박재천의 디지털경제 이야기 <45> 노벨 물리학상 설명(3); 딥러닝 - 오늘과 내일 > News Insight

1980년대 이후 존 홉필드와 제프리 힌턴의 기초적 연구는 오늘날  우리가 경험하고 있는 인공지능 혁명의 기반을 닦았다. 여기에 더해, 우리가 지금 목격하고 있는 폭발적인 발전은 네트워크를 훈련하는 데 사용할 수 있는 방대한 양의 데이터와 컴퓨팅 성능의 획기적 증가 덕분에 가능해지고 있다. 더불어, 오늘날의 인공 신경망은 더욱 거대해지고 여러 층으로 구성되는 방향으로 진행되고 있다. 

여러 층으로 구성된 신경망은 심층 신경망(Deep Neural Network)이라 불리며, 이를 훈련하는 방법은 딥 러닝(Deep Learning)이라고 한다. 심층 신경망은 입력층(input layer)과 출력층(output layer) 사이에 여러 개의 은닉층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다. 이런 심층 신경망에 의하여 복잡한 비선형 관계(non-linear relationship)를 가진 어려운 과제들을 풀어낼 수 있는 응용모델을 개발 할 수 있게 되었다.   

1990년대에 개발된 합성곱 신경망(Convolutional Neural Network, CNN)은 컴퓨터 비전(computer vision) 모델로서, 이미지 데이터를 처리하고 분석하는데 특화된 모델이다.  이미지 인식, 의료 영상 분석, 교통 표지판 감지 등에 활용되어 뛰어난 성과를 만들어 내고 있다. 최근에는 자동 응답서비스(Automatic Response Service, ARS)를 위한 음향 모델링(acoustic modeling) 분야에도 성공적으로 적용되고 있다. 

같은 시기에 개발된 순환 신경망(Recurrent Neural Network, RNN)은 순차 데이터 입력을 처리하고 출력하도록 훈련된 딥 러닝 모델이다. 순차 데이터란 복잡한 의미와 구문 규칙에 따라 과거의 기억이 상호 연관되는, 단어, 문장 또는 시계열 형태의 데이터를 말한다.  한 언어에서 다른 언어로 텍스트를 번역하는 것과 같은 방식을 모방한 모델이다. 자연어처리 응용에 많이 적용되어 왓으며, 최근 들어서는 순차 데이터를 처리하는 데 훨씬 더 효율적인 트랜스포머 아키텍처 기반의 대규모 언어 모델(LLM)로 대체되고 있다. 

물리학연구가 인공 신경망으로부터 어떤 혜택을 보고 있는지 살펴보는  것도 흥미롭다. 딥러닝은 이전 노벨 물리학상에서 익숙하게 접할 수 있는 분야에서도 오랫동안 사용되어 왔다. 힉스 입자를 발견하는 데 필요한 방대한 양의 데이터를 선별하고 처리하는 데도 사용되고 있다. 다른 응용 분야로는 충돌하는 블랙홀에서 발생하는 중력파 측정에서 노이즈를 줄이거나, 외계 행성을 탐색하는 작업에도 적용되고 있다.    

최근에는, 분자 및 물질의 특성을 계산하고 예측하는 데도 생화학 분야에도 딥러닝이 사용되기 시작했다. 예를 들어, 단백질 분자의 구조를 예측하는 데 활발히 사용되고 있다. 이런 모델들에 의해 신약 후보 물질의 기능을 예측하거나 요구되는 약성을 가진 새로운 물질을 찾는 것이 훨씬 수월해 졌다.   

인공지능의 발전은 인간의 지식과 예측을 뛰어넘는 새로운 도전을 제기하고 있다. 인공지능의 개발에 발맞추어 부작용 해소의 노력도 활발히 논의 되고 있다. 개인정보와 사생활 정보의 유출이 만들어 내는  심각한 사회적 부작용을 해소하기 위한 노력들이 전개되고 있다.  인공지능 디바이드 등 서비스 상의 차별을 막기 위해 각 기업, 학계, 정부에서는 인공지능 이용에 따른 윤리적 중요성을 인지하고, 다양한 가이드라인을 공유하고 있다. 또 한편, 심층신경망 개발 과정에서 AI의 산출물이 인간의 가치와 일치하도록 하는 ‘AI 얼라인먼트(alignment)’ 대한 폭넓은 논의도 이루어지고 있다.     

<ifsPOST>

  ​