메뉴바로가기본문바로가기

동아사이언스

KAIST-딥마인드팀, 공학 난제 해결 AI이론 제시

통합검색

KAIST-딥마인드팀, 공학 난제 해결 AI이론 제시

2019.01.24 10:48
안수진 박사과정 연구원과 이지항 박사, 이상완 교수(왼쪽부터). KAIST 제공.
안수진 박사과정 연구원과 이지항 박사, 이상완 교수(왼쪽부터). KAIST 제공.

KAIST는 이상완 KAIST 바이오및뇌공학과 교수 연구팀이 영국 케임브리지대학, 구글 딥마인드와 공동 연구를 통해 다양한 공학적 난제를 해결할 수 있는 인공지능(AI) 알고리즘 설계에 필요한 이론을 제시했다고 24일 밝혔다. 구글 딥마인드는 바둑 AI ‘알파고’를 개발해 유명세를 탄 기업이다. 연구진의 성과는 국제 학술지 ‘사이언스 로보틱스(Science Robotics)’ 16일자 온라인판에 ‘포커스’ 형태로 게재됐다. 

 

AI 알고리즘을 개발하는 데 기본이 되는 강화학습은 ‘기계학습(머신러닝)’의 한 영역으로 20여년 동안 컴퓨터 사이언스 분야에서 꾸준히 연구됐다. 최근 5년간 기계학습은 ‘딥러닝(Deep Learning)’으로 급격히 진화, 발전했다. 

 

딥러닝 기반 강화학습 알고리즘은 바둑 AI ‘알파고’와 같은 전략 탐색 문제, 로봇 제어, 응급실 비상 대응 시스템과 같은 의료 진단 등 다양한 분야에 적용된다. 하지만 주어진 문제에 최적화하는 방향으로 시스템을 설계해야 하고 불확실성이 높은 환경에서 성능이 보장되지 않는다는 점이 한계였다. 

 

이상완 교수와 이지항 박스, 안수진 박사과정 연구원이 주도한 이번 연구에서 연구팀은 강화학습 등 개별 AI 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌는 해결하고 있다는 사실에 기반해 이른바 ‘전두엽 메타 제어’ 이론을 제안했다. 

 

전두엽 메타 제어 이론은 외부 환경 정보와 그 정보의 신뢰도를 평가하는 신호를 인간의 뇌가 통합하는 과정을 통해 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 게 핵심이다. 이 원리를 AI 알고리즘이나 로봇 설계에 적용하면 외부 환경 변화에도 성능·효율·속도 3개 조건 사이의 균형점을 유지하는 최적의 제어 시스템을 설계할 수 있다. 

 

사이언스 로보틱스에 ‘포커스’ 형태로 실린 이번 연구논문의 1저자인 이지항 박사는 “이번 연구는 계산신경과학에 기반한 결과로 딥러닝과 강화학습의 한계를 해결하는 실마리가 될 수 있다”며 “새로운 AI 알고리즘 설계에 많은 영감을 줄 것으로 기대한다”고 말했다. 

 

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

4 + 6 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기

    관련 태그 뉴스