[해외DS] 이 인공 지능은 아기처럼 배웁니다

딥마인드 엔지니어, 아기의 뇌 작동 방식 연구에 기반해 머신 러닝 시스템 구축 컴퓨터가 3개월 아기들도 배우는 ‘직관적인 물리학’에 취약하다는 점에 착안 직관적인 물리학 영상 본 AI, 비교군과 달리 현실적으로 불가능한 장면에 놀라움 표해

pabii research

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소(MDSA R&D)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

사진=Ryzhi/Getty Images

딥마인드 엔지니어들은 아기의 뇌가 어떻게 작동하는지에 대한 연구를 기반으로 머신 러닝 시스템을 구축했다고 전했습니다. 이렇게 구축한 시스템은 특정한 작업에서 기존보다 뛰어난 성능을 보였다고 합니다.

Scientific American의 팟캐스트 ‘사이언스, 퀵클리(Science, Quickly)’에서 에디터 크리스토퍼 인타글리아타(Christopher Intagliata)와 미국 노스웨스턴 대학교의 심리학 교수인 인지 심리학자 수잔 헤스포스(Susan Hespos)가 이를 주제로 대화를 나누었습니다.

[해당 팟캐스트의 녹취록을 정리한 내용이 이어집니다.]

크리스토퍼 인타글리아타: 인공 지능 시스템은 체스, 포커, 제퍼디(미국의 유명 퀴즈 쇼), 바둑 등 수많은 게임에서 인간을 이겼습니다. 하지만 기계는 여전히 물리적 세계와 관련된 몇 가지 기본적인 규칙을 잘 이해하지 못하죠.

수잔 헤스포스: 인공 지능은 아직까지 3개월 된 아기가 하는 일을 할 수 없습니다. 그렇지만 저는 결국 아기들의 챔피언이고, 이건 아기들의 확실한 승리라 볼 수 있죠. ‘직관적인 물리학’에 있어서는 가장 강력한 컴퓨터조차 아기들의 상대가 되지 못합니다.

인타글리아타: 노스웨스턴 대학교의 인지 심리학자 수잔 헤스포스가 이러한 ‘직관적인 물리학’ 원리의 몇 가지 예를 제시했습니다. 먼저 커피 잔이 테이블을 통과해서 바로 떨어지지 않는다는 사실에서 “견고함”이 도출됩니다. 또한 “연속성”이라는 원리도 있는데요, 이는 객체가 단순히 존재했다가 사라지지 않는다는 사실에서 확인됩니다. 그리고 커피잔을 집어들면 당신의 손과 커피잔은 서로 달라붙고, 당신의 손이 커피잔의 손잡이가 돼 버리지 않는다는 사실에서 “경계성”을 확인할 수 있습니다.

헤스포스: 아기는 빠르면 생후 3개월부터 이 세 가지 원리를 모두 인지합니다. 이때는 아직 시력이 형편없어서 세상을 흐릿하게 보는데도 말입니다. 아시다시피, 아기들은 많은 실수를 합니다. 하지만 이런 ‘초기 커널(initial kernels)’은 세계에서의 경험을 통해 정교해지고, 정제됩니다.

인타글리아타: 이제 컴퓨터 엔지니어가 아기를 위한 플레이북의 한 페이지를 가져왔습니다. 바둑에서 인간을 이기기 위해 컴퓨터를 훈련시킨 AI 회사 딥마인드의 연구원들 이야기인데요, 이들은 머신 러닝 시스템에 유아가 가질 수 있는 것과 유사한, 직관적인 물리학에 대한 특정한 지식 커널을 부여했습니다.

AI 시스템은 공이 굴러가고 블록이 떨어지는 모습이 담긴 28시간 분량의 훈련 비디오를 시청했습니다. 이후 시스템은 현실에서 물리적으로 불가능한 것을 보여줬을 때 “놀라움”을 표시하게 됐죠. 아기를 모델로 하지 않은 비교군은 그렇게 정확하지 않았습니다.

헤스포스: 이렇게 직접적으로 비교하면 경험에서 배우는 게 훨씬 더 많다는 점을 알 수 있는데요, 정말 흥미로운 결과입니다. 하지만 딱 지금까지만입니다. 아기에 대한 연구에 기반해 만들어진 컴퓨터는 (아기보다) 훨씬 뛰어났으니까요. 컴퓨터는 아기와는 굉장히 다른 무언가를 사용해 한동안 진행됐던 아기 연구에서 밝혀진 것에 대한 증거를 확인하고 있습니다.

인타글리아타: 그 결과는 네이처 휴먼 비헤이비어(Nature Human Behavior) 저널에 실렸습니다. [루이스 S. 필로토(Luis S. Piloto) 외, 발달 심리학에서 영감을 받은 딥 러닝 모델의 직관적인 물리학 학습(Intuitive physics learning in a deep-learning model inspired by developmental psychology)]

헤스포스 교수는 해당 사설을 함께 썼습니다. 헤스포스 교수에 따르면 이 연구는 머신 러닝 시스템을 인간처럼, 보다 효율적으로 생각하는 ‘사람’으로 만드는 과정입니다. 아주 작은 것들조차 말입니다.


Engineers at the company DeepMind built a machine-learning system based on research on how babies’ brain works, and it did better on certain tasks than its conventional counterparts.

[Full Transcript]

Christopher Intagliata: Artificial intelligence systems have bested humans at chess, poker, Jeopardy, Go, and countless other games. But machines still aren’t that great at understanding some basic rules about the physical world.

Susan Hespos: They still can’t do what 3-month-olds do. And I’m a champion for babies at the end of the day and this is a clear win for babies. Babies are still slam dunking our most powerful computers when it comes to intuitive physics.

Intagliata: Cognitive psychologist Susan Hespos of Northwestern University listed off a few examples of those “intuitive physics” principles. Like “solidity” – your coffee cup does not just fall right through the table. Or “continuity” — objects don’t just blink in and out of existence. And “boundedness” — when you pick up your coffee cup, it sticks together. You don’t end up with just the handle.

Hespos: Babies know all three of these things as early as three months of age. Their visual acuity is lousy, the world is blurry…they could barely grasp this stuff. You know, babies get a lot of things wrong. But it’s these initial kernels that get elaborated and refined through experience in the world.

Intagliata: Now computer engineers have taken a page from the baby playbook. Researchers at DeepMind — the AI company that trained computers to beat humans at Go — have endowed a machine learning system with certain kernels of knowledge about intuitive physics built in… akin to what an infant might be equipped with.

And after watching the equivalent of just 28 hours of training videos, showing things like balls rolling, and blocks dropping — the AI system actually showed “surprise” when it was shown something physically impossible. Its counterparts not modeled on babies weren’t as sharp.

Hespos: It’s really interesting that when you do this direct comparison what you find is learning from experience goes far. But only so far. And the computer that was built based on research on babies, did far better. It’s confirming evidence for what baby research has shown for a while, just using something very different from a baby.

Intagliata: The results appear in the journal Nature Human Behavior. [Luis S. Piloto et al, Intuitive physics learning in a deep-learning model inspired by developmental psychology]

Hespos wasn’t involved in the work, but wrote an editorial accompanying the paper. She says the research is a step towards making machine learning systems more efficient thinkers — like humans. Even the tiny ones.

[The above text is a transcript of this podcast.]

Similar Posts