샤논의 법칙과 5G 필터
디지털 무선 통신과 관련한 대표적인 법칙으로 1948년 발표된 샤논의 법칙(Shannon`s Theorem)이 있다. 이 법칙에 나오는 무선 통신 채널에서 채널 용량(Channel Capacity)은 디지털 정보가 에러를 발생시키지 않고 보내질 수 있는 최대의 속도를 말한다.
이러한 채널 용량은 또한 전송에 쓰이는 매체가 수용할 수 있는 정보의 전송 능력이라고도 할 수 있다. 이 샤논의 법칙에 의하면 채널을 통해 보내지는 데이터의 양(C, Capacity)은 그 채널의 대역폭(B, Bandwidth)에 비례한다.
이 샤논의 법칙은 다음과 같은 수식으로도 표현된다.
C = W log₂(1 + S/N)
C: 주어진 채널을 통해 신뢰성 있게 전달할 수 있는 최대 용량 (데이터 전송 용량)
W : 가용 대역폭 (주파수)
S : 수신 신호 전력, N : 잡음 전력
다른 말로 하면, 수신기의 주어진 수신신호 전력과 잡음 환경에서, 디지털 무선통신에서 최대한 데이터 전송 용량을 높이려면 전자파 고주파 대역폭으로 높여 전자파를 이용해야 한다는 뜻으로 해석된다. 즉 4차 산업혁명에서 무선으로 빅데이터를 주고 받아야 하는데 그러려면 점점 더 높은 주파수 대역을(수식에서 W) 을 사용해야 한다. 그래서 5G 통신에서는 4-6GHz 대역 혹은28 GHz 대역에서 고주파 전자파를 사용해야 한다. 아마도 미래의 6G 통신에서는 70-100GHz 대역을 사용해야 할 것으로 판단한다.
그런데 이러한 무선 통신에서 더욱 더 채널 통신 용량을 높이려면 채널에서 주어진 통신 주파수 대역을 더욱 세분화 해서 쪼개야 한다. 그래야 동시에 수십 명 혹은 수백 명이 같은 공간에 동시에 무선통신을 할 수 있기 때문이다. 그런데 문제는 통신 채널이 인접해 있으면 서로 전자파 간섭을 일으킨다. 그래서 각 채널이 구분이 잘 되어야 한다. 그러려면 인접한 다른 채널 주파수의 전자파를 차단(Filtering)해서 구별(Isolation)하는 기술이 필요하다. 이 고주파 부품을 필터(Filter) 라고 한다.
그래서 무선 송수신기 여러 부분에 필터가 존재한다. 필터의 크기도 충분히 작고, 가격도 작고, 인접 주파수 전자파를 충분히 차단 시키는 능력이 꼭 필요하다. 5G, 6G 통신에서는 더욱 필터의 성능이 중요하게 되었다.
그런데 이렇게 필터를 쓴다는 의미는 기술적으로 가치는 있지만 철학적, 도덕적으로 본다면 남의 이야기를 듣지 않는 태도를 의미한다. 듣고 싶은 이야기만 듣는다는 것이다. 다른 말로 필터를 잘 설계하면 ‘소 귀에 경 읽기’ 시스템이 된다. 무선 디지털 통신 시대에 데이터의 소통은 강화되지만 이웃과의 소통은 차단하는 뜻 밖의 결과를 낳는다. 필터는 ‘편견’을 낳을 수 있다.
인공지능 알고리즘에도 '편견' 있다
4차 산업혁명의 핵심인 인공지능에도 ‘필터’ 가 사용된다. 영상 이미지 판독에 주로 사용되는 인공지능인 CNN(Convolution Neural Network)에 필터라는 행렬 곱셈 과정이 진행된다. 인공지능에 사진이 입력되면 1차로 행렬 곱(Convolution)이 진행되면 특징(Feature)을 다음 신경망 층에서 구분하기 시작한다.
예를 들어 신경망 층에서 자동차 사진을 본다면, 처음에는 윤곽을 찾아 내고, 그 다음 층에서는 바퀴, 창문, 범퍼 등의 특징을 찾아 나간다. 한층 씩 전파(Propagation)하면서 추상화(Abstraction) 과정을 거치고 최종적으로는 차 회사 브랜드, 몇 년도 형식, 모델 넘버도 판독해 간다.
여기서 이러한 행렬 곱을 할 때 어떤 필터를 선정할 것인가에서 아직 인간의 선택 요소가 된다. 인간의 개입도 없이 완전한 자동화가 이루어 지기 위해서는 지금보다 더 많은 변수와 계산 작업이 필요하다. 필터의 선택과 같은 인간의 개입 없이 완전 인공지능을 이루려면 지금 보다 컴퓨터의 데이터 처리 속도가 100 배 증가하면서 동시에 전력소모가 100 분의 1 이하로 줄여져야 한다. 그러려면 컴퓨터에 사용되는 프로세서와 메모리의 성능 또한 100 배 향상되고, 100 배 전력 소모가 줄여야 한다.
인공지능에서 필터뿐만 아니라 다양하게 인간의 판단이 개입되고 있다. CNN에서 변수를 줄이고 컴퓨터 부담을 줄이기 위해서 추가로 추출(Pooling) 기법을 쓰기도 한다. 일정 행렬 내에서 최대값만을 취하거나, 또는 평균값 혹은 대표 값을 선택한다.
그러면 행렬 계산 양을 줄인다. 또한 활성화 함수(Activation)도 선택해야 한다. 여기에 더해서 거시적 변수(Hyper Parameter)인 층의 개수, 노드의 개수, 학습 속도, 학습 횟수도 정해야 한다. 이 모든 작업이 완전 인공지능 스스로 판단하기에는 아직 컴퓨터와 메모리 성능이 따라가지 못한다. 따라서 일정 부분 인간의 선택을 빈영해야 한다. 그러면 이러한 선택 과정에서 인간의 의지가 반영된다. 이렇게 되면 결국 인공지능에도 인간에 의한 ‘편견’이 발생한다.
인공지능의 오만과 편견 막아야
이처럼 5G 통신과 인공지능에 필터가 사용된다. 그러면 효율은 높아지지만 편향된 시각과 판단이 필연적으로 생긴다. 여기에 더해서 인공 지능에는 학습을 위한 ‘빅데이터의 선택’에 의한 편견 문제가 남아 있다. 그 결과 학습을 위한 데이터의 선택에 따라 학습된 인공지능은 편향성을 갖게 되고 이에 따라 이념적, 종교적, 사회적 편견을 갖게 된다. 또는 인공지능은 외모, 국적, 언어, 문화에 따라서 편견을 가질 수 있다. 편견이 쌓이고 자기 확신 단계에 들면 오만이 생긴다. 이후 국가, 사회간 갈등과 전쟁의 씨앗이 될 수 있다.
영국 영화 ‘오만과 편견(Pride and Prejudice)’이 있다. 키라 나이틀리(Kiera Knightley) 가 주연한 멜로 로맨서 영화다. 1813년 출간한 영국의 소설가 제인 오스틴의 장편소설을 영화화했다. 작가는 로맨스를 이끌어나가는 한편 인물들의 위선과 허위의식을 풍자하기도 했다.
기본적인 스토리는 상류계급의 재수 없는 신사와 평범한 집안의 명랑하고 똑똑한 숙녀가, 서로 편견을 거두고 난관을 이겨내며 결혼에 골인한다는 이야기다. 영화 ‘오만과 편견’ 처럼, 4차 산업혁명에서 필연적으로 발생하는 편견의 문제가 ‘해피 엔딩’으로 맞이하기 바란다.
joungho@kaist.ac.kr
[김정호 카이스트 전기 및 전자공학과 교수
