The mind in the machine: Demis Hassabis on artificial intelligence

DeepMind의 Co-founder 인 Demis Hassabis가 2017년 4월 21일 Financial Times에 기고한 “The mind in the machine: Demis Hassabis on artificial intelligence” 기고문

출처 : https://www.facebook.com/groups/726202694419379/permalink/732895253750123/

——————————————————————————-
“The mind in the machine: Demis Hassabis on artificial intelligence”

현대 문명이란 과학에 의해 만들어진 위대한 업적입니다. 저는 비행기를 탈 때마다, 규칙적으로 구름위로 우리를 솟아오르게 하는 기술에 경의를 느끼게 됩니다. 우리는 게놈(Genome)에 대해 지도를 그리고 있으며, 슈퍼컴퓨터와 인터넷을 만들었고, 혜성에 탐사선을 착륙시키고, 입자가속기를 이용하여 광속에 가까운 속도로 원자들을 부수었으며, 사람을 달에 보냈는데, 어떻게 이런 것을 할 수 있었을까요? 우리가 3 파운드(약 1.4Kg)짜리 두뇌로 이룩해 논 업적들을 생각해 본다면, 이러한 업적들은 정말로 뛰어난 것이다.
과학적인 방법은 인간이 가지고 있는 하나의 가장 강력한 아이디어이며, 계몽주의시대 이후의 업적은 간단히 말해 경이롭습니다. 그러나, 우리는 현재 중요한 시점에 와 있으며, 우리가 이해하고 마스터해야 할 기후변화, 거시경제학상의 이슈나 알츠하이머병의 발병원인 등 여러 시스템들은 극도로 복잡합니다. 우리가 이러한 도전들을 해결할 수 있는지, 또한 얼마나 그러한 솔루션을 빨리 만들 수 가 있는지가 수 십 억 명의 인류의 미래와 우리가 사는 환경에 영향을 미칠 것입니다.
이러한 도전들은 너무 복잡해서, 전 세계의 최고의 과학자, 기후학자, 기술자들도 이러한 복잡성을 극복하는 방안을 만드는데 필요한 복잡성을 마스터하는데 어려움을 겪고 있습니다. 아마도 레오나르도 다빈치가 자신이 살던 시대가 가진 지식의 넓이를 완벽히 이해하면서 살았던 마지막 인간인 것 같습니다. 그때 이후에 우리는 전문화되었으며, 요즘에 와서는 행성물리학이나, 양자역학과 같은 하나의 분야를 마스터하는데, 평생이 걸리기도 합니다. 오늘날 우리가 이해하고자 하는 시스템들은 엄청난 규모의 데이터에 의해 설명될 수 있지만, 이러한 데이터는 일반적으로 대단히 다이나믹하고, 비선형적이며, 새롭게 만들어진 성질들은 숨겨져 있는 내부통찰들을 나타내는 구조 및 연결을 찾아내기 매우 어렵게 만듭니다. 케플러와 뉴튼은 행성과 지구상의 물체에 대한 움직임을 방정식을 표현할 수 있었지만, 오늘날의 문제들 중 아주 일부만이 아름답고 간단한 수식의 조합으로 설명될 수 있습니다.
이것이 바로 우리시대의 가장 큰 어려움 중 하나입니다. 앨런 튜링, 존 본 노이만, 클로드 새논과 같은 현대 컴퓨터시대를 만든 아버지들은 모두 인포메이션(Information) 이론의 중요성을 이해하고 있었습니다. 그리고 오늘날, 우리들은 거의 모든 것들이 인포메이션 패러다임으로 생각되거나, 표현될 수 있다는 것을 알게 되었습니다. 이러한 사실은 게놈이 효과적인 거대한 인포메이션 코딩 스키마(Information Coding Schema)라는 것을 보여주는 바이오 인포매틱스(BioInformatics)분야에서 가장 확실하게 나타냅니다. 나는 언젠가는 인포메이션이 에너지와 물질과 같이 근본적인 것으로 보여질 수 있다고 믿고 있습니다. 
지능이란 궁극적으로 비정형적인 인포메이션을 쓸모 있고 실행 가능한 지식으로 변화시키는 프로세스로 보여질 수 있습니다. 내가 일생을 바쳐 몰두하고 있는 인공지능의 과학적인 약속은 아주 다루기 힘든 분야로 남아 있는 여러 분야에서 별 해결수단을 가지고 있지 않던 인류가, 도구로 사용할 인공지능기술을 이용하여 아주 빠르게 새로운 지식을 만들어 내는 프로세스를 만들고 자동화하고, 최적화할 수 있지 않을까 하는데 있습니다.
오늘날, 인공지능분야에서 일하는 것은 유행인 듯 합니다. 그러나, 인공지능이라는 단어는 내용에 따라 정말로 많은 의미를 가집니다. 내가 다른 사람과 같이 창업한 딥마인드(DeepMind)사에서 취하는 접근방식은 우리가 과학발전을 위해 필요한 인공지능을 개발하는 학습과 일반성에 대한 영역입니다. 우리가 컴퓨터가 스스로 새로운 지식을 발견하는 것을 원한다면, 우리는 컴퓨터들에게 컴퓨터 자신들을 위한 학습능력을 가지게 해 주어야 합니다. 
우리가 연구하고 있는 원래 경험에서 직접적으로 작업들을 수행하는 방법을 배울 수 있는 알고리즘들은 우리가 수집하고 있는 지식이 압축된 심볼들보다는 여러 가지 감각적인 현실의 모습으로 근본적으로 표현될 수 있다는 것을 알려주고 있습니다. 우리가 그러한 지식들을 더욱 일반화한다는 것은 같은 파라미터를 가진 같은 시스템이 여러 가지 영역에서 다른 일을 잘 처리할 수 있다는 것을 말합니다. 이러한 주장은 2015년 딥마인드사가 네이처지에 실은 논문에서 잘 설명되어 있으며, 이 논문에서는 하나의 프로그램이 화면상의 픽셀과 변하는 득점숫자만 입력으로 가지고 스스로 수십 개의 클래식 아타리게임들을 작동하는 방법을 스스로 학습하는 것을 설명하고 있습니다. 우리는 또한, 새로운 알고리즘과 구조적인 아이디어 등을 위한 영감의 중요한 원천으로 시스템 차원의 뇌과학(Neuroscience)을 사용하고 있습니다. 그리고 마침내, 우리가 가지고 있는 두뇌만이 가능했던, 일반적인 목적의 경험기반의 학습시스템이 가능하다는 것으로 알아냈습니다. 
이러한 방법은 우리가 전에 사용했던 여러 가지 방법과의 과격한 결별을 말합니다. 게임분야에서 세계에게 가장 먼저 기존 인간챔피언들을 이긴 두 개의 프로그램을 설명해 드리는 것이 우리의 방법과 예전방법의 차이를 설명하는 가장 좋은 방법인 것 같습니다. 첫 번째는 1997년에 당시 전세계 체스 챔피언인 개리 카스파로프를 이겼던 IBM사의 딥 블루(Deep Blue)이고, 두 번째는 체스보다 더 복잡한 게임인 바둑(GO)에서 세계 최고 선수 중 하나를 이겼던 우리의 알파고 프로그램입니다. 딥블루는 전문가시스템을 이용하였습니다. 전문가시스템이란 프로그래머들이 체스의 최고전문가들과 같이 앉아서, 그 들이 가지고 있는 체스지식을 아주 복잡한 경험적인(Heuristic) 규칙의 세트로 표현하는 방법입니다.
강력한 슈퍼컴퓨터는 체스의 정확한 움직임을 계산하기 위해 부르트 포스(Brute force)방법(주: 무작위대입방법)을 사용하는데, 이는 여러 가지 가능한 움직임의 경우의 수들을 이렇게 손으로 만든 여러 규칙들에 비교, 확인하면서 최고의 움직임을 찾아내는데 사용합니다. 카스파로브에 대한 딥블루의 승리는 인공지능 역사에서 중요한 분기점으로 표현됩니다. 이러한 딥블루의 승리는 딥블루가 자신이 가지고 있는 지능보다는 프로그래머 및 체스전문가들의 뛰어남과 우리시대 하드웨어의 계산력에 보다 많은 점수가 주어진다고 봅니다. 알파고는 승리를 위해 아주 놀라온 독창적인 바둑의 수를 여러 개 보여주었는데, 그 중 하나는 너무 놀라워서, 수 백 년 동안 내려왔던 바둑의 지혜를 뒤집을 정도였습니다. 체스가 인공지능에 패배한 후 바둑이 인공지능 연구를 위한 새로운 성배가 되었습니다. 
바둑은 3000년정도 되었으며, 아시아에서는 심오한 문화적 중요성을 가지고 있습니다. 아시아는 바둑을 단순한 게임을 보지 않고 또 다른 예술형식으로 보고 있으며, 프로바둑 챔피언은 사회의 유명인사가 됩니다. 우주의 원자개수보다 많은 10의 170승개의 놀라운 바둑판구성을 만들 수 있는 바둑은 부르트 포스방식(brute-force)으로는 풀 수가 없습니다. 바둑돌 하나의 작은 움직임이 전체의 바둑판의 형세를 바꿀 수 있기 때문에, 어떤 특정한 바둑의 배치를 보고 누가 이길 수 있는 가를 판단하는 하나의 함수(function)을 개발하는 것도 불가능할 정도로 오랜 생각이 필요합니다. 그래서, 최고의 바둑고수들도 이러한 엄청난 복잡성을 다루는데, 그들이 가끔 간단하게 “좋은 느낌”이라고 표현하는 그들 만의 직관과 본능에 많이 의지합니다. 이에 반해 체스고수들은 정교한 계산에 의지합니다. 
알파고를 위해 이러한 바둑에 대한 직관에 대한 부분에 알아내기 위해서 우리는 딥블루가 체스프로그램을 위해 했던 방식과 아주 과감하게 다른 방식을 사용하였습니다. 사람 손으로 코딩하는 전문가전략과 다르게, 우리는 일반적인 딥뉴랄네트워크(Deep Neural Network)을 기반으로 하는 일반적인 용도에 사용할 수 있는 인공지능방법을 사용하였습니다. 무엇이 합리적인 인간들의 바둑 두는 방법이라는 것을 알파고에 이해시키기 위해 수천 건의 강력한 아마추어 바둑게임들을 알파고에 보여주었고, 그런 다음, 우리는 여러 가지 다른 버전을 가지고, 수 천 번 바둑경기를 하게 하였으면, 알파고는 각각의 게임을 하면서 실수를 통해 배우면서, 조금씩 향상되었으며, 어느 순간 엄청나게 강해졌습니다. 
2016년 3월, 우리는 18번 세계 챔피언이었고, 바둑역사를 통틀어 가장 뛰어난 바둑 선수라고 하는 전설적인 이세돌선수와 바둑경기를 하는 엄청난 도전을 준비하고 있었습니다. 2억명이상의 사람들이 알파고가 놀랍게도 4-1로 이기면서 등장을 하는 것을 온라인으로 보았는데, 이러한 획기적인 승리를 통해, 알파고가 10년정도 앞서 있다는 것을 전문가들은 동의하고 있습니다. 더욱 중요한 것은 알파고가 바둑을 두는 동안 아주 창조적인 몇 번의 결정적인 수를 두었는데, 그 중 하나인 두 번째 게임의 37번째 수는 너무나 놀라운 수여서 수 백 년 동안 전해왔던 바둑의 지식을 통째로 바꿀 정도였으며, 그 이후 바둑선수들에 의해 집중적으로 분석되고 있습니다.
승리의 과정에서, 알파고는 인류역사상 가장 많은 연구를 한 바둑이라는 게임에 대한 완전히 새로운 지식을 세계에 가르쳐 주었습니다. 이러한 알고리즘적인 영감의 순간들은 기계를 이용한 과학 발견의 가능성을 통해서 인공지능이 과학에 대해 왜 이로운 지를 보여주고 있습니다. 
우리는 알파고에 기반을 둔 기술들은 일반적인 용도 기술이고, 아주 많은 분야에 적용될 수 있습니다. 특별히, 정확하게 목적함수들이 최적화될 수 있는 분야이거나, 효과적인 최대속도 실험을 위해 정확하게 시뮬레이션 되어야 하는 분야 등에 적용될 수 있습니다. 예를 들면, 에너지 효율화 측면에서, 우리는 다양한 알고리즘들을 구글데이터센터를 냉각하는데 필요한 에너지를 감소하는데 사용하였으며, 이를 통해 현재까지 40%까지 감소시키는 기술을 실제로 적용하고 있으며, 이러한 알고리즘은 더 많은 비용절감과 환경에 이로운 점을 제공하게 될 겁니다. 우리는 다음 수 년동안 과학자나 연구자들이 비슷한 방법들을 사용하여 초전도체 디자인부터 신약발명까지 다양한 분야에서 많은 통찰(Insight)을 만들 수 있을 것으로 믿고 있습니다. 
다양한 방법에서, 저는 인공지능을 우리 주위의 우주를 더 멀리 보고 더 이해하는데 이용하는 과학적 도구인, 허블 망원경과 비슷한 것으로 보고 있습니다. 물론, 다른 모든 강력한 기술과 같이, 인공지능도 책임을 가지고, 도덕적으로 그리고 모든 사람에게 도움을 주도록 사용되어야 합니다. 또한, 우리는 인공지능 알고리즘의 효용성 및 한계점에 대해 매우 잘 인식하고 있어야 합니다. 그러나, 인공지능 프로그램의 능력에 대한 강한 관심과, 우리가 입력으로 사용하는 데이터 품질의 효과 및 이러한 작업들의 투명성에 대한 추가 연구를 통하여, 패턴 및 원천 데이터를 판별하는데, 전문가들이 수행하는 모든 영역에서의 작업을 지원하는데 인공지능이 매우 중요한 역할을 하게 될 것이며, 인간의 눈에만 의존하는 한계를 벗어나게 될 수 있을 겁니다. 앞으로 수 십 년 동안 놀라운 과학적 발전을 이루게 하는 것이 바로 인간과 인공지능 알고리즘의 협업입니다. 
저는 인공지능이 우리의 일상을 매일 확장하고, 우리의 일을 보다 빨리 그리고 효과적으로 할 수 있도록 과학자들이 자신의 연구에 적용할 수 있는 메타솔루션(meta-solution)과 같은 것이 될 수 있다고 믿습니다. 우리는 이러한 도구들을 폭넓게 그리고 바르게 사용하는데, 모든 사람들이 같이 참여하고, 또는 그것의 효과를 같이 가질 수 있는 환경을 만들고 발전할 수 있다면, 우리는 결국 인류가 더욱 풍요로워지고, 발전할 수 있는 기회를 가질 수 있다 봅니다. 그리고, 이러한 과정을 통하여, 또한, 우리는 우리 스스로에 대해 배울 수 있을 겁니다. 저는 물리학과 뇌과학이 어떤 의미에서는 가장 근본적인 주제라고 느끼고 있었습니다. 첫 번째는 밖의 세상에 대한 관련된 것이고, 두 번째는 우리의 마음속에 있는 내부세상에 대한 것입니다. 이 두 개의 세상 사이에서, 그들은 모든 것을 포용할 수 있습니다. 인공지능은 이런 2가지 세상을 보다 더 잘 이해하기 위해서 우리를 도울 수 있는 잠재력을 가지고 있습니다. 
우리가 학습프로세스에 대해 더 많은 것을 배우고, 이를 우리 인간 두뇌와 비교하면, 언젠가, 우리가 꿈, 창조력과 같이 우리 마음에 가지는 오래된 궁금증(Mystery)에 대한 서광을 비추는 것을 포함해서, 우리를 이렇게 특별하게 만드는 것들에 대해 보다 많은 이해를 가질 수 있을 것이다. 이 것이 발전하면 언젠가는 심지어 존재(Consciousness)에 대한 이해도 가질 수 있을 것입니다. 만약에 인공지능이 우리 환경을 보존하고, 병을 정복하고, 우주를 탐험하는데 도울 수 있고 또한 우리를 이해하는데 도움을 줄 수 있다면, 인공지능이 인류가 발명한 최고의 발견 중의 하나로 입증될 수 있을 겁니다.

데미스 하사비스: DeepMind의 CEO와 창업자

https://www.ft.com/content/048f418c-2487-11e7-a34a-538b4cb30025

Leave a Reply

Your email address will not be published. Required fields are marked *