이건 순전히 개인적이고 주관적인 의견임. 다만, 내가 볼 때 딥러닝이 제공해주는 가장 핵심적이고 필수불가결한 기능은 인간의 개입을 최소화하며 데이터에서 패턴을 학습하게 해준다는거 같음. 인간의 개입을 최소화하였기에 bias가 최소화되고 처리 가능한 데이터의 규모와 그 비용이 급감하고, 그를 통해 학습한 패턴은 무수히 다양한 용도로 사용이 가능해짐.


무한히 큰 상자가 하나 있다고 하자. 그 상자의 안에는 무수히 많은 작은 방들이 있음. 만약 사람이 던질 수 있는 모든 질문에 대해, 서로 다른 질문의 경우 서로 다른 방이 매핑되도록 하며 각 방마다 매핑되어 있는 질문에 대해 올바른 정답이 담겨있다면, 그게 인공지능임. 엄청난 인공지능이지. 이보다 더 이상적인 인공지능을 상상할 수 없을만큼. 질문을 던지고 올바른 주소의 방을 찾아 그 방을 열어보기만 하면 되니까.


하지만 동시에 이 인공지능은 아무짝에도 쓸모가 없는 인공지능임. 왜냐면 스스로 정답을 만들어낼 수 있는 능력이 결여되어있어 이미 알려진 정답을 안에 보관했다 꺼내야하기 때문임. 이런 인공지능을 만들 수 있다는건 이미 우리가 모든 정답을 먼저 찾아냈다는 뜻이고, 이 인공지능은 우리에게 어떠한 통찰도 새로이 제공하지 못할거임.


인공지능이 학습한다는건 대신 빈 방을 가지고 시작하는거임. 그 안에는 어느 정답도 담겨있지 않음. 대신, 만약 그 방 중 일부에 정답이 채워진다면 일부를 통해 여전히 비어있는 나머지에 대해서도 '합리적 추론'을 내릴 수 있음. 이런 인공지능이 학습한다는건, 이미 알고 있는 정답을 가져와 올바른 주소에 그걸 집어넣고, 여전히 비어있는 나머지에 대해 내린 합리적 추론을 다시 업데이트하는거라 볼 수 있음. 


그렇다면 인간의 bias가 그 과정에 끼칠 수 있는 악영향도 이리 이해할 수 있음. 우선, 인간이 가져 온 데이터를 어느 방에 넣어야하나 주소를 살펴보니 그 주소가 방의 같은 구석에만 쏠려있는 경우임. 그러면 방의 나머지 부분은 상대적으로 듬성듬성히 채워져 있겠고, 당연히 그 부분에 대해서는 아무리 합리적인 과정을 거친다한들 결코 신뢰할 수 없는 추론이 내려지게 될 거임. 아니면 인간이 가져 온 데이터가 잘못 된 주소에 집어넣어질 수도 있을거임. 아니면 올바른 주소에 들어갔지만 오답일 수도 있겠고. 모두 더 낮은 신뢰도로 이어질 수 밖에 없음.


하지만 그렇게 채워넣을 수 있는 데이터가, 뭐, 한 천만개쯤 된다고 하자. 이 정도 샘플 사이즈면 그리 작은건 아니지만 딱히 크다고 보기도 어려움. 상업적 프로젝트라면 더더욱 그렇고. 하지만 이 정도 데이터만해도 이걸 인간이 모두 종합해서 유의미한 추론을 뭔가 뽑아내는건 불가능함. 가능하다해도 월급 되게 처먹는 고급인력을 좀 고용해야함. 하지만 딥러닝은 이 정도는 큰 어려움 없이 처리해서 유의미한 패턴을 뽑아낼 수 있음. 그리고 현 시점에서 내가 알기로 이 영역에서 딥러닝을 대체 가능한 방법론은 존재하지 않음.