안녕하세요. 강사 섭외 플랫폼 호오컨설팅입니다.

오늘의 포스팅은 기업 특강 조태호 교수 강연 'AI가 노벨상을 받은 이유' 라는 주제의 특강 강의 영상입니다.

2024년 AI가 노벨상을 수상했던 이유에 대한 분석과 앞으로 우리의 미래 전망에 대해서도 생각해볼 수 있는 유익한 내용입니다.





2024년 노벨상은 참 특별했습니다.

AI와 딥러닝의 기초를 닦은 존 호필드 박사와 또 제프리 힌튼 박사가 물리학상을 받았고,

이 기술을 단백질 구조 예측에 성공적으로 적용한 데미스 하사비스 존 점퍼 박사와 

단백질 구조 예측에 AI를 도입했던 데이빗 베이커 박사가 노벨 화학상을 수상했습니다.

말 그대로 AI가 노벨상을 휩쓴 해였다고 할 수 있을 것 같습니다.

AI의 본질과 발전 과정, 호필드 박사와 힌튼 박사가 AI 발전에 기여한 핵심적인 업적들을 알아보도록 하겠습니다.





이렇게 생긴 종이가 한 장 있다고 칩시다. 검은색 점 2개와 흰색 점 두 개가 이렇게 교차로 그려져 있는데요.

어떻게 하면 이 종이를 딱 한 분만 접어서 하나의 공간에 다른 색 점이 함께 들어가지 않게 나눌 수 있을까요?

예를 들어 가운데를 세로로 접으면 왼편에 검은색 하나 흰색 하나가 섞여 들어가죠.

오른편에도 검은색 하나 흰색 하나가 들어가게 되고, 

가로로 접어도 똑같으며, 모서리를 접어도 위쪽 공간에 검은색과 흰색이 모두 들어가게 됩니다.

도대체 어떻게 나누어야 다른 색 공이 같은 영역에 들어가지 않게끔 접을 수 있을까요?

이 문제는 주어진 조건 그대로는 해결이 불가능합니다.

이렇게 피라미드 형태로 만들면 문제가 풀리는데, 즉 2차원 평면에서 벗어나서 3차원으로 생각하면 훨씬 더 많은 것들이 가능해지는 겁니다.

우리가 지금 풀려고 하는 문제도 마찬가지로 2차원으로 접근해도 풀리지 않던 이 문제가 종이를 살짝 옆으로 돌려서 3차원 상에서 접어주면

두 부분을 동시에 접을 수 있게 되고 같은 공간에 다른 색 점이 겹치지 않게 접을 수 있게 되는 겁니다.

결국 차원을 늘려서 동시에 두 개의 작업을 한 번에 해내는 것, 이것이 바로 문제 해결의 핵심이었던 것이죠.

올해의 노벨상은 이 문제의 해법을 고민하고 답을 구해 온 결과로 주어졌다고 해도 과언이 아니기 때문입니다.





사실 AI 머신러닝의 기본적인 원리는 아주 단순합니다.

방금 냈던 퀴즈처럼 제대로 된 선을 그어주는 작업이라고 할 수가 있어요.

그래프와 같이 정상인과 알츠하이머병 환자가 분포해 있다면 이것을 이용한 의료 AI는 둘을 구분 짓는 선을 그어주는 작업을 하는 겁니다.

그래야 이 새로운 샘플이 추가됐을 때 이 샘플이 정상인지 알치알마 병이 있는지를 예측할 수가 있는 것이거든요.

조금 전 내드린 문제는 선 긋기 즉 경계를 나누기가 불가능한 경우를 말하고 있는 겁니다.

이것을 XOR 문제라고 부르는데, 초창기 AI는 이 문제를 반드시 해결해야만 했습니다.

선을 긋게 해주는 기본적인 도구인 1957년도의 퍼셉트론 내 모습을 보면 이것으로는 1차원상에서 선을 그어주는 것 그 이상을 할 수가 없었습니다.

XOR 문제 해결을 위해서 데이터 과학자들은 중간에 보이지 않는 층을 하나 더 만드는 퍼셉트론을 업그레이드 시킵니다.

숨어 있는 히든 레이어가 들어가면 하나의 계산과 또 하나의 계산이 동시에 가능한 겁니다.

그래서 이 두 계산 결과를 마지막으로 계산을 하면서 우리가 풀지 못했던 문제까지도 해결을 해 주는 거죠.





이 방식은 종이를 접어서 문제를 해결했던 것처럼 새로운 층을 만들어서 두 개의 계산을 동시에 하게 해 주는 원리로 다층 퍼셉트론이라고 부르죠.

하지만 이 중간에 삽입된 숨겨진 층은 말 그대로 숨겨져 있었기 때문에 그 내용을 볼 수가 없기 때문에 이것이 문제의 완전한 해결은 아니었습니다.

중간 내용을 볼 수 없다는 것은 중간에 있는 가중치들을 보고 수정할 수가 없다는 뜻도 됩니다.

그래서 이 숨어 있는 가중치를 어떻게 학습시킬 것인가에 대한 연구가 그때부터 무려 20년을 이어지게 됩니다.





가장 큰 진전은 오차 역전파라는 방법입니다.

먼저 출력 층에서 실제 값과 비교를 해서 오차를 계산하고, 이 오차를 다시 뒤로 보내면서 숨겨진 층의 가중치를 하나씩 수정해 가는 거죠.

하지만 이 방법에도 역시 문제가 있었습니다.

보시는 것처럼 뒤로 갈수록 즉 입력층에 가까워질수록 오차의 영향이 점점 희미해져서 거의 사라져 버리는 현상이 생긴다는 거였죠.

마치 뒷사람에게 귓속말을 전달하는데 뒤로 갈수록 메시지가 점점 흐려져서 앞 사람에게는 거의 전달이 안 되는 것 같은 현상과 비슷합니다.

여러 가지 수학적 장치들이 개발되면서 결국 해결이 되는데 그 해결된 것이 지금의 AI를 낳았습니다.





노벨상을 수상한 존 호필드 교수와 제프리 힌튼 교수는 이 문제 해결에 가장 중요한 통찰을 제공한 학자들이라고 할 수 있습니다.

호필드 교수는 정보를 저장하고 기억을 떠올리는 방식에 대해서 연구를 했습니다.

우리 뇌가 불완전한 정보에서도 완전한 기억을 떠올릴 수 있는 것처럼 컴퓨터도 그런 일을 할 수 있게 만들고 싶었습니다.

그래서 보시는 그림처럼 여러 개의 노드가 서로 연결된 호 필드 네트워크라는 시스템을 개발했습니다.

이때 각각의 노드들은 서로에게 영향을 주고 받으면서 정보를 저장하고 기억해냅니다.

모든 노드가 서로 양방향으로 연결이 돼 있기 때문에 일부 정보가 손실되더라도 전체의 패턴을 복원할 수 있게 됩니다.

하지만 호펠드 네트워크는 너무 많은 패턴을 저장하면 제대로 작동하지 않았고, 새로운 패턴을 만들어내지도 못하는 한계가 있었습니다.





그래서 힌튼 교수는 이를 보완해서 중간에 몇몇 노드들의 색깔이 다른 볼츠만 머신을 만들어 냅니다.

이것은 숨어 있는 노드 즉 히든 노드를 의미하는데 볼츠만 머신의 특징은 바로 이런 히든 노드들을 추가했다는 겁니다.

아까 숨겨진 층을 만들었을 때처럼 이번에는 숨겨진 노드들이 추가되면서 더 복잡한 패턴도 효과적으로 학습할 수 있게 된 겁니다.

힌튼 교수는 그 후에도 이 볼츠만 머신을 더욱 발전시켜서 알비엠 제한된 볼츠만 머신을 만들었습니다.

같은 색 노드들끼리는 연결돼 있지 않는 빨간색끼리 즉 히든 노드들끼리, 파란색 끼리, 입력 노드들끼리는 연결이 제한되어 있습니다.

이렇게 일부의 연결을 제한함으로써 효율적으로 학습이 된다라는 것을 밝혀냈습니다.

이 RBM을 여러 층으로 쌓아 올리면서 심층 실내 신경막 DBN인 학습 방법을 개발했는데

각 층이 순차적으로 더 높은 수준의 특징을 학습할 수 있게 만든 원리입니다.

여기서 사용된 딥이라는 이름이 딥러닝이라는 이름으로 통칭되게 하는 역할을 하게 되기도 했는데 아이디어는 다양한 형태로 발전 하게 됩니다.





오토 인코더 데이터를 더 적은 차원으로 압축했다가 다시 복원시키면서 데이터의 핵심 특징을 학습할 수 있게 해 주었습니다.

컨볼루션 뉴럴 네트워크 CN은 이미지의 중요한 특징들을 단계적으로 추출하는 아이디어를 가지고

얼굴을 인식하는 페이스 아이디나 사진 속에 무언가를 인식하는 자율주행 시에 도로의 상황을 파악하는 데 쓰이는 알고리즘으로 발전시켰습니다.

RNN 리커런트 뉴럴 네트웍크은 이전 정보들을 기억하면서 순차적인 데이터 처리를 하게 한 알고리즘입니다.

이전 정보를 기억하면서 다음 단계를 예측하는 기술이기 때문에

결국 이것이 발전돼서 현대의 언어 모델이 됐고 챗gpt를 만든 트랜스포머를 만들게끔 발전이 됩니다.

제너레이티브 어드버서리얼 네트웍이라고 하는 이 알고리즘은 두 신경망이 서로 경쟁하면서 발전하게 하는 아이디어를 이용한 것입니다.

실제와 구분하기 어려울 만큼 정교한 가짜 이미지를 만들어내는 이 생성형 이미지를 만들어내는 기본 기술로 발전하게 됩니다.





강화 학습은 주어진 상황에서 최선의 선택을 찾아가는 방식으로

문제를 해결하는 아이디어로 알파고와 같은 전략적 의사결정 문제를 해결해 주고 있습니다.

이 과정에서 존 호필드 교수와 제프리 힌튼 교수가 제시한 기본 원리들이 이러한 현대의 AI 기술의 근간이 되었다고 할 수 있고,

그들이 노벨상을 받게 된 결정적인 이유입니다.

앞으로도 이런 AI의 원리는 점점 더 정교하게 발전될 것입니다.

AI는 이미 우리 생활에서 깊이 사용되고 있는 기술이면서 동시에 인류가 해결하지 못했던 난제들을 해결하는 정교한 기술이기도 합니다.

이 변화의 시대를 주의 깊게 관찰하면서 새로운 가능성에 열린 마음으로 대응하는 것이 중요한 때가 아닐 수 없습니다.

오늘의 한 줄 리뷰는 AI 이제 노벨상으로 그 가능성을 증명해낸 기술로 하겠습니다.





조태호 교수님은 現 인디애나 대학교 영상의학과 교수이자, 작가로 활동하시며,

Ai(챗 GPT), 미래기술, IT트렌드, 산업, 소통, 커뮤니케이션, 건강, 심리, 정신, 희망, 행복, 워라벨, 마음 등 

다양한 분야의 기업 특강 강의를 진행하고 계십니다.