프랑스 파리 국립기술공예박물관에 가보면 1897년 만들어진 ‘아비용3’이란 비행기가 복원돼 천장에 달려 있다. 날개 폭 16m, 무게 400㎏의 박쥐를 닮은 이 비행기는 증기 엔진을 장착하고 있다. 아비용3의 발명가 클레망 아델은 비행에도 성공했다고 주장했으나 그의 말을 믿는 사람은 거의 없었다. 그러나 그의 시도는 라이트 형제의 최초 비행보다 16년이나 앞선 것으로 프랑스 사람들은 이를 매우 자랑스러워한다.라이트 형제가 1903년 만든 동력 비행기 플라이어는 날개 길이가 12m에 무게가 174㎏이다. 성공 비결은 비행기를 띄우는 힘인 양력에 대한 방정식에 들어가는 여러 계수에 대해 많은 고민과 풍동 실험을 통한 비행기 설계 덕분이다. 단순히 자연을 흉내 낸 아델과 달리 철저한 실험과 이론적 고찰을 통한 물리법칙의 이해가 바로 라이트 형제의 성공 비결이라는 말이다.오랜 진화의 과정에서 비행에 최적화된 새들과 달리 왜 인간이 만든 비행기는 깃털로 덮여 있는 날개를 퍼덕이며 하늘을 날지 않는 것일까. 사실 새들은 자신의 몸무게와 물어 나르는 먹잇감 정도만 감당할 비행만 하면 된다. 자신보다 무거운 물체를 들고 비행하는 것에 대해서 자연의 진화 과정은 고려할 필요가 없었던 것이다. 이처럼 겉으로 보이는 자연의 모습만으로는 모든 것을 이해할 수 없다.

많은 이들이 인공지능(AI)에 관심을 갖고 있다. 인공지능은 지난 60년간 발전해 왔다. 인간의 뇌를 흉내 낸 ‘신경망 학습법’을 적용한 ‘퍼셉트론’이란 컴퓨터에 대한 1958년 7월 8일자 뉴욕타임스 기사를 보면 점점 똑똑해지는 기계의 탄생을 반기고 있음을 알 수 있다.

1980년대는 전문가 시스템이란 기술이 개발됐지만 생각같이 수월하지 않았다. 인간의 상식을 적용하는 데 실패했고, 사람이 사용하는 언어의 모호성을 전문가 시스템은 따라가지 못했던 것이다. 단순히 인간이 하는 학습 방법을 흉내 내 보다 많은 규칙을 훈련시키면 똑똑한 인공지능이 나올 수 있다는 원래의 꿈은 무참히 깨진 것이다. 전문가 시스템 방식을 활용하고 있는 IBM의 왓슨이 마치 암 진단에서 의사를 뛰어넘은 것처럼 알려지고 있다. 그렇지만 실상은 그 시스템 뒤에서 수많은 의학 정보를 제공하는 의사들이 있다는 사실은 알려지지 않고 있다.

그런데 최근 인공지능은 몇 가지 문제에서 기대 이상의 결과를 낳고 있다. 인간의 학습 방법과 논리를 따르지 않고 빅데이터를 활용한 확률적 적용이란 방식을 쓰기 때문이다. 알파고의 경우도 단순히 바둑 규칙에 따라 모든 가능한 수를 예측하는 방식이 아닌 수많은 바둑 기보라는 빅데이터를 활용해 확률적으로 어디에 놓는 것이 유리한가를 오랫동안 학습한 것이다.

이런 새로운 성과는 이제는 인간의 고유 영역인 예술 창작 활동, 나아가 과학에서의 새로운 발견에도 적용될 수 있을 것이라는 전망까지 나오고 있다. 과학의 일부 분야에서는 실험 데이터의 양이 너무 방대해서 기존 방식으로는 처리하기 어려워지고 있다.

물리 법칙이 정립되지 않은 미지의 영역에서 새로운 발견을 하려고 할 때는 더욱 그렇다. 대표적인 것이 암흑 물질 발견이다. 아직까지 암흑 물질에 대한 이론이 정립되지 않아 수많은 물리 데이터 중에서 필요한 데이터를 추려내는 데 인공지능의 도움을 받을 수 있을 것이라고 보고 있다. 이 때문에 앞으로 과학자를 위한 교육에서는 기존 방식과는 완전히 다른 형태로 생각하고 연구하는 훈련을 시켜야 할지도 모른다.

그러나 현재 빅데이터와 고성능 컴퓨터를 통한 인공지능이 적용될 수 있는 분야는 빠르게 한계에 부딪힐 수도 있다. 0과 1로 되어 있는 2진법 논리 회로에 기반을 둔 현재의 딥러닝 방식은 미지의 세계에 있는 불확정성 원리에 적용을 받는 양자 논리를 다루지 않고 있기 때문이다. 인공지능이 어떻게 발전할지 예견하기 어렵지만 이 우주 내에서 작동할 컴퓨터라면 물리 법칙의 지배를 받을 것이라는 점은 확실하다.