인공지능(AI)이 동작 관련 영상만 보고 자체적으로 관련 물리적 변수들을 발견하고 산출하는 알고리즘이 개발됐다.
미국 매체 바이스는 5일 콜럼비아대 연구진이 이중 추의 흔들림이나 불꽃의 깜박임 같은 영상을 보고 동작을 설명하는 데 필요한 여러 변수를 산출해 물리 현상을 연구할 수 있는 머신 러닝 알고리즘을 개발했다고 보도했다.
물리학은 과학 분야에서 보다 엄격하고 경직된 학문 중 하나로, 비밀을 밝히기 위한 긴 방정식과 복잡한 측정들이 얽혀 있다. 그러나 단순한 방정식이 만들어지기 전에 과학자들은 먼저 방정식 이전에 시스템 변수를 정해야 했다.
뉴턴의 힘의 방정식(F=MA)을 예로 들면 방정식을 세우기 전에 뉴턴은 먼저 가속도, 질량, 힘의 개념을 이해해야 했다. 호드 립슨 콜럼비아대 엔지니어링 및 데이터과학과 교수는 이것이 쉽지 않은 과제라고 말했다. 그는 “알파벳을 어떻게 찾을 수 있느냐와 거의 비슷하다. 유기적으로 발생하는 것”이라고 설명했다.
립슨 교수의 크리에이티브 머신 랩에서는 이런 발견 프로세스가 어떻게 이뤄지는지, 또 과학자들이 놓쳤을 수 있는 대안 물리학을 발견하는데 머신러닝을 사용하면 이런 발견 프로세스가 얼마나 개선될 수 있는지를 연구하고 있다.
알고리즘은 알려진 시스템의 경우, 한 값 내에서 정확한 변수 수를 예측할 수 있었고 알 수 없는 시스템에 대한 변수 예측도 가능했다. 연구 결과는 네이처 커뮤니케이션 사이언스의 ‘실험 데이터에 숨겨진 기본 변수의 자동 발견’이라는 제목으로 발표됐다.
립슨 교수는 이 알고리즘이 데이터를 연구하고 데이터를 통해 물리적 관계를 산출하려는 최초의 알고리즘은 아니지만, 시스템에서 예상되는 변수의 개수 또는 유형에 대한 정보를 제공받지 않는 최초의 알고리즘이라고 설명했다.
립슨 교수는 “아마 사람들은 많은 것을 간과하고 있을 것”이라며 “AI를 활용해 매우 유용한 것을 발견하고 사람들이 사고하는 방식도 바꿀 수 있을 것”이라고 말했다.
알고리즘을 완성하기 위해 이 논문의 제1저자인 보위안 첸 듀크대 공학부 교수를 포함한 연구진은 다양하고 복잡한 동적 움직임을 담은 영상을 제공했다. 영상에는 이중 추 및 흔들 막대 같은 알려진 동작뿐 아니라 라바 램프(유색 액체가 들어 있는 장식용 전기 램프), 깜빡이는 불꽃, 공기주입식 춤추는 광고판과 같이 아직 알려지지 않은 동작도 포함돼 있다.
이 영상을 학습한 후 AI는 현상을 몇 단계로 모델링하고, 동작에 관련된 점점 더 작은 변수들의 목록을 작성하려고 시도했다. 마지막으로 AI는 동작을 정확히 파악하기 위해 시스템에 필요한 최소 변수 수를 산출했다.
AI가 변수를 발견하는데 성공했지만, 연구실에서 파악할 수 없는 것이 있었다. 시스템에 특정한 수의 변수가 있지만 현재 이러한 변수가 무엇인지 설명하는 언어가 부족하다는 것을 과학자들에게 알려줬다. '설명가능성(Explainability)은 AI 시스템과 관련한 오랜 연구 목표다.
첸 교수는 이에 대해 우려하지 않고 있다. 그는 “현재 우리가 갖고 있는 것은 일반적인 프레임워크와 같다”며 “흥미로운 점 중 하나는 데이터를 보유하고 데이터의 수행 방식에 대한 직관을 가진 전문가와 협력하는 것으로, 데이터에 대해 아직 알지 못하는 것을 발견할 수 있도록 도울 수 있게 되기를 희망하고 있다”고 밝혔다.
립슨 교수는 앞으로의 연구가 질병이나 기후 변화와 같은 물리학 이외의 시스템을 연구하는 것처럼 보일 것이라고 설명했다. 연구진은 앞으로 알고리즘에서 나타나는 패턴이 인공지능의 작업결과를 협력자들에게 보다 쉽게 설명하는데 도움이 되기를 바라고 있다.
AI타임스 이한선 객원 기자 griffin12@gmail.com
