기획시리즈 기획시리즈 인공지능 인공지능및인지컴퓨팅기술동향 배창석 대전대학교 IT 융합공학부부교수 csbae@dju.ac.kr 1. 서론 2. 인공지능및인지컴퓨팅기술동향 3. 결론및시사점 1. 서론인간의두뇌가데이터를분석하고처리하는데있어현존하는어떤컴퓨팅 (computing) 체계보다우수한효율성을가지고있다는것은주지의사실이다. 지금우리가널리사용하고있는폰노이만 (John von Neumann) 구조의컴퓨팅환경역시생명체의두뇌를어느정도모방한것이라할수있지만, 두뇌모델과달리어드레스에의한기억소자접근, 순차적인처리, 미리주어진프로그램에의한구동방식을가지고있다. 이로인해단순한기억, 계산, 그리고자료의검색등과같은영역에서는인간보다매우우수한능력을보이지만스스로필요한지식을찾고불완전한지식으로부터새로운지식을유추하는것과같은사고의영역에서는상대적으로부족하다고알려져있다. 따라서, 인간의두뇌또는신경계를면밀히분석하여역설계하는방식으로새로운컴퓨팅패러다임을구현하고자하는연구가꾸준히진행되어왔다. 20 세기중반이후, 컴퓨터와정보통신기술의급격한발전은이와같이기존컴퓨팅환경이인간에비해상대적으로부족한부분인사고의영역에까지따라잡기위한시도를가능하게하고있다. 인간의두뇌를모방하는인공지능 (Artificial Intelligence: AI) 에대한연구는 1930 년대부터 생각하는기계 를연구하고자시작되었다고할수있다. 인공지능 (AI) 라는용어는 1956 년미국다트머스컨퍼런스 (Dartmouth Conference) 에서존매카시 * 본내용과관련된사항은대전대학교 IT 융합공학부배창석교수 ( 042-280-4589) 에게문의하시기바랍니다. ** 본내용은필자의주관적인의견이며 IITP 의공식적인입장이아님을밝힙니다. 정보통신기술진흥센터 13
주간기술동향 2016. 3. 23. < 자료 > 동적자가학습형인지컴퓨팅기술개발기획보고서, ETRI, 2014. ( 그림 1) 컴퓨팅기술의발전에따른인공지능기술의발전과정 (John McCarthy) 가자신들의연구그룹을총칭하는이름으로제안한것이시초라고알려져있다. 이후, 인공지능연구는 1980 년대 IBM 과애플에서개인용컴퓨터라는새로운컴퓨팅환경을제공하고최근의클라우드컴퓨팅, 모바일컴퓨팅에이르기까지컴퓨팅환경이급속도로발전함에따라 2 가지축에서의기술발전을고려할수있다. ( 그림 1) 에서는컴퓨팅기술의발전과이러한인공지능연구의발전과정을보여주고있다. 하나는신경망 (neural networks), 연상기억소자, 또는퍼지 (fuzzy) 알고리즘과같이컴퓨터과학분야에서사람두뇌의생물학적모델링을통해인공지능을구현한것이라할수있다. 이러한기술들은각각인공지능연구에있어서새로운문제를해결하는돌파구로등장했다가또한계에부딪히면서침체하는등의발전과정을거쳐왔다. 최근에발표된가장획기적인연구는 2012 년미국스탠포드대학교의앤드류응 (Andrew Ng) 과구글에서발표한연구이다. 이들은심층신경망 (Deep Neural Networks: DNN) 을구축하고심층학습 (deep learning) 을통해영상인식에대한연구를수행하였다. 이들의획기적인연구결과는컴퓨터비전, 음성인식, 자연어처리, 그리고음성및신호처리등다양한분 14 www.iitp.kr
기획시리즈 인공지능 야에적용되어우수한결과를보여주고있다. 인공지능연구의또다른기술발전의축은인지심리학적모델에대한연구이다. 1956 년미국다트머스컨퍼런스의참가자중의한명인미국카네기멜런대학교의앨런뉴웰 (Allen Newell) 은인간두뇌의인지모델에대한연구를통해통합인지이론을제시하였고 Soar 라는인지아키텍처를제안하였다. 이후인지심리학분야에서는 ACT(Atomic Components of Thought)-R, PRODIGY, HTMHierarchical Temporal Model), 그리고 SPAUN(Semantic Pointer Architecture Unified Network) 과같은수많은인지아키텍처모델들이제안되고있다. 앞으로이러한두가지축의연구는두뇌에대한통합적인연구를통해새로운컴퓨팅환경을제시하는뉴로시냅틱 (neurosynaptic) 인지컴퓨팅으로함께발전할것으로기대된다. 본고에서는컴퓨팅환경의발전과더불어최근인공지능및이에기반한컴퓨팅환경인인지컴퓨팅기술의동향과향후전망에대해살펴보고자한다. 2. 인공지능및인지컴퓨팅기술동향인공지능연구에있어서가장최근의획기적인연구는 2012 년구글과스탠포드대학교의앤드류응이수행한심층학습에의한영상인식연구로알려져있다. 이들은 16,000 개의컴퓨터프로세서와 10 억개이상의심층신경망을이용하여심층학습을통해 1,000 만개가넘는유튜브동영상에서고양이를인식하는연구를성공하였다 [1]. 심층신경망은심층학습의동작과정에서특정계층에서각각필요한정보만을걸러내는다중계층과정을가진다. 이와같은계층적인필터구조는실제대뇌피질의여러계층에서일어나는현상과매우유사하다고할수있다. 인간두뇌가외부자극에의해각계층들이순차적으로자기조직화하면서인지기능이성숙해가는과정을심층신경망과심층학습이모사하고있다고할수있다. 이들의획기적인연구결과로부터심층신경망과심층학습이음성인식과컴퓨터비전분야에서우수한성능을보인다는것이알려졌으며인공지능기술은최근획기적인전기를맞이하고있다. 가. 국가주도의인지컴퓨팅연구프로그램 최근의심층신경망연구에서보듯이인지컴퓨팅분야의연구는인간두뇌피질의구 조와작동원리를모사하고있다. 이를반영하듯이미국과유럽에서는범국가적수준에서 정보통신기술진흥센터 15
주간기술동향 2016. 3. 23. 미국 (2013. 4.) 유럽 (2012. 4.) DARPA(%50M) - 뇌의동적기능이해 - 응용연구 NIH($40M) - 새로운도구, 훈련등 NSF($20M) - 여타학문확산 ( 물리, 바이오, 행동과학 BRAIN(Brain Research through Advancing Innovative Neurotechnologies) 목표 - ICT 기반두뇌연구의새로운모델을위한기술기반 기술플랫폼 - 인지구조 - 뉴로모픽컴퓨팅 예산 (1,190M ) - Ramp up phase(80m ) - Operational phase(673m ) - Sustainability phase(437m ) Human Brain Project < 자료 > 동적자가학습형인지컴퓨팅기술개발기획보고서, ETRI, 2014. ( 그림 2) 미국과유럽의국가주도두뇌연구프로그램의두뇌연구프로그램에대규모의연구자원을투입하고있다. ( 그림 2) 에서는미국과유럽에서이루어지고있는대규모프로그램의내용을간단히보여주고있다. 이와같은인간두뇌에대한심층적이고다각적인분석을통해인간의인지구조를파악하고새로운컴퓨팅모델을제안하고자하는연구가진행되고있다. 미국에서는인간두뇌의동적기능과응용에대한연구를포함하는 BRAIN Initiative 프로그램을 2014 년부터 10 년의장기계획으로시작하였다. 이프로그램의시작과함께미국오바마대통령은혁신적인신경기술을이용하여인간두뇌에서일어나는정보의기록, 처리그리고사용에대한메커니즘을이해하고자하는목표를제시하였다. 이프로그램을위해미국정부에서는 DARPA(Defense Advanced Research Projects Agency), NIH(National Institutes of Health), 그리고 NSF(National Science Foundation) 등을통해 2014 회계연도에예산 1 억달러를집행하였고, 10 년동안연간 3 억달러이상을투자하는계획을시행중에있다. 특히, 미국방성산하기관인 DARPA 는 IBM 과함께 2009 년부터 SyNAPSE(Systems of Neuromorphic Adaptive Plastic Scalable Electronics) 프로젝트를통해인간두뇌를모방한칩을개발하고, 이를활용하는컴퓨팅아키텍처를설계하고구현하는연구를진행하고있다. 이연구의후속과제로최근에는 54 억개의트랜지스터, 100 만개의디지털뉴런, 그리고 2 억 5,000 만개의시냅스 (synapse) 를집적한트루노스 (TrueNorth) 라는신경망칩을개발하고있다. IBM 에서는이연구를통해기존 16 www.iitp.kr
기획시리즈 인공지능 의폰노이만구조의컴퓨팅환경이아닌인간두뇌를모방한새로운구조의컴퓨팅환경의구현을지향하고있다. 유럽에서도 2012 년부터인간두뇌의생물학적, 인지과학적, ICT 연구를포함하는 HBP (Human Brain Project) 를 10 년계획의장기프로그램으로시행하고있다. 이프로젝트에서는인간의두뇌에대한시뮬레이션모델과관련된뉴로사이언스분야, 인간의뇌질환을연구하는의료및약품분야, 그리고인간두뇌를모사한인지컴퓨팅의구현을목표로하는뉴로모픽 (neuromorphic) 컴퓨팅분야로나누어지고있다. 이러한연구를위해연간약 12 억유로를투입하여 100 개가넘는연구기관에지원하고있으며, 스위스로잔연방공과대학교및로잔의과대학교, 그리고독일하이델베르크대학교가주축을이루고있다. 나. 영상및음성인식관련인공지능연구앞서살펴본구글과앤드류응교수의연구는신경망을이용한영상인식과음성인식에서새로운돌파구를제시하였다. 구글은음성검색서비스를통해수집되는방대한음성데이터및클라우드시스템을활용하여대규모심층학습을효과적으로수행하는기술을개발하여적용하고있다. 구글은유튜브영상인식에있어일부의학습데이터셋에대해지도학습을적용한후대용량학습데이터셋에대해서는비지도학습을적용하는방법으로사람에학습하는방식을모사하였다. 이들은이를통해심층학습의유용함을입증하였고자신들의스트리트뷰 (StreetView) 서비스에서건물의주소번호를인식하는데활용하는결과를소개하기도하였다. 구글은 2013 년부터인공지능맨해튼프로젝트를시작하면서인공지능과관련된 IT 기업과전문가들을흡수하고있다. 이러한계획의일환으로 2014 년 1 월스마트온도조절기업계의선두주자인네스트랩 (Nest Labs) 을 32 억달러에인수하였다. 네스트랩을통해구글은사물인터넷 (Internet of Things: IoT) 과빅데이터시대의지능형서비스제공에대응하고있다. 또한, 같은해런던에본사를두고있는인공지능기업인딥마인드사를인수하기도하였다. 딥마인드의인공지능기술은그간구글이진행해왔던무인자동차와기타인공지능응용분야에서도새로운단계로도약하는기반이될것으로기대된다. 이러한응용의하나로구글은인공지능기술을활용하는새로운차원의바둑프로그램인알파고 (AlphaGo) 를개발하였다. 2016 년 1 월네이처지에소개된내용에따르면알파고프로그램은심층학습 정보통신기술진흥센터 17
주간기술동향 2016. 3. 23. 을기반으로구현되었으며, 기존의여타바둑프로그램과의대결에서 99.8% 의승률을기록하였다 [2]. 이미잘알려진바와같이알파고는유럽바둑챔피언을상대로 5 대 0 의일방적인승리를기록했고, 2016 년 3 월에는세계바둑챔피언과의대결에서도 4 대 1 로승리하였다. 1996 년 IBM 의딥블루 (DeepBlue) 가체스경기에서세계챔피언을이겼고, 2011 년 IBM 의왓슨 (Watson) 은퀴즈쇼 (quiz show) 제퍼디를이기면서일부영역에서인공지능기술은인간의능력을넘어섰다. 이제는컴퓨터가인간의능력을넘어서기어렵다고알려져있던바둑의영역에서도인간의능력을넘어서려는시도를하고있다. 구글의인공지능맨해튼프로젝트를총괄적으로지휘하고있는레이커즈와일 (Ray Kurzweil) 은 2029 년에인공지능이인간의두뇌를넘어서는특이점 (singularity) 이올것이라고주장하고있다. 과거특이점은 2045 년이라고알려져왔지만, 최근의눈부신기술발전은이시기를 15 년이상앞당기게된것이다. 마이크로소프트역시 2014 년부터아담 (Adam) 이라는인공지능프로젝트를시행하고있다. 프로젝트아담은구글을비롯한다른인공지능시스템보다 30 배나적은수의컴퓨터를사용하며, 20 억개이상의신경망연결을이용하여데이터를학습한다. 이들은플리커 (Flicker) 등웹사이트에서추출한 1,400 만개영상과사용자태그에서구한 22,000 종류의카테고리를학습에사용하였다. 이들은확장가능형인프라를이용하여다른시스템보다 2 배이상정확하게그리고 50 배이상빠르게물체를인식한다는결과를발표하였다 [3]. 마이크로소프트는애플의시리 (Siri) 와유사한인공지능비서서비스인코타나 (Cortana) 에인공지능기술의모든역량을집중하고있다. 코타나는단순한음성인식기반검색에서더나아가메시지, 메일, 일정등을확인하고관리하도록도와준다. 또한일정약속이정해지면관련교통정보를함께보여주는등사용자의실생활에유용한정보를제공하는기능도가지고사용자편의성을극대화하고자하는노력을기울이고있다. 국내에서도언어지능과시각지능에대한연구를한국전자통신연구원 (ETRI) 을중심으로산ㆍ학ㆍ연연계연구개발을진행하고있다. 언어지능에대한연구로는 ETRI 자동통역언어지능연구부와솔트룩스, 그리고카이스트 (KAIST) 가협력하여엑소브레인 (Exobrain) 이라는과제를 2013 년부터진행하고있다. 엑소브레인과제 [4] 에서는자연어를이해하며자가학습을통해지식과지능이진화하는 SW 기술을개발하는것을목표로하고있다. 18 www.iitp.kr
기획시리즈 인공지능 언어지능에비해전반적인기술성숙도가조금은부족한시각지능에대한연구로 2014 년부터진행되고있는딥뷰과제가있다. 딥뷰과제는 ETRI 빅데이터인텔리전스연구부와코난테크놀로지, 그리고광주과기원및포항공대등학계가협력으로대용량영상데이터로부터객체와객체의상호작용으로나타나는시맨틱을이해하고시각지식화하는것 [5],[6] 뿐만아니라, 이를기반으로앞으로발생할상황을예측하는예지형시각지능을개발하는것까지를포함하고있다. 그밖에네이버, 다음카카오, SK 텔레콤등대기업에서인공지능기술의가능성에주목하고투자를일부시작하고있으나, 거의대부분국내인공지능연구의역량은언어지능과시각지능에편중되어있다 [7]. 다. 인공지능의인지심리학적접근인공지능분야의초창기연구로부터인지심리학분야에서의접근이이루어져왔다. 앨런뉴웰의 Soar[8] 라는인지아키텍처이래로여러가지인지아키텍처들이개발되었지만존앤더슨 (John Anderson) 의 ACT-R[9] 이인지과학자들사이에서인간의인지행위를가장성공적으로모델링한구조로널리알려져있다. ACT-R 은크게기억요소와인지행위모델로구성되어있으며, 기억요소는단기적인작업기억과지식베이스라할수있는장기기억요소로구성되어있고인지행위모델은의사결정과추론, 그리고학습등으로구성되어있다. ACT-R 에서는서술적지식과절차적지식의상호작용으로인간의인지가이루어진다고고려하고있으며, ( 그림 3) 과같은구조를가지고있다. ACT-R 은학습과기억, 문제해결과의사결정, 언어및통신, 지각및주의, 인지개발, 그리고개인별차이와같은모델을생성하였고기억요소에서는특성에따라 4 가지형태의학습모델을가지고있다. 첫번째로사실학습 (fact learning) 은사람들이일반적으로이야기하는기억으로서주어진사실에입각하여이루어지는학습을의미한다. 두번째는지식강화 (strengthening) 로새로운지식을습득하는것이아니라습득된지식을더욱더공고히하는학습행위를의미한다. 세번째는기술습득으로새로운절차나기술을습득하는행위를의미한다. 마지막으로는상황학습으로경험에의해주어진상황에서어떤행동이더효과적인지학습하는행위를의미한다. ACT-R 은이와같이인간두뇌에서일어나는복잡하고다양한인지과정을구분하고모델링하여시뮬레이션이가능한구조를제안하였다. 최근의인공지능연구에서는스스로지식을확장해가는고차원적인복합인지기능을 정보통신기술진흥센터 19
주간기술동향 2016. 3. 23. Visual Module Environment Motor Module ACT-R Buffers Procedural Memory Pattern Matching Declarative Memory Production Execution < 자료 > http://act-r.psy.cmu.edu/about/ ( 그림 3) ACT-R 인지아키텍처의구조 구현하기위한노력을지속하고있다. 대표적인연구중의하나는두뇌기능의기억및예측이론을기반으로관찰된입력패턴이나순차적정보의고차원적원인을유추하고발견하는방법으로 HTM(Hierarchical Temporal Memory) 이다 [10]. 대뇌신피질의정보처리이론을모방한 HTM 이론을제안한제프호킨스 (Jeff Hawkins) 는 Numenta 라는회사를설립하고 NuPIC(Numenta Platform for Intelligent Computing) 이라는 HTM 기반의 SDK(Software Development Kit) 를공개하였다. Numenta 에서는 HTM 기술을기반으로서버와응용에서의비정상적인상태의감지, 사용자의비정상적인시스템사용의감지, 그리고사람들의비정상적인이동감지등다양한응용에활용하고있다. 인간두뇌에서의인지메커니즘에대한시뮬레이션모델로서캐나다워털루 (Waterloo) 대학교에서는 SPAUN(Semantic Pointer Architecture Unified Network) 이라는 250 만개규모의뉴런이연결된모델을개발하고있다 [11]. SPAUN 연구를통해카메라로숫자를읽고인식하여기억하고있던숫자열에서입력된숫자의다음순서에있는숫자를로봇팔을이용하여기록하는것과같은시각중심단위의작업수준에서사람처럼동작하는인지시스템을시연하였다. SPAUN 은시각적으로가려져서완전하게다보이지않는숫자에대해서도해당숫자를정확하게유추하는것이가능하다는것을시연을통해보여주었다. 인공지능기술은영상과음성을인식하는단계를넘어서업무에서의사결정을도와주 20 www.iitp.kr
기획시리즈 인공지능 는 BI(Business Intelligence) 시스템의중요한요소로새롭게자리매김하고있다. 아마존사는고객의기존쇼핑패턴을분석하여결재여부를예측하고배송을준비하는결재예측시스템에대한특허를 2013 년 12 월에등록하였다. 이와같이인공지능기술은기존에사람의고유영역이라생각되는부분으로조금씩들어오고있다. 3. 결론및시사점인간두뇌의기능을모방하는인지컴퓨팅기술은최근중요성이강조되고있는사물인터넷, 빅데이터, 지능형로봇, 그리고웨어러블단말등에서사용자를이해하고사용자와교감할수있는새로운차원의서비스를제공할수있는기반이다. 이들기술들은서로상호보완적으로다른기술의발전을견인하는원동력이될수있을것이다. 특히, IBM 은 SyNAPSE 프로젝트와트루노스칩을통해기존의폰노이만형식의컴퓨팅환경과다른생명체의두뇌에서신경세포들의상호작용에의해스스로학습하고성장하는신경망컴퓨팅환경을개발하고자노력하고있다. 구글의심층신경망과심층학습의획기적인연구결과로다시촉발된인공지능연구는 2045 년으로예견되어있던특이점을 2029 년으로 15 년이상앞당겼으며, 전세계적인연구경쟁결과에따라더앞당겨질지도모른다. 국내에서도이러한글로벌기술경쟁에뒤쳐지지않기위해국내최고연구역량을결집한산ㆍ학ㆍ연협력으로언어지능과시각지능을확보하기위한대형프로젝트를 2013 년부터장기과제로진행하고있는것은고무적이라할수있다. 하지만, 국내연구역량은주로가시적인성과도출이상대적으로용이한언어지능과시각지능에많이집중되어있고, 인간두뇌에서일어나는종합적인인지메커니즘을연구하는분야와같이연구성과도출을위해서는장기적인투자가요구되는분야는선진외국에비해뒤쳐져있다고할수있다. 심층학습과심층신경망을통한획기적인연구결과들이발표되고있는현시점은인공지능기술의새로운도약의전환점으로생각되며, 글로벌기술경쟁에뒤쳐지지않기위해서우리나라도종합적인인공지능및인지컴퓨팅기술의균형있는발전을위한노력이절실한시점이다. 오늘날인공지능및인지컴퓨팅기술은미래에발생할가능성이있는재난예측시스템, 수요예측시스템, 그리고교통량예측시스템등각산업및생활분야에서다양하게사용되는예측분석시스템에활용이가능하다. 또한, 네트워크관리, 의약및생명정보공학, 금 정보통신기술진흥센터 21
주간기술동향 2016. 3. 23. 융서비스, 모델링및과학이론개발, 신호처리, 로봇, 화학물질합성, 생산공정제어등광범위한분야에도활용이가능한기술이다. 이와같이인공지능과이를이용하는인지컴퓨팅기술은 21 세기기술및산업경쟁력을확보하기위한근간으로서그중요성이더욱더부각될것으로기대된다. < 참고문헌 > [1] How Many Computers to Identify a Cat? 16,000, 블로그, http://www.nytimes.com/2012/06/26/technology/in-a-big-network-of-computers-evidenceof-machine-learning.html?_r=2&&, 2012. [2] D. Silver, A. Huang, C. J. Maddison, A. Guez, L. Sifre, G. Driessche, J. Schrittwieser, I. Antonoglou, V. Panneershelvam, M. Lanctot, S. Dieleman, D. Grewe, J. Nham, N. Kalchbrenner, I. Sutskever, T. Lillicrap, M. Leach, K. Kavukcuoglu, T. Graepel, and D. Hassabis, Mastering the game of Go with deep neural networks and tree search, Nature 529, Jan. 2016, pp.484-489. [3] Microsoft Research demos Project Adam machine-learning object-recognition software, KURZWEIL, Jyly 16. 2014. [4] http://exobrain.kr, 2015. [5] 고종국, 배유석, 박종열, 박경, 영상빅데이터분석기술동향, 한국전자통신연구원, 전자통신동향분석, 제 29 권, 제 4 호, 2014. 8, pp.21-29. [6] K. Kang, Y. Kwon, J. Moon, and C. Bae, Challenging Issues in Visual Information Understanding Researches, Lecture Notes in Computer Science, vol. 8936, Jan. 2015, pp.458-469. [7] 국내인공지능 (AI) 실태조사, 정보통신기술진흥센터, 주간기술동향, 2015. 11. 25, pp.31-36. [8] J. Laird, A. Newell, and P. Rosenbloom, "Soar: An Architecture for General Intelligence", Artificial Intelligence, vol. 33, 1987, pp.1-64. [9] J. Anderson, and C. Lebiere, The Atomic Components of Thought, Mahwah, NJ, Lawrence Erlbaum, 1998. [10] Numenta, Hierarchical Temporal Memory including HTM Cortical Learning Algorithms, Sep. 2011. [11] Stewart, Terrence C., Feng-Xuan Choo, and Chris Eliasmith. Spaun: A perception-cognitionaction model using spiking neurons. Proceedings of the 34th Annual Conference of the Cognitive Science Society. 2012. 22 www.iitp.kr