인간의 사고능력인 체계적 일반화를 구현한 AI를 과학자들이 개발했다. 게티이미지뱅크 제공

데미스 허사비스 구글 딥마인드 최고경영자(CEO)는 25일 영국 일간 가디언과의 인터뷰에서 “인공지능(AI)의 위험을 기후변화와 같은 글로벌 문제만큼이나 심각하게 받아들여야 한다”고 말했다. 생화학무기의 생성을 돕는 등 인간의 능력을 상회하는 초지능 기술이 일으킬 수 있는 위협을 준비해야 한다는 것이다.

실제 AI 기술은 최근 몇 년간 비약적으로 발전했다. 미국 변호사시험을 통과하고 의사보다 빠르게 병변을 찾아냈다. 다년간 전문적인 교육을 받은 인간과 유사한 수준의 능력을 과시하며 사람들을 놀라게 했다. AI가 인간의 능력을 뛰어넘는 시대가 조만간 도래할 것으로 여겨졌지만 주어진 환경을 응용하는 ‘체계적 일반화’에서는 인간을 능가하긴 어려울 것이라는 견해가 지배적이었다.

이같은 학계의 예측을 뛰어넘은 AI 기술이 등장했다. 인간만이 가진 고유의 능력에 또 한 걸음 다가선 것이다. 브렌든 레이크 미국 뉴욕대 교수 연구팀은 인간과 유사한 사고능력을 가진 AI 모델을 26일 국제학술지 ‘네이처’에 발표했다. 이번에 개발된 AI 모델은 인간이 새로운 개념을 학습할 때 기존 개념과 결합해 사고하는 ‘체계적 일반화’ 능력을 구현했다. 체계적 일반화는 효율적인 학습을 위해 필수적인 사고능력이다.

● ‘메타학습법’으로 학습 알고리즘 실시간 개선

학계는 앞서 AI가 따라할 수 없는 인간 고유의 능력 중 하나로 체계적 일반화 능력을 꼽았다. 네이처는 “AI에서 체계적 일반화를 구현할 수 없다는 35년간의 통념에 도전하는 연구 결과”라며 “인간과 더 가까운 AI를 개발할 가능성을 제시했다”고 평가했다.

체계적 일반화는 인간과 AI의 사고능력을 구별하는 주된 능력 중 하나로 ‘응용력’이다. 예를 들어 인간은 ‘멀리 뛰는 법’을 배웠을 때 이를 ‘뒤로 뛰기’나 ‘장애물 뛰어넘기’와 같은 다른 상황에 적용한다. 과학자들은 AI와 같은 인공신경망이 학습과정에서 이러한 응용력을 지니지 않았기 때문에 인간의 사고능력과 근본적인 차이가 있는 것으로 여겼다. 방대한 자료를 학습하기에도 빠듯한 AI가 축적된 자료를 바탕으로 새로운 사실이나 판단을 이끌어내기에는 ‘용량’이 부족하다는 이야기다.

연구팀은 AI가 제한된 용량으로도 응용력을 습득할 수 있게 하기 위해 ‘메타학습법’을 AI 모델에 구현했다. AI 학습법 중 하나인 메타학습법을 구현하기 위해 연구팀은 문제 해결 과정에서 끊임없이 알고리즘을 개선하도록 했다. 기존 AI 학습법이 데이터를 학습하고 해결법을 도출하는 과정에서 고정된 알고리즘을 사용하는 것과는 다른 방식이다. 연구자들은 기존 학습법과 메타학습법을 각각 ‘정적인 방식’과 ‘동적인 방식’으로 불렀다.

알고리즘이 실시간으로 개선되면 AI는 더 최적화된 학습효과를 누릴 수 있다. 효율적으로 학습이 이뤄지면서 문제를 처리하는 도중에 발생하는 데이터 병목현상도 줄어든다. 이렇게 되면 AI가 자료를 처리하는 데 응용력을 발휘할 수 있는 여력이 생기게 된다.

● 인간처럼 사고하는 AI 모델

연구팀이 개발한 메타학습법을 적용한 AI 모델은 문제 상황을 해결하기 위해 인간처럼 사고했다. ‘살금살금 걷는다’라는 개념을 학습시킨 뒤 넘어지기 쉬운 원뿔 모양의 장애물 주변을 지나가는 상황을 제시하자 ‘살금살금 걸어 장애물을 피한다’라는 해결방식을 도출해냈다. 또 가상의 영어 단어들을 제시하고 이 단어들의 문법적 성격을 추론하라는 과제에서도 인간과 비슷한 정답을 제출했다. AI는 가상의 단어가 가진 철자를 바탕으로 해당 단어를 명사, 형용사, 동사 등으로 분류했다. 기존에 학습한 영어 문법을 응용해 단어의 문법적 역할을 추측해내는 데 성공한 것이다.

연구팀은 “메타학습법을 사용해 개발된 이번 AI 모델은 인간과 비슷한 수준의 체계적인 일반화 사고 능력을 보였으며 오류가 발생하는 과정에서도 인간과 유사한 모습을 보였다”고 말했다. 인간이 체계적 일반화 사고능력을 습득하기 위해 유아기부터 경험을 통해 새로운 개념을 배우는 기술을 연마하는 것과 달리 AI는 단번에 성인 수준의 사고 능력을 갖추게 됐다고 설명했다.

연구팀은 향후 실제 인간이 사고능력을 습득하는 과정까지 따르는 AI 모델 개발 계획을 제시했다. 완성된 성인의 사고능력 모델을 구현하지 않고 학습 과정부터 인간과 똑같은 방식으로 훈련한 AI가 얼마나 인간을 닮을 수 있는지 확인하는 작업이다. 연구팀은 “인간의 마음을 갖고 행동하는 AI가 등장할 수 있는 기술의 발전을 기대한다”고 말했다.

아폴로 17호 우주비행사인 해리슨 슈미트가 달 타우루스-리트로우 계곡에 착륙한 뒤 달 겉흙과 월석을 채집하고 있다. 미국항공우주국(NASA)은 여섯 번의 아폴로 임무에서 월석과 겉흙 382kg을 가져왔다. NASA 제공

달의 나이가 기존에 학계에서 알려진 것보다 최소 4000만살 많은 44억6000만살 이상이란 분석이 나왔다.

필립 헥 미국 시카고대 교수와 제니카 그리어 영국 글래스고대 교수가 이끄는 공동연구팀은 1972년 미국항공우주국(NASA)의 달 유인 탐사선 아폴로호에서 얻은 달 토양 샘플을 분석한 결과 이같은 사실을 확인했다고 국제학술지 ‘지질학 관점 레터스’에 23일(현지시간) 발표했다.

앞서 학계에선 달이 탄생한 시기를 44억2000만년 전으로 추정했다. 태양계가 아직 젊은 단계일 무렵 화성 크기의 거대한 물체가 지구와 충돌해 떨어져 나온 파편들이 뭉쳐져 달이 만들어진 것으로 봤다. 다만 이러한 사건이 정확히 언제 발생했는지에 대해선 확인되지 않았다.

연구팀은 달이 형성된 정확한 시기를 확인하기 위해 아폴로 17호가 마지막 달 탐사 임무에서 가져온 샘플을 분석했다. 달 먼지 등으로 구성된 샘플에는 달이 탄생했을 무렵 형성됐을 것으로 추정되는 작은 지르콘 결정 등이 담겨 있었다. 지르콘 결정은 지구와 거대한 물체가 충돌했을 때 녹아버린 암석 마그마를 버틸 수 없기 때문에 달의 탄생 시기를 가늠하는 지표가 될 수 있다.

연구팀은 달 샘플이 생성된 시기를 파악하기 위해 원자탐침단층분석법을 사용했다. 이온 빔 현미경을 사용해 나노 단위로 날카롭게 깎은 샘플 조각의 끝을 자외선 레이저를 조사해 증발시켰다. 증발한 원자들을 질량분석기로 분석해 구성된 원자들을 파악하고 이 원자들이 얼마나 많은 방사성 붕괴를 겪었는지 확인했다. 각 원자가 붕괴하는 데 걸리는 시간을 바탕으로 샘플에 존재하는 원소의 동위원소를 분석하면 샘플이 얼마나 오래된 것인지 추정할 수 있다.

분석 결과 연구팀은 달 샘플에 포함된 지르콘 결정의 나이가 약 44억6000만년 전에 형성된 것으로 파악했다. 달 표면에 마그마가 굳은 뒤에 형성되는 지르콘 결정이 44억6000만년 전 만들어졌기 때문에 달의 나이는 이보다 많아야 한다는 것이다.

연구를 이끈 헥 교수는 “지구의 자전축을 안정시키고 하루가 24시간이 되게 하며 조수 현상을 일으키는 달은 지구와 밀접한 연관이 있기 때문에 형성 시기를 아는 것이 중요하다”고 말했다.
연구팀은 이번에 분석한 달 샘플이 달 전체 표면을 대표하지 못할 수 있다고 덧붙였다. 다른 지역에서 분석한 샘플을 분석하면 더 오래 전에 형성된 지르콘 결정을 발견할 수도 있다는 것이다.