인간이 인공지능을 만든다는 것 | 쏘어 그래펠 | TEDxExeter

지성이란 무엇이며 어떻게 그걸 기계에 부여할 수 있을까요? 쏘어 그래펠은 우리를 인공지능(AI)의 세계로 초대하며 이것이 오늘날 세계가 직면하고 있는 거대한 문제들을 해결해줄 것이라 말합니다. 그는 인간이 인공지능을 추구하는 것만큼 인간적인 것은 없다고 주장합니다.

그는 '딥마인드'의 연구부문장이자 런던대학교의 머신러닝과의 학과장입니다. 그의 인공지능에 관한 연구는 'Xbox'와 'Bing'에 사용된 시스템 개발에 사용되었습니다. 최근에는 세계 최초로 프로 프로 바둑 기사를 상대로 승리한 컴퓨터 프로그램 '알파고' 개발에 기여한 바 있습니다.

이 강연은 TED의 형식에 맞춰 별도로 개최된 지역 TEDx 행사에서 발표되었습니다. 더 자세한 내용을 알고 싶으시면 https://www.ted.com/tedx를 방문해 주세요.

주변을 살펴보세요.

우리가 볼 수 있는 것들은
거의 대부분이 지성의 산물입니다.

인간의 지성이요.

우리가 있는 이 엄청난 곳이나
우리가 입고 있는 옷도

우리가 나누는 생각도 말이죠.

지성은 창의적 원리라고 볼 수 있죠.

상대성이론이나

모나리자

민주주의 이념 같은 것의
바탕에는 지성이 있습니다.

이제 가능성에 대해 생각해보죠.

우리가 진정한 인공지능을
만들 수 있을지

컴퓨터로 지성을
만들어 낼 수 있을지요.

제가 말씀드리고 싶은 것은

인공지능을 추구하는 것 만큼
인간적인 것은 없다는 점입니다.

저는 딥마인드의 연구원입니다.

인공지능을 연구하는 곳이죠.

저희의 목표는
진정한 인공 지능을 만드는 것입니다.

진정한 A.I. 요.

왜냐고요?

저희는 인공지능이

세상의 가장 복잡한 문제들을
해결할 수 있을 것이라 믿습니다.

기후변화,

청정에너지,

물 공급,

질병같은 문제들이요.

이러한 문제 해결에서 인공지능은
발전을 가속시킬 수 있습니다.

인간 창의력을 배가시키면서 말이죠.

하지만 인공지능을 만들기 위해선

우선 지성이 뭔지부터
정확하게 이해해야 합니다.

인간 지성의 특징은 보편성에 있습니다.

이 아이디어에 대해
가장 명확하게 표현한 사람으로

SF 작가 로버트 하인라인이 있습니다.

"인간이라면 이런 것들을
할 수 있어야 한다.

기저귀 갈기, 침략 계획하기,
돼지 잡기

배 몰기, 건축 디자인하기,

시 쓰기, 회계장부 맞추기,

벽 쌓기, 뼈 접합하기,

죽어가는 이 달래기,
명령 따르기, 명령을 내리기

협업하기, 혼자 행동하기

방정식 풀기, 새로운 문제 분석하기,

거름 주기, 컴퓨터 프로그래밍하기,

맛있는 요리하기,

효과적으로 싸우기,
명예롭게 죽기.

전문화는 곤충을 위한 것이다."

지성의 정의를 70개 이상 살펴 본 후

저와 제 동료 쉐인 레그는
비슷한 결론에 도달했습니다.

지성이란 에이전트가 다양한 환경 속에서
목표를 달성하는 능력입니다.

그가 좋아하는 언어로
표현하면 이렇습니다.

[수식]

(웃음)

이 정의에 대해서 살펴보죠.

누가 혹은 무엇이 지성적일 수 있죠?

저희는 에이전트라고 부르는데요.

행동할 수 있는 사람 혹은
어떤 것이라도 될 수 있어요.

사람일 수도 있고
기계일 수도 있습니다.

소프트웨어일 수도 있고요.

지성적이기 위해 에이전트는
목표를 달성할 수 있어야 합니다.

소수의 특정 분야가 아니라
다양한 분야에서 말이죠.

당연하게 이 정의는
보편성을 요구하고 있습니다.

전문성이 아니라요.

여러분이라면 지성적인 기계를
어떻게 만드시겠습니까?

한 가지 아이디어가 있습니다.

모든 문제, 과제를 인간이라면
어떻게 해결할지 생각해 보는 겁니다.

그리고 인간의 해결 방법을

일련의 규칙으로 코드화해서
컴퓨터에 적용하는 거죠.

저희는 고파이라고도 부르는데요.

'옛날 방식 인공 지능'이란 뜻이에요.

꽤나 괜찮아 보이는 이 방식을
시도해 보았지만

안타깝게도 대부분 실패했어요.

이유요?

사람은 문제 해결에는
말도 안되게 뛰어나지만

그걸 정확히 어떻게 했는지
설명하는 데는 젬병이거든요.

그럼 다른 방법은 어떤 게 있을까요?

인간 수준의 지성이 실제로 가능하다는
살아있는 증거를 살펴보죠.

바로 우리 자신입니다.

여러분들은 어떤지 모르겠습니다만

제 경험에 따르면 배움이란 건
주로 경험을 통해 이루어져요.

바로 이 아이디어를
켬퓨터에 적용시킨 것을

머신러닝이라고 부릅니다.

머신러닝은 컴퓨터를 프로그래밍하는
새로운 방법이라고 볼 수 있어요.

규칙 또는 명령을 전달하는 게 아니라

대신에 사례와 경험을 통해서
배우게 놔두는 겁니다.

그래서 나머지 강연 시간의

주요 주제는 바로
인공 학습 에이전트입니다.

3가지 방법으로 세상과
상호 작용을 하는데요.

외부의 상태를 관찰하고

행동을 취합니다.

그리고 목표를 달성하면
보상을 받게 됩니다.

학습 에이전트의 뇌는
인공 신경망입니다.

인간의 뇌에서 영감을 받은
컴퓨터 아키텍처입니다.

훈련 과정 중에 인공 뇌세포들 간의
연결을 구성하며 배웁니다.

미래에 가장 많은 보상을 줄 행동을
취하는 것이 목표입니다.

훈련의 예를 살펴보기 위해

학습 에이전트이자 가장 가까운 친구인
개를 살펴보겠습니다.

고양이를 좋아하시는 분들이라면
왜 고양이는 안되는지 아실 거예요.

(웃음)

당신의 개를 훈련시키려면
여러분은 어떻게 하시겠습니까?

명령에 따라 앉게 만들려면요?

우선 앉은 자세를 취하도록 유도하죠.

그리고 "앉아"라고 소리내서 말하겠죠.

그리곤 보상으로 간식을 주죠.

이걸 계속해서 반복하면

개는 뉴런들끼리의 연결망을
조정하면서 배우게 됩니다.

간식을 얻는 방법을요.

인공 학습 에이전트 역시
이와 같은 방법으로 훈련됩니다.

이걸 머신러닝이라 부르는 거죠.

과학소설같은 얘기라고 하실 수 있어요.

전혀요.

음성명령을 알아듣는 휴대전화?

사진의 내용에 따라 자동으로
태그를 등록하는 기능?

메시지를 즉시
다른 언어로 번역하는 기능?

이런 것들은 모두 이 머신러닝을
통해 이루어졌습니다.

예시를 보여주면서요.
규칙을 정해주는 게 아니라요.

하지만 완전한 인공 지능이

그런 상호 작용과 경험을
어디에서 배울 수 있을까요?

놀랍게도 우리는

슈테판 츠바이크의 '로얄 게임'이라는
책에서 영감을 얻을 수 있었습니다.

'B 박사'에 관한 이야기인데요.

아무 죄가 없음에도 체포되어서
독방에 수감되게 됩니다.

우리의 에이전트와 다르지 않게

B 박사는 작은 세상에 갇혀
고독한 삶을 살게 됩니다.

"그들은 우리에게 공허함 외에는
그 무엇도 허용하지 않았다."

아시다시피

세상 그 어떤 것도 공허함보다
인간 정신을 짓누르는 건 없죠.

하루는 심문을 기다리던 중

'B 박사'는 교도관에게서
책 하나를 훔치는데 성공합니다.

체스에 관한 책이었죠.

무료함을 달래고자 했던 그는

책에 깊이 빠져들게 되고
체스 두는 법을 배우게 됩니다.

책의 체스 수들을 끊임없이

반복 또 반복합니다.

어느 정도 시간이 지난 후
이것에 흥미를 잃게 되죠.

더 많은 재미를 간절히 원했고

B 박사는 자기 자신을 상대로
체스를 두기 시작합니다.

그러나 곧 깨닫게 되죠.

자기 자신을 상대로 체스를 두려면

자신의 정신을 둘로
나눠야 한다는 것을요.

검은색의 '나'와 흰색의 '나'로요.

두 '에이전트'가 생긴 후에야 비로소

진정한 상호작용과 배움이 가능했습니다.

그로부터 몇 년 후 한 유람선에서

'B 박사'는 당시 체스 세계 챔피언
미르코 센토비치를 만나게 됩니다.

체스 전문가,
오직 체스에서만 뛰어나죠.

놀라운 기술을 선보인 끝에

B 박사는 불가능을
가능으로 이루어냅니다.

세계 체스 챔피언을 이긴 겁니다.

80년 뒤, 슈테판 츠바이크의
소설은 현실이 됩니다.

작가 그 자신도 상상하지
못했을 방식으로요.

현대의 센토비치라 할 스탁피쉬는

2016년 컴퓨터 체스 챔피언입니다.

옛날 방식 인공 지능이죠.

체스를 두기 위한,
오직 체스만을 위한 것이죠.

현대의 'B 박사'라 할 알파제로는

인공 학습 에이전트입니다.

오로지 자기 자신을
상대로 두면서 체스를 배웠죠.

체스 뿐만이 아니라

장기나 바둑같은 어려운 게임들도요.

알파제로는 1,000번의 경기에서

스탁피쉬와 비교해서
25배가 넘는 승을 거둡니다.

전 세계 체스 챔피언
가리 카스파로프에 의하면

그것도 아주 멋지게요.

[알파제로가 나처럼 역동적인 수를
두는 걸 보는 건 즐거웠다. 진심이다]

그럼 알파제로는 어떻게 작동할까요?

알파제로는 'B 박사'와 비슷하게

체스에 대한 아무런 지식없이
학습을 시작합니다.

룰을 먼저 알고 있어야겠죠.

처음 체스를 시작하면

거의 그저 아무렇게나 수를 두죠.

하지만 어느 순간 우연히 승리하게 되고

바로 그 순간 마법이 일어납니다.

알파제로가 배우기 시작하는 거죠.

인공 뉴런들끼리의 연결을
재조정하며 배우게 됩니다.

좋은 수를 둘 가능성을 점점 키웁니다.

더 나은 기사가 되면서

더 높은 수준의 경기를 펼치고
더 많은 걸 배우게 되죠.

그렇게 8시간 만에

알파제로는 체스에 대해

우리가 1,500년간 배운 것보다도
더 많은 걸 알게 됩니다.

하지만 이 에이전트가 단순경쟁이 아니라

팀 협력도 가능할까요?

어찌 됐든 인간은
협력을 통해 번성하잖아요.

그걸 알기 위해

우리는 에이전트에게
다른 게임을 시켜봤습니다.

깃발 뺏기 게임이요.

깃발 뺏기 게임에서는
플레이어들이 팀을 짜고

아군의 것은 지키면서
적의 깃발을 뺏어야 합니다.

이 비디오 게임에서는 플레이어들이
자기 캐릭터를 조종하여

적을 태그할 수 있습니다.

깃발을 어떻게 뺏는지 보시죠.

왼쪽은 에이전트의 시점이고

오른쪽은 위에서 내려다 본 것입니다.

적 기지로 뛰어가서

깃발을 들고

아군 기지로 가져가야 합니다.

하지만 점수를 따기 위해 중요한 건

아군의 깃발이 우리 기지에
남아 있어야 된다는 겁니다.

알파제로와 비슷하게 에이전트들끼리

수백만 번의 경기를 펼치며
배우게 놔두었습니다.

하지만 체스와 비교해
아주 복잡한 환경이죠.

이건 입체 세계니까요.

에이전트들은 경쟁뿐만 아니라
서로 협력하는 것도 배워야 해요.

또한 우리 목표는 보편성이기에
다양한 맵에서 경기를 펼치게 했습니다.

각기 다른 팀원과
각기 다른 적을 상대로요.

저희는 기뻣습니다.

에이전트들이 진보된 행동 양식을
보여 주기 시작했거든요.

예를 들어, 아군 기지를 지킨다거나

적 기지에서 기다리기도 했죠.

적의 깃발이 다시 나타나면
그걸 가지고 가려고요.

팀원을 따라가는 것도 배웠죠.
그러면 협력이 가능하니까요.

어느 정도 지난 후
이 게임에 뛰어난 에이전트들이

뛰어난 인간 플레이어를 능가했습니다.

특정 그룹을 상대로 한 경기에서
74%의 승률을 기록했습니다.

반면 뛰어난 인간 플레이어는
단지 52%의 승률을 기록했죠.

무엇보다 가장 놀라웠던 건
인간 플레이어들이

인공 에이전트들과 플레이하는 걸
더 선호했다는 거예요.

이유는 단순히 그들이 더 뛰어나고
믿음이 간다는 거였어요.

(웃음)

인공 에이전트에 대해서는
충분히 말한 거 같습니다.

우리는 인간 에이전트로서
무엇을 배웠을까요?

아마도 그건 인공지능을
추구한다는 게

우리가 생각했던 거 보다
훨씬 인간적인 일이라는 것?

우리는 인간의 지성에서
영감을 얻은 결과로

지성의 특징이
보편성이라는 걸 말합니다.

우리는 인간의 배움에서
영감을 얻은 결과로

에이전트들에게 필요한 건 명령이 아닌
경험이라고 말합니다.

우리는 인간의 상호 작용에서
영감을 얻어

에이전트들이 함께 훈련해야
한다고 말합니다.

소설 속의 B 박사를 괴롭힌
공허함을 채우기 위해서요.

결론으로 우리 인간 지성을 이용해서

언젠가 진정한 의미의 인공 지능을
만들 수 있을지도 모릅니다.

이것은 게임을 하는 것뿐 아니라

우리를 도와 이 시대 가장 큰 문제들을
해결할 것입니다.

더 나은 지성으로요.

(박수)