카이스트-케임브리지대-구글딥마인드 공동연구팀 연구결과

인공지능(AI) 기술이 눈부시게 발전해 바둑의 인간 고수를 꺾고 의료 진단을 내리는 등 활약을 보이고 있지만 여전히 특정 분야에만 활용되고 있다. 바뀌는 환경에 빠르게 적응해나가는 인간의 두뇌는 여전히 따라가지 못하고 있는 셈이다. 그래서 인공지능 연구자들은 인간과 같은 범용적인 기능을 갖춘 기술개발에 주목하고 있지만 여러 가지 문제에 부딪치고 있다. 그런데 한국과 영국 연구진이 인간의 뇌를 관찰하면 차세대 인공지능 설계 문제를 의외로 쉽게 풀어낼 수 있을 것이라는 연구결과를 발표해 주목받고 있다.

카이스트 바이오및뇌공학과 이상완 교수와 영국 케임브리지대, 알파고를 개발한 구글 딥마인드 공동연구팀은 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 뇌를 살펴보면 해결할 수 있을 것이라는 차세대 뇌 기반 인공지능 시스템 설계 방향을 제시했다고 24일 밝혔다. 이번 연구결과는 로봇 공학 분야 국제학술지 ‘사이언스 로보틱스’ 16일자에 실렸다.

인공지능 분야에서 강화학습은 머신러닝의 한 영역으로 20여년 동안 꾸준히 연구돼 왔는데 최근 5년 동안은 심층학습(딥러닝) 기술의 발전과 맞물려 급격한 발전을 했다. 그 덕분에 알파고 같은 전략탐색은 물론 로봇 제어, 의료 진단 같은 다양한 분야에 적용될 수 있었다. 그렇지만 주어진 문제에 맞춰 시스템을 설계해야 하며 불확실성이 높은 환경에서는 성능이 떨어진다는 근본적인 문제가 있다.

연구팀은 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 발표했다.

전두엽 메타 제어 이론은 사람의 중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호같은 정보를 처리하는데 이 정보들을 경쟁적-협력적으로 통합하는 프로세스로 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이다.

연구팀은 이 원리를 AI 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 따라 성능, 효율, 속도 사이에 균형점을 찾는 최적의 제어시스템을 설계할 수 있다고 주장했다.

이상완 카이스트 교수는 “연구를 하다보면 우리 뇌는 공학적 난제를 의외로 쉽게 해결하고 있다는 것을 알 수 있는데 이 원리를 AI 알고리즘 설계에 적용할 수 있을 것”이라며 “이번 연구는 계산신경과학에 기반한 결과로 딥러닝과 강화학습에서 겪는 성능, 효율, 속도에 대한 문제를 해결하는 실마리가 될 수 있을 것으로 본다”고 설명했다.

유용하 기자 edmondy@seoul.co.kr