[뉴스위크] 인공지능 4제, 사람 하는 건 다 한다

온라인 중앙일보

입력

01 [학습] 인간만큼 두뇌 회전 빨라졌다더 적은 데이터로 신개념을 익히고 일반화하는 사람의 능력 모방하는 알고리즘 개발돼

사람의 학습과정을 모방할 수 있는 인공지능 모델이 개발됐다.

인간의 학습과정 모방 능력을 갖춘 인공지능(AI) 시스템의 컴퓨터 알고리즘이 개발됐다. 이 같은 기술발전은 인간과 기계학습(기계의 자율적인 학습과 성능향상 과정) 간의 골을 메우는 데 도움이 될 것이라고 학술지 ‘사이언스’에 발표된 논문은 주장했다.

더 적은 데이터로 신개념을 익히고 일반화하는 사람의 능력 모방하는 알고리즘 개발돼

지난해 12월 발표된 논문에 따르면 AI를 갖춘 기기들이 그림과 소리의 패턴을 인식하고 해석할 수 있지만 그 과정은 사람보다 상당히 느렸다. 이는 주로 새로운 것을 배울 때 사람의 경우엔 몇 가지 표본만 있으면 되지만 AI 시스템은 수천 가지 예제가 필요했기 때문이다.

연구팀이 개발한 새 소프트웨어를 적용한 AI 시스템은 육필 알파벳을 사람처럼 빨리 식별할 수 있다. 논문의 대표 작성자인 뉴욕대학 브렌든 레이크 연구원은 이렇게 말했다. “사람들은 우리의 가장 우수한 기계학습 알고리즘에 비해, 더 적은 데이터로 신개념을 익히고 더 다양하고 확실하게 일반화할 수 있다. 우리는 대규모의 단순한 시각적 개념군, 다시 말해 전 세계 알파벳의 필사 문자에 대해 이 같은 인간의 학습능력을 모방할 수 있었다.”

연구팀은 또한 새 컴퓨터 모델이 기존의 기계학습 알고리즘과 다른 점을 부각시켰다. AI 분야에서 일반적으로 사용되는 심층학습(deep learning, 사람처럼 생각하고 배우는 인공지능) 기술이 그런 개념 중 하나다. 심층학습 기술은 화소 컬렉션을 토대로 AI 시스템이 이미지를 식별하도록 한다.

신 모델은 한 걸음 더 나아가 시스템이 단순히 화소(이미지를 구성하는 최소 단위)에 초점을 맞추기보다는 그림의 구조적 패턴을 인식할 수 있도록 한다. 연구팀은 알파벳 문자 하나마다 고유의 프로그램이 작성되도록 소프트웨어를 짰다. 따라서 신모델은 상응하는 프로그램으로 모든 문자의 패턴 인식법을 배웠다. 이는 미래 연구의 표준을 설정했다.

이 연구는 미래 인공지능 분야의 발전에 중대한 영향을 미치는 업적이라고 찬사를 받았다.

– 인디아 아쇼크 아이비타임즈 기자

02 [시험] 대학입시 성적 중상위권

지난해 일본 대입 평균점수보다 135점 더 받아…2021년까지 도쿄대학 합격이 목표

AI 프로그램은 일본 대학입시에서 수학과 역사에서 뛰어난 성적을 올렸을 뿐 아니라 몇몇 복잡한 물리 문제를 해결했다.

IT 업체들 사이에선 AI를 이용한 비즈니스 모델 개발이 활발하지만 일본에선 곧 대학 입시를 치를 수 있는 프로그램이 개발됐다. 일본 국립정보공학연구소가 시범 프로젝트로 개발한 프로그램이다.

다양한 대학·기업 연구원들의 노하우를 이용해 개발된 새 AI 프로그램이 지난해 말 대학입시에서 평균 이상의 성적을 올렸다고 한다(월스트리트저널 보도). 수학·물리·영어 등 5개 과목의 시험 문제를 풀었다.

도다이 로봇(로봇 도쿄대학 입시) 프로젝트로 운영된 이 AI 프로그램은 850점 만점에 551점을 받아 전국 평균 점수인 416점을 웃돌았다. 수학과 역사에서 뛰어난 성적을 올렸을 뿐 아니라 몇몇 복잡한 물리 문제를 해결하는 수완도 발휘했다. 그래도 언어처리 능력 부족으로 인해 점수가 썩 높진 않았다.

연구팀은 2011년부터 AI 프로그램을 연구해 왔지만 지난 2년 동안에는 비슷한 시험에서 평균 이하의 점수를 받았다. 그러나 지난해 말의 긍정적인 결과 덕분에 연구를 계속할 명분을 얻었다.

연구소는 2021년까지 더 향상된 AI 프로그램을 개발해 일본의 표준 대입 시험에서 일본 최고 명문인 도쿄대학에 합격할 만큼 점수를 올리겠다는 목표를 갖고 있다.

신기술이 나왔다고 해서 당장 AI 프로그램이 대입시 문제를 풀기 시작하리라는 의미는 아니다. 그러나 분명 일본과 인도 등 AI 연구가 진행 중인 대다수 지역에서 곧 교육 당국자들이 그 새 프로그램을 이용해 입시 과정을 개편할 수 있음을 시사한다.

마이크로소프트·페이스북·애플 같은 기업들은 저마다 앞다퉈 사람의 감정을 읽고, 갖가지 물체를 식별하고, 언어를 이해하는 AI 모델의 개발에 힘쓴다. 아울러 암과 같은 불치병을 치료하고 시각장애인이 빛을 보게 하는 데도 AI 기술을 응용할 수 있다고 한다.

– 재그미트 싱 아이비타임즈 기자

03 [예측] 떼 지능으로 인간 지능 향상

벌떼들이 집단으로 움직일 때 더 현명한 결정 내리는 데 착안한 ‘인간 기반 인공지능’

‘떼 지능’에 기반한 의사결정을 가능케 하는 새로운 인공지능 알고리즘은 민주주의와 헬스케어에 혁신을 가져올 수 있다.

지난해 2월 아카데미상 시상식이 열리기 며칠 전, 7명씩으로 이뤄진 두 그룹에 수상자를 예상하도록 요청했다.

뉴욕타임스가 초청한 영화 평론가들인 첫째 그룹은 15명의 아카데미상 수상자 중 8명을 맞췄다. 후보지명작 영화를 본 적도 없는 사람이 과반수였던 둘째 그룹은 11명을 정확히 예측했다.

영화광이나 통계학자가 아닌데도 불구하고 둘째 그룹이 영화계 전문가들을 능가할 수 있었던 것은 UNU 덕분이었다. 새로운 형태의 인간 기반 인공지능(humanbased artificial intelligence)이다. 1년이 지난 지금 UNU의 개발자들은 자신들의 플랫폼이 2016년 아카데미상 수상자 예측뿐 아니라 곧 민주주의 혁명에도 도움을 줄 수 있다고 믿는다.

UNU의 개발자 루이스 로젠버그는 뉴스위크에 이렇게 말했다. “우리는 ‘인공 떼 지능(artificial swarm intelligence)’이라는 특유의 인공지능 형태에 초점을 맞춘다. 현재 개발 중인 AI의 99%는 인간의 지능을 대체하고 궁극적으로 능가하려는 목표를 갖고 있다. 우리의 지향점은 그와 달리 인간 지능의 증폭이다.”

지난해의 아카데미상 예측은 UNU 시범 조사의 일환으로 실시돼 떼 지능의 효과를 잠정적으로 뒷받침했다.

방식은 이렇다. 한 무리의 사람들이 스마트폰이나 컴퓨터를 통해 UNU 포럼에 로그인한다. 매번 결정이 시작될 때마다 질문과 몇 가지 가능한 답안지 세트가 모든 참가자에게 동시에 배부된다. 각 참가자는 자석 아이콘을 조종해 스크린 상에서 정답이라고 생각하는 항목으로 옮겨놓을 수 있다. 아이콘은 하나의 답에만 내려놓을 수 있다. 그룹은 60초 내에 모두의 생각에 가장 근접한 결정에 도달해야 한다.

설문조사 방식처럼 그룹을 나누는 대신 UNU는 그룹의 집단지식과 직관을 활용해 일치된 목소리를 내도록 하려는 구상이다. 관건은 절충이다.

“투표나 설문조사는 아주 간단한 의사결정 방법이지만 그룹이 합의에 이르는 데는 도움이 되지 않는다”고 로젠버그 개발자는 설명했다. “오히려 사람들을 갈라놓고 사람들 사이의 이견을 부각시킨다. 사람들이 결국 자신의 의견에 더 깊숙이 빠져들고 만다. 자연은 개별적인 지능을 뛰어넘어 군집을 통한 지능도 개발해 왔다. 예컨대 벌·새·물고기는 무리 지어 움직일 때 더 지능적으로 행동한다.”

로젠버그 개발자는 코넬대학 신경생물학·행동학과 토마스 실리 교수가 이끈 2010년 연구를 거론한다. 실리 교수는 꿀벌이 어떻게 떼 지능을 이용해 새 보금자리를 찾는지 10년 동안 관찰했다. 무리의 사활을 좌우하는 이같은 문제는 정찰 벌 수백 마리가 협동해 유력한 후보지를 찾기 위해 행하는 집단적인 취재 과정을 수반한다.

연구팀이 5가지 보금자리 옵션을 제시했을 때 거의 모든 실험 대상 벌떼가 먹이저장, 크기 그리고 새끼 양육능력의 관점에서 군집의 수요를 가장 충족시키는 위치를 골랐다.

실리 교수는 “꿀벌의 집단 의사결정 과정의 연구는 인간 군집이 집단지능을 형성해 집단오판을 피하도록 도울지도 모른다”고 결론지었다.

집단지능 기술 실험에는 최대 150명으로 이뤄진 그룹이 동원됐다. 로젠버그 개발자는 그룹의 규모가 클수록 예측이 더 정확해진다고 주장한다. 뉴스위크를 위해 실시된 데모 실험에서 UNU 플랫폼에 70명이 모여 올해 아카데미상 수상자를 예측했다.

전 부문의 수상자 예측에 10분도 채 걸리지 않았다. 연달아 미역국을 먹은 레오나르도 디캐프리오의 팬들은 UNU의 예측이 다시 들어맞는다면 올해는 마침내 그가 남우주연상을 받게 된다는 사실에 쾌재를 부를 듯하다.

궁극적으로 점수를 예측하려는 일반인부터 전문가에 이르기까지 모두가 그 플랫폼을 이용할 수 있도록 하려는 목표다. 일단의 의사 그룹이 이 플랫폼을 통해 집단지성을 형성해 더 정확한 진단을 내리도록 할 수 있다고 로젠버그 개발자는 믿는다. UNU의 가장 명확한 용도 중 하나는 정계에 있다. 유권자들의 후보 선출과 정치인들의 정책결정 목적이다.

로젠버그 개발자는 말한다. “정치인들의 가치관은 충돌해도 지식은 상충되지 않는다. 사분오열된 그룹을 한 무리로 묶어놓으면 거의 모두가 만족하는 답변을 찾을 수 있다. 우리는 모두에게 집단지능의 힘을 부여하려는 이상을 갖고 있다.”

– 앤서니 커트버트슨 뉴스위크 기자

04 [유머] 웃기는 이미지를 인식하고 만든다

특정 사물이 어떻게 유머를 유발하는지 이해하는 알고리즘 개발…AI 진화상 큰 장벽 뛰어넘는 전기될지도

웃기는 이미지(왼쪽)와 AI가 웃기지 않게 바꿔놓은 그림(오른쪽). 인간의 수준에는 못 미치지만 AI가 유머를 이해하기 시작했다는 데 의미가 있다.

연구원들이 인공지능 알고리즘을 ‘훈련’시켜 시각적 유머를 이해하고 예측하도록 했다. ‘상식(common sense)’을 갖춘 기계의 개발을 향해 거보를 내디뎠다.

버지니아공대 연구팀이 개발한 이 기계학습 알고리즘은 웃긴다고 여겨지는 이미지의 특정 측면을 분석할 수 있다. 유머러스한 장면을 인식하고 만들어내는 능력을 갖춘 셈이다. 연구팀에 따르면 유머는 AI의 진화를 가로막는 큰 걸림돌이며 정서지능을 이해하는 열쇠를 쥐고 있을 가능성이 크다.

논문 요약에선 이렇게 설명한다. “유머는 인간생활에 필수불가결한 요소다. 엄청나게 큰 영향을 미치는 데도 우리가 아직도 유머를 자세히 이해하지 못하다는 사실은 분명 놀라운 일이다.”

연구에 쓰인 이미지는 클립 아트(문서 등에 사용하는 그림이나 기호들) 프로그램을 이용해 만든 것으로 한정했다. 테이블과 의자 같은 물체 주위에 놓을 수 있는 인간과 동물 모형이 저장된 프로그램이다. 작성된 그림이 웃기는지 여부를 사람이 판정하도록 했다. 연구팀은 이를 이용해 특정한 사물 항목이 어떻게 유머를 유발하는지 이해하는 알고리즘을 개발할 수 있었다.

실험에서 알고리즘이 웃기는 이미지를 웃기지 않는 이미지로 전환하는 작업의 성공률은 95%였다. 주로 특정한 생물을 무생물로 대체하는 방식이었다. 이미지를 더 웃기게 만드는 실험에선 알고리즘의 성적이 떨어졌지만 그래도 이미지 개선에 28%의 성공률을 보였다.

과거에도 유머 기반 알고리즘은 여러 종 개발됐다. 마나티(Manatee)라는 우스갯소리 작성 기기와 새시(SASI)라는 풍자 감지 장치가 대표적이다. 그러나 웃기는 이미지를 이해한다는 알고리즘은 없었다.

연구팀은 시각유머 알고리즘의 개발이 다양한 분야에 유용하게 쓰이리라고 기대한다. 예를 들면 사진편집 툴의 개선, 웃기는 사진 촬영의 적절한 타이밍을 잡을 수 있는 스마트 카메라, 맞춤 코미디 동영상과 사진의 제작과 편집 등이다.

“AI 시스템과 인간 간의 교류가 확대됨에 따라 AI로선 유머처럼 인간의 감정과 표현의 미묘한 뉘앙스를 이해하는 것이 중요해졌다”고 논문은 결론지었다. “그런 면에서 유머를 식별하는 능력이 알고리즘의 ‘상식’을 키우는 데 기여할 수 있다.”

– 앤서니 커트버트슨 뉴스위크 기자