엔지니어링 철학: Raj Reddy, 가장 가난한 10억 명을 위한 기술

핵심 요약

• 문해력이 필요 없는 인터페이스를 만든다. Reddy는 평생을 기계가 사람의 말을 알아듣도록 가르치는 데 바쳤습니다. 최초의 연속 음성 인식 시스템에서 시작해 Hearsay와 Harpy로 이어졌죠. 음성은 사용자에게 아무것도 요구하지 않는 유일한 인터페이스이기 때문입니다. 말을 하는 데는 글을 읽을 필요도, 타이핑을 할 필요도, 키보드를 가질 필요도 없습니다. 글을 읽지 못하는 세계 약 25억 명에게 음성은 편의가 아닙니다. 세상의 지식으로 들어가는 유일한 문입니다.¹⁹
• 그는 AI를 실제 규모에서 현실로 만든 공로로 튜링상을 받았습니다. 1994년 Reddy는 Edward Feigenbaum과 함께 ACM A.M. 튜링상을 공동 수상했습니다. 수상 사유는 “대규모 인공지능 시스템의 설계와 구축을 개척하여, 인공지능 기술의 실용적 중요성과 잠재적 상업적 영향력을 입증한 공로”였습니다. 그는 아시아계 최초의 튜링상 수상자였습니다.¹²
• 블랙보드 모델은 그의 조용하고도 보편적인 기여입니다. Hearsay-II는 음향, 음성, 어휘, 통사 등 독립적인 지식원(knowledge source)들이 “블랙보드”라는 공유 작업 공간 위에서 협력하도록 함으로써 이들을 조율했습니다. 이 아키텍처는 음성을 넘어 자라났고, 여러 근거를 하나의 답으로 결합하는 일반적인 패턴이 되었습니다. 현대의 AI 스택이 지금도 정확히 그렇게 하고 있죠.³⁴
• 전등도 없는 마을에서 McCarthy 밑에서 받은 최초의 AI 박사 학위까지. 1937년 안드라프라데시주 카토르에서 태어나 가족 중 처음으로 학교를 마친 Reddy는, 구인디에서 뉴사우스웨일스를 거쳐 1966년 John McCarthy 밑에서 스탠퍼드 박사 학위를 받았습니다. 그 뒤 카네기 멜런에서 이 분야에서 가장 야심 찬 시스템들을 만들었고, 그것을 자신이 자라난 곳의 사람들에게 다시 겨눴습니다.⁵⁶⁹

원칙

“마음으로 하는 일이라면 무엇이든 컴퓨터를 쓰면 더 빠르고, 더 낫고, 더 싸게 할 수 있습니다… 우리는 그 여분의 생산성을 사회적 필요가 큰 영역에 겨눌 수 있습니다.” – Raj Reddy⁹

가장 앞선 기술은 대개 위에서 아래로 흘러내립니다. 이미 그것을 감당할 수 있는 사람들 – 글을 읽을 줄 알고, 연결되어 있고, 기기와 데이터 요금제를 가진 사람들 – 을 위해 만들어지고, 나머지 사람들에게는 몇 년이 지나서야, 묽어진 채로, 그것도 운이 좋아야 가닿습니다. Reddy는 그 표적을 뒤집었습니다. 그의 신념은 가장 앞선 AI야말로 나머지 컴퓨팅이 빼놓는 사람들을 향해야 한다는 것이었습니다. 글을 모르는 사람들, 농촌의 빈민, 개발경제학자들이 말하는 ‘가장 가난한 10억 명’ 말입니다. 완성된 제품에 덧붙인 자선이 아니라, 가장 먼저 오는 설계 제약으로서요.⁹

이 원칙에는 정확한 엔지니어링적 귀결이 있고, 그것이 그가 만든 모든 것을 관통하는 실입니다. 인터페이스는 사용자가 이미 가지고 있지 않은 것을 절대 요구해서는 안 된다. 키보드는 문해력과 라틴 알파벳을 요구합니다. 터치스크린은 기기와, 그것을 다룰 줄 아는 아이콘 해독 능력을 요구합니다. 음성은 아무것도 요구하지 않습니다. 말을 할 줄 아는 모든 사람은 태어날 때부터 자신의 언어로 된 완전한 인터페이스를 이미 갖추고 있습니다. 그러니 글을 배운 적 없는 사람의 손에 세상의 지식을 쥐여 주고 싶다면, 그에게 글 읽기를 가르치는 게 아니라 – 기계에게 듣기를 가르치면 됩니다. 지구상에서 가장 가난한 사람들을 마음에 둔 사람이 수십 년을 연속 음성 인식이라는 깊이 기술적인 문제에 쏟은 이유가 바로 이것입니다. 그 둘은 같은 과업입니다.¹⁹

이것이 AI의 거인들 사이에서 Reddy를 남다르게 만드는 점입니다. 이 분야의 명예는 능력으로 흐릅니다. 더 큰 모델, 더 어려운 벤치마크, 인간을 넘어서는 수준 말이죠. Reddy도 누구 못지않게 능력을 좇았고, 튜링상을 받을 만큼 야심 찬 시스템들을 만들었습니다. 하지만 그는 얼마나 강력한가를 누구를 위한 것인가로부터 결코 떼어 놓지 않았습니다. 위대한 평등 장치로서의 음성, 피라미드 밑바닥의 사람들을 섬기기 위해 만든 거대한 AI 시스템. 기술은 빼놓인 사람들에게 가닿아야 한다 – 그리고 그것을 보장하는 방법은, 빼놓인 사람들을 사양(spec)으로 삼는 것입니다.

배경

Dabbala Rajagopal Reddy는 1937년 6월 13일, 지금의 인도 안드라프라데시주에 속한 마을 카토르에서 태어났습니다. 그는 가족 중 처음으로 대학에 진학한 사람이었고 – 어떤 의미에서는, 그 마을의 궤도를 벗어난 첫 사람이었습니다.⁵⁶ 수십 년 뒤 그 성장기에 관해 질문을 받았을 때, 그는 결핍이라는 틀을 거부했습니다. “하늘은 더없이 맑았고, 별이 다 보였습니다. 사람들이 묻더군요. ‘세상에, 그렇게 가난했어요?’ 하지만 저는 한 번도 부족하다고 느낀 적이 없습니다.”⁹ 이 문장은 엔지니어링에 중요한 의미를 갖습니다. 가장 가난한 10억 명을 위해 설계한 그 사람은 추상적 존재를 위해 설계한 게 아니었으니까요. 그는 자신이 나고 자란 사람들을 위해 설계했고, 그들이 부족한 것은 접근뿐 그 외에는 아무것도 없다고 여겼습니다.

벗어나는 길은 엔지니어링을 통해 났습니다. 그는 1958년 구인디 공과대학(마드라스 대학교)에서 학사를, 1960년 시드니의 뉴사우스웨일스 대학교에서 석사를 마쳤고, 태평양을 건너기 전에는 호주에서 IBM에 근무했습니다.⁵⁶ 스탠퍼드에서 1964년에 석사를, 그리고 1966년에 John McCarthy 밑에서 컴퓨터과학 박사 학위를 받았습니다. McCarthy는 그보다 10년 앞서 “인공지능”이라는 용어를 만든 사람이죠. Reddy는 McCarthy 밑에서 AI 박사 학위를 받은 최초의 인물로 널리 일컬어지는데, 이는 그를 이 분야의 문자 그대로의 발원지에 위치시킵니다.⁵⁶

그는 스탠퍼드에 교수로 남았고(1966~69), 그 뒤 남은 평생을 규정하는 결정을 내립니다. 1969년 카네기 멜런 대학교에 합류해, 그 이후로 줄곧 그곳에 머물렀습니다.⁶ CMU에서 그는 자신의 이름을 알린 음성 시스템들을 만들었고, 1979년 로보틱스 연구소(Robotics Institute)를 설립했으며(미국 대학 최초의 로보틱스 학과), 컴퓨터과학 대학 학장(1991~99)을 지냈고, Moza Bint Nasser 컴퓨터과학·로보틱스 석좌교수가 되었습니다.⁵⁶⁷ 스탠퍼드는 그에게 이 분야의 가장 순수한 계보를 주었습니다. 카네기 멜런은 그에게 크고, 지저분하고, 진짜인 시스템을 만들 자유를 주었습니다 – 그리고 AI에서 그 누구도 만들지 않던 사람들을 위해 튜링상급의 신뢰를 쏟을 자유를요.

작업

음성 인식: Hearsay, 블랙보드 모델, 그리고 Harpy

어려운 부분에서 시작합시다. 그곳이 바로 원칙이 수학이 되는 지점이기 때문입니다. 사람의 말은 단어와 단어 사이에 깔끔한 틈이 없는 연속된 소리의 흐름입니다 – 단어 사이에서 들린다고 생각하는 그 침묵은 대부분 뇌가 만들어 낸 착각입니다. 더 나쁜 것은, 같은 음향 신호가 서로 다른 단어로 쪼개질 수 있다는 점입니다. 고전적인 예가 “recognize speech(말을 인식하다)”와 “wreck a nice beach(멋진 해변을 망치다)”가 거의 똑같이 들린다는 것입니다. 순수한 오디오만 놓고 보면 두 해석의 점수가 거의 같습니다. 기계는 당신이 어느 쪽을 의도했는지 정말로 알 수 없습니다. 아래 위젯에서 그 모호함이 무너지는 순간을 들어 볼 수 있습니다.

Reddy의 통찰은 – 1970년대에 DARPA 음성 이해 연구 프로그램 아래 CMU에서 학생들과 함께 발전시킨 것인데 – 단일 지식원으로는 그 모호함을 풀 수 없지만, 협력하는 여러 지식원으로는 풀 수 있다는 것이었습니다. 음향은 어떤 소리가 있는지 알려 줍니다. 음성 모델은 소리를 후보 음소로 매핑합니다. 어휘 사전은 어떤 음소 배열이 실제 단어인지를 제약합니다. 문법은 어떤 단어 배열이 그럴듯한 문장인지를 제약합니다. 저마다 혼자서는 믿을 수 없지만, 함께 모이면 답을 못 박습니다. 문제는 독립적이고 믿을 수 없는 지식원들을 어떻게 협력하게 만드느냐였습니다.

그의 답은 블랙보드 모델이었고, 이는 Hearsay-II로 구현되었습니다. 공유된 칠판을 둘러싸고 전문가들이 모여 있는 모습을 상상해 보세요. 각 전문가는 자신이 아는 것 – 음소, 단어, 구절 – 을 지켜보다가, 기여할 수 있게 되면 신뢰도 점수와 함께 가설을 칠판에 올립니다. 다른 전문가들은 칠판을 읽고, 본 것 위에 쌓아 올리며, 자신의 가설을 올립니다. 어느 전문가도 지휘권을 갖지 않고, 고정된 파이프라인이 그들을 순서대로 몰아붙이지도 않습니다. 올바른 해석은 공통의 작업 공간 위에서 협력하는 수많은 부분적이고 확률적인 기여로부터 떠오릅니다. 발표된 논문의 부제가 이를 정확히 말합니다. 불확실성을 풀기 위해 지식을 통합한다.³⁴ 그보다 앞선 Hearsay-I은 애초에 연속 음성 인식이 가능했던 최초의 시스템이었습니다. Hearsay-II는 그 능력에 오래도록 남을 아키텍처를 부여했습니다.¹³

Hearsay와 나란히 진행된 것이 Harpy(Bruce Lowerre와 Reddy, 약 1976년)였습니다. 이것은 정반대의 베팅을 했고, 똑같이 영향력이 컸음이 입증되었습니다. 독립적인 지식원들이 공유 칠판에 가설을 올리는 대신, Harpy는 모든 지식 – 어휘, 문법, 발음 – 을 시스템이 들을 수 있는 모든 발화로 이루어진 하나의 거대한 네트워크로 컴파일한 다음, 그 네트워크를 빔 서치(beam search)로 탐색했습니다. 각 단계에서 가장 유망한 몇 갈래의 경로만 남기고 나머지를 쳐 내, 공간이 광대해도 탐색이 다룰 수 있는 수준에 머물도록 한 것입니다.⁸ Harpy는 1,011개 단어의 어휘를 다뤘고, 거의 실시간으로 10퍼센트 미만의 오류율로 연속 음성을 이해한 최초의 시스템이었습니다.⁸ Hearsay의 블랙보드는 AI에게 지식원들을 결합하는 방법을 주었고, Harpy의 빔 서치는 그 결합된 공간을 효율적으로 탐색하는 방법을 주었습니다. 두 아이디어 모두 지금도 하중을 떠받치고 있습니다 – 근거의 협력과 가능성의 절제된 가지치기는 오늘날 모든 휴대폰의 음성 인식 아래에 자리 잡고 있습니다.

CMU 로보틱스 연구소

1979년, Reddy는 카네기 멜런에 로보틱스 연구소를 설립하고 초대 소장을 맡았습니다 – 미국 어느 대학에서든 최초의 로보틱스 학과였습니다.⁵⁶⁷ 이를 별개의 장(章)으로, 음성에서 기계로의 전환으로 읽기는 쉽습니다. 하지만 같은 본능이 넓어진 것으로 읽는 편이 낫습니다. 음성 인식은 기계가 깊은 불확실성 속에서 지저분하고 연속적인 실세계 신호를 지각하고 해석하는 문제입니다. 로보틱스는 그 문제에 물리적 세계의 나머지가 더해진 것입니다. 시각, 운동, 조작 – 모두 잡음이 많고, 모두 모호하며, 모두 여러 불완전한 정보원을 하나의 결정으로 융합해야 하는 문제죠.

블랙보드의 본능 – 협력하는 여러 지식원이 함께 불확실성을 푸는 것 – 은 자율 로봇이 주변을 이해하기 위해 정확히 필요한 것입니다. 하나의 실험실이 아니라 하나의 기관을 세움으로써, Reddy는 한 명의 연구자가 할 수 없는 일을 했습니다. 지각, 학습, 행동의 통합을 수백 명의 사람들이 수십 년에 걸쳐 추구할 수 있는 장소를 만든 것입니다. 로보틱스 연구소는 이 분야에서 가장 중요한 중심지 중 하나가 되었고, 이는 그의 음성 연구를 추동하는 것과 같은 신념의 구조적 표현입니다 – 흥미로운 문제란 전체 시스템의 문제라는 것, 즉 미리 라벨이 붙어 도착하지 않는 세계를 다루기 위해 여러 부분이 협력해야 하는 문제라는 신념 말입니다.

1994년 튜링상과 대규모 AI 시스템

1994년, Reddy와 Edward Feigenbaum은 ACM A.M. 튜링상을 공동 수상했습니다 – 컴퓨팅 분야 최고의 영예이며, 그 수상 사유는 자세히 읽어 볼 가치가 있습니다. “대규모 인공지능 시스템의 설계와 구축을 개척하여, 인공지능 기술의 실용적 중요성과 잠재적 상업적 영향력을 입증한 공로.”¹² Reddy는 아시아계 최초의 튜링상 수상자였습니다.⁵

그 수상 사유가 무엇을 기리는지 곱씹어 보세요. 정리(定理)가 아닙니다. 단 하나의 알고리즘도 아닙니다. 대규모 시스템의 설계와 구축, 그리고 그것의 실용적 중요성에 대한 입증입니다. Feigenbaum은 AI가 실제 영역에서 전문가의 지식을 포착하고 적용할 수 있음을 보여 주었고, Reddy는 AI가 연속 음성이라는 진짜이고 지저분한 인간 세계를 지각하고 이해할 수 있음을 보여 주었습니다. 두 사람은 함께 AI를 실험실 시연에서 작동하는 시스템으로 옮겼습니다 – 이 아이디어들이 규모 있게 구축될 수 있고 학계 바깥에서도 의미를 가지리라는 증명이었죠.¹² 규모 있게, 실제 사용을 위해 구축된다는 그 강조점이 Reddy 경력 전체의 기조입니다. 그는 논문 속에만 존재하는 결과에 결코 만족하지 않았습니다. 핵심은 언제나 누군가가 실제로 쓸 수 있는 시스템이었습니다 – 물론 그것은 가장 적게 가진 사람들을 향해 그를 떠미는 것과 같은 충동입니다.

가장 가난한 10억 명을 위한 기술: Million Book Project, RGUKT, 그리고 디지털 격차

여기서 원칙이 온전히 드러납니다. 대규모 AI 시스템을 구축한 공로로 이 분야 최고의 영예를 얻은 뒤, Reddy는 경력 후반부를 기술 산업이 으레 잊어버리는 사람들에게 그 능력을 겨누는 데 보냈습니다. 그는 1999년부터 2001년까지 미국 대통령 정보기술자문위원회(PITAC)의 공동의장을 맡아, 정부 내부에서 국가 연구 우선순위를 빚어냈습니다.⁵ 하지만 그의 가장 특징적인 프로젝트들은 개발도상국을 위해 만들어졌습니다.

Reddy가 2001년부터 카네기 멜런에서 이끈 Universal Digital Library / Million Book Project는 100만 권의 책을 스캔해 온라인에서 무료로 제공하는 것을 목표로 삼았고, 다국어와 소외된 인구에 의도적으로 초점을 맞췄습니다 – 도서관을 가져 본 적 없는 사람들을 위해, 디지털화된 세상의 지식이었죠. 2007년 12월까지 약 20개 언어로 150만 권이 넘는 책을 스캔했으며, 인도, 중국, 이집트의 파트너들과 함께 작업했습니다.¹⁰ Rajiv Gandhi University of Knowledge Technologies(RGUKT)는 Reddy가 설립에 핵심적인 역할을 하고 초대 총장을 지낸 곳으로, 인도의 “저소득층이면서 재능 있는 농촌 청년들의 교육적 필요를 채우기 위해” 특별히 세워졌습니다 – 어쩌다 벗어난 카토르의 소년 같은 학생들을 위해서요.⁵⁶ 그는 또한 하이데라바드 국제정보기술원(IIIT)의 초대 이사장이었고, 2001년에는 인도 최고의 민간 영예 중 하나인 Padma Bhushan을 받았습니다.⁵

그를 잇는 논리는 그가 거듭 되돌아가는 바로 그것입니다. “세계 25억 명의 비문해 인구를 위해, [Reddy는] 자신의 음성 인식 기술을 적용해 그들이 인터넷을 통해 세상의 지식에 접근하도록 돕고자 한다.”¹ 그는 빈곤, 의료, 교육 같은 개발도상국의 가장 어려운 문제들을 상업적 제품에 딸린 부차적 고려로 취급하는 대신, AI를 그 문제들에 겨눠야 한다고 명시적으로 주장해 왔습니다.¹¹ 음성 연구와 개발 연구는 두 개의 경력이 아닙니다. 기계에게 구어를 이해하도록 가르치는 일의 핵심은 언제나 바로 이것이었습니다 – 글을 읽지 못하는 사람이, 전등도 없는 마을에서, 자기 모국어로 기계에 질문을 하고 답을 얻는 일 말입니다. 음성이 위대한 평등 장치인 이유는, 그것이 모든 인간이 태어나면서 이미 쓸 줄 아는 인터페이스이기 때문입니다.

방법

Reddy의 방법은 구호라기보다는 일관된 헌신의 묶음에 가깝습니다. 음성 연구, 연구소, 개발 프로젝트를 가로질러 읽으면 같은 수(手)들이 반복됩니다.

사용자의 제약을 시스템의 사양으로 삼는다. Reddy 경력에서 가장 깊은 설계 결정 – 수십 년 동안 음성 인식을 좇은 것 – 은 의도된 사용자에 관한 한 가지 사실에서 곧바로 따라 나옵니다. 그들은 글을 못 읽을 수도 있다는 사실 말입니다. 인터페이스가 아무것도 요구하지 않아야 했기에, 기계가 모든 것을 해야 했습니다. 일반적인 교훈은, 쉬운 사용자를 위해 설계하고 나머지를 땜질하는 대신, 가장 적게 섬김받는 사용자가 마주한 가장 어려운 제약을 찾아내 그것이 아키텍처를 이끌게 하라는 것입니다. 이것은 피라미드 밑바닥에서 위로 읽어 낸 최소한의 가치 있는 제품입니다.⁹

단일 지식원이 믿을 수 없다면, 여럿이 협력하게 한다. 블랙보드 모델은 단순한 산물이 아니라 하나의 방법입니다. 불확실성을 풀어 줄 단 하나의 신탁을 찾아 헤매기를 멈추고, 대신 독립적이고 오류 가능한 근거들이 공유 작업 공간에 가설을 올려 수렴하게 하라는 것이죠. Hearsay가 음성을 알아들은 방식이 이것이고, 현대 시스템이 신호를 융합하는 방식이 이것이며, 솔직히 사람들 사이의 좋은 숙의가 작동하는 방식도 이것입니다.³⁴

시연이 아니라 시스템을 만든다. 튜링상 수상 사유는 규모 있는 구축을 기립니다. Reddy의 기준은 결코 “논문에서 작동하는가”가 아니라 “누군가가 쓸 수 있는 시스템인가”였습니다. 구축되어 배포될 수 없는 결과는 그의 기준에서는 불완전합니다 – 단일한 주장이 아니라 시스템 전체에 적용된 증거 관문인 셈입니다.²

가장 앞선 능력을 가장 적게 섬김받는 사람들에게 겨눈다. 이것이 나머지를 단순한 인상적임 이상으로 만드는 수입니다. 그 규율은 기본 경사 – 기술이 이미 섬김받는 사람들에게 흐르는 경향 – 를 거부하고, 의도적으로 프런티어를 가장 가난한 10억 명에게 겨누는 것입니다. 가치 있는 표적이 없는 능력은 묘기일 뿐입니다. 작업이 존재할 자격이 있는가를 묻는 스티브 테스트에, 누구를 위한 것인가로 답하는 것이죠.⁹

결핍의 틀을 거부한다. “저는 한 번도 부족하다고 느낀 적이 없습니다.” Reddy는 소외된 사람들을 깔보지 않으면서 그들을 위해 설계합니다 – 그는 그들을 능력이 아니라 접근이 부족한 사람들로 대합니다. 그 존중 자체가 하나의 설계 원칙입니다. 그들이 감당할 수 있으리라 짐작하고 단순화한 물건이 아니라, 그들의 언어로, 그들을 동등한 존재로 맞이하는 도구를 만드는 것 말입니다.⁹

영향의 연쇄

그를 빚은 사람들

John McCarthy. Reddy는 이 분야의 창립기에, 스탠퍼드에서, 그 분야에 이름을 붙인 사람 밑에서 박사 학위를 받았습니다 – AI가 무엇인지 정착되기도 전에 AI에 도착한 것이죠. 이는 그의 세계관 전체를 발원지에 위치시킵니다. 그는 이 학문을, 그것을 발명하는 사람들로부터, 직접 만드는 무언가로서 배웠습니다. (직접적 영향)

그가 나고 자란 마을. 카토르는 배경 색채가 아닙니다. 튜링상 수상자의 경력을 가장 가난한 10억 명에게 바치겠다는 결정은 그것 없이는 이해할 수 없습니다. 가족 중 처음으로 학교를 마친 소년은 자신이 떠나온 사람들을 위한 설계를 멈춘 적이 없으며, 그래서 그의 가장 기술적인 작업과 가장 인도주의적인 작업이 같은 작업인 것입니다. (형성적 영향)

DARPA 음성 이해 프로그램. 1970년대의 자금이 지원되고, 경쟁적이며, 마감에 쫓기는 추진력은 Reddy와 그의 학생들에게 Hearsay와 Harpy를 스케치가 아닌 진짜 시스템으로 만들 압력과 자원을 주었습니다 – 블랙보드 모델과 빔 서치 음성 인식이 벼려진 시험장이었죠. (직접적 영향)

그가 빚은 것들

현대 음성 인식. Reddy와 그의 학생들이 CMU에서 만든 연속 음성 시스템들은 그 아이디어들 – 협력하는 지식원, 확률적 점수 매기기, 거대한 가설 공간에 대한 효율적 탐색 – 을 정립했고, 이는 진화한 형태로 오늘날 모든 음성 비서와 받아쓰기 시스템 아래에서 돌아갑니다. 그 작업은 플랫폼 기능으로서의 접근성으로 곧장 이어집니다.

어디에나 있는 블랙보드 아키텍처. 독립적인 지식원들이 공유 작업 공간에서 협력하여 불확실성을 푸는 그 패턴은 음성을 넘어 자라났고, 여러 부분적 신호를 하나의 답으로 융합해야 하는 곳이라면 어디서든 쓰이는 일반적인 AI 설계 패턴이 되었습니다.

한 세대의 연구자들과 기관들. CMU 로보틱스 연구소, 컴퓨터과학 대학, RGUKT, IIIT 하이데라바드를 통해 Reddy는 아이디어뿐 아니라 그것을 만들어 내는 장소와 사람까지 빚었습니다 – 미국에서도, 인도에서도요 – 그리고 이는 수십 년에 걸쳐 복리로 불어나는, 그 자체로 하나의 영향력입니다.

관통하는 줄기

Reddy는 이 시리즈가 다뤄 온 기술은 누구를 위한 것인가라는 실이 AI의 깊은 기계장치와 만나는 지점입니다. Grace Hopper는 컴퓨터가 사람이 읽을 수 있는 언어를 말하게 만들었습니다. 프로그래밍이 사람을 기계에 맞추는 게 아니라 기계가 사람에게 굽혀야 한다고 고집하면서요. Reddy는 그녀의 거울상입니다 – 그는 컴퓨터가 듣게 만들어, 읽거나 타이핑하지 못하는 사람들도 여전히 이해받을 수 있게 했습니다. Tim Berners-Lee는 접근이 특권에 좌우되어서는 안 된다는 원칙 위에서 모두를 위한 웹을 지었습니다. Reddy는 그 보편성을 한 걸음 더 아래로 밀어붙입니다. 웹 자체가 여전히 배제하는 사람들 – 문해력이 없는 이들 – 에게까지요. 그리고 Fei-Fei Li가 인간 중심 AI를 고집한다면, Reddy는 그 교리의 이른 증명입니다. 첫 제약에서부터, 가장 적게 가진 인간을 중심으로 설계된 AI 말입니다. Hopper는 기계가 사람의 말을 하게 하라고 말하고, Berners-Lee는 그것이 모두에게 가닿게 하라고 말하며, Reddy는 그것이 한 번도 가닿지 못한 사람들의 말을 듣게 하라고 말합니다 – 그리고 그가 만들 수 있는 가장 앞선 시스템을 가장 가난한 10억 명에게 겨눕니다. (시리즈 가교)

내가 여기서 얻는 것

Reddy에게서 내가 간직하는 교훈은, 누구를 위해 만드느냐는 엔지니어링 결정이며, 그것이 가장 먼저 와야 한다는 것입니다. 사용자를 마지막에 조정하는 매개변수로 취급하기는 쉽습니다 – 강력한 물건을 내보내고, 그다음에 접근성을 생각하고, 어쩌면 현지화도 하고요. Reddy는 그것을 반대 방향으로 돌렸습니다. 그는 의도한 사용자가 마주한 가장 어려운 제약 – 그들은 글을 못 읽는다 – 을 가져다가, 그 단 하나의 사실이 경력에서 가장 깊은 기술적 헌신을 결정하게 했습니다. 인터페이스가 아무것도 요구하지 않아야 했기에, 그는 수십 년을 기계에게 듣기를 가르치는 데 보냈습니다. 그것은 내가 내 일을 생각하는 방식의 순서를 다시 매깁니다. “이 시스템이 무엇을 할 수 있고, 누가 쓸 수 있는가”가 아니라 “이것은 누구를 위한 것이고, 그것이 시스템을 무엇이 되도록 강제하는가.” 사양은 피라미드의 꼭대기가 아니라 밑바닥에서 시작됩니다.

두 번째 교훈은 더 조용하고, 목적지가 있는 야심에 관한 것입니다. Reddy는 그 어느 튜링상 수상자 못지않게 능력을 좇았습니다 – 대규모 시스템, 설립한 기관들, 수십 년의 프런티어 연구. 하지만 그는 얼마나 강력한가가 누구를 섬기는가로부터 떠다니게 결코 두지 않았습니다. 그가 만들 수 있는 가장 앞선 것을, 나머지 업계가 잊는 사람들에게 의도적으로 겨눈 것이죠. 그것이 내가 빌리고 싶은 규율입니다. 기술이 이미 편안한 사람들에게 언덕 위로 흐르는 기본 경사를 거부하는 것. 프런티어의 물건을 만들고, 그다음 그것을 아래로 겨누는 것. 이것은 양심이 달린 품질이 유일한 변수입니다 – 질문은 “이것이 훌륭한가”만이 아니라 “이것이 그것을 가장 필요로 했던 사람들에게 훌륭한가”입니다. Reddy는 그 둘이 같은 질문일 수 있음을 평생에 걸쳐 증명했습니다.

FAQ

Raj Reddy의 엔지니어링 철학은 무엇인가요?

가장 앞선 기술은 나머지 컴퓨팅이 빼놓는 사람들을 향해야 하며, 이를 보장하는 방법은 가장 적게 섬김받는 사용자를 설계 사양으로 삼는 것이라는 철학입니다. Reddy에게 그것은 음성을 뜻했습니다. 세계 약 25억 명의 비문해 인구는 글을 읽거나 타이핑할 수 없기에, 그들에게 아무것도 요구하지 않는 유일한 인터페이스가 사람의 목소리이기 때문입니다. 그래서 그는 바로 가장 가난한 사람들을 마음에 두었기에 연속 음성 인식이라는 깊이 기술적인 문제에 평생을 바쳤습니다 – 엔지니어링과 사명은 같은 과업입니다.¹⁹

Raj Reddy는 왜 튜링상을 받았나요?

1994년 Reddy는 Edward Feigenbaum과 함께 ACM A.M. 튜링상을 “대규모 인공지능 시스템의 설계와 구축을 개척하여, 인공지능 기술의 실용적 중요성과 잠재적 상업적 영향력을 입증한 공로”로 공동 수상했습니다.¹² 이 상은 단 하나의 정리가 아니라 규모 있게 진짜 시스템을 구축한 것을 기립니다 – Reddy는 음성 이해로, Feigenbaum은 전문가 시스템으로요. Reddy는 아시아계 최초의 수상자였습니다.⁵

AI에서 블랙보드 모델이란 무엇인가요?

Reddy의 Hearsay-II 음성 시스템으로 구현된 블랙보드 모델은, 음향·음성·어휘·통사 등 여러 독립적인 “지식원”이 각자 신뢰도 점수를 붙인 가설을 블랙보드라는 공유 작업 공간에 올림으로써 협력하는 아키텍처입니다.³⁴ 단일 지식원으로는 음성의 모호함을 풀 만큼 믿을 수 없지만, 함께 모이면 가장 그럴듯한 해석으로 수렴합니다. 이 패턴은 일반성을 입증했습니다. 부분적이고 불확실한 수많은 근거를 하나의 답으로 융합하는, AI 전반의 표준적인 방식이 된 것이죠.

Hearsay와 Harpy는 무엇이었나요?

1970년대 DARPA 음성 이해 프로그램 아래 Reddy와 그의 학생들이 카네기 멜런에서 만든 선구적인 연속 음성 시스템들입니다. Hearsay-I은 연속 음성 인식이 가능했던 최초의 시스템이었고, Hearsay-II는 그 능력에 협력하는 지식원들이라는 오래도록 남을 블랙보드 아키텍처를 부여했습니다.¹³ Harpy(Lowerre와 Reddy, 약 1976년)는 모든 언어적 지식을 하나의 큰 네트워크로 컴파일한 뒤 빔 서치 – 각 단계에서 가장 유망한 경로만 남기는 방식 – 로 탐색했으며, 1,011개 단어의 어휘를 다루고, 거의 실시간으로 10퍼센트 미만의 오류율로 연속 음성을 이해한 최초의 시스템이 되었습니다.⁸

출처