인공지능과 미래전장 (5) - AI 알고리즘

인공지능 알고리즘은 생각보다 어렵지 않다. 전문가는 “여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 가능하게 한다”고 말한다. 아마도 이렇게 이야기하면 인공지능 알고리즘은 역시나 어려운 주제가 된다. 그러나 “사람과 같은 의식체계, 사람처럼 생각한다”라고 쉽게 말할 수도 있다. 최근 인공지능의 발전 추세는 사람의 뇌, 뉴런을 보고 만든 딥러닝(또는 Neural Network)기법이 주도하고 있다. 기존의 인공지능은 미리 학습된 내용에 따라 판단했지만 딥러닝 방식을 도입한 이후에는 인공지능도 스스로 학습하고 생각하는 능력을 갖게 되었다.

과거 인공지능은 배운 것만 할수 있고

최초의 인공지능 또는 컴퓨터 프로그램의 기계학습(machine learning)은 단순했지만 이제는 보다 다층적으로 발전한 딥러닝 덕분에 기존의 한계를 넘어섰다. 인공지능은 기계학습 덕분에 생각할 수 있는데 이는 방대한 데이터를 분류하는 알고리즘이다. 즉, 데이터를 축적하고 이를 바탕으로 기존의 사례에 가장 부합되는 답을 찾는다. 데이터 축적은 경험을 의미하기 때문에 경험을 많이한뒤 경험속에서 답을 찾는다고 설명할 수 있다. 이런 학습방법은 50년대 소개된 단층 퍼셉트론(single layer perceptron)으로 분류된다. 사전에 입력된 데이터의 조건에 따라 답을 찾기 때문에 단층적인 사고방식이다. 다양한 조건에 반응하기 어렵다는 단점이 있었다. 즉, 입력된 범위를 벗어날 경우 창조적으로 대응할 수 없었다.

새로운 인공지능은 스스로 학습도 가능


이와 달리 다층적인 사고방식은 다양한 상황, 예측하지 못했던 조건에도 최적화된 판단이 가능하다. 70년대 다중 퍼셉트론(multi layer perceptron)이 등장했다. 단층적 사고는 사전에 자료를 입력하고 사후에 근사값을 찾던 ‘지도학습’의 유형이지만 다층적 사고방식은 ‘비지도학습’ 유형이다. 가르쳐주지 않은것도 할수있다는 말이다. 데이터 축적에 머물지 않고 지속적으로 학습하고 답을 찾기 때문에 가능하다. 지도학습 유형의 기계학습은 컴퓨터에게 물고기를 잡아준 것과 같다면 비지도학습 유형은 물고기 잡는 법은 알려준 것이다.

페이스북 인공지능 연구소 논문(“DeepFace")에서 페이스북 얼굴인식 알고리즘을 소개했다. [사진 Facebook AI Research]

무인주행 자동차의 운행 프로그램에 적용된 딥러닝을 보면 이해가 좀더 쉽다. 이전 방식의 알고리즘이라면 차량 앞에 횡단보고가 있는가, 횡단보도엔 사람이 있는가, 건너려고 뛰어오는 사람이 있는가, 다른 차량이있는가 등등의 정해진 물음에 컴퓨터가 확인한 뒤에 운행을 결정했다. 딥러닝 알고리즘에선 이런 기본 정보처리 외에도 컴퓨터는 안전하거나 위험한 횡단보도 상황을 담은 수많은 영상의 데이터베이스를 학습한다. 프로그램에 사전에 입력된 명령어로는 가르칠 수 없는 다양한 상황에서 컴퓨터가 스스로 결정을 내리게 된다.

딥러닝, 인간처럼 추상도 가능한 인공지능

딥러닝은 사람의 신경망(뉴럴 네트워크)을 참조해 개발했다. 신경망에는 여러개의 층(layers)이 있기 때문에 서로 다른 추상도(at different abstractions)에서 데이터를 분석할 수 있다. 이런 다층구조는 어떤 장점이 있을까? 학습을 계속하면서 축적된 데이터 중에 무엇이 중요하고 무엇이 중요하지 않은지를 기억하고 중요한 부분을 더욱 집중적으로 분석한다.

선형, 비선형? 예측가능, 불가능?

기존의 인공지능은 선형 함수로 표현된다. 즉 비례한다는 것으로 직선이 아닐 지라도 직선의 특징처럼 예측이 가능하다. 다음과 같은 중학교 수학 수준의 일차 함수를 보면 이해할 수 있다. 선형 함수(Y=X+1)에서는 X가 1이면 Y가 2가되죠? X가 2면 Y는 3이 됩니다. 당연히 X에 3을 입력하면 결과는 4가 된다고 예측할 수 있습니다. 이처럼 정해진 함수로 예측이 가능한 것이 선형함수이지만 비선형은 예측이 불가능하다. 변화의 형태가 선형처럼 비례하지 않기 때문이다. 비선형 함수는 어떻게 표현이 될까? 이차 이상의 다항 함수나 삼각함수, 지수함수, 로그함수는 곡선으로 표현된다.
인공지능 알고지즘은 계속 진화하고 있다. 신경망뿐 아니라 유전자(DNA)의 진화를 모델링하는 유전알고리즘(Genetic Algorithm) 그리고 꿀벌군집알고리즘(Artificial Bee Colony Algorithm), 개미군집최적화(Ant Colony Optimization Algorithm) 등도 개발되어 있다.


Mr. 밀리터리팀