[인공지능]구글 딥마인드 테크놀러지 CEO가 말하는 인공지능

오늘 소개해드릴 내용은 구글 딥마인드 테크놀러지(DeepMind Technologies)의 CEO인 데미스 하사비스(Demis Hassabis)의 15분짜리 강연입니다. 데미스는 이 영상에서 인공지능은 인류가 발명한 가장 강력한 발명품이 될 것이라고 얘기합니다. 그리고 인공지능을 개발함으로 해서 우리가 풀지 못한 나머지 모든 숙제를 풀고자 한다고 이야기 합니다. 또한 인공지능 연구를 하기위해 뇌과학을 공부하게 된 배경에 대해서도 이야기합니다. 그가 말하는 모든 내용들이 흡입력이 너무나도 강해서 이야기 속으로 쭉 빨려들어 가게 됩니다. 강연 내용을 옮겨 적으며 아주 가끔씩 사족을 붙였습니다.


이 사람은 어렸을 때 물리학과 뇌과학에 관심이 있었다고 합니다. 정상은 아닌것으로 보이네요(-_-). 물릭학은 나를 둘러싼 바같 세계의 원리를 알 수 있는 학문이고 뇌과학은 내 안의 원리를 이해할 수 있는 학문이어서 관심을 갖게 됐다고 합니다. 헉-_-. 그러던 중 뇌과학에 더 관심을 갖게 됐는데, 그 이유는 뇌가 바깥세계를 해석하기 때문이고, 결국 뇌가 어떻게 작동하는 지를 알아야 뇌가 바깥세계를 왜 지금과 같은 방식으로 해석하는지에 대한 이유를 알 수 있다는 것이죠.

그는 무엇인가에 대해서 이해한다는 것에 대해 이렇게 설명합니다. "무엇인가에 대해서 이해한면 그것을 다시 만들 수 있어야 한다". 그러면서 그가 가장 존경하는 사람 중 한 명인 리처드 파인만의 말을 인용 합니다. "만들 수 없다는 것은 이해하지 못하는 것이다(What I can not build, I do not understand)."

바로 이런점에서 인공지능에 대한 연구가 가치를 갖는다고 얘기합니다. 인공지능을 만들 수 있다는 것은 결국 사람의 뇌가 어떻게 작동하는지를 이해했다는 증거이기 때문입니다. 바로 이것이 제가 인공지능의 예술 창작에 대해 관심을 갖는 이유이기도 합니다. 예술을 창작하는 인공지능을 만들었다는 것은 결국 인간이 예술을 창작하는 방식에 대해 이해했다는 증거가 되니까요. 인공지능에 대한 연구는 이러한 측면에서 결국 사람에 대한 연구로 귀결됩니다.

이 사람은 인공지능을 연구하기 위한 첫 단계로 게임을 선택합니다. 처음에는 체스게임을 개발했고 그 다음에는 테마파크 게임을 개발했습니다. 17살(90년대 중반)에 이 테마파크 게임을 개발했는데, 이 게임에서 처음으로 인공지능을 사용했다고 합니다. 이 게임은 슈팅게임 같은 것들과는 다르게 게이머가 자신만의 디즈니 랜드를 만들고 수천 명의 다른 사용자들이 자신의 디즈니 랜드에 얼마나 자주 방문하게 할 것인가와 같은 매니지먼트 시뮬레이션 게임이라고 설명합니다. 그리고 이러한 모든 과정은 게이머가 무엇을 어떻게 하느냐에 따라 "반응"이 달라진다고 설명합니다. 따라서 똑 같은 게임이더라도 똑 같은 경험을 하는 사용자는 생길 수 없습니다. 인공지능이 게이머가 어떻게 게임을 진행하는가에 따라서 모두 다르게 반응하기 때문입니다. 

이 사람은 그 이후로도 몇 개의 게임을 개발했는데 모두 AI와 관련된 것들었고, 10년 전에 그 게임회사를 매각하고 뇌과학으로 박사과정을 공부하기 위해 대학교에 입학했습니다. 그리고 "상상과 기억(Imagination and Memory)에 집중했습니다. 이유는 인공지능에서 이 문제를 어떻게 해결하면 좋을지 잘 몰랐기 때문입니다. 따라서 뇌가 상상과 기억에 대해서 어떻게 처리하는지를 안다면 인공지능에서도 활용할 수 있을 것으로 생각했습니다. 그리고 MIT와 하버드에서 공부한 것을 토대로 딥마인드라는 회사를 시작했습니다.

2010년에 딥마인드라는 회사를 시작했고(생각보다 엄청 빠르네요. 우리는 이제서야 기사를 통해 인공지능이 화제가 되는 것을 경험하고 있는데 이미 2010년에 회사를 세웠다니 대단합니다), 1백 명이 넘는 머신러닝과 뇌과학 분야 박사급 연구원들이 참여 중인 인공지능을 위한 아폴로 프로그램(An Appollo Programme for AI)도 운영되고 있다고 합니다.

딥마인드의 미션

1. Solve Intelligence
2. Use it to solve everything else

와. 정말 입을 다물 수 없을 정도의 명확한 미션입니다. 인텔리전스라는 것이 무엇인지 밝혀내고 그것을 통해 나머지 모든 것을 해결한다는 어마어마한 미션입니다.

그리고 이것을 달성하기 위해 "범용 학습 기계"를 만들고자 한다는 실행계획도 얘기합니다. 키워드가 "범용(general)"과 "학습(learning)" 입니다.

학습에 대해서는 이렇게 설명합니다. 
- 사전에 프로그램되지 않은 상태로 혼자서 스스로 배우는 것(Learn automatically from raw inputs)

범용에 대해서는 이렇게 설명합니다.
- 하나의 시스템이 여러 영역에서 활용될 수 있는 것(same system can operate across a wide range of tasks)

그러면서 현재 AI라고 불리는 것을 Narrow AI로, 자신들이 갖고 있는 개념을 AGI(Artificial General Intelligence)로 명명하면서 차별화를 시도합니다. 그 예 중 하나로 제퍼디 쇼에서 우승한 IBM의 왓슨 역시 좁은의미에서의 인공지능이라고 지적합니다. 그리고 이러한 좁은 의미에서의 인공지능은 어떤 특정한 작업에만 작동하도록 되어있다고 설명합니다.

이와는 반대로 딥마인드에서 개발중인 AGI는 좀더 범용성과 유연성을 갖고 있고, 따라서 사전에 그 어떤 것도 미리 프로그램을 해 둘 필요가 없고, 무엇이든지 처음 보는 것으로 부터 학습한다고 설명합니다.

구글 딥마인드 프레임워크

왼쪽에는 시스템(인공지능)이 있고 오른쪽에는 뭔가를 학습해야하는 환경이 있습니다. 이 환경은 실제일 수도 있고 가상일 수도 있습니다. 우선 환경에 대해서 "관찰"하게 됩니다. 딥마인드에서는 시각(비전)을 통해 합니다만 다른 감각이 될 수도 있습니다. 이 때 "관찰"에는 노이즈가 포함되기 마련입니다. 따라서 시스템의 최우선 과제는 노이즈가 잔뜩 포함된 관찰을 통해서 바깥세계를 이해할 수 있는 최적의 모델을 만들어 내는 것입니다. 그리고 시스템은 취할 수 있는 수 많은 액션 중에서 최적의 액션을 선정합니다. 이 액션은 환경에 영향을 미칠수도, 미치지 않을 수도 있으며, 이를 통해 새로운 "관찰"을 다시 얻게 됩니다. 이 그림에는 아주 간단하게 표현되어 있지만 사실은 굉장히 복잡한 프로세스입니다. 만약 여기서 일어나는 모든 과정을 설명할 수 있다면 그것이 바로 인텔리전스(intelligence) 일 것입니다. 왜냐하면 바로 이것이 인간을 포함한 모든 포유류가 학습하는 방식이기 때문입니다. 사람의 경우는 뇌에서 도파민 시스템이 이런 학습과정을 진행시킵니다. 

이를 테스트하기 위해 컴퓨터에게 아타리 게임을 하도록 했습니다. 컴퓨터가 본 것이라고는 게임의 화면 픽셀이 전부입니다. 사람이 처음 이 게임을 하는 과정과 똑 같습니다. 이 실험의 목표는 인공지능이 가능한 높은 점수를 얻는 것이었습니다. 

스페이스 인베이더를 플레이하는 인공지능

위 게임 한번 안해 보신 분 없을텐데요. 스페이스 인베이더라는 게임입니다. 인공지능이 이 게임을 처음 할 때는 엉망이었지만, CPU하나 짜리 컴퓨터가 하루 밤 동안 학습한 결과 사람보다 훨씬 잘 하게 됩니다. 인공지능이 플레이 하는 것을 보면 일단 미싱 샷이 거의 없습니다. 모두 목표물에 적중시키고 있으며 자신을 보호해 주는 마더쉽을 향해서는 거의 미사일을 쏘지 않습니다. 또한 마지막 한 마리를 공격하는 장면을 보면 그 목표물의 움직임 속도를 예측해서 미사일을 쏘는 것을 볼 수 있습니다. 그리고 이 모든 것은 스크린에 나타나는 픽셀로 부터만 학습한 것입니다.

벽돌깨기 게임 100회 연습한 인공지능

벽돌깨기 게임 500회 연습한 인공지능

위 그림은 인공지능이 벽돌깨기 게임을 각 100회, 500회 연습했을 때의 화면입니다. 100회 였을 때는 아직 미숙하지만 500회 연습했을 때는 양 옆의 벽돌을 뚤어 터널 사이로 공을 집어넣어 천장과 벽돌의 반사작용으로 벽돌이 모두 깨지게 하는 모습을 볼 수 있습니다.

Concepts and Memory

현재는 컨셉과 기억에 관해 관심을 갖고 있는데 이는 뇌의 한 부분이 해마(Hippocampus)의 작동 원리를 모방하려는 시도라고 합니다. 3D 게임은 물론이고 유튜브 추천 시스템 등에 활용될 수 있습니다.

Meta-Solutions

최근의 문제는 데이터는 사방천지에서 구할 수 있는데, 이 데이터들을 어떻게 활용할 것이냐 하는 문제라고 지적합니다. 이 데이터들로 부터 어떻게 통찰을 얻어낼 것인가 하는 문제라는 얘기죠.

Information overload : big data, genomics, entertainment, personalization
System complexity : climate, disease, energy, macroeconomics, physics

아무리 뛰어난 개인이라고 하더라도 이 방대한 데이터로 부터 통찰을 얻어내기란 쉽지 않은 일입니다. 따라서 AI를 만들어 내는 것이 결국 이 모든 문제를 해결 할 수 있는 메타 솔루션이 될 것이라고 얘기합니다. 그리고 궁극의 목표는 인공지능 과학자나 인공지능의 도움을 받는 과학자를 만드는 것이라고도 덧붙입니다.

윤리 문제

마지막으로 인공지능과 관련한 윤리 문제에 대해서 논의를 시작할 때라고 이야기 합니다. 아직 인간 수준의 인공지능이 나오려면 몇 십년이 걸리겠지만 지금 논의를 시작해야 한다고 얘기합니다.

지식을 통해 사람을 강력하게 한다(Empowering people through knowledge)
인공지능이 자동으로 정보를 지식으로 바꾼다(AGI automatically converts information into knowledge)
인공지능을 개발함으로써 마음(mind)의 미스테리를 밝혀낸다