I D G T e c h R e p o r t 인간 두뇌를 닮은 컴퓨팅, 뉴로 네트워크의 현황 과학과 IT를 전공하는 이가 아니더라도 누구라도 한번쯤 영화나 만화에서 인공 지능로봇을 접한 적이 있을 것이다. 그리고 인공지능(Artificial Intelligence)이 현 실화될 것이라는 기사도 종종 읽었을 것이다. 인공지능은 미래 컴퓨팅을 거론할 때 가장 많이 회자되는 주제 가운데 하나다. 인공지능은 인간의 두뇌를 모방하 려는 뉴로 네트워크(Neural Network)와 가까운 듯 보이지만, 역사적으로 경쟁적 인 기술이었다. 인공지능은 기존 컴퓨터의 기술 발전을 통해 인간에 가까워지려 는 노력인데 비해 인간의 뉴런(Neuron)의 동작 원리를 모방해 만든 시스템이 뉴 로 네트워크다. 이 뉴로 네트워크에 대해 알아보고, 미래의 컴퓨팅을 꿈꿔보자.
인공지능과 뉴로 네트워크의 수십년 경쟁과 발전 이대영 기자 ITWorld 과학과 IT를 전공하는 이가 아니더라도 누구라도 한번쯤 SF 영화나 만화 에서 인공지능로봇을 접한 적이 있을 것이다. 몇년 전 AI라는 영화에서 는 인공지능로봇이 주인공으로 등장하기도 했다. 그리고 인공 지능(Artificial Intelligence, AI)이 현실화될 것이라는 기사도 종종 나오곤 한다. 이처럼 인간 과 비슷하게 사고하고 판단, 행동하는 컴퓨터가 만들어질 것이라는 꿈은 오래 전부터 진행 중이었다. 문제는 아주 오랫동안 계속 진행형일 뿐이라는 것이다. 인공지능과 뉴로 네트워크의 발전 역사 인공지능은 사람의 인식, 판단, 추론, 결론이라는 의사결정 프로세스와 학습 이라는 기능을 인공적으로 실현할 수 있게 하는 컴퓨터를 의미한다. 쉽게 설명 하면 인간이 경험과 지식을 바탕으로 새로운 상황의 문제를 해결하는 능력과 시 각 및 음성인식의 지각능력, 자연언어 이해능력, 자율적으로 움직이는 능력 등 을 컴퓨터로 실현하는 기술이다. 인공지능의 궁극적인 목표는 사람처럼 생각하 고 대화하는 기계를 개발하는 것이다. 인공지능은 크게 세 분야로 나뉜다. 첫째 외부로부터 정보를 인식하는 분야와 둘째, 지식을 체계화하는 분야, 그리고 마지막으로 학습 분야가 있다. 각 분야마 다 방대한 학문과 다양한 기술 분야가 포함되어 있다. 인공지능에 대한 연구는 컴퓨터의 탄생과 거의 같은 시기에 시작됐으며, 인 공지능이라는 단어를 처음 사용한 것은 1956년 미국의 다트머스 대학에서 열린 <인공지능에 관한 연구회의> 때부터다. 이 모임의 유명한 인사로 하버드 대학 의 마빈 민스키, 벨 연구소의 클로드 섀넌, IBM의 나다니엘 로체스터, 다트머 스의 존 매카시가 있다. 인공지능이라고 이름을 붙인 것은 존 매카시지만, 1956 년 최초의 인공지능 프로그램을 개발한 이는 사이먼과 뉴웰이었고, 최초의 논 문인 61년 마빈 민스키의 <인공지능으로의 진보>를 통해 이 용어가 널리 알려 지게 됐다. 사이먼과 뉴웰은 인간의 지식 저장방식인 인지, 단기 기억, 장기 기억이라는 프로세스를 모방해 그림 1과 같은 시스템 모델을 제안했다. 1960년대에는 정리를 자동적으로 증명하는 프로그램, 게임하는 프로그램, 미 분, 적분 등을 자동적으로 수행하는 수식처리 프로그램 등 수많은 지능적인 프 1
그림 1 사이먼 뉴엘의 시스템 모델 로그램들이 개발됐다. 1970년대 들어서면서 자연언어 이해, 지식 표현 등의 문 제가 본격적으로 다뤄지게 됐다. 1970년대에는 프로그램의 문제 해결 능력이 프로그램에 사용된 추론 전략에서 나오는 것이 아니라, 프로그램이 보유하고 있 는 지식의 양에 좌우된다는 점이 파악됐다. 한 마디로 프로그램이 좀더 지능적이기 위해서는 특정한 문제 영역에 대한 지 식 정보를 가급적 많이 보유하고 있어야 한다는 것이다. 이로 인해 등장한 것이 바로 전문가 시스템(expert system)이다. 전문가 시스템은 전문가의 경험이 풍 부한 수준높은 지식을 유효하게 활용해 문제 해결을 할 수 있도록 지식공학기술 을 적용시켜서 설계, 작성한 컴퓨터 프로그램이다(그림 2 참조). 그림 2 전문가 시스템의 공통 아키텍처 2
이와 함께 인공지능을 개발하기 위한 사람의 지능 지수처럼 기계의 지능을 평 가할 수 있는 방법을 제시한 사람은 영국의 앨런 튜링이었다. 튜링은 논문의 첫 문장을 기계는 생각할 수 있는가 라는 질문으로 시작하면서 이에 대한 해답으로 모방 게임이라는 아이디어를 제안했다. 기계의 사고나 행동이 사람의 그것과 구별할 수 없다면 그 기계는 사람처럼 생각하는 것으로 볼 수 있다는 것이다. 이 모방 게임은 기계가 생각한다고 말 할 수 있는지 여부를 평가하는 일종의 시험이기 때문에 훗날 튜링 테스트라고 명명됐다. 1970년대까지 인공지능 연구가 활발히 진행됐다. 하지만 성과는 그리 좋지 않 았다. 현재까지도 튜링 테스트를 통과한 인공지능은 나타나지 않았다. 이런 튜 링 테스트에도 반론을 제기한 주장이 있었다. 1980년대 언어철학자인 존 설은 인공지능 프로그램이 튜링 테스트를 통과할 수 있어도 결코 인간의 지능과 같 을 수 없다고 주장했다. 인공지능, 뉴로 네트워크보다 친근한 경쟁 기술 인공지능이 기술적 한계에 다다르자 대안으로 제시된 것이 바로 뉴로 네트워 크(Neural Network)다. 뉴로 네트워크는 디지털 컴퓨터가 발명되기 전인 1943 년에 제안된 개념으로 인간 뇌의 신경세포인 뉴런(Neuron)이 신호를 처리하는 방식을 본떠서 만든 컴퓨터 구조다. 인공지능이 인간의 사고를 모두 기호로 치환할 수 있다는 전제하에 지식을 모 두 기호로 표현하고 처리하는, 기호처리시스템을 기반으로 하는 반면 뉴로 네트 워크는 생물학적인 인간 뇌의 정보처리 체계를 IT 기술로 모방할 수 있다는 것 에서 시작됐다. 뉴로 네트워크는 수많은 뉴런이 연결되어 정보가 병렬적으로 처리된다는 측면 에서 연결주의라 하며 인공지능은 기호처리방식을 통해 정보를 직렬적으로 계 산한다는 측면에서 계산주의라고 비교되기도 한다. 그러나 당시 과학으로는 인간의 뉴런에 대한 이해력이 부족했으며 IT 기술 수준 또한 이를 따라하기는 불가능한 상황이었 다. 당시 뉴로 네트워크가 뇌의 뉴런을 단 순화해 공학적으로 구현한 모델이었는데, 조금씩 드러나는 신경세포의 복잡하고도 다양한 기능들을 구현하기에는 현실적으 로 무리였다. 현재까지도 뇌 연구는 미진 한 편이며 특히 뉴런에서 일어나는 정보 처리에 대한 연구는 더욱 그러하다. 그래서 다시 인공지능에 초점을 맞춰 발전하기 시작했는데, 그 대표적인 결실 3
이 1997년 IBM의 딥블루가 인간 체스 챔피언을 이긴 것이다. 높이 약 2m, 무게 1.4t인 딥 블루는 제작 기간만 8년이 걸린 슈퍼컴퓨터다. 10년이 지난 후 IBM 은 다시 인공지능 시스템을 만들었는데, 그것이 바로 왓슨(Watson)이다. 2011 년 왓슨은 유명 퀴즈 프로쇼인 제퍼디에 출현해 인간 퀴즈왕들을 제치고 1위를 차지했다. 3.5GHz CPU 2,880개, RAM 15TB인 수퍼컴퓨터 왓슨은 인터넷 백과사전인 위키피디아 전체를 비롯해 수많은 서적과 문서, 사전 등 총 4TB, 2억 페이지 분 량의 데이터를 저장했다. 특히 인간 언어의 복잡 미묘한 의미를 정확하게 파악 하고 빠른 해답을 추론하기 위해 병렬 처리는 기본이었다. 왓슨은 이 퀴즈쇼를 위해 2년동안 수많은 연습경기를 통해 테스트를 반복했다. 딥블루가 체스를, 왓슨이 퀴즈를 통해 인간을 이겼다고 해서 인간의 지능을 갖고 있는 것이 아니라는 점은 다들 알고 있지만, 왓슨의 제퍼디 퀴즈쇼 우승은 인공지능을 활용할 수 있는 분야가 있음을 세상에 증명한 것이다. 뉴로 네트워크의 기준은 인간의 뇌 인공지능의 기본 기준이 튜링 테스트라면 뉴로 네트워크의 기본 기준은 인간 의 뇌다. 뉴로 네트워크의 기본 원리를 알기 위해서는 인간의 뇌 구조를 알지 않으면 안된다. 인간의 사고와 감각 등을 관장하는 것은 모두 신경계에서 일어나는 일이다. 인간의 뇌에는 신경계의 기능적 최소 단위인 뉴런(neuron)이라는 신경세포가 약 1,000억 개가 있으며, 이들은 복잡하게 다른 뉴런들과 연결되어 있다. 뉴런 은 장소와 모양, 기능에 따라 감각 뉴런, 운동 뉴런, 연합 뉴런 등 몇 가지로 분 류할 수 있다. 그림 3 뉴런의 구조와 종류 4
- 감각 뉴런: 피부와 같은 감각기관에서 받은 자극을 뇌나 척수인 중추 신경계에 전달 하는 역할을 한다. - 운동 뉴런: 중추 신경계로부터 받은 명령을 근육, 분비샘 등 반응 기관으로 전달하 는 역할을 한다. 뉴런 주변에 수상 돌기들이 뻗어있고, 하나의 긴 축색 돌기가 있다. - 연합 뉴런: 뇌와 척수를 이루는 중추 신경세포로, 감각 뉴런과 운동 뉴런을 연결하며, 자극을 명령으로 바꾸는 역할을 한다. 학습 능력을 담당한 시냅스 뉴런의 가장 기본적인 기능은 자극을 받았을 경우 전기를 발생시켜 다른 세 포에 정보를 전달하는 것이다. 정보 전달 체계에서 가장 중요한 것은 시냅스 (Synapse)라는 세포연접 부위가 있다. 뉴런 간에는 직접적으로 연결되어 있지 않고 살짝 떨어진 채로 틈이 있다. 이 틈 사이로 신경 전달 물질의 확산에 의해 다른 신경세포로 자극이 전해지며, 한 뉴런의 축색 돌기 말단에서 인접 뉴런의 수상 돌기 쪽으로만 전달된다. 한 개의 뉴런에는 최대 2만 개의 시냅스가 존재 한다. 뉴런이 정보를 전달하는 것은 이 시냅스가 어떤 전달 물질을 형성하느냐 에 달려있다. 그림 4 시냅스 구조와 종류 인간의 뇌와 컴퓨터의 가장 큰 차이는 바로 학습 능력인데, 이 시냅스가 인간 의 학습 능력을 담당하고 있다. 시냅스는 자극에 따라 생성되기도 하고 소멸되 기도 한다. 지속적인 자극이 있는 시냅스는 반응 전달이 민감해지는데 비해 자 극이 없어 시냅스 일부가 소멸되면 같은 자극에도 반응 전달이 힘들어진다. 이 는 인간의 뇌가 학습하고 기억하는 능력의 열쇠가 된다. 이는 파블로프의 유명한 개 실험에서 학습의 기본 과정을 설명해준다. 종소리만 들려주었을 때 개는 침을 흘리지 않는다. 먹이를 보여줄 때 개는 침 을 흘린다. 하지만 종소리를 들려주면서 먹이를 주는 것을 반복하면 개는 종소리 5
만 들어도 침을 흘리게 된다는 연구다. 종소리를 들으며 먹이를 주는 과정이 반 복되면서 종소리 뉴런과 먹이 뉴런이 동시에 침샘 뉴런에 전달물질을 전달하게 됨으로써 나중에는 종소리 뉴런만 자극해도 침샘 뉴런을 자극하게 되는 것이다. 시냅스들의 연결이 안정된 상태로 유지되는 것이 기억이다. 즉 경험은 시냅스 들을 변화시키고 학습되고 기억되는 것이다. 이렇게 뉴런이 학습되기까지는 몇 가지 조건이 있는데, 다음과 같다. 1. 자극의 크기가 임계치 이상 커야 된다. 2. 자극이 일정 시간 이상 지속돼야 한다. 3. 자극이 약할 경우 자극을 반복해야 한다. 4. 활성화된 뉴런은 일정 시간이 지나야 한다. 뉴로 네트워크의 장단점 이런 신경세포의 학습 구조를 수학적으로 모델링한 것이 인공 뉴로 네트워크 (Artificial Neural Network)다. 뉴로 네트워크는 대량의 정보를 효율적으로 병렬 처리를 할 수 있을뿐만 아니라 많은 연결선에 정보가 분산되어 있기 때문 에 일부에 문제가 발생하더라도 전체 시스템에 큰 영향을 주지 않는 결함 허용 능력이 있으며, 주어진 환경에 대한 학습 능력이 있다. 뉴로 네트워크의 장점은 복잡하고 다양한 자료를 쉽게 해결해 주며 질적 변수와 양적 변수에 관계없이 모두 분석이 가능하다. 또한 입력 변수 간 비선 형 조합이 가능하며 예측력이 우수하다. 단점으로는 결과에 대한 분류와 예측 결과만 보여주고 결과 생성의 원인 과 이유를 설명하기가 어렵다. 또한 데이터 분석 시 랜덤하게 표본을 선정하 기 때문에 회귀 분석의 결과가 일치하지 않을 수 있다. 지금까지 뉴로 네트워크 모델은 상당히 많이 나왔는데, 다음과 같은 조건으 로 구별할 수 있다. - 계층수: 단층 구조, 다층 구조 - 출력 형태: 순방향 구조, 순환 구조 - 데이터 유형: 디지털, 아날로그 - 학습 방법: 지도 학습, 자율 학습, 경쟁식 - 활성화 함수: 단극성, 양극성 인공지능의 활용 분야 인공지능의 기술은 이미 조금씩 우리 생활 속으로 파고들고 있다. 웹 크롤러: 보이지 않지만 항상 인터넷에 존재하는 프로그램인 웹 크롤러(web crawler)다. 검색 엔진인 구글, 야후와 같은 사이트에서 개발한 것이 대표적이 다. 이는 인터넷의 웹페이지를 스스로 돌아다니며 정보를 수집하는데, 방문한 6
페이지의 복사본을 생성해 검색엔진의 데이터로 사용한다. 이는 검색 엔진에서 좀더 빠른 검색을 위한 색인으로 이용된다. 전문가시스템: 현재 인공지능의 활용에서 가장 활발하고, 다양하게 사용되는 분야다. 미국에서는 의료계에서 빈번히 발생하는 잘못된 진단과 처방, 이에 따 른 의료사고 위험을 덜어주는 임상 의사결정 지원 시스템(CDSS)이 개발되고 있 다. 이는 의료진단시스템으로 의료 분야의 전문적인 지식을 정리해 컴퓨터에 데 이터베이스화시킨 것으로 의사를 포함해 일반인도 옵션에 따른 입력 정보만 넣 으면 병명 등의 추론과 의사결정을 보조해주는 시스템이다. 또한 IBM은 미국 제2의 유명 암 전문 클리닉인 슬론-케터링 암센터와 미국 최대의 민간 의료보 험사 웰포인트와 함께 폐암 진단 및 처치 지원 시스템을 개발해 이를 출시하는 단계까지 발전시켰다. IBM은 인공지능 기술을 이용해 이런 고객들의 질문에 자동적으로 답변해 주 는 왓슨 인게이지먼트 어드바이저(Watson Engagement Advisor) 를 개발하 고 있는데, IBM은 왓슨을 이용한 애플리케이션 시장이 2015년에는 160억 달러 규모로 확대될 것이라고 전망했다. 상업적인 면에서 가장 발전적인 전문가시스템은 세무자문, 여행자문, 자동차 수리, 화합물의 구조추정, 손해배상 보험료 판정 시스템 등에서 활용되고 있다. 자연어 처리: 이는 정보검색, 질의 응답, 자동번역, 통역 등이 포함된 인공지 능으로, 여러 단어가 복합적으로 이뤄져 있는 자연어의 어휘, 구문, 의미를 파악 한다. 이와 관련한 인공지능으로는 클레버봇(Cleverbot)와 한국의 심심이가 있 다. 심심이는 웹페이지, 스마트폰의 앱으로 대화상대를 로봇으로 하는 것으로, 사용자들이 말을 가르칠 수 있는 집단지성 컨셉의 인공지능 시스템이다. 다양한 사람들이 주제에 맞는 답변을 등록하면 서버에서는 이를 데이터베이스화 시키 고, 이를 사용자와의 대화시에 이용한다. 또한 음성인식기능의 정교함으로 유명한 애플의 시리 또한 인공지능이다. 시 리는 스스로 엘리자(Eliza)가 자신의 스승이라고 답변하는데, 엘리자는 1964년 단순한 원리와 규칙에 따라 정해진대로 단순하게 대답하는 인공지능이다. 로봇: 로봇은 인공지능의 꽃으로, 사람의 얼굴, 형태, 보행 및 행동 습관 등의 인식, 물체 인식, 화자 인식, 문자 인식, 공간 인식 등 다양한 인식 기술을 기반 으로 한다. 대부분의 로봇이 센서를 이용해 주변 상황의 정보를 수집해 앞으로 해야 할 행동을 결정한다는 점에서 인공지능이라 할 수 있다. 로봇 분야는 SF 영화나 공상만화에서 인공지능이 가장 많이 활용되는 분야이지만 실제로는 발 전이 가장 더디다. 예를 들어 인공지능 로봇 가운데 계단을 오르내릴 수 있는 수 준의 로봇이 전무할 만큼 뒤처져 있다. 뉴로 네트워크의 활용 분야 인공지능과 마찬가지로 뉴로 네트워크를 활용한 분야 또한 상당히 다양하다. 이를 활용하는데 이미 성숙화된 기술 분야는 바로 데이터마이닝(data mining) 7
이다. 방대한 데이터와 데이터웨어하우스에서 쓸모없는 정보를 여과해서 필요한 정 보를 신속하게 찾아주는 데이터마이닝은 비즈니스 의사결정을 도와주는 BI 시 스템의 중요한 요소로 자리잡았다. 특히 미래재난 예측분석시스템, 수요 예측 시스템, 교통량 예측 시스템 등 각 산업에서 다양하게 쓰이는 많은 예측 분석 시스템은 뉴로 네트워크 기술 활용의 방점을 찍었다. 2013년 12월 아마존은 고객의 기존 쇼핑 패턴을 분석해 결제 여 부를 예측하고 배송을 준비하는 결제 예측 시스템 특허를 등록했다. 또한 예측, 패턴 인식 분야에서 많은 활약을 보이고 있는 문자 인식 시스템 또 한 대표적인 사례로 손꼽힌다. 필체는 사람마다 다르고 또한 개인 또한 쓸 때마 다 달라지기 때문에 인식하기가 힘들지만 뉴로 네트워크는 이런 필체 인식을 아 주 훌륭하게 수행해낼 수 있다. 한편 뉴로 네트워크는 네트워크 관리, 언어 인식, 의약 및 생명정보공학, 금융 서비스, 모델링 및 과학이론 개발, 신호처리, 로봇, 화학물질 합성, 생산공정 제 어 등 광범위한 분야에 활용되고 있다. IBM과 구글, 인공지능과 뉴로 네트워크의 통합 시도중 인공지능과 관련해 가장 적극적으로 연구 개발을 하는 업체는 IBM과 구글이 다. IBM은 인공지능 분야에 독보적인 개발 실적을 보유하고 있다. 세상을 떠들썩 하게 만들었던 딥블루와 왓슨은 모두 IBM이 만든 작품이었다. 이와 함께 2011 년 IBM은 인간의 신경 세포를 닮은 컴퓨터 칩을 개발하는데 이르렀다. 2000년, 구글의 창업자인 래리 페이지는 인공지능은 구글의 궁극적인 목표 가 될 것 이라고 밝힌 바 있었다. 2012년 구글의 비밀 연구소인 구글 X에서 만 든 뉴로 네트워크는 사람의 도움 없이 유투브에서 찾은 1,000만 개 이미지 가운 데 고양이를 식별해내는 작업을 스스로 터득해냈다. 또한 2만 개에 달하는 항목 가운데 대상을 식별해내는 정확도도 두배 가까이 증가해 이전 어떤 연구보다도 뛰어난 결과를 보였다고 평가했다. 구글은 2013년 하반기에 들어서면서 보스턴 다이내믹스, 샤프트, 인더스트리얼 퍼셉션, 레드우드 로보틱스, 봇 앤 돌리, 오 토퍼스, 메카 로보틱스, 홀롬니 등 로봇업체 8개와 인공지능 소프트웨어 업체인 딥마인드를 인수하면서 이 시장에 본격적인 진입을 알렸다. 8
인간 두뇌 매커니즘을 컴퓨터에 이식한다 주목할만한 뉴런 칩 개발 프로젝트들 Agam Shah PCWorld 오랫동안 과학자들은 인간의 두뇌와 같은 능력을 갖춘 로봇 개발을 상상해왔다. 그 리고 2013년에는 이러한 목표에 한 걸음 더 다 가갔다. 능동적으로 학습해 현명한 결정을 내릴 수 있는 인텔리전트 컴퓨터 개발이 주목받고 있 다. 실리콘 두뇌(silicon brain), 즉 인간의 두 뇌를 닮은(neuromorphic) 칩 개발을 통해 컴퓨 터 성능의 향상을 도모할 수 있는 인간 두뇌와 같은 기능을 재현하는데 천문학적인 투자가 이 뤄지고 있다. 이러한 새로운 종류의 칩이 개발되면 마치 로봇에 눈과 귀를 주는 것과 같아 사물을 인식하고 운전을 하며, 심지어 썩은 과일도 구분할 수 있다. 이를 통해 기계의 판단력을 제어할 수 있고 모바일 기기가 사용자의 행동을 예상해 대응 하거나 구글 글래스 같은 웨어러블 기기가 질병을 판단하는 것도 가능해진다. 신경 칩(neural chip)을 통해 인간은 정신적, 시각적, 인지적 능력을 더 강화할 수 있게 될 것이다. 신경 칩이 들어있는 차세대 컴퓨터 개발 몰두 과학자들은 이러한 신경 칩이 들어있는 차세대 컴퓨터 개발에 몰두하고 있다. 두뇌 신경망을 모방해 설계한 것으로 정보를 저장한 후 확률과 연관성을 통해 밝혀진 패턴에 따라 의사 결정을 한다. 미국 정부와 유럽연합, 민간기관 등의 자 금지원을 받는 여러 프로젝트가 뇌의 뉴런과 시냅스가 작동하는 방법을 응용해 메모리, 연산, 커뮤니케이션 기능을 개선하기 위해 노력하고 있다. 두뇌는 1,000억 개의 상호 연결된 뉴런으로 구성되어 있으며, 전기, 화학적 신호를 통해 정보를 전송하고 처리한다. 이러한 뉴런은 병렬로 연산하며 셀 수 없이 많은 연결고리인 시냅스를 통해 소통한다. 뉴런 네트워크에서 뉴런 간 연 결은 두뇌의 지식습득 과정에 따라 강화되거나 약화된다. 반면 오늘날의 프로 세서는 연결되어 있으며 두뇌의 뉴런 네트워크와 다르게 전압을 조정한다. 따 라서 연구원들은 이런 두뇌의 병렬처리를 이용하면 저전력 설계도 가능할 것이 9
라고 본다. 연구원들은 뉴런 칩이 인지 작업을 처리하고 다양한 자극원에 대응할 수 있 도록 개발하고 있다. 컴퓨터는 이미 청각과 시각을 가지고 있고, 감각적 입력 에 대응할 수 있는 로봇이 이미 나와 있다. 연구자들은 5년 내로 컴퓨터가 후각 과 미각을 인지할 것으로 예상하며, 이러한 감각 정보는 프로세싱을 위해 칩으 로 전달될 것이다. 시뮬레이션할 뇌가 단 하나라면 물론 대부분의 칩 개발 성과는 아직 초기 단계다. 작은 곤충이나 벌레의 두뇌 는 프로토 타입 뉴런 칩에서 구현할 수 있지만, 인간의 두뇌는 차원이 다르다. 이 작업에 수십 년이 걸릴 수도 있지만, 현재 초기 단계 작업을 통해 새로운 컴 퓨팅 모델이 개발되고 있다. 이를 위해 필요한 또 다른 기술이 더 많은 정보의 컴퓨터를 컴퓨터로 전송할 수 있는 새로운 데이터 처리 기술이다. 이미 칩 제조 기술은 시간이 지남에 따 라 물리적 한계를 극복해 가고 있다. 미 방위고등연구계획국(DARPA)의 로버트 콜웰은 이런 기술적 성과를 이용하면 새로운 컴퓨팅 디자인과 칩 아키텍처 개 발이 가능하다 고 말했다. 현재 컴퓨터는 이전의 경험을 통해 학습할 수 있는 능력이 없다. 미리 프로 그래밍된 코드를 통해 의사결정을 내릴 뿐이다. 반면 두뇌 세포는 프로그래밍 이 필요치 않으며 내성이 강하고 재생할 수 있다. 컴퓨터가 할 수 없는 의사결 정을 내릴 수 있다. 하이델베르크 대학의 실험물리학 교수인 칼하인즈 마이어는 하지만 일부 활 동들은 지적 프로세싱이 필요 없기 때문에 전통적 개념의 컴퓨터는 사라지지 않 을 것 이라며 이메일이나 문서작성은 언제나 인간의 몫 이라고 말했다. 말한 다. 마이어는 현재 EU가 재정지원을 하는 인간 두뇌 프로젝트를 이끌고 있다. 하지만 인간의 두뇌와 마찬가지로 뉴런 칩 역시 특정 분야에서 더 우수한 성능 을 발휘한다. 잡다한 정보를 배제하고 의 사결정을 내리는 것이 대표적이다. 코넬 대학교의 컴퓨터 전문가인 나빌 이맘 교 수는 인간의 두뇌를 닮은 칩(the neuromorphic chips)은 컴퓨터의 다른 프로 세서들을 대체하지 않고 보조적 역할을 수행할 것 이라고 말했다. 컴퓨터 칩은 인간 두뇌를 표본으로 했 고 전자적 뉴런을 가지고 있어 동적으로 뉴런 사이의 연결을 재구성하고 다른 뉴 런에 정보를 전달하며 연관성 있는 데이 터를 찾게 된다. 이러한 프로세스는 GPU 10
와 같은 코프로세서나 CPU에 데이터를 전송하는 것보다 더 전력소모가 적다. IBM의 왓슨 슈퍼컴퓨터는 제퍼디 퀴즈 게임에서 다른 인간 참가자들을 이겼지 만, 문제의 해답을 찾기 위해 프로세서에 많은 데이터를 전송했다. 이맘은 인 간의 두뇌는 패턴인식과 같이 특정한 과업을 수행하기 위해 연결되어 있는데 컴 퓨터는 이런 일을 할 수 없다 며, 이런 프로세서들은 다른 차원의 애플리케이 션이 필요하다 고 말했다. 시냅스 프로젝트, 두뇌를 닮은 칩 개발 시연 이맘은 DARPA에서 자금지원을 받아 인간의 두뇌를 닮은 칩을 개발하고 있 다. 2008년 시작된 이 시냅스 프로젝트(the Synapse project)는 IBM, HP, 코 넬대학교, 스탠퍼드 대학 등 여러 기관에서 참여하고 있다. 이 프로젝트의 첫 번 째 구체적 성과는 2011년 초에 나왔다. 당시 IBM은 10MHz의 느린 속도로 구동 되는 256개의 디지털 뉴런을 보유한 프로토 타입을 시연했다. 이 칩은 내비게이 션과 패턴 인식 능력을 보여주었다. 두 개의 코어로 구성된 칩 가운데 하나의 코어에는 26만 2,144개의 프로그램 가능한 시냅스를 가지고 있으며 다른 코어는 6만 5,536개의 학습 시냅스를 가지 고 있다. 디지털 뉴런 간의 연결고리는 주고받은 신호가 늘어남에 따라 강해진 다. 한 뉴런으로부터의 전기적 스파이크가 다른 뉴런의 전압에 영향을 주면, 두 뉴런은 시냅스를 통해 연결된다. 칩에서 전기적 스파이크를 보내는 뉴런은 특정 값을 넘어서는 자극이 주어질 경우 다른 뉴런과 정보를 주고받는다. 이맘은 2014년에는 크기가 매우 큰 두뇌를 흉내 낸 새로운 뉴런 칩 시스템 을 발표할 것이라고 말했다. 이 칩은 메모리 배열을 새로 설계해 디지털 뉴런 사 이에 대규모 연결이 가능하다. 동시에 발생하지 않기 때문에 커뮤니케이션 신호 는 로컬 회로에 의해 정리된다. 이 칩은 새로운 제조 공정을 통해 생산될 예정 이다. 이맘은 이는 현존하는 최대 규모의 인간 두뇌 모사 시스템 이라고 말했 다. 이 시냅스 프로젝트를 이끄는 연구 기업 가운데 하나인 IBM은 궁극적으로 는 1kw의 전력만으로 100억 개의 뉴런과 100조 개의 시냅스를 운영할 수 있는 칩 시스템 을 목표로 하고 있다. 퀄컴, 제로스 칩 기반의 로봇 시연 또 다른 연구 프로젝트에서 관심을 끄는 부분은 퀄컴의 제로스 칩(Zeroth chip)이다. 퀄컴은 이를 뉴럴 프로세싱 유닛(neural processing unit) 이라고 부른다. 사용자 행동 예측 등의 인간 행동 패턴 분석을 통해 모바일 기기가 반 응할 수 있다고 퀄컴 CEO인 폴 제이콥스는 밝혔다. 퀄컴은 이미 제로스를 기반 으로 한 내비게이션 관련 의사결정을 할 수 있는 로봇을 시연한 바 있다. 퀄컴은 제로스의 능력을 확장하기 위해 연구를 진행하고 있다고 퀄컴의 관계자인 사미 르 쿠마(Sameer Kumar)는 말했다. 11
인공두뇌 프로젝트, 실리콘 웨이퍼로 조직 시냅스 프로젝트와 퀄컴의 연구는 디지털 뉴런을 기반으로 한다. 하지만 유럽 에서 개발 중인 사람의 뇌를 닮은 인공두뇌는 아날로그 회로에 기반을 두고 있 어 좀더 두뇌 구조에 충실하다. 이 시스템은 독일 하이델베르크 대학에서 연구 중이며 휴먼브레인 프로젝트(Human Brain Project)의 일환으로서 EU로부터 10년간 16억 달러를 지원받아 진행되고 있다. 이 대학은 이미 구동 가능한 뉴로포빅 전산 시스템을 가지고 있다. 이 시스템 은 20만 개의 뉴런과 5,000만 개의 시냅스로 구성된 실리콘 웨이퍼로 조직돼 있다. 연구원들은 2년 이내에 400개의 아날로그 뉴런과 연동된 20-웨이퍼 시 스템을 개발하는 것이 목표다. 이 병렬 칩 디자인은 설정 가능한 전자 뉴런을 가지고 있다. 이 칩의 목적은 뉴런과 시냅스 사이의 의존성, 동기화, 커뮤니케이션을 이해하고 이를 컴퓨팅에 적용하는 것이다. 마이어는 이 프로젝트는 최고의 뉴런 칩을 개발하는 것이 아 니고 아키텍처를 이해하는 것 이라며, 이는 뉴로포빅 컴퓨팅 모델의 발전에 도 움이 될 수 있다 고 말했다. 또다른 뉴로 네트워크 칩 개발 프로젝트 뉴로 네트워크 칩 개발에 대한 또 다른 시도도 있다. 스탠퍼드 대학의 뉴로 그리드(Neurogrid)나 맨체스터 대학의 스핀네이커(Spinnaker)가 바로 그것 이다. 스핀네이커는 EU 휴먼 브레인 프로젝트의 일환이다. HP는 메모리스터 (memoristor) 메모리 기술을 개발하고 있으며 수집된 이전 데이터를 기반으 로 패턴 이해능력을 높여 앞으로 컴퓨터의 의사결정 능력을 강화할 수 있을 것 으로 기대하고 있다. 마치 기억을 수집하고 여러 사건을 이해하는 인간의 두뇌 와 비슷하다. 1995년 뉴런 회로 디자인으로 IBM과 일부 업체와 함께 특허를 출원한 바 있 는 가이 파일렛은 이론을 만들기는 쉽지만 중요한 것은 사용할 수 있는 칩을 만 드는 것이라고 지적한다. 파일렛은 뉴로 네트워크 디자인에 기반을 둔 CM1K 칩을 판매하는 제너럴 비전(General Vision)의 임원이기도 하다. 파일렛은 현 재 이른바 스파이킹 (spiking) 뉴런이라고 불리는 것을 연구하고 있는데 이를 시냅스 모델을 복사하는 생물학적 원리와 가깝다 고 설명했다. 두뇌의 행동을 모방해 칩 기술에 적용하기는 쉽지 않다. 뉴런의 행동은 예측 하기 어렵고 수많은 연결을 재배치할 수 있는 칩을 제작하는 것 역시 어렵다. 특히 인간 두뇌는 여전히 미지의 영역이 많고 신경과학 연구자들은 날마다 새 로운 사실을 발표하고 있다. 그러나 뉴런 칩 연구원들은 자료를 공유하고 보 완적 접근방법을 취하고 있다 며, 연구원 간에 약간의 경쟁이 있는 것도 나쁘 지 않다 고 말한다. 마이어는 지금은 새로운 컴퓨팅의 방식이 필요한 시점 이 라고 말했다. 12