AI 이야기 #3 - 데이터, AI의 밥과 공기

AI를 공부하다 보면 늘 듣게 되는 말이 있다. “데이터가 중요하다.”
너무 당연한 소리 같아서 처음엔 그냥 흘려듣기 쉽지만, 곰곰이 생각해보면 꽤 묵직한 말이다.

밥을 먹지 않고 사람이 살아갈 수 없는 것처럼, 공기를 들이마시지 않으면 단 한순간도 버틸 수 없는 것처럼,
데이터 없이는 AI라는 존재가 애초에 태어날 수 없다. 오늘은 그 얘기를 해보려 한다.

AI가 만들어내는 모든 ‘지능’은 사실 데이터 위에 세워진 환상 같은 건물이다.

딥러닝 모델이 그림을 그리고, 음악을 만들고, 대화까지 한다고 해도,
그 모든 능력은 결국 누군가가 수십 년 동안 쌓아온 기록들, 수많은 이미지와 문장, 숫자와 센서 값에서 비롯된다.

다시 말해, 데이터가 없었다면 AI는 아직도 모래성처럼 기초 없는 건물이었을 것이다.

예를 들어보자.
우리가 어린아이에게 사과를 가르칠 때, “이건 사과야”라고 한 번 말한다고 해서 아이가 바로 아는 게 아니다.

수십 번, 수백 번 실제 사과를 보여주고, 그림책 속 사과를 보여주고, 심지어 장난감 사과까지 보여줘야
비로소 아이는 “이 동그랗고 빨간 과일은 사과구나”라고 개념을 잡는다.

AI도 똑같다. 고양이를 인식하는 모델을 만들고 싶으면, 고양이 사진을 수만 장 보여줘야 한다.
그 과정에서 AI는 털의 결, 귀의 각도, 눈의 크기 같은 특징을 조금씩 파악해간다.

결국 사과와 고양이를 구분하게 만드는 건, 기발한 수학 공식이 아니라 끊임없는 데이터의 반복 노출이다.

문제는 여기서 끝나지 않는다. 데이터가 많다고 다 좋은 건 아니다. 좋은 데이터가 필요하다.
아무리 밥이 많아도 상한 밥을 먹으면 탈이 나듯이, 아무리 데이터가 많아도 편향되거나 잘못된 데이터라면 AI는 이상한 결과를 내놓는다.

예를 들어 인터넷에서 무작정 수집한 사진만으로 학습한 얼굴 인식 AI가 특정 인종의 얼굴을 잘 인식하지 못하거나, 번역 AI가 성별 편향적인 문장을 내뱉는 일이 실제로 벌어졌다.
데이터를 아무렇게나 먹인 AI는 결국 어딘가 비뚤어진 지능을 갖게 된다.

이쯤 되면 “그럼 좋은 데이터란 뭘까?”라는 질문이 생긴다.
좋은 데이터는 단순히 양이 많은 게 아니다. 다양하고, 균형 잡히고, 정답이 명확하게 붙어 있는 데이터가 좋은 데이터다.

예를 들어 고양이와 개를 구분하려면, 단순히 100만 장의 고양이 사진보다,
고양이와 개 사진을 각각 고르게 모으고, 여러 품종과 환경에서 찍힌 사진을 갖춘 게 훨씬 낫다.
이게 바로 Garbage In, Garbage Out이라는 유명한 말의 뜻이다. (즉, 쓰레기를 넣으면 쓰레기가 나온다는 뜻.)

AI는 그저 먹은 데이터만큼 똑똑하다.

그렇다면 데이터는 어디서 오는 걸까? 사실 우리는 매일 데이터를 만들어내고 있다.
스마트폰으로 찍는 사진, SNS에 남기는 글, 유튜브 시청 기록, GPS 위치 정보 등이 그렇다.

현대 사회는 거대한 데이터 생성 기계다.
그리고 기업과 연구자들은 이 끝없는 흐름 속에서 필요한 데이터를 모아 AI를 학습시킨다.

물론 여기엔 윤리적 문제가 따른다. 내 정보가 동의 없이 사용되는 건 아닌지, 누군가의 기록이 부당하게 왜곡된 건 아닌지.
그래서 데이터 수집과 활용을 둘러싼 규제와 논쟁은 지금도 뜨겁다.

또 흥미로운 건, AI는 단순히 ‘많은 데이터’를 원하지 않는다는 점이다.
때로는 적은 데이터로도 놀라운 성능을 내는 경우가 있다.

이를테면 최근 각광받는 ‘Few-shot learning’이나 ‘Zero-shot learning’ 같은 방식은,
마치 사람이 몇 번만 보고도 새로운 개념을 이해하는 것처럼, 데이터가 적어도 좋은 결과를 낸다.

하지만 이런 기법도 결국은 방대한 데이터를 먼저 학습한 대규모 모델 위에서만 가능하다.
그러니 데이터는 여전히 AI의 뿌리이자 줄기다.

나는 가끔 데이터를 음식에 비유하는 게 딱 맞다고 느낀다.
AI 모델은 거대한 주방의 요리사다. 데이터라는 식재료를 받아 요리를 만들고, 우리가 먹을 수 있는 결과물을 내놓는다.
좋은 재료가 들어오면 맛있는 요리가 나오고, 상한 재료가 들어오면 아무리 요리사가 뛰어나도 맛은 이상해진다.

더 나아가 공기라는 비유도 쓰고 싶다.
공기는 눈에 보이지 않고, 우리는 당연하게 숨 쉬지만, 그것 없이는 한순간도 버틸 수 없다.

데이터도 마찬가지다.
AI라는 말 뒤에는 늘 무수한 데이터가 깔려 있다.
우리는 그걸 자주 잊는다. 눈에 보이지 않으니까.

결국 AI를 이해한다는 건, 데이터를 이해하는 것과 다르지 않다.
데이터는 단순한 숫자나 기록이 아니다. 사람들의 행동, 문화, 사회가 고스란히 담겨 있는 흔적이다.
그래서 데이터를 다룬다는 건 결국 인간 세상을 해석하는 일과도 닮아 있다.

AI를 공부하다 보면 자꾸만 수학 공식과 모델 구조에만 눈이 가지만, 사실 그보다 중요한 건 “어떤 데이터를 먹였는가”라는 질문이다.

AI는 밥과 공기 없이는 단 한 발짝도 움직이지 못한다. 그러니 AI를 공부하는 첫걸음은 알고리즘이 아니라 데이터일지도 모른다.
어떤 데이터를 모으고, 어떻게 정제하며, 무엇을 학습시킬지. 이 과정을 이해하는 게 곧 AI라는 세계를 이해하는 길이다.

오늘날 우리가 누리는 멋진 AI 서비스들, 예를 들어 자동 번역이나 이미지 생성, 자율주행 같은 것들은 모두 누군가의 집요한 데이터 수집과 정제 작업 덕분에 가능해진 결과물이다.

그러니 이렇게 정리할 수 있을 것 같다.

데이터는 AI의 밥이고, 동시에 공기다.
AI가 숨 쉬고 살아가며 자라나는 데 꼭 필요한 존재다.

우리가 무심코 남긴 기록들이 AI의 영양분이 되고, 그 덕에 AI는 점점 더 똑똑해진다.
그리고 언젠가, 이 데이터를 어떻게 다루느냐가 AI의 미래를 결정지을 것이다.