과학 포털 iKAOS

4 Contents

[댓글 이벤트] 질문에 답해주는 줄 알았던 🖥️ChatGPT, 추론도 한다고??😮 인공지능과 뇌🧠 Part.1ㅣ선을 넘는 과학자들

인공지능 기술의 비약적인 발전은 인간의 언어를 기계에 담아내고자 하는 과학자들의 열망에서 시작되었습니다. 우리가 일상에서 나누는 대화에는 단순한 정보 전달을 넘어 개개인의 삶과 문화, 그리고 사고방식이 고스란히 녹아 있기 때문입니다. 특히 인간의 언어는 사건의 선후관계와 인과관계가 뚜렷한 스토리 구조를 가지고 있습니다. 초기 인공지능 연구는 이러한 인간 특유의 서사 구조를 그대로 모사하려 노력했지만, 긴 대화의 맥락을 유지하는 데 한계를 보였습니다. 하지만 최근의 기술은 이러한 한계를 극복하며 인간의 지식 체계를 더욱 자연스럽게 흡수하고 활용하는 단계에 이르렀습니다. ChatGPT가 성공할 수 있었던 핵심 비결은 역설적이게도 인간이 기억하고 사고하는 방식을 과감히 탈피한 데 있습니다. 인간은 사건을 시간 순서에 따른 비대칭적 인과관계로 파악하지만, 현대의 인공지능은 모든 사건을 대칭 구조로 바라보는 '시메트리' 원리를 채택했습니다. 이는 문장의 앞뒤관계를 무시하고 양방향으로 연관성을 분석하는 방식입니다. 하나의 문장을 수백 가지의 관점에서 동시에 해석함으로써, 인공지능은 인간이 이해하는 방식과는 전혀 다르지만 훨씬 정교하게 맥락을 파악할 수 있게 되었습니다. 이러한 사고의 전환이 인공지능의 성능을 비약적으로 높인 것입니다. 이러한 복잡한 대칭 구조의 연산을 가능하게 만든 일등 공신은 바로 GPU 하드웨어의 발전입니다. 기존의 CPU와 달리 GPU는 정방형 형태의 방대한 데이터를 동시에 처리하는 데 최적화되어 있어, 인공지능이 다각도로 해석한 메모리 연산을 신속하게 수행할 수 있도록 돕습니다. 결국 인공지능의 지능 수준은 얼마나 많은 데이터를 확보하고 메모리를 확장하느냐에 따른 자본과 기술의 싸움이 되었습니다. 현재는 막대한 자본력을 가진 빅테크가 앞서나가고 있지만, 앞으로는 특정 목적에 맞춰 효율적으로 크기를 줄이는 기술 또한 중요한 연구 과제가 될 전망입니다. 인공지능의 능력은 이제 단순한 텍스트 대화를 넘어 로봇 제어와 비디오 생성 기술 영역으로까지 확장되고 있습니다. 과거의 로봇이 정해진 명령만 수행했다면, 이제는 인공지능이 중재자가 되어 인간의 의도를 파악하고 여러 로봇에게 적절한 임무를 배분합니다. 또한 시나리오만으로 정교한 영상을 만들어내는 기술은 인공지능이 단순히 데이터를 조합하는 수준을 넘어, 세상의 물리 법칙과 자연 현상에 대한 나름의 지식 체계를 구축하고 있음을 보여줍니다. 시각과 청각 등 오감을 종합적으로 처리하는 멀티모달 기술의 발달은 인공지능이 실세계와 소통하는 방식을 근본적으로 바꾸고 있습니다. 인공지능 기술의 진화는 우리 사회의 다양한 분야에서 혁신적인 변화를 예고하고 있습니다. 교육 분야에서는 학생 개개인의 학습 패턴을 분석하여 교과 내용을 맞춤형으로 재구성함으로써 학습 효율을 극대화할 수 있습니다. 또한 중독이나 우울증과 같은 정신 건강 치료 분야에서도 인공지능의 정교한 추론 능력이 새로운 해결책을 제시할 것으로 기대됩니다. 인공지능이 인간의 사고력을 보완하고 향상시키는 도구로 자리 잡으면서, 우리는 기술이 인간에게 갖는 진정한 의미를 깊이 고찰해야 하는 시점에 서 있습니다. 이러한 변화는 두려움의 대상이 아니라 인간의 잠재력을 확장하는 기회가 될 것입니다.

국립과천과학관선을 넘는 과학자들🔬

뇌인지과학
융합

[강연] 초거대 AI와 인간의 뇌 by장병탁ㅣ2021 '대한민국 과학기술대전' 첫번째 | 1강

인공지능은 지난 70년 동안 비약적인 발전을 거듭해 왔습니다. 초기에는 인간의 지식을 규칙 형태로 입력하는 전문가 시스템이 주를 이루었으나, 이는 복잡한 현실 문제를 해결하는 데 한계가 있었습니다. 이후 기계가 스스로 데이터를 통해 학습하는 머신러닝과 딥러닝 기술이 등장하며 새로운 전환점을 맞이했습니다. 이제 인공지능은 단순히 프로그래밍된 명령을 수행하는 단계를 넘어, 방대한 데이터를 바탕으로 스스로 패턴을 찾아내고 지능을 고도화하는 단계에 이르렀습니다. 최근의 초거대 인공지능은 인간의 뇌 구조를 모방한 심층 신경망을 통해 놀라운 성과를 보여주고 있습니다. 알파고가 바둑에서 승리하고, 생성형 모델이 실재하지 않는 정교한 이미지를 만들어내는 것은 모두 이 기술의 결과입니다. 특히 수천억 개의 파라미터를 가진 모델들은 인간과 구별하기 힘들 정도로 자연스러운 문장을 생성하며 언어 지능의 정점을 보여줍니다. 이러한 발전은 인공지능이 인간의 전유물이라 여겨졌던 창의적 영역까지 확장될 수 있음을 시사합니다. 하지만 현재의 인공지능은 인간의 뇌와 비교했을 때 여전히 명확한 한계를 지니고 있습니다. 가장 큰 차이점은 효율성입니다. 인간의 뇌는 단 25와트 정도의 적은 전력으로도 고도의 사고를 수행하지만, 초거대 인공지능을 구동하기 위해서는 막대한 컴퓨팅 파워와 전력이 소모됩니다. 또한 인간은 적은 양의 데이터만으로도 새로운 개념을 빠르게 학습하는 반면, 인공지능은 여전히 학습을 위해 천문학적인 규모의 데이터를 필요로 한다는 점에서 구조적인 차이를 보입니다. 뇌의 본질적인 역할은 생명체의 생존을 위해 주변 환경을 지각하고 행동을 제어하는 것입니다. 단세포 동물부터 인간에 이르기까지 신경계는 먹이를 찾고 위험을 피하기 위한 실시간 반응 체계로 진화해 왔습니다. 인간의 뇌는 우리 몸에 대한 지도를 내부에 복제하여 세상과 상호작용하는 모델을 가지고 있습니다. 이는 단순히 텍스트나 이미지를 처리하는 현재의 인공지능과는 달리, 현실 세계라는 물리적 공간 안에서 직접 경험하며 지능을 형성해 왔음을 의미합니다. 진정한 지능을 구현하기 위해서는 인공지능이 컴퓨터 내부의 닫힌 세계를 벗어나 로봇과 같은 물리적 몸을 가져야 합니다. 이를 '체화된 인지'라고 부르는데, 감각 기관과 운동 기관을 통해 세상과 직접 소통할 때 비로소 깊이 있는 이해가 가능해집니다. 사람이 정제해서 준 데이터만 학습하는 것이 아니라, 기계가 스스로 움직이며 데이터를 수집하고 시행착오를 겪는 과정이 필요합니다. 이러한 지각과 행동, 학습의 순환 구조야말로 뇌가 가진 자연 지능의 핵심 원리입니다. 미래의 인공지능은 무엇을 학습할지 스스로 결정하는 '메타 인지' 능력을 갖춘 보편 학습 기계로 진화해야 합니다. 현재는 사람이 설정한 목적 함수에 따라 학습이 이루어지지만, 차세대 인공지능은 자신의 행동을 스스로 모니터링하고 오류를 교정하며 지식을 축적해 나갈 것입니다. 뇌의 신경세포들이 순환 구조로 연결되어 과거와 미래를 현재와 공존시키듯, 인공지능 역시 예측과 실제 결과를 비교하며 끊임없이 자아를 갱신하는 방향으로 나아가야 인간 수준의 범용 지능에 도달할 수 있습니다. 인공지능의 발전 단계에서 우리는 현재 모델 최적화가 자동화되는 초기 단계에 머물러 있습니다. 앞으로의 과제는 열린 세계에서 자율적으로 적응하며 상식을 갖춘 인공지능을 만드는 것입니다. 뇌의 진화 과정을 거울삼아 감성과 이성이 조화를 이루는 자연 인공지능을 지향한다면, 기계는 단순한 도구를 넘어 인간의 삶을 실질적으로 돕는 동반자가 될 것입니다. 70년의 연구 역사를 토대로 이제는 뇌를 닮은 인지적 인공지능이라는 새로운 지평을 향해 나아갈 때입니다.

장병탁

카오스재단카오스크로스

뇌인지과학
수학
융합

[그림으로 보는 과학뉴스] 보스톤 다이나믹스

현대자동차의 보스턴 다이내믹스 인수는 로봇 산업계에서 매우 상징적인 사건입니다. 1992년 MIT 연구소에서 분리 독립하며 시작된 보스턴 다이내믹스는 사족보행 로봇 '스폿'으로 대중에게 널리 알려진 기업입니다. 이 회사는 구글과 소프트뱅크를 거치며 기술력을 축적해 왔으며, 특히 외부의 충격에도 쓰러지지 않고 자세를 유지하는 독보적인 제어 기술을 보유하고 있습니다. 단순히 기계적인 움직임을 넘어 환경을 인식하고 스스로 균형을 잡는 이들의 기술은 로봇 공학의 정점으로 평가받으며 전 세계의 주목을 받아왔습니다. 보스턴 다이내믹스의 기술적 뿌리는 창립자인 마크 레이버트의 연구 철학에서 찾을 수 있습니다. 그는 초기에 '호퍼'라는 외다리 로봇을 통해 로봇의 자세 제어와 학습 개념을 정립했습니다. 원반형 몸체에 다리가 하나뿐인 이 로봇은 끊임없이 점프하며 안정성을 유지하는 놀라운 모습을 보여주었습니다. 이는 기계공학의 자동 제어 이론을 실제 로봇에 구현한 사례로, 로봇이 복잡한 지형에서도 넘어지지 않고 이동할 수 있는 기초가 되었습니다. 이러한 기술적 토대는 훗날 백덤블링까지 가능한 인간형 로봇 '아틀라스'의 탄생으로 이어졌습니다. 현대자동차그룹이 로봇 전문 기업을 인수한 배경에는 미래 이동 수단 시장을 선점하겠다는 강력한 의지가 담겨 있습니다. 그룹 차원에서 제시한 미래 사업 구조의 재편안에 따르면, 로보틱스는 단순한 부가 사업이 아닌 핵심 축 중 하나로 자리 잡게 됩니다. 이는 현대자동차가 더 이상 전통적인 완성차 제조사에 머물지 않고, 인간의 이동성을 확장하는 종합 서비스 기업으로 도약하겠다는 선언과도 같습니다. 보스턴 다이내믹스의 인수는 이러한 거대한 전략적 목표를 달성하기 위한 가장 중요한 기술적 토대가 될 것입니다. 로보틱스 기술은 미래 자동차 산업의 핵심인 자율주행 기술과 밀접하게 연관되어 있습니다. 자율주행 자동차는 카메라, 라이다(LiDAR), 레이더 등 다양한 센서를 통해 주변 환경을 인지하고 판단해야 하는데, 이는 로봇이 공간을 인식하는 방식과 매우 흡사합니다. 보스턴 다이내믹스가 보유한 고도의 센싱 기술과 제어 알고리즘은 자율주행 시스템의 안전성과 정밀도를 높이는 데 크게 기여할 수 있습니다. 즉, 자동차가 점차 지능형 로봇으로 진화하는 과정에서 로보틱스 기술은 안전한 운전을 돕는 필수적인 요소가 되는 셈입니다. 로봇 기술의 활용 범위는 지상 모빌리티를 넘어 도심 항공 모빌리티(UAM) 분야까지 확장됩니다. 개인용 비행체(PAV)의 안정적인 비행을 위해서는 정밀한 자세 제어와 인공지능 기반의 자율 운항 기술이 필수적인데, 보스턴 다이내믹스의 기술력이 여기서 빛을 발할 수 있습니다. 현대자동차는 이번 인수를 통해 로봇 자체의 상업적 가치뿐만 아니라, 미래 이동 수단 전반에 걸친 기술적 우위를 확보하고자 합니다. 로보틱스 팀을 신설하고 대규모 연구 인력을 투입하는 등, 현대자동차의 로봇을 향한 여정은 이제 본격적인 궤도에 올랐습니다.

국립과천과학관요즘과학👏

융합

[석학인터뷰] 장병탁_ 사람의 뇌를 닮은 머신러닝 모델이 한국연구실에서?! | 2020 가을 카오스강연 'Ai X'

공학의 관점에서 인공지능은 사람이 못하는 일을 대신 수행하는 도구로 여겨지곤 합니다. 하지만 진정한 지능의 구현을 위해서는 사람이 본능적으로 잘하는 유연함과 안정성을 기계에 이식하는 것이 무엇보다 중요합니다. 현재의 인공지능은 복잡한 계산처럼 사람이 어려워하는 일은 이미 잘 해내고 있지만, 정작 우리에게 자명한 일상적 판단에는 서툰 모습을 보입니다. 따라서 인간의 뇌가 가진 독특한 원리를 탐구하여, 변화하는 환경에 빠르고 견고하게 적응하는 학습 기계를 만드는 것이 현대 인공지능 연구의 핵심 과제라 할 수 있습니다. 과거의 인공지능 연구는 현실 세계를 배제한 채 닫힌 세계 안에서 지능의 논리적 구조만을 다루는 한계가 있었습니다. 그러나 현실의 복잡한 문제를 해결하기 위해서는 지능이 신체를 가지고 환경과 직접 상호작용하며 지식을 습득하는 과정이 필수적입니다. 로봇을 통해 인공지능을 연구하는 이유는 바로 이러한 물리적 실체와 환경의 연결성을 학습하기 위함입니다. 신체를 가진 존재로서 세상을 경험하며 얻는 데이터는 단순한 정보 이상의 가치를 지니며, 이는 인공지능이 진정한 의미의 지능으로 진화하는 데 결정적인 역할을 합니다. 인공지능이 나아가야 할 궁극적인 방향에 대한 힌트는 현존하는 가장 완벽한 지능의 증거인 인간의 뇌에서 찾을 수 있습니다. 기계에 사람이 일일이 지식을 주입하는 방식은 명확한 한계가 존재하기에, 스스로 학습하여 지능을 갖추는 시스템을 구축하는 것이 필수적입니다. 뇌의 신경망 구조를 모델링하여 학습의 원리를 파악하려는 시도는 이러한 배경에서 시작되었습니다. 뇌가 정보를 처리하고 지식을 확장해 나가는 과정을 모사함으로써, 우리는 기계가 단순한 계산기를 넘어 인간처럼 사고하고 성장할 수 있는 가능성을 엿볼 수 있게 됩니다. 뇌의 가소성을 수학적으로 구현한 '하이퍼 네트워크' 모델은 이러한 철학이 담긴 독특한 머신러닝 모델입니다. 이는 뇌세포 간의 연결성을 분자들의 자기 조립 과정에 비유하여, 데이터와 환경의 변화에 따라 신경망 구조 자체가 스스로 진화하도록 설계되었습니다. 기존의 정형화된 층별 구조에서 벗어나 그래프 이론을 기반으로 학습 과정을 모델링함으로써, 극단적인 비지도 학습 환경에서도 시스템이 유연하게 적응할 수 있도록 한 것입니다. 이러한 시도는 인공지능이 생물학적 뇌의 효율성과 적응력을 닮아가는 중요한 이정표가 되었습니다. 인공지능은 이제 특정 전문가의 영역을 넘어 우리 삶의 상식이자 필수적인 도구로 자리 잡고 있습니다. 영화 속 사례처럼 로봇과 정서적 교감을 나누거나 일상을 공유하는 미래는 점차 현실로 다가오고 있습니다. 이러한 기술적 진보를 뒷받침하기 위해서는 공학적 지식뿐만 아니라 철학, 심리학, 뇌과학을 아우르는 폭넓은 인문학적 통찰이 동반되어야 합니다. 다양한 분야의 전문가들이 모여 인공지능의 미래를 논의하는 과정은, 우리가 기술과 공존하며 더 나은 사회를 만들어가는 데 있어 매우 소중한 기회가 될 것입니다.

장병탁

카오스재단카오스강연

뇌인지과학