인공지능 프로그램을 만드는 인공지능
사람들은 인공지능이 트럭 운전사의 직업을 뺏을지 모른다고 걱정합니다. 하지만 최근 이 분야를 이끄는 연구자들은 인공지능으로 하여금 연구자들 자신이 하는 일 중 가장 까다로운 일을 학습하게 하는 방법을 찾고 있습니다. 그 일은 바로 기계학습 프로그램을 짜는 일입니다.
한 실험에서 구글 브레인 인공지능 연구팀은 기계학습 시스템을 만드는 프로그램을 개발한 후 그 프로그램이 만든 기계학습 시스템을 언어처리 프로그램들을 평가하는 테스트를 이용해 평가했습니다. 그 기계학습 시스템은 인간이 만든 프로그램보다 더 높은 점수를 받았습니다.
최근 몇 달 동안 여러 연구팀이 기계학습 프로그램을 만드는 프로그램에 대한 연구결과를 발표하고 있습니다. 그 중에는 엘론 머스크가 설립자로 참여한 비영리 연구소 OpenAI 가 있으며, MIT, UC버클리, 그리고 구글의 다른 인공지능 연구팀인 딥마인드가 있습니다.
만약 기계학습 프로그램을 스스로 만드는 인공지능 기술이 실용화 된다면, 더 많은 사회 각 분야에서 기계학습 프로그램은 더 쉽게 사용될 수 있을 것입니다. 오늘날 기계학습 전문가는 매우 부족한 상태입니다.
구글 브레인 연구팀을 이끄는 제프 딘은 지난 주 오늘날 기계학습 전문가들이 하는 일 중 일부는 프로그램으로 대체할 수 있을 것이라 말했습니다. 그는 자신이 “자동화된 기계학습(automated machine learning)”이라 이름 붙인 이 분야가 앞으로 발전 가능성이 매우 큰 분야라고 말했습니다.
그는 캘리포니아 산타클라라에서 열린 AI 프론티어 컨퍼런스에서 이렇게 말했습니다. “오늘날 특정 문제를 풀기 위해서는 데이터, 계산능력, 그리고 기계학습에 대한 전문성이 모두 있어야 합니다. 이 세가지 중 기계학습 전문성을 없앨 수 있을까요?”
구글 딥마인드 팀 역시 이와 관련된 연구들을 수행했습니다. 그들은 이 기술을 “배우는 방법을 배우는(learning to learn)” 기술이라 부르며, 이 기술을 통해 오늘날 기계학습 프로그램이 특정한 작업을 학습하기위해 수많은 데이터를 필요로하는 문제를 해결할 수 있을 것이라 생각합니다.
이들은 미로 문제들처럼 비슷하지만 조금씩 다른 여러 문제들을 학습하는 시스템을 만드는 프로그램을 만들었습니다. 그리고 이 프로그램이 보다 일반화된 능력을 가지고 있으며, 새로운 문제를 학습하는데 기존보다 더 적은 훈련이 필요하다는 것을 발견했습니다.
배우는 법을 배우는 프로그램이라는 아이디어가 나온 것은 꽤 오래 전이지만, 지금까지 그런 프로그램들은 인간과 비슷한 결과물을 만들어내지 못했습니다. 90년대 이런 아이디어를 시도했던 몬트리올 대학의 요슈아 벤지오는 이번 결과가 “흥분된다”고 말합니다.
벤지오는 최근의 발전 뒤에는 딥러닝이라는 새로운 기술과 더 강력해진 컴퓨터가 있다고 이야기합니다. 그러나 그는 또한, 지금 나온 기술들은 매우 고가의 컴퓨터를 필요로하기 때문에 아직은 부분적으로라도 실제 기계학습 전문가들의 일을 줄여줄만큼 실용적이지는 않다고 지적합니다.
구글 브레인의 연구자들은 인간이 만든 이미지 인식 프로그램과 비슷한 수준의 프로그램을 만드는 프로그램을 가동하기위해 800개의 고성능 GPU를 사용했습니다.
MIT 미디어랩의 오크리스트 굽타는 이 기술이 실용화될 것이라 생각합니다. 그와 그의 MIT 동료들은 자신들이 만든, 인간과 비슷한 정도로 물체를 인식하는 딥러닝 시스템을 만든 프로그램을 오픈소스로 풀 계획을 가지고 있습니다.
굽타가 이 일에 관심을 가지게된 것은, 자신이 기계학습 프로그램을 짜는데 너무 많은 시간이 들었기 때문입니다. 그는 기업과 연구자들이 기계학습을 자동화하는 방법을 찾을 여러가지 동기가 있다고 생각합니다.
“데이터 과학자의 일을 줄여줌으로써 얻을 수 있는 것은 매우 많습니다. 데이터 과학자는 더 생산적이 될 수 있고, 더 나은 모델을 만들 수 있게 되며, 더 높은 수준의 아이디어를 생각할 시간을 벌 수 있습니다.”
(MIT 테크놀로지 리뷰)