WEBVTT

00:00:00.800 --> 00:00:03.924
저는 구글에서 기계지능팀을
이끌고 있습니다.

00:00:03.948 --> 00:00:08.598
다르게 표현하면, 컴퓨터와 장치를
공학적으로 훈련시켜

00:00:08.622 --> 00:00:11.041
뇌가 하는 일을 할 수 있게 합니다.

00:00:11.439 --> 00:00:14.538
그리고 이 일을 하면서
저희는 실제 뇌와 신경과학에

00:00:14.562 --> 00:00:15.851
관심을 두게 되었습니다.

00:00:15.875 --> 00:00:20.047
특히 관심 있는 부분은
우리의 뇌가 하는 일 중에

00:00:20.071 --> 00:00:24.113
아직 컴퓨터보다 훨씬 뛰어난
부분에 대한 것입니다.

NOTE Paragraph

00:00:25.209 --> 00:00:28.818
역사적으로 이런 부분 중에 하나로
인식이 언급돼 왔습니다.

00:00:28.842 --> 00:00:31.881
세상에 존재하는

00:00:31.905 --> 00:00:33.489
소리나 이미지를 과정을 통해

00:00:33.513 --> 00:00:35.691
마음속에 개념화시키는 것입니다.

00:00:36.235 --> 00:00:38.752
이것은 우리 뇌에 필수적인 기능이고

00:00:38.776 --> 00:00:41.240
컴퓨터에도 꽤 유용합니다.

00:00:41.636 --> 00:00:44.986
기계 인식 알고리즘의 예로
저희 팀에서 한 일은

00:00:45.010 --> 00:00:48.884
구글 포토스에 올린 사진을
뭐가 찍혔냐에 따라

00:00:48.908 --> 00:00:50.305
검색이 가능하게 한 것이죠.

00:00:51.594 --> 00:00:55.087
인식의 반대말은 창의성입니다.

00:00:55.111 --> 00:00:58.149
개념을 세상에 존재하는 것으로
바꾸는 것입니다.

00:00:58.173 --> 00:01:01.728
지난 몇 년 동안 기계 인식에 대해
저희가 해온 일들은

00:01:01.752 --> 00:01:06.611
뜻밖에도 기계의 창의력과 기계 예술을

00:01:06.635 --> 00:01:07.795
연결했습니다.

NOTE Paragraph

00:01:08.556 --> 00:01:11.840
저는 미켈란젤로가
인식과 창의성 간의

00:01:11.864 --> 00:01:15.520
이중 관계를 꿰뚫어 
보았다고 생각합니다.

00:01:16.023 --> 00:01:18.029
이것은 그의 유명한 인용구입니다.

00:01:18.053 --> 00:01:21.376
"모든 돌덩이는 그 안에 
조각상을 가지고 있고

00:01:22.036 --> 00:01:25.038
그것을 발견하는 것이 
조각가의 과업이다."

00:01:26.029 --> 00:01:29.245
그래서 저는 미켈란젤로의 생각은

00:01:29.269 --> 00:01:32.449
우리는 인식하는 것으로 창조하고

00:01:32.473 --> 00:01:35.496
그 인식 자체가 상상하는 행위이며

00:01:35.520 --> 00:01:37.981
창의성이라 여깁니다.

NOTE Paragraph

00:01:38.691 --> 00:01:42.616
생각하고 인식하고 상상하는 기관은

00:01:42.640 --> 00:01:44.228
물론 뇌입니다.

00:01:45.089 --> 00:01:47.634
그리고 저는 간략하게 
뇌에 대한 연구의

00:01:47.658 --> 00:01:49.960
역사에 대해서 이야기하고 싶습니다.

00:01:50.496 --> 00:01:52.942
왜냐하면 심장이나 장과 달리

00:01:52.966 --> 00:01:56.110
보기만 해선 뇌에 대해
이야기할 게 없기 때문입니다.

00:01:56.134 --> 00:01:57.546
겉으로 보기에 말이죠.

00:01:57.983 --> 00:02:00.399
초기 해부학자들은 뇌를 보고

00:02:00.423 --> 00:02:04.230
표면상의 구조에 온갖 기발한 
이름을 붙였습니다.

00:02:04.254 --> 00:02:06.687
해마같이 말이죠,
뜻은 "작은 새우"입니다.

00:02:06.711 --> 00:02:09.475
하지만 물론 이런 이름들이 
실제로 무슨일을 하는지

00:02:09.499 --> 00:02:11.817
말해 주지는 않습니다.

NOTE Paragraph

00:02:12.780 --> 00:02:16.393
제 생각에 최초로 뇌에서 
무슨 일이 일어나는지에 대해

00:02:16.417 --> 00:02:18.347
큰 공헌을 한 사람은

00:02:18.371 --> 00:02:22.291
스페인의 위대한 신경 해부학자인
산티아고 라몬 이 카할입니다.

00:02:22.315 --> 00:02:23.859
19세기에

00:02:23.883 --> 00:02:27.638
현미경 관찰과 특수한 착색을 이용해

00:02:27.662 --> 00:02:31.832
선택적으로 각각의 뇌세포를 채우거나

00:02:31.856 --> 00:02:33.864
높은 대비를 만들어 내

00:02:33.888 --> 00:02:37.042
형태학적인 이해를 
할 수 있게 한 사람입니다.

00:02:37.972 --> 00:02:40.863
이것들은 그가 신경 세포로 
만든 그림들입니다.

00:02:40.887 --> 00:02:42.096
19세기에 말이죠.

NOTE Paragraph

00:02:42.120 --> 00:02:44.004
이것은 새의 뇌 그림입니다.

00:02:44.028 --> 00:02:47.085
그리고 굉장히 다양한 
세포를 볼 수 있습니다.

00:02:47.109 --> 00:02:50.544
심지어 세포이론도 알려진 지 
얼마 안 된 때였습니다.

00:02:50.568 --> 00:02:51.846
그리고 이 구조는

00:02:51.870 --> 00:02:54.129
수지상부를 가지고 있는 세포들의

00:02:54.153 --> 00:02:56.761
가지는 아주 멀리까지 
뻗을 수 있는데

00:02:56.785 --> 00:02:58.401
당시 매우 새로웠습니다.

00:02:58.779 --> 00:03:01.682
이 구조는 전선을 연상시킵니다.

00:03:01.706 --> 00:03:05.163
전선과 전기의 혁명이 일어나던 
19세기 사람들은

00:03:05.187 --> 00:03:09.501
당연히 그렇게 볼 수 있었을 것입니다.

00:03:09.964 --> 00:03:11.142
하지만 여러 가지 면에서

00:03:11.166 --> 00:03:14.479
이런 라몬 이 카할의 조직학적 그림은

00:03:14.503 --> 00:03:16.835
오늘날에도 최고로 여겨집니다.

NOTE Paragraph

00:03:16.859 --> 00:03:18.713
우리는 지난 한 세기 동안

00:03:18.737 --> 00:03:21.562
라몬 이 카할이 시작한 일을
끝내려고 노력하고 있습니다.

00:03:21.586 --> 00:03:24.720
이것들은 막스플랑크 신경과학 연구소

00:03:24.744 --> 00:03:27.625
협력자들의 기초 데이타입니다.

00:03:27.649 --> 00:03:29.439
그리고 저희 협력자들이 한 것은

00:03:29.463 --> 00:03:34.464
뇌세포의 작은 부분을 
조명한 것 입니다.

00:03:34.488 --> 00:03:37.814
이 샘플의 전체 크기는 
대략 1 입방 밀리미터이고

00:03:37.838 --> 00:03:40.459
결과물의 아주 작은 부분을
보고 계신 것입니다.

00:03:40.483 --> 00:03:42.829
왼쪽에 있는 바는 1미크론 입니다.

00:03:42.853 --> 00:03:45.262
보고 계신 구조는 미토콘드리아입니다.

00:03:45.286 --> 00:03:47.330
이는 박테리아만큼 작습니다.

00:03:47.354 --> 00:03:48.905
이것은 아주 작은 조직으로

00:03:48.929 --> 00:03:52.077
자른 연속적인 단면입니다.

00:03:52.101 --> 00:03:54.504
비교를 하자면

00:03:54.528 --> 00:03:58.320
머리카락의 평균 지름은
100 미크론입니다.

00:03:58.344 --> 00:04:00.618
저희가 보고 있는 것은 
머리카락 한 가닥보다

00:04:00.642 --> 00:04:02.040
훨씬 작은 것입니다.

NOTE Paragraph

00:04:02.064 --> 00:04:06.095
그리고 이런 전자현미경으로 
나눈 일련의 조각들로

00:04:06.119 --> 00:04:11.127
신경세포를 3D로 
이렇게 복원할 수 있습니다.

00:04:11.151 --> 00:04:14.308
이것은 라몬 이 카할의 방식과 
어느 정도 같습니다.

00:04:14.332 --> 00:04:15.824
일부 신경세포만 비추었죠.

00:04:15.848 --> 00:04:18.629
그렇지 않으면 아무것도 
구분할 수 없을 것입니다.

00:04:18.653 --> 00:04:19.965
사진 가득히

00:04:19.989 --> 00:04:21.319
신경세포끼리 서로 연결된

00:04:21.343 --> 00:04:24.067
구조만 보일 것입니다.

NOTE Paragraph

00:04:25.293 --> 00:04:28.097
라몬 이 카할은 시대를 앞서나갔고

00:04:28.121 --> 00:04:30.676
그후 수십 년 동안 
뇌의 이해에 대한 연구는

00:04:30.700 --> 00:04:32.971
서서히 발전했습니다.

00:04:33.455 --> 00:04:36.308
그러나 우리는 신경세포가
전기를 이용하는 것을 알아냈고

00:04:36.332 --> 00:04:39.268
제2차 세계대전 때 발전한 기술로

00:04:39.292 --> 00:04:42.098
실제로 신경세포에 전기 실험을 
할 수 있게 되고

00:04:42.122 --> 00:04:44.228
신경세포를 더 이해할 수 있었습니다.

00:04:44.631 --> 00:04:48.987
컴퓨터가 발명된 것도 
바로 이때인데

00:04:49.011 --> 00:04:52.111
뇌를 모델로 한 아이디어였죠.

00:04:52.135 --> 00:04:55.220
앨런 튜링은 "지능형 기계"
라고 불렀습니다.

00:04:55.244 --> 00:04:57.235
컴퓨터 공학의 아버지 중에 한 명이죠.

NOTE Paragraph

00:04:57.923 --> 00:05:02.555
워렌 맥컬로흐와 월터 피츠는 
어느날 라몬 이 카할의

00:05:02.579 --> 00:05:03.896
시각 피질 그림을 보았습니다.

00:05:03.920 --> 00:05:05.482
지금 보고 계신 그림말이죠.

00:05:05.506 --> 00:05:09.948
이것은 눈을 통해 들어온 이미지를 
처리하는 피질입니다.

00:05:10.424 --> 00:05:13.932
그리고 그들에겐 이 그림은 
마치 회로도처럼 보였습니다.

00:05:14.353 --> 00:05:18.188
맥컬로흐와 피츠의 회로도에는 
많은 세부사항이 있지만

00:05:18.212 --> 00:05:19.564
정확하지는 않습니다.

00:05:19.588 --> 00:05:20.823
하지만 기본 아이디어인

00:05:20.847 --> 00:05:24.839
시각 피질의 원리가 
일련의 계산 요소를

00:05:24.863 --> 00:05:27.609
연속적으로 하나에서 다음으로 
정보를 넘긴다는 것은

00:05:27.633 --> 00:05:29.235
근본적으로 맞습니다.

NOTE Paragraph

00:05:29.259 --> 00:05:31.609
조금 더 이야기해 보겠습니다.

00:05:31.633 --> 00:05:35.665
시각 정보를 처리하는 모델이 
해야 하는 일에 대해서 말이죠.

00:05:36.228 --> 00:05:38.969
인식이 기본적으로 하는 일은

00:05:38.993 --> 00:05:43.187
이런 이미지를 보고 
이렇게 말하는 것 입니다.

00:05:43.211 --> 00:05:44.387
"이것은 새입니다"

00:05:44.411 --> 00:05:47.285
우리에게는 매우 쉬운 일입니다.

00:05:47.309 --> 00:05:50.730
하지만 여러분 모두가 
아셔야 하는 것이

00:05:50.754 --> 00:05:53.841
몇 년 전까지 컴퓨터로는 
이런 것이 불가능했습니다.

00:05:53.865 --> 00:05:55.781
고전적인 컴퓨팅 패러다임은

00:05:55.805 --> 00:05:58.312
이런 일을 쉽게 할 수 
있는 것이 아닙니다.

NOTE Paragraph

00:05:59.366 --> 00:06:01.918
그래서 픽셀들 간의 관계와

00:06:01.942 --> 00:06:05.970
만들어진 이미지와 
"새"라는 단어의 관계는

00:06:05.994 --> 00:06:08.808
근본적으로 신경세포들이 서로 연결되어

00:06:08.832 --> 00:06:09.987
신경망을 구축하고 있는 것입니다.

00:06:10.011 --> 00:06:11.234
제가 그린 도표처럼요.

00:06:11.258 --> 00:06:14.530
이 신경망은 시각피질 내부의 
생물학적인 것이나

00:06:14.554 --> 00:06:16.716
오늘날에는 우리의 기술로

00:06:16.740 --> 00:06:19.194
컴퓨터를 통해 신경망을 
그릴 수 있습니다.

00:06:19.834 --> 00:06:22.187
그리고 이것이 실제 모델입니다.

NOTE Paragraph

00:06:22.211 --> 00:06:25.627
픽셀이 신경세포의 첫 번째 층입니다.

00:06:25.651 --> 00:06:27.890
그리고 이것은 실제로 
눈으로 보는 과정으로 보면

00:06:27.914 --> 00:06:29.577
픽셀이 망막인 것입니다.

00:06:29.601 --> 00:06:31.101
그리고 이 자극을

00:06:31.125 --> 00:06:34.528
신경세포의 한 층에서 
다음 층으로 전달합니다.

00:06:34.552 --> 00:06:37.585
이는 각각 다른 농도의
시냅스로 모두 연결되어있습니다.

00:06:37.609 --> 00:06:38.944
이 네트워크의 동작은

00:06:38.968 --> 00:06:42.252
모든 시냅스의 강도에 의해 구분됩니다.

00:06:42.276 --> 00:06:45.564
이것으로 네트워크 내에서 
계산되는 것을 특징짓습니다.

00:06:45.588 --> 00:06:47.058
그리고 마지막에

00:06:47.082 --> 00:06:49.529
신경 세포 하나 또는 한 무리가

00:06:49.553 --> 00:06:51.200
반짝이며 "새"라고 말합니다.

NOTE Paragraph

00:06:51.824 --> 00:06:54.956
이제 제가 이 세가지를

00:06:54.980 --> 00:06:59.676
입력된 픽셀, 신경망의 시넵스

00:06:59.700 --> 00:07:01.285
그리고 결과물인 새를

00:07:01.309 --> 00:07:04.366
세 변수 x, w, y라고 하겠습니다.

00:07:04.853 --> 00:07:06.664
픽셀이 백만 개는 있을테니 x는

00:07:06.688 --> 00:07:08.641
이미지의 백만 개의 픽셀입니다.

00:07:08.665 --> 00:07:11.111
그리고 w는 수십억
혹은 수조 개가 있습니다.

00:07:11.135 --> 00:07:14.556
이는 신경망의 모든 시냅스의 
농도를 말합니다.

00:07:14.580 --> 00:07:16.455
그리고 적은 수의 y가 있습니다.

00:07:16.479 --> 00:07:18.337
신경망의 결과물로써 말이죠.

00:07:18.361 --> 00:07:20.110
"Bird"는 네 글자뿐이잖아요.

00:07:21.088 --> 00:07:24.514
그러면 이것을 간단한 
공식이라고 해봅시다.

00:07:24.538 --> 00:07:26.701
x "x" w = y.

00:07:26.725 --> 00:07:28.761
저는 곱하기를 큰따옴표
안에 넣었습니다.

00:07:28.785 --> 00:07:31.065
실제로 저기서 일어나는 일은

00:07:31.089 --> 00:07:34.135
매우 복잡한 일련의 
수학적인 과정이기 때문입니다.

NOTE Paragraph

00:07:35.172 --> 00:07:36.393
이것은 한 공식입니다.

00:07:36.417 --> 00:07:38.089
세 개의 변수가 있습니다.

00:07:38.113 --> 00:07:40.839
그리고 우리가 알고 있는 것이
한 공식에서

00:07:40.863 --> 00:07:44.505
두 개의 변수를 알면 남은 한 개를 
알 수 있다는 것입니다.

00:07:45.158 --> 00:07:48.538
그래서 추론해야 하는

00:07:48.562 --> 00:07:51.435
새의 사진을 보고 
새를 구분하는 공식은

00:07:51.459 --> 00:07:52.733
바로 이것입니다.

00:07:52.757 --> 00:07:56.216
이 경우는 y는 알려지지 않고
w와 x는 알려진 경우이죠

00:07:56.240 --> 00:07:58.699
신경망과 픽셀이 
무엇인지는 알고 있습니다.

00:07:58.723 --> 00:08:02.050
보시다시피 사실 상대적으로 
간단한 문제입니다

00:08:02.074 --> 00:08:04.260
2 곱하기 3을 하면 끝나는 거죠

00:08:04.862 --> 00:08:06.985
여러분께 최근에 만든 인공 신경망이

00:08:07.009 --> 00:08:09.305
정확히 이것을 하는 것을 
보여드리겠습니다

NOTE Paragraph

00:08:09.634 --> 00:08:12.494
이것은 휴대전화에서 
실시간으로 돌아가는 것입니다.

00:08:12.518 --> 00:08:15.831
그리고 물론 휴대전화에서

00:08:15.855 --> 00:08:19.323
초당 수십억 수조 개의 동작을 
한다는 것 자체만으로도

00:08:19.347 --> 00:08:20.595
놀라운 일입니다

00:08:20.619 --> 00:08:22.234
여러분이 보고 있는 것은

00:08:22.258 --> 00:08:25.805
휴대전화가 다른 새 사진을 보고

00:08:25.829 --> 00:08:28.544
“네, 이것은 새입니다.” 하고
끝나는 것이 아니라

00:08:28.568 --> 00:08:31.979
네트워크 정보로 
종까지 분류하는 모습입니다.

00:08:32.890 --> 00:08:34.716
사진을 보면

00:08:34.740 --> 00:08:38.542
x와 w는 밝혀져 있고 
y는 밝혀지지 않았습니다.

00:08:38.566 --> 00:08:41.074
지금 몹시 어려운 부분을 
얼버무리고 지나가고 있는데

00:08:41.098 --> 00:08:44.959
그것은 우리가 어떻게 w를 밝혀냈으며

00:08:44.983 --> 00:08:47.170
뇌가 어떻게 그런 일을 하며

00:08:47.194 --> 00:08:49.028
어떻게 이런 모델을 배울까입니다.

NOTE Paragraph

00:08:49.418 --> 00:08:52.651
w를 배우고 해결하는 과정을

00:08:52.675 --> 00:08:55.322
간단한 공식으로 만들어 


00:08:55.346 --> 00:08:57.346
숫자를 대입해보면

00:08:57.370 --> 00:09:00.057
정확히 알 수 있습니다.
6=2 x w라고 하면

00:09:00.081 --> 00:09:03.393
양변을 2로 나누면 끝납니다.

00:09:04.001 --> 00:09:06.221
문제점은 이 연산에서

00:09:06.823 --> 00:09:07.974
나눗셈을

00:09:07.998 --> 00:09:11.119
우리가 나눗셈을 썼는데
곱셈을 역으로 계산한 것입니다.

00:09:11.143 --> 00:09:12.583
하지만 방금 말한 대로

00:09:12.607 --> 00:09:15.056
실제 연산은 곱하기가 아닙니다.

00:09:15.080 --> 00:09:18.406
이것은 매우 매우 복잡한
비선형 연산이고

00:09:18.430 --> 00:09:20.134
역으로 계산할 수 없습니다.

00:09:20.158 --> 00:09:23.308
그래서 우리는 이 공식을 
나누지 않고 해결할 방법을

00:09:23.332 --> 00:09:25.356
찾아야 합니다.

00:09:25.380 --> 00:09:27.723
그리고 그 방법은 매우 간단합니다.

00:09:27.747 --> 00:09:30.418
대수학을 조금 이용해

00:09:30.442 --> 00:09:33.348
6을 공식의 우변으로 옮기겠습니다.

00:09:33.372 --> 00:09:35.198
이러면 곱하기만 사용할 수 있습니다.

00:09:35.675 --> 00:09:39.255
그리고 0은 오류라고 생각합시다.

00:09:39.279 --> 00:09:41.794
다시 말해, 우리가 w를 해결해서 
정답이 나오면

00:09:41.818 --> 00:09:43.474
오류가 0이 될 것이고

00:09:43.498 --> 00:09:45.436
우리가 잘못된 값을 구했다면

00:09:45.460 --> 00:09:47.209
오류가 0보다 커질 것입니다.

NOTE Paragraph

00:09:47.233 --> 00:09:50.599
이제 우리가 추측해서 
오류를 최소화할 수 있습니다.

00:09:50.623 --> 00:09:53.310
그리고 이런 것은 
컴퓨터가 아주 잘하는 일이죠.

00:09:53.334 --> 00:09:54.927
그래서 최초의 추측으로

00:09:54.951 --> 00:09:56.107
w가 0이라면

00:09:56.131 --> 00:09:57.371
오류는 6입니다.

00:09:57.395 --> 00:09:58.841
w가 1이면 오류는 4입니다.

00:09:58.865 --> 00:10:01.232
컴퓨터가 계속 
마르코 폴로같이 여행하면

00:10:01.256 --> 00:10:03.623
오류가 0에 가까워질 것입니다.

00:10:03.647 --> 00:10:07.021
그러면서 컴퓨터가 성공적으로 w 값의 
근사치를 얻어가는 것입니다.

00:10:07.045 --> 00:10:10.701
전형적으로 정확한 값을 얻진 못하지만 
수십 단계가 지나면

00:10:10.725 --> 00:10:15.349
w는 2.999를 얻게 되고 
이는 충분히 근접한 값입니다.

00:10:16.302 --> 00:10:18.116
그리고 이것이 학습 과정입니다.

NOTE Paragraph

00:10:18.140 --> 00:10:20.870
지금까지 이야기한 것은

00:10:20.894 --> 00:10:25.272
수많은 x와 y 값을 알고 있고

00:10:25.296 --> 00:10:28.750
가운데 w 값을 추론 과정에서 
알아내고 있습니다.

00:10:28.774 --> 00:10:32.330
이는 우리의 뇌가 학습하는 
과정과 같습니다.

00:10:32.354 --> 00:10:34.584
우리는 어릴 적 수많은 이미지를 접하고

00:10:34.608 --> 00:10:37.241
"이것은 새다, 이것은 새가 아니다"
라고 듣습니다.

00:10:37.714 --> 00:10:39.812
그리고 시간이 흘러 반복하면서

00:10:39.836 --> 00:10:42.764
w를 알아내죠.
신경 연결을 해결하는 것입니다.

NOTE Paragraph

00:10:43.460 --> 00:10:47.546
이제 우리는 고정된 x와 w값으로
y를 구합니다.

00:10:47.570 --> 00:10:49.417
이것은 매일 우리가 하는 인식입니다.

00:10:49.441 --> 00:10:51.204
w 값을 구하는 과정은

00:10:51.228 --> 00:10:53.131
학습이고 더 어렵습니다.

00:10:53.155 --> 00:10:55.140
왜냐면 많은 훈련 예시를 통해

00:10:55.164 --> 00:10:56.851
오류를 최소화 해야 하기 때문이죠.

NOTE Paragraph

00:10:56.875 --> 00:11:00.062
약 1년 전에 저희 팀의
알렉스 모드빈츠세프는

00:11:00.086 --> 00:11:03.636
우리가 x를 구하면 어떻게 되는지 
실험하기로 했습니다.

00:11:03.660 --> 00:11:05.697
w와 y 값을 알고 있다는 
조건에서 말이죠.

00:11:06.124 --> 00:11:07.275
다시 말하자면

00:11:07.299 --> 00:11:08.651
새라는 것을 알고

00:11:08.675 --> 00:11:11.978
새라는 것을 인식할 수 있는 
신경망이 구축된 상태에서

00:11:12.002 --> 00:11:14.346
새의 모습을 알아내는 것입니다.

00:11:15.034 --> 00:11:20.058
똑같은 오류 최소화 과정을 거쳐

00:11:20.082 --> 00:11:23.512
컴퓨터가 새를 인식할 수 있는 
네트워크를 통해

00:11:23.536 --> 00:11:26.924
만들어낸 결과는

00:11:30.400 --> 00:11:31.705
새의 그림입니다.

00:11:32.814 --> 00:11:36.551
이 그림은 전적으로 
새를 인식할 수 있는

00:11:36.575 --> 00:11:38.401
신경 네트워크를 통해

00:11:38.425 --> 00:11:41.963
y 값을 구하는 대신 x 값을

00:11:41.987 --> 00:11:43.275
추론하여 구현됬습니다.

NOTE Paragraph

00:11:43.732 --> 00:11:45.579
다른 재미있는 예를 보여드리면

00:11:45.603 --> 00:11:49.040
이것은 저희 그룹의 
마이크 티카의 작품입니다.

00:11:49.064 --> 00:11:51.372
이 작품의 제목은
"동물 행진"입니다.

00:11:51.396 --> 00:11:54.272
이것을 보고 윌리엄 켄트리지의 
작품이 떠올랐습니다.

00:11:54.296 --> 00:11:56.785
그는 스케치를 그렸다가 지우고

00:11:56.809 --> 00:11:58.269
그렸다가 지워가며

00:11:58.293 --> 00:11:59.691
이런 식으로 영상을 만들죠.

00:11:59.715 --> 00:12:00.866
이 경우에는

00:12:00.890 --> 00:12:04.167
마이크가 한 것은 변수 y를 
다양한 동물들로 설정했습니다.

00:12:04.191 --> 00:12:06.573
서로 다른 동물들을 구분할 수 있도록

00:12:06.597 --> 00:12:08.407
설계된 네트워크 안에서 말이죠.

00:12:08.431 --> 00:12:12.182
그렇게 이런 희안한 에셔 풍의 
동물들이 변하는 그림이 나옵니다.

NOTE Paragraph

00:12:14.221 --> 00:12:18.835
여기서 마이크와 알렉스는

00:12:18.859 --> 00:12:21.618
y 값을 줄여 2차원 평면에 
표현했습니다.

00:12:21.642 --> 00:12:25.080
그렇게 이 네트워크가 인식할 수 있는

00:12:25.104 --> 00:12:26.823
모든 종류를 나타내는 
지도를 만들었습니다.

00:12:26.847 --> 00:12:28.870
이런 종류의 이미지 통합

00:12:28.894 --> 00:12:31.276
혹은 생성은 표면 전반에 걸쳐

00:12:31.300 --> 00:12:34.146
y를 다르게 해서
이런 지도를 만듭니다.

00:12:34.170 --> 00:12:37.311
네트워크가 인식하는 
모든 것의 시각적 지도입니다.

00:12:37.335 --> 00:12:40.200
모든 동물이 있습니다.
저기 "아르마딜로"가 있습니다.

NOTE Paragraph

00:12:40.919 --> 00:12:43.398
이것을 다른 네트워크로
할 수 있습니다.

00:12:43.422 --> 00:12:46.296
이 네트워크는 얼굴을 
인식하도록 설계됬습니다.

00:12:46.320 --> 00:12:48.320
서로 다른 얼굴을 구분하도록 말이죠.

00:12:48.344 --> 00:12:51.593
여기서 저희가 y에 
"저"를 넣었습니다.

00:12:51.617 --> 00:12:53.192
제 얼굴을 변수로 말이죠.

00:12:53.216 --> 00:12:54.922
그리고 이것이 x를 구하면

00:12:54.946 --> 00:12:57.564
이런 상당히 정신없고

00:12:57.588 --> 00:13:02.016
약간은 입체파, 초현실주의,
사이키델릭한 제 사진을 만듭니다.

00:13:02.040 --> 00:13:03.846
여러 모습을 한 번에 보여주면서요.

00:13:03.870 --> 00:13:06.604
여러 모습을 한 번에 보여주는 이유는

00:13:06.628 --> 00:13:10.315
네트워크의 설계에서 얼굴의
한 모습에서 다른 모습으로

00:13:10.339 --> 00:13:12.815
넘어가는 모호한 과정이 
제거되었기 때문입니다.

00:13:12.839 --> 00:13:16.215
특정 각도의 얼굴을 보는 것입니다.

00:13:16.239 --> 00:13:18.324
그래서 이것을 재구성할 때

00:13:18.348 --> 00:13:20.652
가이드 이미지나 통계를

00:13:20.676 --> 00:13:21.887
사용하지 않으면

00:13:21.911 --> 00:13:25.676
이런 혼란스러운 시점들이 나옵니다.

00:13:25.700 --> 00:13:27.068
모호하기 떄문이죠.

00:13:27.786 --> 00:13:32.009
이것은 알렉스가 본인 얼굴을 
가이드로 이용해

00:13:32.033 --> 00:13:35.354
최적화 과정을 거쳐 
제 얼굴을 만든 것입니다.

00:13:36.284 --> 00:13:38.612
보시다시피 완벽하진 않습니다.

00:13:38.636 --> 00:13:40.510
어떻게 최적화를 해야 할지

00:13:40.534 --> 00:13:42.987
아직도 갈 길이 멉니다.

00:13:43.011 --> 00:13:45.838
하지만 제 얼굴을 가이드로 쓰면

00:13:45.862 --> 00:13:47.876
더 일관된 얼굴을 구할 수 있습니다.

NOTE Paragraph

00:13:48.892 --> 00:13:51.393
굳이 빈 캔버스로 
시작하지 않아도 됩니다.

00:13:51.417 --> 00:13:52.573
혹은 백색 잡음으로요.

00:13:52.597 --> 00:13:53.901
x를 구할 때

00:13:53.925 --> 00:13:57.814
이미 그려진 그림 위에 
x를 구해도 됩니다.

00:13:57.838 --> 00:14:00.394
이것이 바로 그 예입니다.

00:14:00.418 --> 00:14:04.540
이 네트워크는 온갖 물체를 구분하도록

00:14:04.564 --> 00:14:07.683
설계되었습니다. 
인조물이나 동물 등을 말이죠.

00:14:07.707 --> 00:14:10.300
여기서 저희는 
구름 사진을 이용했습니다.

00:14:10.324 --> 00:14:11.995
그리고 저희가 최적화를 하면

00:14:12.019 --> 00:14:16.505
기본적으로 이 네트워크는 구름에서 
무엇이 보이는지 구분합니다.

00:14:16.931 --> 00:14:19.251
그리고 이것을 더 자세히 보시면

00:14:19.275 --> 00:14:22.028
구름에서 더 다양한 것을 
볼 수 있습니다.

00:14:23.004 --> 00:14:26.379
여기서 얼굴을 인식하는 
네트워크로 환각을 만들면

00:14:26.403 --> 00:14:28.215
꽤나 정신없는 그림이 나옵니다.

NOTE Paragraph

00:14:28.239 --> 00:14:29.389
(웃음)

NOTE Paragraph

00:14:30.401 --> 00:14:33.145
혹은 마이크가 다른 시도를 했습니다.

00:14:33.169 --> 00:14:37.074
바로 구름 그림을 이용해

00:14:37.098 --> 00:14:40.605
환각을 만들고 확대하고 
환각을 만들고 확대했습니다.

00:14:40.629 --> 00:14:41.780
그리고 이렇게

00:14:41.804 --> 00:14:45.479
방황하는 것처럼 보이는 네트워크나

00:14:45.503 --> 00:14:49.183
자유 연상의 일종으로

00:14:49.207 --> 00:14:51.434
네트워크가 스스로 꼬리를 물게 됩니다.

00:14:51.458 --> 00:14:54.879
그래서 모든 이미지의 
기본은 이렇습니다.

00:14:54.903 --> 00:14:56.324
"다음에는 무엇이 보이지?

00:14:56.348 --> 00:14:59.151
다음에는 무엇이 보이지?
다음에는 무엇이 보이지?"

NOTE Paragraph

00:14:59.487 --> 00:15:02.423
이것을 최초로 공개한 곳은

00:15:02.447 --> 00:15:07.884
시애틀의 "고등 교육"그룹의
강연에서였습니다.

00:15:07.908 --> 00:15:10.345
마리화나가 합법화 된 직후에 말이죠.

NOTE Paragraph

00:15:10.369 --> 00:15:12.784
(웃음)

NOTE Paragraph

00:15:14.627 --> 00:15:16.731
그래서 정리를 짧게 하겠습니다.

00:15:16.755 --> 00:15:21.010
이 기술에 제약이 없다는 것을 
말하면서 말이죠.

00:15:21.034 --> 00:15:24.699
순전히 시각자료를 보여드린 이유는
흥미를 유발하기 위해서 입니다.

00:15:24.723 --> 00:15:27.174
이것은 순전히 시각 기술만은 아닙니다.

00:15:27.198 --> 00:15:29.191
저희와 함께 일하는 
아티스트 로스 굿윈은

00:15:29.215 --> 00:15:32.886
실험을 했습니다.
사진을 찍는 사진기와

00:15:32.910 --> 00:15:37.144
등에 매고 있는 컴퓨터로 
신경 네트워크를 이용해 시를 썼습니다.

00:15:37.168 --> 00:15:39.112
사진에 찍힌 내용을 보고 말이죠.

00:15:39.136 --> 00:15:42.083
그리고 시인 신경 네트워크는

00:15:42.107 --> 00:15:44.341
20세기 시의 집대성으로 훈련됬습니다.

00:15:44.365 --> 00:15:45.864
그리고 결과로 나온 시는 말이죠

00:15:45.888 --> 00:15:47.802
사실 제 생각엔 나쁘지 않아 보입니다.

NOTE Paragraph

00:15:47.826 --> 00:15:49.210
(웃음)

NOTE Paragraph

00:15:49.234 --> 00:15:50.393
마지막으로

00:15:50.417 --> 00:15:52.549
저는 미켈란젤로의 생각이

00:15:52.573 --> 00:15:53.807
옳았다고 생각합니다.

00:15:53.831 --> 00:15:57.267
인식과 창의성은 매우 밀접하게 
연결되어 있습니다.

00:15:57.611 --> 00:16:00.245
지금까지 보신 것은
신경 네트워크 입니다.

00:16:00.269 --> 00:16:02.572
전적으로 훈련이 되어 구분하거나

00:16:02.596 --> 00:16:04.838
혹은 다른 것들을 인식하거나

00:16:04.862 --> 00:16:08.023
반대로 적용하여 
만들어 낼 수 있습니다.

00:16:08.047 --> 00:16:09.830
이것을 보고 느낀 점 중에 하나는

00:16:09.854 --> 00:16:12.252
미켈란젤로가 정말로 본 것은

00:16:12.276 --> 00:16:14.728
돌덩이 안에 있는 조각상뿐만 아니라

00:16:14.752 --> 00:16:18.390
어떤 생물, 생명 심지어 외계인도

00:16:18.414 --> 00:16:22.071
인식행위를 할 수 있으면

00:16:22.095 --> 00:16:23.470
창조할 수 있다는 것 입니다.

00:16:23.494 --> 00:16:26.718
두 경우 모두 같은 조작과정을
사용하기 때문이죠.

NOTE Paragraph

00:16:26.742 --> 00:16:31.274
또한 저는 인식과 창의성은 
결코 인간에 국한되지 않는다고

00:16:31.298 --> 00:16:32.508
생각합니다.

00:16:32.532 --> 00:16:36.240
저희는 똑같은 일을 할 수 있는 
컴퓨터 모델을 만들었고

00:16:36.264 --> 00:16:39.592
그리고 그 뇌가 컴퓨터로 만들어
졌다는 것은 놀랄 일도 아닙니다.

NOTE Paragraph

00:16:39.616 --> 00:16:41.273
그리고 마지막으로

00:16:41.297 --> 00:16:45.965
컴퓨터는 지능적 기계를 
설계하면서 시작되었습니다.

00:16:45.989 --> 00:16:48.451
이것은 이런 생각을 따라 만들어졌습니다.

00:16:48.475 --> 00:16:51.488
어떻게 하면 우리가 기계를 
똑똑하게 만들지 말이죠.

00:16:51.512 --> 00:16:53.674
그리고 이제 선구자들과 한

00:16:53.698 --> 00:16:56.104
약속 중에 일부를 이뤄가고 있습니다.

00:16:56.128 --> 00:16:57.841
튜링, 폰 노이만

00:16:57.865 --> 00:17:00.130
매컬로크 그리고 피트에게 말이죠.

00:17:00.154 --> 00:17:04.252
그리고 저는 컴퓨터는 회계나 
게임 할 때만 쓰는 것이

00:17:04.276 --> 00:17:06.423
아니라고 생각합니다.

00:17:06.447 --> 00:17:09.025
시작부터 인간을 본따 컴퓨터를 만들었고

00:17:09.049 --> 00:17:12.318
그리고 그 과정에서 
인간의 마음을 더 잘 이해하고

00:17:12.342 --> 00:17:13.871
더 넓히게 되었습니다.

NOTE Paragraph

00:17:14.627 --> 00:17:15.794
감사합니다.

NOTE Paragraph

00:17:15.818 --> 00:17:21.757
(박수)