인공지능 (AI)은 현재 자체적으로 진화하고 있다?
인공지능 (Artificial intelligence, AI)은 진화하고 있다. 인공지능을 연구하는 연구원들은 “적자 생존” 이라는 다윈의 진화이론을 기반으로한 소프트웨어를 세대간에 걸쳐서 개발해 인간의 통제없이 자체적으로 발전시킬수 있는 인공지능 (AI) 프로그램을 만들었다. 이 프로그램은 며칠만에 수십년 동안의 AI연구를 반복했으며, 이 프로그램의 설계자들은 언젠가 AI에 대한 새로운 접근법을 발견할 수 있다고 생각하고 있다.
인공지능 알고리즘을 구축하는데에는 많은 시간이 소요된다. 예를들어, 일반적인 기계학습 (machine learning)유형의 신경망이 언어를 번역하고 자동차를 운전하는데 사용된다고 하자. 이러한 기계학습 유형의 신경망은 어느정도 뇌의 구조를 모방하고 있으며, 신경망 구조물의 하나인 인공 뉴런 사이의 연결강도를 변경하여 도출된 훈련 데이터를 통해 자동차 운전을 기계가 배우게 되는 것이다. 뉴런안에 있는 더 작은 뉴런회로는 도로 표지판을 발견하는 것과 같은 특정 작업을 수행하며 연구원들은 이 작은 뉴런회로들을 서로 연결하는 방법을 연구하는 데 많은 시간을 소비할 수 있다.
최근 몇 년간 과학자들은 인공지능 연구에 있어서 몇 단계를 자동화하여 프로세스를 가속화 하는데 성공했다. 그러나 이러한 프로그램은 여전히 인간이 설계한 회로를 연결하여 인간에 의해 짜집기하는 형식으로 이루어진다. 다시 말하자면, 이는 곧 특정 엔지니어의 상상력과 편견으로 그 결과가 제한되어짐을 의미하며, 여전히 인간에의해 제한되는 부자연스러움을 의미하게 된다.
구글의 컴퓨터 과학자 소크와크라 (So Quoc Le)와 동료들은 AutoML-Zero라는 프로그램을 개발했다. AutoML-Zero는 고등학생이 알고있는 기본적인 수학적 개념만을 사용하여 인간의 입력이 거의없이 AI 프로그램들을 발전시킬수 있는 툴 (Tool)이다. 그는, “우리의 궁극적인 목표는 실제로 연구원조차 찾을 수 없는 새로운 기계학습 개념을 개발하는 것이다.” 라고 말한다.
이 프로그램은 느슨한 근사 진화를 사용하여 알고리즘을 발견하며, 무작위로 결합된 수학적 연산으로 100개의 후보 알고리즘을 생성하는 것으로 시작한다. 그런 다음 이미지가 고양이인지 트럭인지를 결정하는 이미지 인식문제와 같은 간단한 작업으로 테스트를 하게된다.
각각의 주기적인 반복을 통해, 프로그램에 의해 생성된 알고리즘 성능은 인간에 의해 설계된 알고리즘과 비교 되어진다. 최고의 기능으로 판명되어진 알고리즘의 사본 (Copy)은 일부 코드를 임의로 교체, 편집 또는 삭제하여 그 알고리즘을 약간 변형하여 “돌연변이”가 되게한다. 이러한 돌연변이는 살아남게 되는 반면에, 오래된 프로그램은 도태되게 되는 사이클이 반복된다.
이 시스템은 한 번에 수천개의 군집된 대상을 생성하여 좋은 솔루션을 찾을 때까지 초당 수만개의 알고리즘을 생성한다. 또한 이 프로그램은 트릭을 사용하여 그 탐색속도를 높이기도 한다. 예를들어 군집된 대상안에 있는 알고리즘을 서로 교환하여 더이상 진화할수 없게하는것을 방지하고, 중복된 알고리즘을 자동으로 제거하는등의 기능도 있다.
그러나 기존에 있는 기계학습 (machine learning)과 이러한 접근방식 사이에는 큰 간극이 존재한다. 그러한 간극을 매꾸기위해 처음부터 새로운것을 연구 개발하는것 보다는 기존개념에 새로운 개념을 어떻게 접목시키느냐가 중요한 관건이라고 연구자들은 말하고 있다.