인공지능을 개발하는 인공지능 등장

인공지능을 개발하는 인공지능 등장

ashdown 2017.01.27 21:18

출처: http://etinow.me/161 [에티 ETI]

출처: http://etinow.me/161 [에티 ETI]

구글을 비롯한 전문가들은 인공지능 소프트웨어가 기존 AI 전문가들이 하던 일의 일부를 대신할 수 있을 것이라고 생각합니다.

출처: Shutterstock/iurii

인공지능의 발전은 사람들이 트럭 운전같은 직업을 인공지능에게 빼앗길 수도 있다는 걱정을 하게 만들었습니다. 하지만 이보다 더 나아가, 최근 주요 연구자들은 인공지능이 자신들에게도 가장 까다로운 부분 중 하나인 '인공지능 소프트웨어 설계'를 학습할 수 있다는 것을 밝혀내고 있습니다.

구글 브레인 인공지능 연구그룹의 연구자들은 머신러닝 시스템이 소프트웨어의 성능을 측정하는 데 사용되는 소프트웨어를 설계하게 하는 시도를 했습니다. 이 인공지능 시스템이 설계한 소프트웨어는 사람이 설계한 기존 소프트웨어의 성능을 뛰어넘었다고 합니다.

구글 브레인. 출처: kalw.org

최근 몇 달 간 OpenAI(일론 머스크가 공동 설립한 비영리 인공지능 연구소), MIT, 캘리포니아 대학, 버클리, 그리고 구글 DeepMind 등 다른 연구 그룹들도 인공지능을 만드는 인공지능 소프트웨어 개발 분야의 발전을 보고했습니다.

스스로 개발하는 인공지능 기술이 상용화되면 인공지능이 경제 전반에 도입되는 속도를 가속화할 것입니다. 그렇게 되면 머신러닝 전문가들의 공급이 부족해질 것이고 회사들은 이들에게 프리미엄을 지급해야 할 것입니다.

제프 딘, 구글 브레인 리더. 출처: http://chatbotvillage.com

구글 브레인 연구그룹의 리더인 제프 딘은 개발자들의 작업물 중 일부는 소프트웨어로 대체될 수 있다고 생각했습니다. 그는 "자동화된 기계학습"(Automated Machine Learning; AutoML)이 그의 팀이 찾던 가장 유망한 연구 방법이라고 말했습니다.

딘은 캘리포니아 산타 클라라에서 있었던 AI 개척자 회의(AI Frontiers Conference)에서 "현재의 머신러닝 문제에 대한 접근법은 수 많은 전문가와 데이터, 연산 과정을 필요로 하는데, 이 중 머신러닝 전문가에 대한 필요성은 없앨 수 있지 않을까?" 라는 질문을 던지기도 하였습니다.

구글 DeepMind 그룹에서 진행한 연구("Learning to reinforcement learn")에서는 이런 "자동화된 기계학습", 혹은 "배우는 방법을 배우는" 머신러닝 방식을 직접 구현해 기존의 강화학습(Reinforcement Learning; RL) 문제에 적용하기도 했습니다. Deep meta-RL이라고 불리는 이 방식은 별도의 알고리즘 설계과정이 필요 없을 뿐만 아니라, 기존보다 훨씬 작은 양의 데이터로도 트레이닝이 가능하다고 합니다.

연구자들은 여러 가지 미로에서 길을 찾는 것과 같이 서로 다르지만 관련된 문제들의 해결법을 학습하는 소프트웨어를 개발하기 위해 노력했습니다. 그 결과 인공지능이 이런 종류의 문제를 일반화할 수 있고, 기존 방식보다 추가적인 학습을 덜 하면서 새로운 작업을 수행할 수 있는 설계가 만들어졌습니다.

요슈아 벤지오, 몬트리올 대학 교수. 출처: Graham Hughes

"배우는 방법을 배우는" 소프트웨어라는 아이디어는 이전부터 있었지만, 과거 시도들의 결과는 사람이 직접 알고리즘을 설계하는 수준에 미치지 못했습니다. 몬트리올 대학의 교수인 요슈아 벤지오는 1990년대부터 이 문제에 대해 고민해 왔습니다. 

벤지오는 예전에는 불가능했던 "배우는 방법을 배우는" 소프트웨어의 개발이 최근 컴퓨팅 파워가 발전하고 이에 따라 딥러닝 기술이 발전해 충분히 구현이 가능해졌다고 합니다. 하지만 아직 상용화하기에는 지나치게 많은 컴퓨팅 파워를 필요로 하며, 컴퓨팅 파워 소비를 줄이는 것이나 머신러닝 전문가를 대체하는 것을 고려할 정도로 실용적이지도 않다고 말했습니다.

하지만 이런 벤지오의 우려에도 불구하고, 구글 브레인 연구그룹에서는 자동으로 이미지 인식 알고리즘을 설계하는 인공지능을 개발했습니다. 구글 브레인 연구그룹의 실험에 따르면, 800개의 고성능 그래픽카드를 사용하여 만들어진 인공지능 시스템이 설계한 이미지 인식 시스템이 인간이 설계한 최신 이미지 인식 시스템의 성능과 비슷했다고 합니다.

옷크리스트 굽타, MIT 미디어 랩 연구원. 출처: http://otkrist.github.io

MIT 미디어랩에서도 비슷한 소프트웨어를 개발했습니다. MIT 미디어 랩의 연구원인 옷크리스트 굽타(Otkrist Gupta)는 자동화된 기계학습으로 기존의 머신러닝 활용 방식이 변화할 것이라고 생각합니다. 그와 MIT의 연구자들은 최근 이미지 인식과 관련된 자동화된 기계학습 시스템을 개발하였고, 해당 시스템이 설계한 이미지 인식 기술이 사람이 설계한 것과 표준 테스트 상에서 비슷한 성능을 보인다는 것을 확인하였습니다.("Designing Neural Network Architectures using Reinforcement Learning") 옷크리스트 굽타는 해당 소프트웨어를 오픈소스화 할 계획이라고 합니다.

굽타는 머신러닝 모델을 설계하고 테스트하는데 시간을 낭비하는 것에서 불만을 느꼈고, 이것을 자동화하는 과정에서 영감을 받았다고 합니다. 그는 다른 회사들과 연구자들도 실용적으로 사용할 수 있는 "자동화된 기계학습"을 개발하는 방법을 찾으려 할 것이라고 생각합니다. 그는 "데이터 과학자들의 짐을 덜어주는 것은 큰 이득이다. 이것은 데이터 과학자들이 더 생산적으로 만들며 더 좋은 모델을 개발할 수 있게 하고, 더 높은 수준의 아이디어를 탐색할 수 있게 해준다" 라고 말했습니다.

자동화된 머신러닝(Automated Machine Learning)도 꾸준히 발전하고 있는 머신러닝 분야입니다. 매년 ICML에서 AutoML 챌린지가 열리기도 하고, 다양한 스타트업들과 대기업, 연구소에서 이 분야에 뛰어들어 기술을 완성시키고 있습니다. 벌써 이미지 인식까지 자동화된 것으로 볼 때, 어쩌면 생각보다 더 빠르게 머신러닝 알고리즘 설계의 자동화마저 상용화될 수도 있을 것이라 생각됩니다.

출처: http://etinow.me/161 [에티 ETI]