<제프리 힌튼, AI의 다음 단계를 예견하다>
(www.technologyreview.kr)
제프리 힌튼은 인공지능 연구의 겨울이었던 1970년대부터 꾸준히 인공신경망을 연구, 결국 딥러닝으로 현대 인공지능의 부흥을 이끌어낸 인물입니다.
그가 최근 AI의 새로운 방향성을 제시하는 개념을 발표했습니다. 기계가 인간의 인식을 모델링하는 방법을 제시하고, GLOM이라고 이름 붙였습니다. ‘뭉치다(agglomerate)’와 ‘함께 붙잡혀 있다(glom together)’는 표현에서 이름을 땄다고 합니다.
다른 말로 하면 인간의 직관을 컴퓨터로 재현하고자 하는 작업입니다. 사람은 제프리 힌튼의 특징적인 코를 보고 사진 속 인물이 힌튼임을 알아볼 수 있지만, 인공지능에게는 이런 건 매우 어려운 일입니다.
GLOM은 부분과 전체의 관계를 파악하는 능력에 초점을 맞췄습니다. 신경망은 수백, 수천 개의 벡터를 통해 전체 이미지나 단어를 나타내는데요, 인접한 하부 벡터들이 서로 비슷한 '의견'을 낸다면, 즉 벡터들이 정보의 속성에 대해 서로 동의하면 그만큼 같은 방향을 가르치는 것으로 볼 수 있다는 것입니다.
물론 아직은 힌튼 스스로도 '베이퍼웨어'(vaporware)가 될 수 있다고 할 정도로 완성과는 거리가 먼 상태입니다. 하지만 현실화된다면 인간의 활동에 보다 가까운 인공지능이 가능해질 전망입니다.
계속 해서 읽기
#MIT테크놀로지리뷰 https://www.technologyreview.kr/geoffrey-hinton-glom-godfather-ai-neural-networks/
세계적인 테크 미디어 구독 회원 되기 www.technologyreview.kr
<강화학습으로 걷는 법 터득한 로봇>
여기 '캐시'(Cassie)라는 이름의 로봇이 있습니다.
다리 2개만 있는 2족 보행 로봇입니다. 캐시는 웅크리고 걷거나 미끄러운 지형에서 넘어지지 않고 걷는 등 '고난도'의 걷기를 할 수 있습니다.
캐시는 어디서 걸음마를 배웠을까요? 바로 시뮬레이션 속에서입니다. 시뮬레이션에서 강화학습을 통해 걷는 법을 터득했습니다.
덩치가 큰 로봇을 현실 세계에서 바로 학습시키면 자칫 로봇 자체는 물론 주변 사람들도 위험해질 수 있기 때문입니다.
시뮬레이션 속 물리 법칙과 실제 물리 법칙 사이의 작은 차이도 로봇에 큰 문제를 일으킬 수 있습니다. 하지만 캐시는 비교적 걸음마를 잘 배운 것 같습니다. 현재까지의 로봇 중에선 가장 잘 걷는 편이라고 합니다. 춤을 추는 것은 아직 어려워 보입니다만.
#MIT테크놀로지리뷰 https://www.technologyreview.kr/boston-dynamics-cassie-robot-walk-reinforcement-learning-ai/
