 의료부터 사이버 보안에 이르기까지 모든 분야에 대한 연구를 내부적으로 진행하고 있습니다. 

이는 수십 억 명의 사람들이 매일 사용하는 수많은 제품을 지원하는 구글의 AI 혁신 중 일부에 불과합니다. AI에 대한 대담하고 책임감 있는 접근 방식을 취하는 데 있어 구글은 AI 원칙을 바탕으로 향후 25년 동안의 미래 발전을 위해 개발된 새로운 모델인 제미나이(Gemini)를 준비하고 있습니다.