자율인공지능 두번째

자율인공지능 두번째

 

자율인공지능이 개발되기까지 앞으로의 어떤 기술이 더 발전하고 개발되어야 하는지 알아보도록 하겠습니다. 인공신경망을 사용하여 복잡한 데이터를 모델링하고 분석하는 딥러닝 분야의 권위자인 프랑스의 얀 르쿤(Yann LeCun)이 소개하고 있는 자율인공지능에 대한 로드맵입니다.

 

얀 르쿤은 컴퓨터 비전, 자연어처리, 로봇공학을 위한 딥러닝 알고리즘 개발에 주력해왔으며, 이미지 분류 및 인식에 널리 사용되는 딥러닝 아키텍처인 콘볼루션 신경망(ConvNets)을 개발하는 등 AI분야에서 여러 가지 공헌을 해온 것을 인정받아 2018년 튜링상을 수상하였습니다. 르쿤은 현재의 기술 방향으로는 인공지능이 인간처럼 생각하고 배우거나, 인간의 지각 능력을 갖출 수 없다고 생각하고 있습니다. 인간이라면 약 20시간의 훈련을 통해 운전을 배울 수 있지만, 현재의 자율주행차는 수백만 또는 수십억 개의 레이블이 지정된 학습 데이터 샘플 또는 시뮬레이션 환경에서의 강화 학습을 통해 훈련해도 인간의 수준에 미치지 못하는 운전 실력을 보입니다.

인공지능이 이러한 문제점을 극복하기 위해서는 동물 또는 인간과 같은 수준의 지능과 비슷한 다양한 구성 요소가 필요한데, 르쿤은 2022년 6월에 자율인공지능 로드맵을 발표했습니다. 이 로드맵은 세상을 효과적으로 모델링하고 이해할 수 있는 인공지능 시스템을 구축하고 해당 지식을 사용하여 작업을 최적화하는 데 필요한 단계를 간략하게 설명하고 있습니다. 

 

1. 세계 모델(The World Model)

세계 모델은 인공지능이 세계의 상황이나 상태를 예측할 수 있도록 하는 것으로, 전체 프레임워크의 핵심입니다. 사람은 전두엽 피질 어딘가에 고유한 세계 모델을 가지고 있는데, 인공지능이 발전하기 위해서는 이것이 필수적이라는 것이 르쿤의 주장입니다. 인공지능 기반 세계 모델을 개발하려는 시도는 과거에도 이미  있었지만 그 결과물은 특정 작업에 종속되어 다른 작업에 적용할 수 없다는 한계가 있습니다. 르쿤은 여러 작업 간의 지식 공유가 가능하고, 유추를 통해 추론하기 위해서는 동적으로 구성  가능한 단일 세계 모델을 만드는 것이 필요하다고 합니다.

 

2. 인식 모델(The Perception Model)

인식 모델은 인간의 오감처럼 센서의 신호를 수집하고 처리하여 세계의 상태를 추정하는 것을 말하며, 인식 모델은 인공지능이 세계 모델을 바탕으로 가려진 물체를 예상하거나 몇 초 후의 상태를  예측하는 것을 가능하게 합니다.

 

3. 비용 모델(The Cost Model)

비용 모델은 인공지능 시스템이 원하는 목표를 달성하도록 촉구하는 것입니다. 인공지능은 시스템의 불편함 수준을 측정하여 내재적 비용을 계산하고 이 비용의 미래 상태를 예측한 후 일정 기간 동안 이를 줄이는 것을 목표로 하여야 합니다.

 

4. 행위자 모델(The Actor Model)

행위자 모델은 불편함의 수준, 즉 내재적 비용을 최소화하기 위해 인공지능이 어떠한 행동을 취하는  것을 말합니다.

 

5. 단기기억 모델(The Short-Term Memory Model)

단기기억 모델은 인공지능 시스템이 세계 상태와 내재적 비용에 대한 중요한 정보를 기억할 수 있게 합니다. 이 기억을 바탕으로 세계 모델은 더 정확한 예측을 할 수 있습니다.

 

6. 제어 모델(The Configurator Model)

인공지능 시스템에 실행 제어 기능을 제공함으로써, 인공지능이 다양한 작업을 처리할 수 있도록 합니다. 이러한 모델들을 바탕으로 인공지능은 두 가지 유형의 행동을 보일 수 있습니다. 첫 번째 유형은 지각과 행동이 직접적으로 연결되어 빠르고 반사적인 행동을 보이는 것이고, 두 번째 유형은 앞의 모델에서 얻어진 추론과 계획을 바탕으로 느리고 신중하고 행동하는 것입니다.

얀 르쿤의 로드맵은 동물과 인간의 지능을 모방하기 위해 그들의 결정, 예측, 행동 프로세스를 모방하여 인공지능에 적용하기 위한 것이며, 이것이 구현될 경우 인공지능은 인간이나 동물과 같은 유기체들과 매우 유사한 사고방식이나 행동을 보일 것으로 예상할 수 있습니다.