경험과 지식을 주입하는 딥 러닝과 비교해 아기들도 이해하는 ‘상식’을 더한 인공지능(AI)이 더 뛰어난 성과를 보인다는 연구결과가 나왔다.
호주 학술 매체 컨버세이션은 12일 루이스 필로토와 프린스턴 대학 동료들의 ‘네이처 인간 행동’에 실린 새로운 연구에서 물리적 세계의 상식적 법칙에 대한 이해를 바탕으로 하는 딥 러닝을 제공하는 인공지능(AI) 시스템을 개발했다고 보도했다. 연구 결과는 아기와 동일하다는 가정을 해 작업에 접근하면서 인간의 정신을 시뮬레이션하는 더 나은 컴퓨터 모델을 만드는 데 도움이 될 전망이다.
서로 상반되는 시각이 많은 세상에서 모두가 동의할 수 있는 것에 주목해보자. 펜을 보여 주고 등 뒤에 숨겨 두면 더 이상 볼 수 없어도 펜은 그대로 있다. 모두 여전히 존재한다는 것에 동의할 수 있고, 아마도 내 등 뒤에 가기 전의 모양과 색상을 가지고 있을 것이다. 이것은 상식이라고 할 수 있다.
물리적 세계의 이러한 상식적 법칙들을 사람들은 이해할 수 있다. 두 달 된 아기도 이와 같은 이해를 할 수 있다. 그러나 과학자들은 이런 기본적인 이해를 어떻게 달성하는지에 대해 몇 가지 측면은 아직도 알지 못하고 있다. 아직 일반적으로 발달하고 있는 유아의 상식적 능력에 해당하는 컴퓨터도 개발하지 못하고 있다.
일반적으로 AI 모델은 빈 칠판에서 시작해 다양한 예제를 통해 데이터를 학습하고, 이를 바탕으로 지식을 구축한다. 그러나 유아에 대한 연구는 이것이 그들이 하는 일의 전부가 아니라는 것을 시사한다. 아기들은 처음부터 지식을 모아 쌓는 대신 사물에 대한 몇 가지 원칙적인 기대에서 출발하는 것으로 나타났다.
예를 들어 다른 물체 뒤에 숨겨진 물체를 주목할 경우 뒤에 있는 물체가 계속 존재할 것으로 예상한다. 이는 올바른 방향으로 가는 핵심 가정이다. 그런 다음 아기들의 지식은 시간과 경험과 함께 더욱 정교해진다. 필로토와 동료들의 발견은 아기들의 사고를 모델로 한 딥 러닝 AI 시스템이 빈 칠판에서 시작해 경험만으로 학습하려고 시도하는 시스템을 능가한다는 것이다.
연구자들은 두 가지 방법을 비교했다. 빈 칠판 버전에서 AI 모델에 물체의 시각적 애니메이션이 여러 개 주어졌다. 일부 사례에서는 큐브가 경사로를 미끄러져 내려간다. 다른 경우에는 공이 벽에 튀어져 나왔다.
이 모델은 다양한 애니메이션에서 패턴을 탐지해 물체의 새로운 시각적 애니메이션을 사용해 결과를 예측하는 능력을 테스트 받았다. 이 성능을 시각적 애니메이션을 경험하기 전에 ‘원칙적인 기대’가 내장된 모델과 비교했다.
이러한 원칙은 물체가 어떻게 반응하고 상호작용하는지에 대한 아기들의 기대치에 바탕을 두고 있다. 예를 들어 아기들은 경우 두 물체가 서로 간에 통과하지 않을 것으로 기대한다.
이 기대를 벗어나는 마법의 속임수를 유아에게 보여주면, 마법을 탐지할 수 있게 될 것이다. 연구원들은 예상하지 못하거나 ‘마법’과 같은 결과와 예상되는 결과를 매우 오랜 시간 관찰한 결과를 바탕으로 이러한 견해를 발표했다.
아기들은 또 물체가 눈 깜빡할 사이에 없어지지 않는다고 기대한다. 또 이러한 기대가 어긋나는지를 감지할 수 있다. 연구 결과 빈 칠판에서 시작하는 딥 러닝 모델도 좋은 성과를 냈지만, 유아의 인식에서 영감을 받은 객체 중심 코딩 기반 모델이 물체가 어떻게 이동할 것인지 보다 정확하게 예측하는 등 훨씬 더 나은 성능을 보이는 것으로 나타났다.
시간과 경험을 통한 학습이 중요하지만 전부가 아니다. 이번 연구는 인간에게서 무엇이 선천적이고 무엇이 학습되는 것인지에 대한 오래된 문제에 통찰력을 제공하고 있다.
매체는 이번 연구가 지식을 습득하는 인공 시스템과 관련해 지각 데이터가 어떤 역할을 할 수 있는지에 대한 새로운 영역을 정의한다며 유아에 대한 연구가 인간의 정신을 시뮬레이션하는 더 나은 AI 시스템을 구축하는 데 어떻게 기여할 수 있는지를 보여주고 있다고 평가했다.
AI타임스 이한선 객원 기자 griffin12@gmail.com
