[IT 신트렌드] 사람 동작까지 흉내 내는 인공지능/추형석 소프트웨어정책연구소 선임연구원

입력 : ㅣ 수정 : 2017-07-24 22:11

폰트 확대 폰트 축소 프린트하기
인공지능(AI)의 한계는 무엇일까.

세계적인 바둑 고수들을 꺾은 ‘알파고’로 유명세를 얻은 구글 딥마인드의 연구성과가 세계를 선도하고 있다. 지난 7월 초 딥마인드의 공식 블로그에는 사람 모양의 물체가 스스로 학습하면서 장애물을 피하는 영상이 공개됐다. 사람 모양의 물체는 반복적인 시행착오를 통해 점점 자연스럽게 행동함에 따라, 물리적인 움직임마저 학습할 수 있는 가능성을 보여준다. 어떻게 움직임을 학습할 수 있는 것일까.
추형석 소프트웨어정책연구소 선임연구원

▲ 추형석 소프트웨어정책연구소 선임연구원

그 비결은 다름 아닌 강화학습이다. 강화학습은 수많은 시행착오를 통해 최적의 전략을 도출해내는 인공지능 기술로 목표가 분명한 게임 인공지능에서 주로 활용된다. 바둑 인공지능 프로그램인 알파고 역시 자체 대국의 승패 여부로 전략을 발전시키는 강화학습을 사용했다.

그러나 사람의 움직임은 행위의 목표가 불분명하다. 예를 들어 몸의 균형을 잡는 움직임은 게임처럼 승패로 논의하기는 어렵다. 따라서 움직임의 경우 적절하거나 올바른 행위는 있을 수 있으나 반드시 맞고 틀리다의 개념은 아니다. 이번에 딥마인드가 개발한 동작을 흉내 내는 인공지능은 강화학습의 개선된 형태를 적용하여 새로운 영역에 도전했다고 볼 수 있다.

사람 또는 물체의 움직임을 묘사하는 것은 다양한 잠재성을 내포한다. 먼저 사람과 같은 보행능력을 통해 컴퓨터 애니메이션이나 게임에 더욱 자연스러운 움직임으로 표현할 수 있다. 이미 멸종한 동물의 구조적 특징을 바탕으로 움직임을 묘사할 수도 있을 것이다.

또한 생물역학(Biomechanics)의 새로운 가능성을 제시한다. 생물역학은 생물의 구조와 운동 역학을 분석해 그 결과를 응용하는 분야다. 이번 딥마인드의 연구 결과는 보행 능력을 어떻게 습득하는지에 대한 단서를 제공했다. 이를 통해 사람처럼 움직이는 로봇인 휴머노이드(Humanoid) 분야에 적용될 가능성이 높다고 보인다. 스스로 학습해 장애물을 피하는 보행 능력은 재난 구조 로봇에 충분히 활용될 수 있을 것이다.

딥마인드는 매번 다양한 시도와 참신한 연구결과로 인공지능의 가능성을 관철하고 있다.

그간의 인공지능은 사람의 인지·추론 능력에 집중되어 있었다. 이미지에서 물체를 구별하고 사람의 음성을 인식하는 인공지능 기술은 이미 사람 수준에 도달했다. 특히 게임 인공지능은 사람보다 월등한 성능을 보여준다. 그러나 움직임을 학습한다는 것은 다른 차원의 문제라고 볼 수 있다. 움직임에 대한 판단 기준이 모호하기 때문이다.

이번 연구결과는 인공지능이 사람의 모든 행위를 학습할 수 있다는 가능성을 시사한다. 미래의 인공지능이 더욱 궁금해지는 대목이다.
2017-07-25 29면
페이스북 트위터 카카오스토리 밴드 블로그

/

    건강나누리캠프

서울Eye - 포토더보기