미국 매사추세츠공대(MIT) 김상배 교수팀이 개발한 로봇 ‘미니치타’의 이동 속도가 빨라졌다. 새로운 기술의 도입으로, 최고 속도 시속 14㎞ 이상을 기록했다. MIT 컴퓨터·AI 연구소(CSAIL)는 최근 공식 유튜브 채널을 통해 미니치타가 자체 최고 속도로 이동하는 실험 영상을 공개했다.영상 속 미니치타는 실내는 물론 야외에서 잔디밭과 자갈밭, 빙판길 등 지면 환경이 갑자기 변해도 속도를 조절해 넘어지지 않고 빠르게 달린다. 미니치타의 달리기 속도를 개선한 연구진은 CSAIL 산하 연구실인 ‘임프라버블(Improbable·말도 안 되는) AI 랩’과 미 국립과학재단(NSF) 산하 AI·기본상호작용연구소(IAIFI) 소속 과학자들이다.연구진은 미니치타가 지형에 따라 스스로 최적의 달리기 방법을 찾을 수 있도록 ‘모델 프리(model-free) 강화학습’이라는 시스템을 개발해 적용했다. 모델프리 강화 학습이란 인공지능이 다양한 변수와 상호작용을 하며 어떻게 행동할지를 직접 학습하고 결정하는 방식을 말한다. 해당 방법을 선택하면 로봇은 다양한 상황에서 인간 기술자의 지시가 없어도 스스로 시행착오를 거치며 학습한다. 로봇은 가상의 시뮬레이션을 통해서도 학습이 가능하다. 실제 미니치타는 가만히 서 있는 상태에서 단 3시간 만에 100일의 경험치를 쌓은 것으러 알려졌다. 덕분에 미니치타는 이번 실험에서 시속 14.04㎞라는 자체 최고 속도를 기록했다. 시속 8㎞라는 첫 기록은 물론 과거 MIT 산하 다른 연구진이 기록한 시속 13.32㎞보다 빨라졌다.미니치타는 MIT가 네이버와 공동 개발하는 무게 9㎏ 정도의 4족 보행 로봇이다. 치타라는 이름이 달렸지만, 게처럼 옆으로 이동하거나 사람 발길질에 넘어져도 스스로 일어날 수 있다. 미니치타는 2019년 네이버 연례기술 행사 ‘데뷰(DEVIEW)’에 방문한 문재인 대통령 앞에서 백 텀블링 시범을 보여 화제에 오른 바 있다.

2016년 3월 전 세계는 구글 바둑 인공지능 알파고와 이세돌 9단의 대국에 관심이 쏠렸다. 결과는 알파고의 승리. 그 이후 인공지능에 대한 대중의 관심은 급격히 늘어났다. 구글의 알파고는 계속 업그레이드 되면서 바둑 최강자의 자리를 굳건히 지켰을 뿐만 아니라 스타크래프트 같은 전략시뮬레이션 게임에서도 인간 게이머를 이기기도 했다. 또 최근에는 과학자들이 하는 단백질 분석까지 하는 인공지능으로 거듭났다. 이런 가운데 플레이스테이션(PS) 제작사로 잘 알려진 소니에서 새로운 분야의 게임에 도전하는 인공지능을 개발해 인간에게 완승을 거뒀다. 소니 미국, 일본, 스위스 인공지능(AI)연구소 연구팀은 자동차 경주게임에서 세계 챔피언급 인간 게이머를 능가하는 인공지능을 개발했다고 세계적인 과학저널 ‘네이처’ 2월 10일자에 발표했다. 바둑, 체스, 장기 같은 전통적 보드게임 뿐만 아니라 컴퓨터 게임은 물리적 시스템 안에서 상대의 행동에 따라 신속하게 결정을 내려야 한다. 이 때문에 AI 개발사들은 다양한 분야에서 사람에게 도전하면서 인공지능을 시험하는 것이다. 자동차 경주 게임은 실제 자동차와 똑같은 환경을 설정한 상태에서 속도를 높이거나 줄이면서 상대를 추월하는 복잡한 전술적 기동이 필요하다. ‘GT 소피’라고 이름 붙인 카레이싱 게임 인공지능은 심층강화학습을 통해 소니의 카레이싱 게임 ‘그란투리스모’를 할 수 있도록 가르쳤다. 인공지능은 효율적으로 가속하고 제동하는 기술을 마스터하는 한편 진로가 차단됐을 경우 빠르게 대체 경로를 찾는 방법을 학습했다. 이렇게 학습된 GT 소피는 세계 최고 수준의 e스포츠 드라이버 4명과 1대1 경기에서 모두 승리했다. 특히 3종의 경기코스를 무작위로 배정한 뒤 게임을 하도록 한 것인데도 인간 게이머를 모두 이겼다. 연구팀은 GT 소피가 단기적으로는 컴퓨터 레이싱 게임을 더 박진감 넘치게 설계하고 e스포츠 게이머를 훈련시키는데 쓰이겠지만 장기적으로는 자율주행차 개발에도 도움을 줄 것으로 전망하고 있다. 연구를 주도한 소니 AI아메리카 총괄이사 피터 워먼 박사는 “이번에 개발된 인공지능 기술은 단순히 게임을 하기 위한 것이 아니라 자율항법이나 기초AI 연구에 도움을 줄 것”이라며 “추가 연구를 통해 휴머노이드 로봇공학, 무인항공기, 자율주행차 같은 실제 시스템에 적용할 수 있을 것으로 본다”고 설명했다.

#직장인 박선규씨는 요즘 같은 환절기에 어떤 옷을 입어야할지 아침마다 고민이다. 예전처럼 정장만 입는다면 차라리 고민할 필요가 없지만 회사에서는 자율복장을 권하고 사람을 자주 상대하는 직종이다보니 캐주얼하면서도 격식에 벗어나지 않고 계절에 맞는 패셔너블한 옷을 매일 아침 고르는 것이 쉽지 않기 때문이다. 그런데 앞으로는 그런 고민을 덜어도 될 것 같다. 상황에 따라 적절한 옷을 추천해주는 인공지능 비서가 개발됐기 때문이다. 한국전자통신연구원(ETRI) 복합지능연구실 연구팀은 사람의 뇌를 모방해 스스로 지식을 성장시키는 ‘자율성장 인공지능(AI)’를 개발하고 인공지능 패션 코디네이터 ‘패션하우’를 만들었다고 22일 밝혔다. 기존 인공지능은 빅데이터를 활용해 사용자의 질문에 응답해주는 방식으로 사람처럼 상황 변화에 대해 기민하게 반응하지 못하는 한계가 있다. 그렇지만 이번에 개발한 자율성장 복합지능은 사람의 뇌처럼 언어와 영상 등 복합적인 지식을 절차적으로 학습함으로써 질문하는 목적이 모호하더라도 최적의 답을 찾는다. 영화 ‘아이언맨’에 등장하는 인공지능 비서 자비스처럼 사람과 상호작용하면서 방법과 절차를 스스로 학습해 지식을 성장시키고 상황에 맞는 최적의 답을 찾게 된다. 또 빅데이터보다 훨씬 적은 데이터만으로도 사람이 공부하면서 지식을 쌓고 뇌를 발달시키는 것처럼 지식을 학습하게 된다. 연구팀은 언어, 음성, 시각 기능을 모두 사용해 복합적으로 지식을 습득하고 생성하며 표현하는 기술과 강화학습, 역강화학습, 지속학습, 메타학습, 지도학습, 비지도학습 등을 통합해 지식을 쌓는 기술, 다중인자간 협업, 경쟁, 소통 처리 기술을 결합해 자율성장 인공지능을 만들었다. 또 이를 바탕으로 패션 코디가 가능한 패션하우를 개발했다. 연구팀은 의상전문가, 의류학과 교수 등의 자문을 받아 2600개의 의류데이터와 10번 정도 대화가 가능한 7200여개 의 대화 데이터 뭉치로 시간과 장소, 상황(TPO)에 맞는 옷차림 추천이 가능한 ‘인공지능 의상 코디네이터 데이터베이스’(패스코드)를 만들었다. 이를 활용하면 대화하는 사람의 신체적 특성과 날씨는 물론 졸업식, 장례식, 휴가, 데이트 등 상황에 맞춰 적절한 패션을 코디받을 수 있게 된다. 데이터 구축에 참여한 최윤미 충남대 의류학과 교수는 “이번에 ETRI가 개발한 기술은 바둑에서 알파고와 같이 인간이 알려주지 않은 코디를 스스로 수행함으로써 의상업계에 새로운 패러다임을 제시한다는 점에서 놀랍다”라고 평가했다. 유용하 기자 edmondy@seoul.co.kr

‘터미네이터’ 같은 암울한 내용의 SF영화에는 스스로 생각하고 행동하는 인공지능(AI) 로봇들이 등장해 인류에게 엄청난 위협이 되고 있다. 전문가들은 실제 영화와 같은 상황이 벌어지기는 쉽지 않다고 입을 모으고 있다. 국내 연구진이 사물인터넷 기기들이 임무 수행이라는 목표를 위해 스스로 인식하고 행동할 수 있는 인공지능 기술의 초기모델을 개발하는데 성공했다. 한국전자통신연구원(ETRI) 지능화융합연구소 연구팀은 사물들이 단독 행동이나 협력행동을 스스로 결정해 주어진 임무를 완수할 수 있도록 하는 ‘액션브레인’ 기술을 개발했다고 13일 밝혔다. 현재 사물인터넷(IoT) 기술에서는 개발자기 미리 정해놓은 규칙에 기반해 기계동작을 수행하는 방식이었다. 이 때문에 예측하지 못하는 상황이 발생하거나 급격한 환경 변화에 적응하지 못한다는 한계가 있었다. 연구팀은 인공지능 딥러닝 기술인 모방학습, 강화학습, 동적 플래닝을 조합해 여러 사물들이 서로 협동해 유기적으로 소통하고 설계대로 움직이는 것이 아닌 필요할 때마다 유연하게 행동함으로써 복잡한 임무 수행이 가능토록 했다. 이번에 개발된 기술이 가장 먼저 적용될 곳은 스마트 공장 같은 제조분야이다. 액션브레인 기술을 사업용 로봇에 적용하면 엔지니어의 행동을 인식해 모방하고 가상시뮬레이션을 통해 빠르게 학습할 수 있게 된다. 로봇은 협업생산을 위한 행동지능을 생성하고 다른 로봇들과 소통이 가능해진다. 또 설계 기준과 실제 환경의 차이가 발생하면 스스로 행동을 고쳐 현장에 맞게 최적화된다. 공장 조건이나 생산 과정에서 변화가 생기면 전문가의 손길을 받아야 했지만 스스로 제어할 수 있게 되면서 로봇 제어시간을 줄이고 공장 가동시간도 늘려 비용 절감에 도움을 줄 수 있을 것으로 기대된다.또 액션브레인 기술은 재난 현장에서도 유용하게 사용될 수 있을 것으로 기대되고 있다. 화재 발생 같은 재난 현장에서는 액션브레인을 갖춘 로봇과 드론이 구조대원보다 빨리 투입돼 재난상황을 빠르게 파악하게 되는 것이다. 상황을 파악한 뒤 구조대원에게 정보가 전송되면 골든타임 내에 인명을 구조할 확률이 더 높아지는 것이다. 연구팀은 내년에 스마트 제조분야와 재난대응 분야 기업을 모아 기술 실증에 나설 계획이다. 박준희 ETRI 스마트ICT융합연구단장은 “액션브레인 기술은 미래 10대 전략기술 중 하나인 ‘자율 사물’의 핵심 기술”이라며 “이번에 개발한 것은 개념검증 단계의 베타버전이지만 실제 상황에 투입이 될 수 있을 정도의 기술고도화를 목표로 하고 있으며 기술이 완성되면 제조, 국방, 재난, 물류 등 다양한 분야에서 활용될 수 있을 것”이라고 말했다. 유용하 기자 edmondy@seoul.co.kr

DGIST와 GIST가 11일 ‘달빛 AI 워크숍 2020’을 공동 개최했다. 이번 워크숍은 온라인 강의 프로그램인 줌(Zoom)을 통해 비대면으로 진행됐다. ‘AI경량화 및 강화학습’을 주제로 양 기관의 교수, 연구원, 대학원생 등 전문가들이 모여 현재 진행 중인 최신 연구·개발 기술들을 공유했다. 워크숍은 두 세션으로 나눠 진행됐다. 먼저 첫 번째 세션에서는 DGIST 정보통신융합전공 김예성 교수팀이 자체 개발한 뇌공학 기반의 인공지능 경량화 모델에 대한 소개 및 발표와 함께 GIST AI대학원 최종현 교수팀이 개발한 엣지 디바이스에서의 시각인지를 위한 경량화 모델 소개가 이어졌다. 두 번째 세션은 먼저 GIST 융합기술학제학부 김경중 교수팀이 기존에 쌓여 있는 방대한 데이터를 활용해 강화학습을 현실 문제에 적용하기 위한 강화학습의 오프라인 학습방법 및 응용사례 소개 발표를 진행했다. 이어서 DGIST 정보통신융합전공 곽정호 교수팀이 개발한 콘텐츠 캐싱(Contents Caching)네트워크를 위한 강화학습 기법을 소개가 진행됐다. DGIST 정보통신융합전공 박경준 전공책임교수는 “이번 워크숍은 두 학교가 중점적으로 추진 중인 AI경량화 연구 및 강화학습 기술에 대한 최신정보 교류를 위해 개최하게 됐다”며 “이번 행사를 계기로 공동 연구 추진을 위한 토대를 마련하고 향후 인공지능 기술 발전에 함께 기여할 수 있는 좋은 연구를 진행할 수 있었으면 한다”고 말했다. GIST AI대학원의 김종원 원장은 “이번 달빛워크숍이 양 기관의 인공지능 분야 전문가들을 모시고 개최되는 만큼, AI 분야의 최신정보 공유와 연구 교류 활성화의 의미 있는 시도가 될 것으로 기대한다” 면서, “달빛워크샵이 지속적으로 개최되어 지역 균형 발전과 AI융합인재 양성, 그리고 무엇보다 미래 일자리 창출의 밑거름이 되길 바란다”고 전했다. 대구 한찬규 기자 cghan@seoul.co.kr

알파스타, AI끼리 대전하며 학습 훈련 상위 0.2% ‘그랜드마스터’급 실력 갖춰 테란으로 프로토스 상대 땐 승률 100% 예측불가 상황 대처… 범용AI 적용 기대2016년 3월 이세돌 9단과 맞붙은 바둑 인공지능(AI) ‘알파고’는 압승을 거둬 바야흐로 AI의 시대가 다가왔음을 전 세계에 알렸다. 이세돌 9단과 맞붙었던 ‘알파고 리’를 개발해 AI에 대한 관심을 집중시켰던 구글 딥마인드는 이후 꾸준히 성능을 향상시켜 ‘알파고 마스터’, ‘알파고 제로’를 선보였다. 지난해 12월에는 바둑뿐만 아니라 체스, 쇼기(일본 장기) 등 모든 보드게임이 가능한 ‘알파 제로’를 공개해 세상을 놀라게 했다. 같은 달 ‘알파 폴드’라는 과학 AI로 생명의 기본 분자인 단백질 3차원 형태를 예측하는 국제학술대회에서 우승을 차지하기도 했다. 올해 초 딥마인드는 실시간 전략 시뮬레이션 게임인 ‘스타크래프트2’를 할 수 있는 AI ‘알파스타’를 공개했다. 알파스타는 세계 정상급 프로게이머와 대결해 압도적인 실력을 보였다. 구글 딥마인드 연구진과 네덜란드 프로게임팀 ‘팀 리퀴드’는 알파스타를 업그레이드시켜 전 세계 프로게이머들 중에서도 상위 0.2%에 해당되는 실력을 갖게 됐음을 확인하고 그 결과를 세계적인 과학저널 ‘네이처’ 31일자에 발표했다. 스타크래프트는 서로 다른 특성과 능력을 가진 3개 종족인 테란, 프로토스, 저그 중 하나를 선택해 상대와 승부를 겨루는 게임이다. 인간 프로게이머들은 ‘테란의 황제’나 ‘프로토스의 황제’ 같은 별명에서도 알 수 있듯 하나의 종족에 강점을 갖고 게임을 하는 경우가 많다.그런데 이번에 공개된 알파스타는 사람과 달리 3종족 모두에서 ‘그랜드마스터’급 실력을 갖춘 것으로 확인됐다. 온라인 게임이 이뤄지는 ‘배틀넷’에서 모든 게이머들은 실력에 따라 가장 낮은 브론즈에서 실버, 골드, 플래티넘, 다이아몬드, 마스터, 그랜드 마스터 7단계로 구분되는데 알파스타는 최고 수준에 이르렀다는 것이다. 실제로 알파스타의 전체 평균 승률은 99.8%로 나타났다. 승률이 가장 낮은 경우는 저그를 선택해 프로토스를 상대했을 때로 99.51%, 승률이 가장 높을 경우는 테란으로 프로토스를 상대했을 때인데 모든 게임에서 이겼다. 또 알파스타는 1대3의 승부에서도 99.76~99.93%의 승률을 보였다. 연구팀은 알파스타를 ‘멀티 에이전트 강화학습’(MARL) 알고리즘으로 훈련시켰다. MARL은 주어진 환경에서 높은 보상을 얻을 수 있는 행동이나 전략을 구상하라는 간단한 목적만 부여받은 여러 개의 AI(에이전트)들이 협업과 경쟁을 통해 학습할 수 있도록 한 알고리즘이다. 지금까지 나온 AI들은 스타크래프트처럼 자원 수집, 건설, 전투유닛 생산과 제어는 물론 상대방의 정보를 토대로 전략을 끊임없이 수정하는 등의 복잡한 사항들을 실시간으로 수행하는 데는 한계가 있어 인간 프로게이머와의 경기에서 승리는 쉽지 않을 것이라는 평가를 받아 왔다. 그런데 연구팀은 MARL 알고리즘으로 이 같은 우려를 날려버렸다. 이번 연구를 주도한 오리올 빈얄스 구글 딥마인드 수석과학자는 “AI가 실제로 활용될 것으로 예상되는 개인 비서, 자율주행차, 로봇 등 분야에서는 스타크래프트에서처럼 불완전한 정보로 최적의 답을 찾거나 실시간 결정을 해야 하는 상황에 맞닥뜨리게 된다”며 “이번 연구에서 보여 준 알파스타의 성공은 특정 분야가 아니라 모든 분야에서 활용할 수 있는 범용 AI 알고리즘이 실제 문제에서도 적용될 수 있다는 것을 보여 준다”고 말했다. 지난 27일부터 31일까지 미국 샌프란시스코에서 열리고 있는 ‘미국외과의사협회 2019 임상회의’에서는 외과 수술 이후 환자의 치료 방법을 선택할 때 인간 의사보다 AI 의사가 더 정확하고 올바른 선택을 한다는 미국 뉴욕대 의대 부설 랑곤병원 연구진의 연구 결과가 발표되기도 했다. 수술 환자들은 중환자실에서의 집중 치료, 장기 입원 치료, 단기 입원 후 통원 치료를 받게 된다. 지금까지 수술 후 치료 방법의 선택은 전적으로 의사 판단에 맡겨져 있었지만 연구진은 환자와 관련한 87개 임상 변수와 15개 기준을 바탕으로 AI 의사가 판단하도록 한 뒤 회복 속도와 환자의 만족도를 관찰했다. 그 결과 치료 방법 선택에 대한 의학적 정확도, 환자의 예후와 만족도 모두 인간 의사보다 AI 의사가 12~15% 높은 것으로 나타났다. 유용하 기자 edmondy@seoul.co.kr

최근 상용화에 최적화된 지불경제 통합 플랫폼 ECP+ 암호화폐가 출시되는 데서 기술개발팀을 이끈 주역이 화제다(관련기사 34면). 이병용 ㈜싸이투코드 대표가 그 주인공이다. 이에 본지는 그가 향하는 ‘글로벌 금융네트워크 플랫폼’의 완성을 향한 그 당찬 포부를 인터뷰했다. ‘Mars 네트워크 블록체인 플랫폼’ 출시를 다음 작품으로 준비하고 있다는 그는 “ECP+플랫폼에 이어 인공지능기반 법률서비스(SYbo.AI)와 교육서비스 출시에 온 힘을 다하고 있다”고 했다. 이어 그는 “한국을 넘어서는 글로벌 사업을 성공 시켜 세계평화에 기여하는 사회사업을 하고 싶다”고 밝혔다. 그의 노력과 도전, 성공을 통해 빛나는 대한국인이 만들어 가는 세계를 함께 그려 본다. 편집자 주-먼저 ㈜싸이투코드는 어떤 회사인가. “싸이투코드(CY2CODE)는 시공간 블록체인, 멀티모달, 디지털콘텐츠 원본확인기술, 빅 데이터와 인공지능(AI) 특허기술 기반의 비즈니스 플랫폼 개발 및 컨설팅 회사이자 ECP+ 플랫폼 개발팀이다. 현재 여덟 개의 지적 재산권을 보유하고 있으며, 차세대 블록체인 플랫폼인 ‘Mars 블록체인 플랫폼’을 통해 첨단 산업에 한 발짝 더 다가갈 수 있도록 최선을 다하며 차세대 IT 산업의 선두주자로 글로벌 테크산업을 이끌어 나갈 비전을 간직한 회사이다.” -‘Mars 블록체인 플랫폼’이란 무엇인가. “앞서 설명한 시공간 블록체인, 멀티모달, 디지털콘텐츠 원본확인기술, 빅 데이터와 인공지능(AI)에 분산통합인증(DID) 기술들을 집약한 차세대 블록체인 비즈니스 플랫폼이다. 첫 번째 핵심기술인 시공간 블록체인(Context Blockchain)은 기존 블록체인이 가지고 있는, 시간 정보만 기록하던 한계를 극복하고 거래 시점의 환경정보까지 기록해 거래의 신뢰성을 보장받을 수 있는 기술특허이다. 두 번째 핵심기술인 멀티모달(Multimodal)은 텍스트, 음성, 제스처 등 서로 다른 형식의 데이터를 센서, 기기, 플랫폼 등 여러 도구로부터 전달받아 일정한 형태로 변환하고, 또 다양한 형태로 전송하는 특허기술이다. 세 번째 핵심기술인 디지털 콘텐츠 원본확인기술(DCOS)은 디지털 콘텐츠인 전자문서, 동영상, 음원, 사진, 코드 등의 생성과 기록, 배포와 폐기에 이르는 전 과정을 통제하는 특허기술이다. 마지막으로 빅 데이터와 인공지능(AI) 기술들 역시 플랫폼에 반영했다. 데이터의 수집, 정제, 분석, 가공 등 전 과정에서 자동토픽정제 기술, 강화학습기술, 답변 데이터 자동 정제와 적용, 추가 딥러닝 학습, 그래픽스 처리장치(GPU)를 활용한 고속 딥러닝 기술, 기계학습 기술에 이르는 다양하고 효율적인 데이터 관리 기술들을 모두 집약해 활용한 독자적인 메인넷의 플랫폼이다.”-독자적인 플랫폼을 위한 메인넷(Mainnet)으로 Mars 블록체인 플랫폼을 개발했다는 의미인가. “그렇다. 잘 알다시피 메인넷은 독립적인 암호화폐로 인정하는 프로그램을 출시 운영하는 네트워크다. 독립적인 생태계 구성이 핵심이다. 그다음은 토큰에서 코인으로 진화하는 것 등이다. 그러니까, 메인넷은 독립적인 플랫폼으로서 암호화폐 거래소, 개인지갑 거래간 트랜잭션(처리)을 비롯해 생태계를 구성하고 암호화폐 지갑을 생성하는 것이다. Mars 블록체인 플랫폼은 메인넷이기 때문에 독립적이고 독자적인 생태계를 갖는다.” -토큰에서 코인으로 진화라고 했는데, 토큰과 코인은 어떻게 다른가. “코인과 토큰의 가장 큰 차이는 자신만의 네트워크(메인넷, Mars 블록체인 플랫폼)를 가지고 있는가 아니면 다른 코인의 네트워크 위에서 작동하는가의 차이이다. 메인넷이 있는 블록체인 시스템에서 발행한 암호화폐를 코인이라고 한다. 메인넷의 블록체인 시스템을 빌려 암호화폐를 발행하면 토큰이라고 한다. 토큰은 코인에 종속된 암호화폐다. 진정한 암호화폐가 되려면 토큰이 코인으로 진화해야 한다. 암호화폐를 토큰이라 부르지 않고 코인이라 부르는 이유다. 암호화폐가 안정성을 갖고, 또 그 가치를 극대화하자면 메인넷의 코인이어야 한다. 그래서 메인넷은 코인을 중심으로 그 하위의 디앱(DApp)으로 참여하는 여러 종류의 프로젝트 토큰들을 거느린다.” -앞서 여덟 개의 지적재산권을 보유하고 있다고 했는데, 언제부터 특허출원 등록을 추진했나. “2010년 이후, 그러니까 마이크로소프트 코리아(MS Korea) 퇴사 이후 평소 갖고 있던 생각들을 기술과 비즈니스 모델로 개발해 하나씩 기술특허들을 출원해 등록시키다 보니 8개가 됐다. 이를 바탕으로 Mars 블록체인 플랫폼을 완성하게 됐다.”-그렇다면 앞으로 비전은 무엇인가. “누구나 자기 분야에서 한길을 걷다 보면 꿈이라는 비전을 갖는다고 생각한다. 나도 그런 사람 중 하나다. 나도 나의 꿈을 위해 지난해 7월 회사설립에 나서 10월에 주식회사를 설립했다. 빅데이터, 인공지능, 블록체인, 보안 등의 사업과 자체 서비스 출시를 위해 올 1월 직원들을 선발하기 시작, 6월 초가 돼서야 원팀을 완성했다. 나의 꿈은 ‘블록체인 기반 글로벌 금융네트워크 플랫폼’을 완성해 전 세계에 공개하는 것이다. 이번에 공개한 ‘ECP+ 블록체인 플랫폼’에서 한 단계 진화한 플랫폼이다. 우선 인공지능 기반의 법률서비스와 교육서비스를 공개하기 위해 막바지 작업 중이다. 나의 조국 대한민국에서, IT 강국 대한민국에서 ‘글로벌 사업’을 성공시키는 것이다. 그 결과로 사회사업 등을 통해 세계평화에 기여하고 싶다.” -경영철학은 무엇인가. “나에게 기업경영철학의 첫 번째는 직원이다. 그다음은 주주이고, 세 번째는 파트너이다. 물론 이를 하나로 아우르는 것은 고객이다. 고객은 현재와 미래를 관통한다. 이해관계인 모두를 생각하는 기업의 직원이자 주주, 파트너로서 함께 성장하는 것이다.” -정책당국과 업계, 국민들에게 하고 싶은 말은 무엇인가. “나는 한국인으로 30여년을 IT 한 분야에서 일해 왔듯이, 남은 평생도 IT산업 발전에 받칠 것이다. 대학 재학시절 벤처회사 입사를 시작으로 글로벌 IT기업까지 다양한 경험을 했고, 회사를 설립했다가 접었다가 하다, 다시 회사를 설립해 ‘글로벌 금융네트워크 플랫폼’의 꿈을 향해 가는 국민의 한 사람이다. ‘국민이 자원이다’, ‘국민의 지식재산이 자원이다’는 말을 하고 싶다. 지식재산이 자원인 것은 무에서 유를 창조하는 가치에서 비롯된다. 부존자원이 넉넉하지 않은 우리나라는 국민들 지식에서 나오는 창조물, 소프트웨어가 자원이다. 세계 1위에서 5위 기업은 마이크로소프트, 아마존, 애플, 구글 등 모두 소프트웨어 회사다. 그래서 특히 정부는 배움의 길에 있는 초등학생에서 대학생 등에 이르기까지 가치창조의 교육을 통해 대한민국과 세계의 미래를 만드는 자랑스런 국민들이 되도록 했으면 좋겠다. 그 길은 고통과 번뇌의 시간을 달려야 할지도 모르지만, 결과는 국민이 만든 대한민국, 대한민국이 만든 세계가 될 것이기 때문이다. 미·중 무역전쟁, 한일기술전쟁에서 교훈을 되새기면 좋겠다.” 서원호 객원기자 guil@seoul.co.kr ■ 이병용 ㈜싸이투코드 대표 이병용(51)은 ‘글로벌 금융네트워크 플랫폼’으로 세계와 경쟁하겠다는 IT업계 ㈜싸이투코드 경영자이다. 그는 올해 초 테오컨설팅그룹(미국 소재) 암호화폐 ECP+ 플랫폼 개발팀의 CTO로 참여해, Mars 블록체인 플랫폼을 메인넷으로 개발해 올해 7월 공개했다. 여기에는 ▲디지털 콘텐츠의 원본 생성 및 확인 시스템과 그 방법 ▲디지털 콘텐츠 원본생성 및 정산 시스템과 그 방법 ▲디지털 원본 콘텐츠 등록시스템 및 방법 ▲콘텐츠프로바이더를 위한 디지털 원본 콘텐츠 배포 시스템 및 방법 ▲일반 사용자를 위한 디지털 원본 콘텐츠 배포 시스템 및 방법 ▲멀티모달 검색 방법, 멀티모달 검색 장치 및 기록 매체 ▲디지털 콘텐츠 원본 확인키를 이용한 블록체인 방식의 계약 단말 및 방법 ▲위치정보를 이용한 블록체인 방식의 계약 단말 및 방법 등 8개의 지적재산(기술특허)과 시공간 블록체인, 멀티모달, 디지털콘텐츠 원본 확인기술, 빅 데이터와 인공지능(AI) 등의 보유기술이 큰 역할을 했다. 1968년 서울 출생인 그는 대학 3학년 재학시절부터 계몽사, 교보생명, 삼성전자, 삼성중공업, 현대, 대우, 국방부 계룡대, 공항관리공단(김포) 등 국내기업과 머크코리아, 아메리칸익스프레스 뱅크, 스텐다드차다드뱅크를 비롯한 증권사들의 프로젝트에 참여했다. 마이크로소프트 코리아(MS Korea)에 입사해 Novell 대 MS의 경쟁제품인 NOS Market Share(95:05) 격차를 줄이는 다운사이징 프로젝트를 추진해 성공했고, IBM 메인프레임에서 386 서버 5대로 업무 전환 다운사이징 프로젝트 등을 성공시켰다. MS 입사 당시 “10년 근무, 그리고 전 세계에서 알아주는 레퍼런스 7개를 만들고 나오자”고 자신과 약속했다는 그는 자신과의 약속을 지켜 ‘내가 만든 7개의 레퍼런스라는 명예를 얻고 퇴사했다’고 뿌듯해할 때는 낭만 소년과도 같았다. 그래서인지 그의 최종 꿈은 ‘세계평화에 기여하는 사회복지사업’이다.

한국인에게 ‘인공지능’(AI)이라는 말이 공상과학 창작물의 영역에서 갑작스레 현실로 넘어온 계기는 2016년 3월 구글 딥마인드가 개발한 바둑 프로그램 ‘알파고’가 천재 바둑기사 이세돌을 4승 1패로 꺾었을 때 받은 충격이었을 것이다. 단지 한 영역에서였지만 인간 중 최고인 자가 컴퓨터와 대결에서 속절없이 무너지는 걸 본 한국의 AI 연구는 그때서야 진정성을 띠기 시작했다. AI로 대표되는 4차 산업혁명 시대 융복합 기술들은 단순히 정보통신기술(ICT) 분야뿐 아니라 세상 모든 영역에 커다란 변화를 가져온다. 첨단 기술은 선점하지 못하면 사서 쓰는 처지가 되고 마는데 불행히도 한국은 미국, 중국 등에 뒤처졌다. 국가 주도 연구는 사실상 멈춰 있고, 대학은 교수진이 부족하다. 기술격차에 생존이 걸린 기업들이 그나마 2~3년 전부터 각자 연구조직이나 기관을 꾸려 운영하고 있다.●삼성전자, 세계 곳곳에 뻗친 AI 연구센터 삼성전자는 국내 기업 중 가장 큰 AI 연구 조직을 세계 곳곳에 구축했다. 2017년 11월 설립한 삼성리서치 산하에 각국 AI 연구센터를 두고 있는데, 현재 한국을 포함, 5개국에 7곳을 운영하고 있다. 이와 별도로 삼성전자 종합기술원은 2017년 8월 캐나다 몬트리올대에 AI 랩(lab)을 설립했다. 삼성전자 AI 연구센터로는 한국 AI 총괄센터 외에 지난해 1월 개소한 미국 실리콘밸리 센터, 영국 케임브리지 센터, 캐나다 토론토 센터, 러시아 모스크바 센터가 있다. 지난해 9월엔 미국 뉴욕에, 10월엔 캐나다 몬트리올에 AI 연구센터를 추가했다. 삼성전자는 세계적인 AI 인재들도 요직에 기용했다. 삼성리서치에서는 세바스찬 승 미국 프린스턴대 교수, 다니엘 리 코넬 테크 교수가 일하고 있다. 승 교수는 삼성전자 AI 전략 수립과 미래 성장 동력을 발굴하는 역할을 맡았고, 리 교수는 차세대 기계학습 알고리즘과 로보틱스 연구를 담당하고 있다. 지난 3월엔 위구연 미국 하버드대 교수를 삼성리서치에 ‘펠로’로 영입하기도 했다. 펠로는 삼성전자 연구 분야 최고위직으로, 세계 최고 수준의 기술력을 보유한 전문가에게 부여한다. 위 교수는 하버드대 석좌교수를 겸직하는 조건으로 영입됐다. 케임브리지 센터는 마이크로소프트 연구소 소장을 역임한 앤드루 블레이크 박사가 센터장으로 있으며, AI 기반 감정인식 연구로 유명한 마야 팬틱 임페리얼 칼리지 런던 교수도 영입됐다. 모스크바 센터장은 드미트리 베트로프 러시아고등경제대 교수이며 스콜테크, 빅토르 렘피츠키 교수 등이 소속돼 있다. 몬트리올대 AI 랩은 최근 관련분야 최고 전문가들이 모여 있는 밀라 연구소로 확장 이전했다. 삼성전자는 한국 AI 총괄센터를 전 세계 AI 연구 허브로 만들 계획이다. 2020년까지 AI 선행 연구개발 인력을 1000명(국내 600명, 해외 400명) 이상으로 늘린다는 게 목표다. ●LG전자, 인도에도 AI 연구 조직 LG전자는 국내에 AI연구소를 두고 있으며 미국, 캐나다, 러시아, 인도 등에 있는 해외 연구소들이 협력해 AI 역량을 강화하고 있다. 2017년엔 최고기술책임자(CTO)부문 산하 소프트웨어센터에 AI연구소를 신설하고 인식 기술, 딥러닝 알고리즘 등 인공지능 제품·서비스 개발에 필수적인 기술들을 연구하고 있다. 지난해 초엔 미국에 설치된 실리콘밸리 랩 산하에 ‘어드밴스드(Advanced) AI’를 신설해 딥러닝, 미래자동차 기술을 연구하고 있다. LG전자는 AI 연구의 세계적인 허브가 된 캐나다 토론토에도 ‘토론토 AI연구소’를 열었다. 토론토대와 공동으로 다양한 산학과제를 수행하며 인공지능 연구를 진행한다는 게 LG전자 측 설명이다. 인도 벵갈루루에 있는 소프트웨어연구소에도 AI 연구 조직이 있어, 생체인식 분야 연구를 진행하고 있다. 모스크바연구소에서는 센서 기술과 AI 알고리즘 연구를 진행 중이다. ●SKT ‘드림팀’ KT ‘슈퍼컴’ LGU+ ‘AI랩’ ‘AI 드림팀’을 내세우는 SK텔레콤은 이들을 중심으로 연구·개발 조직을 꾸렸다. 조직 수장은 김윤 AI리서치센터장이다. 그는 미국 스탠퍼드대 연구기관인 스탠퍼드연구소에서 연구원으로 활동했으며, 애플의 음성인식 기술인 ‘시리’ 개발을 주도한 것으로 알려졌다. SK텔레콤은 지난해 대규모 조직개편으로 서비스플랫폼사업부와 AI리서치센터를 AI센터로 통합했는데, 김 센터장이 새 조직 지휘봉을 잡았다. 순수 AI 연구 조직인 AI리서치센터 안엔 티 브레인, 테크 프로토타이핑 그룹, 데이터 머신 인텔리전스 그룹이 속해 있다. 테크 프로토타이핑 그룹은 AI 기술 검증과 사업화 가능성을 타진하는데, 세계적인 자연어 기반 지식 엔진 ‘울프램 알파’ 창립 멤버인 장유성 박사가 맡았다. 데이터 머신 인텔리전스 그룹장은 실리콘밸리에 있는 세계 최대 모바일 광고 플랫폼 ‘탭조이’에서 데이터 사이언스를 총괄했던 진요한 박사가 맡고 있다. 여기에선 머신러닝 등 AI 기술을 연구한다. KT 역시 AI사업단 안에 연구개발 조직을 두고 있다. 서울 우면동 연구소는 AI테크센터와 AI서비스기술, AI플랫폼기술을 총괄한다. 특히 KT는 지난해 7월 개소한 AI테크센터에 세계적인 수준의 슈퍼컴퓨터 등 인프라를 구축해 뒀다. KT 측은 “슈퍼컴퓨터는 기존 컴퓨팅 파워로 일주일 걸리는 음성 데이터 학습을 하루 만에 처리할 수 있다”고 설명했다. AI테크센터는 제휴사들을 위해 개방돼 있어, 다양한 개발환경을 제공한다. 개발자 포털, 딥러닝 인프라 실습을 위한 딥러닝 포털, 음성평가 테스트베드, 글로벌 단말을 사용해 볼 수 있는 체험존 등이 이에 해당한다. LG유플러스 AI 연구는 FC(미래 융복합)부문 안에 있는 AI기술담당이 전담하고 있다. AI 음성, 언어기술, AI 영상기술과 각 플랫폼을 축으로 연구개발을 진행하고 있다. LG유플러스는 서울대 AI 자회사 ‘SNU AI랩’과 이미지, 비디오 영상분석 등의 기술을 연구하고 있다. ●네이버 2013년 별도 법인 ‘네이버랩스’ 출범 네이버 AI 연구는 연구개발 법인인 네이버랩스가 담당한다. 미국 메사추세츠공과대(MIT)에서 로봇 연구로 박사학위를 받은 석상옥 대표가 이끌고 있다. 네이버랩스는 2013년 네이버의 사내 기술 연구 조직으로 출발해 2017년 1월 별도 법인으로 분사했다. 네이버랩스는 AI와 로보틱스, 자율주행 등 미래 기술들을 연구개발하고 있으며, “생활 속에서 상황과 환경을 인지하고 이해해, 필요한 정보나 서비스를 제공하는 ‘생활환경지능’(Ambient Intelligence) 기술을 연구개발하고 있다”고 강조한다. 카카오도 별도 법인을 두고 AI 연구를 진행하고 있다. 자회사 ‘카카오브레인’ 외에 내부에서 연구개발을 전담하던 조직인 ‘AI랩’ 역시 오는 15일 사내 독립 기업으로 출범한다. 카카오브레인은 2017년 2월 설립됐으며, 머신러닝 방법론, 로보틱스, 강화학습, 자연어처리, 음성인식 및 합성, 의료진단 등 다양한 분야의 연구를 진행하고 있다. 또 한국기원 등 국내외 다양한 기관과 학계, AI 커뮤니티와 제휴, 교류하고 있다고 카카오 측은 설명했다. 카카오가 보유한 음성인식, 검색 등 AI 기술 관련 인력들을 하나의 조직에 모은 AI랩엔 개발자 수백명이 소속돼 있다. AI 플랫폼 ‘카카오 I’ 기술을 고도화하고 ‘카카오미니’ 등 자사 AI 서비스나 제품을 기획하고 개발한다. 김민석 기자 shiho@seoul.co.kr

알파고 개발진인 구글 딥마인드가 얼마 전 다시 한번 세상을 놀라게 하는 결과를 발표했다. 바로 실시간 전략 시뮬레이션 게임인 ‘스타크래프트2’ 인공지능이다. ‘알파스타’로 이름 붙여진 이 인공지능 시스템은 세계 정상급 프로게이머와 대결해 10승 1패라는 화려한 성적을 거뒀다. 사실 알파스타의 출현은 예견된 사건이었다. 2016년 알파고와 이세돌 9단의 대국 이후 딥마인드는 스타크래프트2 인공지능 개발을 추진한다고 밝혔다. 그러나 바둑과 스타크래프트2는 속성 자체가 판이하게 다른 게임이다. 바둑은 정보가 모두 공개돼 있으나 경우의 수가 무한대에 가까웠기 때문에 도전적인 영역으로 여겨졌다. 반면 스타크래프트2는 불완전한 정보를 토대로 전략을 세워야 한다. 또 상대방을 정찰함으로써 상대의 전략을 인식하고 행동을 결정해야 한다. 의사결정 시점 역시 실시간으로 이뤄져야 하고 조작 범위 역시 바둑에 비해 훨씬 넓고 복잡하다. 이러한 차이점으로 인해 알파고의 성공이 곧 알파스타의 성공으로 이어질지에 대해서는 의구심이 많았다. 또 컴퓨터의 빠른 반응 속도를 고려할 때 인간과의 대결 자체가 불공정한 것은 아닌가 하는 우려가 있었던 것도 사실이다. 딥마인드는 이런 우려를 불식시키고 지난 1월 성공적으로 알파스타의 데뷔전을 치렀다. 특히 반응속도를 측정하는 분당 행동수(Actions Per Minutes)는 알파스타가 프로게이머의 수치보다 낮았기 때문에 대결의 공정성도 확보했다. 알파스타의 성공방정식은 무엇일까. 그 과정은 알파고와 상당히 유사하다. 먼저 알파스타는 바둑에서 기보에 해당하는 게임 리플레이 데이터를 학습했다. 학습하는 방식은 알파고에도 적용됐던 심층학습(딥 러닝)을 활용했다. 이후 알파스타 리그라고 명명된 자체 대결을 통한 강화학습을 적용해 알파스타의 고도화를 꾀했다. 알파스타와 대결했던 프로게이머는 알파스타가 사람이 플레이하는 방식과 매우 유사하다며 극찬을 아끼지 않았다. 알파스타를 바라보는 학계의 반응도 뜨겁다. e스포츠 종주국인 우리나라 역시 충격에 휩싸였다. 무서운 속도로 발전하고 있는 인공지능의 가능성이 새삼 놀랍다. 알파스타가 다시 한번 우리나라를 방문해 국내 최정상 프로게이머와 대결하는 모습을 보기를 희망한다.

인공지능(AI) 기술이 눈부시게 발전해 바둑의 인간 고수를 꺾고 의료 진단을 내리는 등 활약을 보이고 있지만 여전히 특정 분야에만 활용되고 있다. 바뀌는 환경에 빠르게 적응해나가는 인간의 두뇌는 여전히 따라가지 못하고 있는 셈이다. 그래서 인공지능 연구자들은 인간과 같은 범용적인 기능을 갖춘 기술개발에 주목하고 있지만 여러 가지 문제에 부딪치고 있다. 그런데 한국과 영국 연구진이 인간의 뇌를 관찰하면 차세대 인공지능 설계 문제를 의외로 쉽게 풀어낼 수 있을 것이라는 연구결과를 발표해 주목받고 있다. 카이스트 바이오및뇌공학과 이상완 교수와 영국 케임브리지대, 알파고를 개발한 구글 딥마인드 공동연구팀은 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 뇌를 살펴보면 해결할 수 있을 것이라는 차세대 뇌 기반 인공지능 시스템 설계 방향을 제시했다고 24일 밝혔다. 이번 연구결과는 로봇 공학 분야 국제학술지 ‘사이언스 로보틱스’ 16일자에 실렸다. 인공지능 분야에서 강화학습은 머신러닝의 한 영역으로 20여년 동안 꾸준히 연구돼 왔는데 최근 5년 동안은 심층학습(딥러닝) 기술의 발전과 맞물려 급격한 발전을 했다. 그 덕분에 알파고 같은 전략탐색은 물론 로봇 제어, 의료 진단 같은 다양한 분야에 적용될 수 있었다. 그렇지만 주어진 문제에 맞춰 시스템을 설계해야 하며 불확실성이 높은 환경에서는 성능이 떨어진다는 근본적인 문제가 있다. 연구팀은 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 발표했다. 전두엽 메타 제어 이론은 사람의 중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호같은 정보를 처리하는데 이 정보들을 경쟁적-협력적으로 통합하는 프로세스로 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이다. 연구팀은 이 원리를 AI 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 따라 성능, 효율, 속도 사이에 균형점을 찾는 최적의 제어시스템을 설계할 수 있다고 주장했다. 이상완 카이스트 교수는 “연구를 하다보면 우리 뇌는 공학적 난제를 의외로 쉽게 해결하고 있다는 것을 알 수 있는데 이 원리를 AI 알고리즘 설계에 적용할 수 있을 것”이라며 “이번 연구는 계산신경과학에 기반한 결과로 딥러닝과 강화학습에서 겪는 성능, 효율, 속도에 대한 문제를 해결하는 실마리가 될 수 있을 것으로 본다”고 설명했다. 유용하 기자 edmondy@seoul.co.kr

인공지능(AI)은 번역, 페이스북 사진의 얼굴 인식, 내비게이션 앱에서 최적의 길 찾기 등에 두루 쓰인다. 이들이 작동하기 위해서는 우선 인간이 지식을 제공해야 한다. 한 문장이 다른 언어의 어떤 문장과 같은 뜻인지, 한 사람이 각기 다른 사진에서 어떻게 보이는지, 자동차가 가야 할 최선의 코스를 어떻게 계획할지를 가르쳐줘야 한다.오늘날의 ‘기계학습’은 대개 두 종류다. 첫째는 빅데이터를 살펴본 뒤 유사한 문제에 적용할 수 있는 패턴을 찾아내는 것이다. 두 번째는 환경에 투입한 뒤 목표를 달성하면 보상하는 강화학습이다. 이들 접근법은 특정 임무를 수행하는 데 효과적이다. 다만 훈련 데이터마다 인식표를 붙이거나 가상 환경에서 보상 함수를 설계해야 한다. 어느 쪽이나 고급 인력의 품이 많이 들어간다는 문제가 있다. 그렇다면 AI가 스스로 학습할 수 있게 만들 수도 있을까. 가능하다. 호기심을 갖도록 하면 된다. 테슬라의 창립자 일론 머스크 등이 공동설립한 비영리 인공지능연구소인 ‘OpenAI’가 지난 8월 발표한 연구 결과를 보자. AI에 호기심을 부여하자 인간이 따로 제공하는 정보가 전혀 없이 아타리사의 비디오 게임 중 50개 이상을 수행할 수 있게 됐다고 한다. ‘슈퍼 마리오’나 탁구 게임 ‘퐁’의 경우가 그런 예다. 목표가 주어지지 않은 프로그램이 기술을 개발하고 학습할 수 있었던 것이다. 호기심 기반의 AI는 스스로 규칙 세트들을 만들어낸다. 새로운 경험을 하도록 동기를 가지는 것이다. 도대체 AI에게 호기심이란 무엇인가. OpenAI 연구팀이 사용한 정의는 단순하다. 우선, 다음 장면에 어떤 환경이 전개될까를 예측하게 만든다. 이것이 실제와 다를수록 보상을 많이 주는 것이다. 새로운 것을 찾을수록 보상이 크다는 말이다. 연구팀의 목표는 이렇다. ‘인간이 코드로 짜 넣은 보상을 장착하지 않은 기계가 환경을 탐색하도록 할 수 있다면 우리는 진정으로 자율적인 기계에 근접하게 될 것이다. 이것은 사고 현장에서 인명을 구출하는 로봇을 개발하거나 우주를 탐사하는 과업에 엄청난 시사점을 가질 수 있다. 이들 연구팀은 지난 10월 좀 더 진전된 연구를 발표했다. 호기심을 발전시킨 AI가 1984년 아타리사가 발표한 비디오 게임 ‘몬테주마의 복수’ 에서 뛰어난 성적을 올렸다는 것이다. 이 게임은 AI의 대표적 미해결 문제로 꼽힌다. 구글의 자회사 딥마인드가 2015년 발표한 기념비적인 논문을 보자. 심층 강화학습을 이용해 수많은 아타리 게임을 정복했지만 몬테주마만큼은 0점을 기록했던 것이다. 이 게임이 어려운 것은 신뢰할 만한 보상 신호가 드물기 때문이다. 주인공은 괴물과 함정으로 가득 찬 세상을 탐색해 나간다. 하지만 게임을 진행시키려는 많은 행동이 득점으로 이어질 때까지는 아주 오랜 시간이 걸린다. 통상적인 강화학습 알고리즘은 몬테주마의 첫 방에서조차 나오지 못하는 것이 보통이다. 실제로 0점을 기록하는 것이다. OpenAI의 새 프로그램은 AI가 미래를 예측하는 방식에 변화를 주었다. 정확한 방법론(Random Network Distillation · 무작위 연결망 추출)은 복잡하다. 하지만 연구팀은 이를 게임의 모든 화면에 프로그램이 찾아야 할 비밀을 숨겨놓는 것에 비유한다. 예컨대 “화면 왼쪽 꼭대기는 무슨 색인가?”같은 것이다. AI에게 ‘TV 노이즈 화면 덫’에 취약하지 않으면서도 탐색을 계속하게 만들어준다. 이 덫은 새로운 경험을 추구하도록 프로그램된 AI가 무작위 패턴에 중독되는 현상을 말한다. 다음 장면을 예측하기가 불가능하기 때문이다. 이번의 개선된 프로그램은 이런 인간보다 나은 성적을 보였다. 9차례의 시도에서 평균 1만점을 기록했다. 사람의 평균 점수는 4000점이다. 한 번은 게임의 1단계를 단번에 돌파했다. OpenAI 연구팀은 말한다. 이런 유형의 호기심 기반 학습 시스템은 현실서 작동하는 로봇을 만드는 데 훨씬 유망하다. 실제 세계는 즉각 보상이 주어지는 경우는 드물기 때문이다. 우리는 오랜 기간 일하고 배우고 탐색한 다음에야 보상으로 얻는다. 호기심은 우리를 계속 앞으로 나아가게 만든다. AI를 장착한 로봇에도 도움을 줄 수 있을 것이다.

인간 최고수들을 잇따라 격파한 바둑 인공지능(AI) ‘알파고’를 뛰어넘는 ‘알파 제로’가 공개됐다. 알파 제로는 교과서나 기보, 대국 상대 없이 게임 법칙을 아는 것만으로도 모든 보드게임을 익히고 기존 알파고 버전을 압도하는 능력을 갖추고 있다는 게 특징이다. 특히 바둑만을 대상으로 한 ‘알파고’ 시리즈들과 달리 하나의 알고리즘으로 체스, 쇼기(일본장기) 같은 다른 보드게임들에도 적용할 수 있는 ‘범용 AI 연구의 중요한 이정표’가 될 것으로 기대되고 있다. 구글 딥마인드 창업자이자 최고경영자(CEO)인 데미스 허사비스를 포함한 13명의 연구자는 ‘자가학습을 통해 체스, 쇼기, 바둑을 마스터할 수 있는 범용 강화학습 알고리즘’이라는 제목의 논문을 세계적인 과학저널 ‘사이언스’ 7일자에 발표했다. 알파 제로는 알파고 제로와 마찬가지로 빅데이터 학습이 필요 없을 뿐만 아니라 이전 딥마인드에서 개발한 AI들에 붙어 있던 ‘고’(Go, 바둑)라는 단어가 빠진 것에서 알 수 있듯이 여러 종류의 게임에서도 활용할 수 있는 AI의 가능성을 보여 주고 있다는 평가를 받고 있다. 알파 제로는 2016년에 체스 AI 챔피언 자리에 오른 ‘스톡피시’를 4시간 만에 꺾었고 쇼기에서는 2시간 만에 2017년 쇼기 AI 챔피언 ‘엘모’를 뛰어넘었다. 스톡피시와 엘모는 입력된 빅데이터를 바탕으로 최적의 수를 검색해 내는 방식이지만 알파 제로는 사람의 두뇌처럼 심층신경망 기술로 데이터를 스스로 쌓아 가면서 승률을 높이는 좋은 수가 어떤 것인지 빠르게 찾아내는 방식을 활용하고 있다. 바둑에서 알파 제로는 이세돌 9단에게 완승을 거둔 ‘알파고 리’를 30시간 만에 가볍게 이긴 것으로 알려졌다. 특히 알파 제로보다 앞선 버전으로 바둑 AI 중 최강이라는 알파고 제로와의 대국에서도 61%의 승률을 거뒀다고 연구진은 밝혔다. 데이빗 실버 딥마인드 연구원은 “최근 AI 기술의 발달로 체스나 장기, 바둑처럼 엄청나게 많은 경우의 수가 나올 수 있는 보드게임을 쉽게 정복할 수 있는 알고리즘이 나오게 된 것”이라며 “AI 개발의 다음 과제는 전략시뮬레이션 게임처럼 여러 사람이 동시에 참여하는 멀티플레이어 비디오게임을 정복하는 것”이라고 말했다. 한편 딥마인드는 지난 2일 멕시코 칸쿤에서 열린 단백질 구조예측 학술대회에 ‘알파 폴드’라는 AI를 이용해 생명의 기본 분자인 단백질의 3차원 형태를 예측하는 데 성공하기도 했다. 알파 폴드는 43개 단백질 중 25개의 구조를 정확히 예측해 98개 팀 중 1등을 차지했는데 2등 팀은 43개 중 3개의 구조밖에 예측하지 못한 것으로 알려졌다. 유용하 기자 edmondy@seoul.co.kr

게임 법칙만 알려주면 스스로 능력 개발 ‘범용 인공지능 연구’ 중요한 이정표 기대인간 최고수들을 잇따라 격파한 바둑 인공지능(AI) ‘알파고’를 뛰어넘는 ‘알파 제로’가 공개됐다. 알파 제로는 교과서나 기보, 대국 상대 없이 게임 법칙을 아는 것만으로도 모든 보드게임을 익히고 기존 알파고 버전을 압도하는 능력을 갖추고 있다는 게 특징이다. 특히 바둑만을 대상으로 한 ‘알파고’ 시리즈들과 달리 하나의 알고리즘으로 체스, 쇼기(일본장기) 같은 다른 보드게임들에도 적용할 수 있는 ‘범용 AI 연구의 중요한 이정표’가 될 것으로 기대되고 있다. 구글 딥마인드 창업자이자 최고경영자(CEO)인 데미스 허사비스를 포함한 13명의 연구자는 ‘자가학습을 통해 체스, 쇼기, 바둑을 마스터할 수 있는 범용 강화학습 알고리즘’이라는 제목의 논문을 세계적인 과학저널 ‘사이언스’ 7일자에 발표했다. 알파 제로는 알파고 제로와 마찬가지로 빅데이터 학습이 필요 없을 뿐만 아니라 이전 딥마인드에서 개발한 AI들에 붙어 있던 ‘고’(Go, 바둑)라는 단어가 빠진 것에서 알 수 있듯이 여러 종류의 게임에서도 활용할 수 있는 AI의 가능성을 보여 주고 있다는 평가를 받고 있다. 알파 제로는 2016년에 체스 AI 챔피언 자리에 오른 ‘스톡피시’를 4시간 만에 꺾었고 쇼기에서는 2시간 만에 2017년 쇼기 AI 챔피언 ‘엘모’를 뛰어넘었다. 스톡피시와 엘모는 입력된 빅데이터를 바탕으로 최적의 수를 검색해 내는 방식이지만 알파 제로는 사람의 두뇌처럼 심층신경망 기술로 데이터를 스스로 쌓아 가면서 승률을 높이는 좋은 수가 어떤 것인지 빠르게 찾아내는 방식을 활용하고 있다. 바둑에서 알파 제로는 이세돌 9단에게 완승을 거둔 ‘알파고 리’를 30시간 만에 가볍게 이긴 것으로 알려졌다. 특히 알파 제로보다 앞선 버전으로 바둑 AI 중 최강이라는 알파고 제로와의 대국에서도 61%의 승률을 거뒀다고 연구진은 밝혔다. 데이빗 실버 딥마인드 연구원은 “최근 AI 기술의 발달로 체스나 장기, 바둑처럼 엄청나게 많은 경우의 수가 나올 수 있는 보드게임을 쉽게 정복할 수 있는 알고리즘이 나오게 된 것”이라며 “AI 개발의 다음 과제는 전략시뮬레이션 게임처럼 여러 사람이 동시에 참여하는 멀티플레이어 비디오게임을 정복하는 것”이라고 말했다. 한편 딥마인드는 지난 2일 멕시코 칸쿤에서 열린 단백질 구조예측 학술대회에 ‘알파 폴드’라는 AI를 이용해 생명의 기본 분자인 단백질의 3차원 형태를 예측하는 데 성공하기도 했다. 알파 폴드는 43개 단백질 중 25개의 구조를 정확히 예측해 98개 팀 중 1등을 차지했는데 2등 팀은 43개 중 3개의 구조밖에 예측하지 못한 것으로 알려졌다. 유용하 기자 edmondy@seoul.co.kr

인간 최고수들을 잇따라 격파한 바둑 인공지능(AI) ‘알파고’를 뛰어 넘는 ‘알파 제로’가 공개됐다. 알파 제로는 교과서나 기보, 대국 상대 없이 게임 법칙만을 아는 것만으로도 모든 보드게임을 익히고 기존 알파고 버전을 압도하는 능력을 갖추고 있다는 것이 특징이다. 특히 바둑만을 대상으로 한 ‘알파고’ 시리즈들과 달리 하나의 알고리즘으로 체스, 쇼기(일본장기) 같은 다른 보드게임들에도 적용할 수 있는 ‘범용 인공지능 연구의 중요한 이정표’가 될 것으로 기대되고 있다. 구글 딥마인드 창업자 데미스 허사비스 최고경영자(CEO)를 포함한 13명의 연구자는 ‘자가학습을 통해 체스, 쇼기(일본 장기), 바둑을 마스터할 수 있는 범용 강화학습 알고리즘’이라는 제목의 논문을 세계적인 과학저널 ‘사이언스’ 7일자에 발표했다. 알파 제로는 알파고 제로와 마찬가지로 빅데이터 학습이 필요 없을 뿐만 아니라 이전 딥마인드에서 개발한 인공지능들에 붙어있던 ‘고’(Go, 바둑)라는 단어가 빠진 것에서 알 수 있듯이 여러 종류의 게임에서도 활용할 수 있는 인공지능의 가능성을 보여주고 있다는 평가를 받고 있다. 알파 제로는 2016년에 체스 AI 챔피언 자리에 오른 ‘스톡피시’를 4시간 만에 꺾었고 쇼기에서는 2시간 만에 2017년 쇼기 AI 챔피언 ‘엘모’를 뛰어넘었다. 스톡피시와 쇼기는 입력된 빅데이터를 바탕으로 최적의 수를 검색해 내는 방식이지만 알파 제로는 사람의 두뇌처럼 심층신경망 기술로 데이터를 스스로 쌓아가면서 승률을 높이는 좋은 수가 어떤 것인지 빠르게 찾아내는 방식을 활용하고 있다. 바둑에서 알파 제로는 이세돌 9단에 완승을 거둔 ‘알파고 리’를 30시간 만에 가볍게 이긴 것으로 알려졌다. 특히 알파 제로보다 앞선 버전으로 바둑 AI 중 최강이라는 알파고 제로와의 대국에서도 61%의 승률을 거뒀다고 연구진은 밝혔다. 데이빗 실버 딥마인드 연구원은 “최근 인공지능 기술의 발달로 체스나 장기, 바둑처럼 엄청나게 많은 경우의 수가 나올 수 있는 보드게임을 쉽게 정복할 수 있는 알고리즘이 나오게 된 것”이라며 “AI 개발의 다음 과제는 전략시뮬레이션 게임처럼 여러 사람이 동시에 참여하는 멀티플레이어 비디오게임을 정복하는 것”이라고 말했다. 한편 딥마인드는 지난 2일 멕시코 칸쿤에서 열린 단백질 구조예측 학술대회에 ‘알파 폴드’라는 인공지능을 이용해 생명의 기본 분자인 단백질의 3차원 형태를 예측하는데 성공하기도 했다. 알파 폴드는 43개 단백질 중 25개의 구조를 정확히 예측해 98개 팀 중 1등을 차지했는데 2등 팀은 43개 중 3개의 구조 밖에 예측하지 못한 것으로 알려졌다. 유용하 기자 edmondy@seoul.co.kr

인공지능(AI) 월드컵이 오는 20일부터 22일까지 대전 유성구 KAIST 학술문화관(E9) 정근모홀에서 열린다. 이는 전 세계 유명 대학 등이 다수 참가하는 국제대회로 KAIST는 지난해 스포츠 종목 중 세계 최초의 인공지능 경기로 AI 국내 축구대회를 개최했었다. 이번에는 KAIST와 서울대는 물론 미국 MIT대와 노스웨스턴대 등 해외 대학과 구글 등 기업·연구기관이 출전한다. 미국, 브라질, 이란, 중국, 대만, 프랑스, 인도 등 12개국에서 모두 29개 팀이 참가한다. 이를 위해 KAIST는 지난 4월 1일부터 참가팀을 모집했다. 대회는 AI 축구(23팀), AI 경기해설(4팀), AI 기자(2팀) 등 세 종목으로 진행되고 종목별로 우승팀을 가린다. AI 축구는 인공지능 강화학습 등으로 축구 전술을 익힌 다섯 인공지능 선수가 사람의 조작 없이 전·후반 5분씩 경기를 해 골을 많이 넣는 팀이 이긴다. KAIST는 22일 열리는 4강 및 결승전을 일반인에게도 공개한다. 상금은 우승 1만 달러, 준우승 5000 달러, 3위 2000 달러이다. AI 경기해설은 인공지능이 AI 축구 경기를 분석하고 설명한다. 경기 표현력과 예측능력 등을 기준으로 평가한다. AI 기자는 인공지능이 AI 축구를 기사화하는 분야이다. 얼마나 정확하게 쓰느냐로 가린다. 두 종목 우승팀에게 상금 5000 달러가 각각 수여된다. 대회 참가 개발자가 AI 경기를 구현한 방법, 개발과정, 경기 전략 등을 소개하는 시간도 마련돼 있다. ‘국제 AI 기술 워크숍’이 열리기도 한다. 올리버 미첼 스위스 사이버보틱스사 대표, 에릭 맷슨 미국 퍼듀대 교수 등 저명 AI 전문가들이 AI 기술 이해 및 알고리즘 개발법과 전망 등을 놓고 토론한다. 일반인이 경기 및 워크숍을 참관하려면 19일까지 대회 공식 홈페이지에서 신청하면 된다. 대회조직위원장인 김종환 KAIST 공과대학장은 “AI 월드컵 소스코드를 공개해 누구나 쉽게 기술을 습득할 수 있도록 할 방침”이라며 “이 대회가 인공지능 알고리즘 개발과 활용 영역을 넓히고 새로운 비즈니스 모델을 창출하는 데 도움이 될 것”이라고 말했다. 대전 이천열 기자 sky@seoul.co.kr

영국과 미국, 포르투갈 연구진이 ‘행복 호르몬’으로 불리는 세로토닌이 학습에 도움을 준다는 연구결과를 발표해 주목받고 있다.영국 런던대 전산신경과학과, 막스플랑크-UCL 전산정신과학 및 노화연구소, 미국 캘리포니아공과대(칼텍) 인문사회학부, 포르투갈 챔팔리모드 연구소 공동연구팀은 컴퓨터 시뮬레이션을 통해 세로토닌이 학습능력은 물론 학습속도를 높이는데 도움을 준다는 연구결과를 기초과학 및 공학 분야 국제학술지 ‘네이처 커뮤니케이션즈’ 26일자에 발표했다. 세로토닌은 혈관벽이 손상되면 혈소판에서 분비돼 혈액을 응고시키고 혈관벽을 수축시켜 출혈을 막는 물질이다. 혈관 뿐만 아니라 뇌 시상하부, 대뇌기저핵 같은 중추신경계에도 존재하면서 신경전달물질로 작용한다. 스트레스를 받을 경우 세로토닌 분비가 줄어들어 우울감과 좌절감을 느끼게 되고 세로토닌 농도가 높아지면 행복감, 만족감이 높아지는 것으로 알려져 흔히 ‘행복 호르몬’이라고 부르기도 하며 우울증을 치료하는데 활용하려는 시도들이 있다. 연구팀은 8마리 생쥐를 대상으로 4마리는 뇌에 LED 전극을 심어 빛을 쬐어주면 세로토닌이 분비되도록 한 광유전학 장치를 하고 나머지 4마리에는 아무런 장치를 하지 않았다. 연구팀은 8마리를 대상으로 다양한 형태의 보상 실험을 실시하면서 인공지능(AI)의 기계학습에서 활용되는 강화학습 원리를 바탕으로 컴퓨터가 쥐의 행동을 기록하도록 했다. 연구팀은 실험 과정 내내 LED가 심어져 있는 생쥐에게는 끊임없이 세로토닌을 분비하도록 자극을 줬는데 일반 생쥐에 비해 실패에서 배우는 속도가 2~3배 가량 빠르고 새로운 문제 상황을 빠르게 적응하고 인식한다는 사실을 확인했다. 기요히토 리가야 칼텍 박사는 “이번 연구는 행복감이 학습능력과 속도에도 영향을 미친다는 사실을 보여주는 것”이라며 “우울증 치료에 있어서도 단순히 약물 치료 뿐만 아니라 인지행동 변화를 통해 세로토닌이 분비될 수 있도록 병행치료하는 것이 도움을 준다는 사실을 알 수 있다”라고 설명했다. 유용하 기자 edmondy@seoul.co.kr

지난해 3월 알파고와 이세돌 9단의 대결 이후 많은 사람들이 인공지능(AI)과 그 발전 속도에 놀라고 있다. 이 같은 상황에서 국내 연구진이 인공지능을 활용해 가상의 비행체가 스스로 움직이는 방법을 학습할 수 있는 기술을 개발해 주목받고 있다.서울대 공대 컴퓨터공학부 이제희 교수팀이 인공지능(AI)을 이용한 가상비행생명체 자동제어기술을 개발하고 컴퓨터 그래픽 분야 국제학술지 ‘ACS 트랜젝션스 온 그래픽스’ 최신호에 게재했다고 27일 밝혔다. 익룡이나 신화 속에 나오는 용처럼 현재 존재하지 않는 가상의 비행생명체가 어떤 식으로 날았는지에 대해 동물학자와 고생물학자는 물론 애니메이션 아티스트들도 오랫 동안 관심을 갖고 있었다. 그러나 비행생명체들은 복잡한 생물학적 신체 구조를 갖고 있어 자연스럽게 움직이는 동작을 예측하고 재현하는 것은 쉬운 일이 아니었다. 연구팀은 이런 문제를 해결하기 위해 물리 시뮬레이션과 딥러닝 기반의 강화학습하는 인공지능 기술을 이용해 가상의 비행생명체가 스스로 움직이는 방법을 재현할 수 있는 컴퓨터 알고리즘을 개발했다. 연구팀은 가상의 비행생명체를 부력과 저항력이 단순화시켜 공기역학 시뮬레이션으로 만들었다. 그 다음 딥러닝 기반 강화학습 방법을 이용해 비행생명체가 동작을 스스로 배우는 방법을 찾아냈다.비행생명체가 장애물에 부딪치지 않고 목표지점에 도달하면 보상을 받을 수 있도록 시스템을 설계하고 끊임없이 스스로 새로운 방식을 찾아낼 수 있도록 하는 탐색방법을 적용했다. 연구팀은 알고리즘을 확인하기 위해 다양한 비행생명체를 이용해 실험했다. 또 만들어진 움직임에 특수 그래픽 효과를 넣어 영화나 게임의 콘텐츠 생성에도 도움을 줄 수 있다는 것을 검증했다. 이 기술을 활용하면 실제 존재하지 않거나 멸종한 생명체의 움직임을 재현하거나 예측해 볼 수 있을 뿐만 아니라 애니메이션이나 영화에 등장하는 가상캐릭터의 사실적 움직임을 만들 수 있다. 또 드론이나 비행로봇에도 적용이 가능할 것으로 보인다. 이제희 교수는 “알파고가 바둑의 수를 대입해 보면서 어떤 수가 좋은 것인지 스스로 학습했던 것처럼 가상 비행생명체가 주어진 환경에서 에너지를 적게 소모하면서 안정적으로 원하는 방향으로 스스로 움직일 수 있는 방법을 만들어 낸다는 것을 확인했다”며 “이를 통해 멸종된 비행생명체들의 사실적인 움직임도 재현할 수 있을 것으로 보여 고생물학 연구에도 도움을 줄 수 있을 것”이라고 말했다. 유용하 기자 edmondy@seoul.co.kr

지난 5월 알파고는 중국의 바둑 신성 커제 9단과의 대결에서 승리한 뒤 화려하게 은퇴했다. 이 대결은 지난해 3월 있었던 이세돌 9단과의 대결에 비하면 충격적이지는 않았지만 학계에 남겨진 여운은 매우 컸다. 첫 번째 이유는 알파고가 컴퓨터 한 대를 활용해 커제와 대결했다는 점이다. 이세돌 9단과의 대결에서는 슈퍼컴퓨터급의 장비를 활용했는데 1년여의 기간에 전력 소비를 큰 폭으로 줄인 것이다. 두 번째는 바둑기사들의 기보를 전혀 학습하지 않았다는 점이다. 이런 접근은 역설적으로 대규모 데이터를 학습하여 패턴을 예측하는 현대 인공지능 개념을 뒤엎는 것이다. 구글 딥마인드는 지난 10월 우리에게 남긴 여운에 대한 해답을 주는 논문을 세계적인 학술지 네이처에 발표했다. 논문에서 소개된 ‘알파고 제로’는 바둑기사의 기보 없이 스스로 대결하며 학습했다고 밝혔다. 비결은 강화학습이다. 강화학습은 행위에 대한 보상을 통해 전략을 강화하는 방법으로, 게임 인공지능 분야에 주로 활용됐다. 알파고 제로의 강화학습 알고리즘은 지난 이세돌 9단과 대결했던 버전보다 상당 부분 개선됐다. 지난 버전의 알파고는 두 가지 형태의 인공신경망을 활용했다. 이 두 가지는 전문 바둑기사의 기보를 학습해 착수 선호도를 결정하는 정책망과 현재 바둑판의 승률을 근사하는 가치망이다. 알파고 제로에서는 이 두 가지를 하나의 신경망으로 통합해 성능을 개선한 것이다. 또 기존 알파고는 바둑판을 48가지 특징으로 분류하여 학습을 진행했으나 알파고 제로는 바둑돌의 위치만을 토대로 학습했다. 즉 알파고 제로는 백지 상태에서 바둑의 규칙만을 토대로 학습했다고 볼 수 있다. 한편 알파고 제로는 학습을 위해 4개의 TPU(Tensorflow Processing Unit)를 활용했다. TPU는 구글이 고안한 학습 전용 하드웨어로 기존 연산처리장치보다 최대 80배 정도 전력 효율이 높다. 학습기반 인공지능은 일반적으로 계산량이 매우 많다. 현재 인공지능 컴퓨팅 인프라로 GPU가 각광받는 이유도 같은 가격의 CPU 대비 계산 성능이 월등히 뛰어나기 때문이다. 문제는 GPU의 전력 소모가 크다는 점이다. TPU는 GPU와 같이 인공지능 학습에 뛰어난 성능을 보이면서도 전력을 적게 소모한다는 점에 주목할 필요가 있다. 딥마인드의 알파고 제로는 현대 인공지능의 변혁을 알리는 신호탄이 될 것이다. 데이터를 스스로 생산하며 학습한다는 패러다임을 제시했기 때문이다. 사람처럼 행동하는 인공지능은 현재 시점에서는 요원한 일이지만, 알파고 제로가 증명한 기술 발전의 속도는 우리들이 생각하는 것보다 훨씬 더 빠를지도 모른다.

지난해 3월 ‘인간대표’ 이세돌 9단을 누른 ‘로봇대표’ 알파고보다 더 강한 알파고가 나왔다. 바로 ‘알파고 제로’다. 알파고 제로는 백지 상태에서 시작해 바둑 독학 36시간 만에 이세돌을 꺾은 ‘경지’까지 올랐다. 심지어 인간이 아닌, 스스로 그 ‘지식’을 깨우쳤다. 인간 한계를 뛰어넘은 인공지능 개발이라는 평가가 나온다.구글 딥마인드의 창업자인 데미스 허사비스 최고경영자(CEO) 등 이 회사 소속 연구원 17명은 19일(한국시간) 이런 내용을 포함한 ‘인간 지식 없이 바둑을 마스터하기’(Mastering the game of Go without human knowledge)라는 논문을 과학 학술지 ‘네이처’에 발표했다. 알파고 제로의 가장 큰 특징은 ‘셀프바둑’이다. 알파고 제로는 바둑 기본 규칙만 아는 상태로 인간의 가르침 없이 바둑의 이치를 터득했다. 지난해 3월 ‘구글 딥마인드 챌린지’에서 이세돌 9단을 4대1로 이긴 버전(‘알파고 리’)과 비교해 보면, 알파고 제로는 독학 36시간 만에 이 버전의 실력을 넘어섰다. 이어 알파고 제로가 72시간 독학을 한 후 구글 딥마인드 챌린지 실전 당시와 똑같은 대국 조건(제한시간 2시간씩)에서 알파고 리와 대결한 결과, 제로가 리에게 100전 100승 무패를 따냈다. 알파고 제로가 한 수에 0.4초가 걸리는 ‘초속기’ 바둑으로 490만 판을 혼자 두면서 연구한 결과다. 교신저자인 데미스 허사비스와 공동 제1저자 3명 중 한 명인 데이비드 실버는 독학으로 바둑을 배운 알파고 제로가 기존 버전들보다 오히려 강한 이유에 대해 “인간 지식의 한계에 더이상 속박되지 않기 때문”이라고 설명했다.기존 알파고 버전들은 일부 정석 등을 인간으로부터 배웠고 인간이 둔 기보도 공부했지만, 알파고 제로는 인간으로부터 전혀 배운 것이 없기 때문에 인간의 선입견과 한계에 얽매이지 않는다는 것이다. 알파고 제로가 단순히 바둑을 더 잘 두는 프로그램을 넘어 과학계와 산업계의 비상한 관심을 끄는 것은 이 때문이다. 인공지능이 인간의 도움 없이 인간을 까마득하게 초월할 수 있는 잠재력을 현실화했다는 점에서 획기적이라는 평가를 받는 것이다. 지금까지 인공지능 시스템은 인간이 인공지능의 훈련을 감독하는 시스템이었다. 결국 인간 한계를 뛰어넘지 못할 수도 있었다는 뜻이다. 이런 한계를 극복하기 위해 최근에는 ‘강화 학습’(reinforcement learning system)에 대한 연구가 이뤄지고 있다. 인간으로부터 배우지 않고 인공지능이 스스로 수많은 시행착오를 통해 요령을 터득하도록 하는 방법이다. 특히 믿을 만한 인간 전문가가 아예 존재하지 않는 전혀 새로운 분야를 이런 방식으로 연구하는 데에 관심이 쏠린다. 허사비스는 “강화학습 방식으로 만들어진 알파고 제로는 지금까지 나온 알파고 버전들 중 가장 강력하며 컴퓨팅 파워도 덜 든다”며 “불과 2년 만에 알파고가 얼마나 멀리 왔는지를 보면 놀라울 따름”이라고 밝혔다. 이경주 기자 kdlrudwn@seoul.co.kr

2016년 3월 이세돌 9단과의 대국으로 잘 알려진 인공지능(AI) ‘알파고’를 개발한 구글 딥마인드는 새로운 도전 과제로 스타크래프트 인공지능 개발을 언급했었다. 바둑과 스타크래프트의 가장 큰 차이점은 지능적 의사결정의 시점이다. 바둑은 일정 시간 안에 상대와 번갈아가며 돌을 놓는 방식으로 진행되는 반면 스타크래프트는 실시간으로 행동을 결정해야 한다. 또 바둑은 상대의 정보가 모두 공개되지만 스타크래프트는 전략의 노출 여부가 의사결정에 중요한 영향을 미친다. 따라서 성공적인 스타크래프트 인공지능 개발은 또 다른 관점에서의 혁신을 시사한다. 이에 딥마인드는 지난 8월 스타크래프트2 기반의 게임 인공지능 개발 환경 ‘SC2LE’(StarCraft Ⅱ Learning Environment)를 공개했다. 게임은 인공지능이 필수적인 분야이다. 게임 인공지능은 가상의 상대가 되어 사람과 대결한다는 점에서 방법론적인 측면에서도 게임 산업의 수요에 의해 발전됐다. 그동안 게임 인공지능 개발은 규칙에 의거한 기초적인 접근이 일반적이었다. 하드웨어 자원의 한계로 고성능 게임 인공지능을 구현한다는 것 역시 걸림돌로 작용했기 때문이다. 하지만 규칙 기반의 게임 인공지능은 사람에게 패턴이 노출될 경우 무용지물이 된다. 이를 극복하기 위한 방편으로 게임 인공지능이 정보를 습득하는 범위를 조정하는 전략이 있다. 예를 들면 1인칭 슈팅게임(FPS)에서 인공지능이 상대가 어디에 있는지의 정보를 인지한다면 난도가 급격히 올라간다. 그러나 이것은 사람과 유사하게 학습해 행동하는 인공지능이라고 볼 수 없다. 이번에 공개된 스타크래프트2 인공지능의 차별점은 기존의 규칙 기반의 접근이 아닌 학습 기반의 접근이다. SC2LE는 강화학습 기반의 인공지능 개발 환경이다. 강화학습은 알파고의 자체 대국에 활용된 기술로 전략에 따른 보상을 통해 학습하는 방법이다. 실제로 스타크래프트2 인공지능은 매우 복잡한 기능을 수행해야 한다. 게임 안에서 자원을 수집하고, 건물을 짓고, 전투유닛을 생산·제어하며, 상대방의 정보를 토대로 전략을 수정하는 등의 복잡한 사항들을 실시간으로 결정해야 한다. 이를 위해 SC2LE는 학습을 위한 6만 5000여개의 게임 리플레이 정보를 제공하고 향후 50만개까지 공개한다고 밝혔다. 또 스타크래프트2 제작사인 블리자드의 개발 도구를 연동하는 환경 ‘PySC’도 마련했다. SC2LE는 많은 연구자들이 자유롭게 참여할 수 있는 공개 환경을 제공함으로써 인공지능의 또 다른 진화를 알리는 출발점이 될 것이다. 스타크래프트 인공지능과 인간 챔피언의 대결이 기다려지는 것도 이 때문이다.