인공지능이 자발적으로 '숫자 감각'을 획득했다.
인공지능이 자발적으로 '숫자 감각'을 획득했다.
  • 정의윤 기자
  • 승인 2020.01.16 17:10
  • 댓글 0
이 기사를 공유합니다

사진=FabrikaSimf / Shutterstock.com
사진=FabrikaSimf / Shutterstock.com

[퓨처타임즈=정의윤기자] 우리 중 많은 사람들이 수학 개념에 어려움을 겪고 있지만, 우리는 모두 타고난 "숫자 감각" 또는 무수함이 있다. 시각적 피질에 묻혀있는 이상한 그룹의 ‘뉴런’ 덕분에 인간 신생아, 원숭이, 소 및 다른 동물들은 장면을 한 눈에 파악할 수 있는 호기심을 가진 초강력함을 가지고 있으며 얼마나 많은 물건이 있는지를 알기 전에 직관적으로 측정한다.

이제 인공지능은 그 자체로 똑같이 하는 것을 배웠다.

사이언스 어드밴스(Science Advances)에서 발표된 한 연구에서, 독일 튀빙겐 대학(University of Tübingen)의 안드레아스 니더(Andreas Nieder) 박사팀은 생물학적으로 영감을 받은 심층 신경망이 자발적으로 여러 감각을 얻었음을 발견했다.

인공 시각 피질은 인간의 뇌와 유사하게 추상적인 양의 특정 감각을 가진 단위를 서서히 발전시켰다. 팀이 인공 지능에 숫자를 명시적으로 가르치지 않으면 네트워크는 이미지에서 크고 작은 양을 구별 할 수 있다. 각 숫자 단위는 특정 숫자로 정확하게 "조정"된다. 인간과 원숭이에 대한인지 검사에서 도전을 받았을 때 인공지능은 생물학적 뇌를 연상케 하는 실수조차 했다.

저자는 "숫자 감각의 자연스런 출현은 시각 체계에 내재된 메커니즘에 기반을 두고 있다"고 결론지었다.

이 연구는 기계 지능을 사용하여 인간 지능을 조사하는 최신 사례이다. 니더 박사는 "이제 우리는 두뇌에서 일어나는 일들에 대한 가설을 세울 수 있으며 인공 네트워크에서 실제 네트워크로 앞뒤로 갈 수 있다."라고 말했다.

숫자의 미스테리

우리는 숫자를 계산이나 수학과 연관시키는 경우가 많지만, 대부분의 사람들은 두 상자의 도넛을 눈으로 볼 수 있으며, 특히 숫자가 상대적으로 적은 경우 어떤 상자가 더 많은지 직관적으로 파악할 수 있다.

4개월이 지나면 인간의 신생아는 이미 2개를 3개와 구분할 수 있다. 나이와 경험에 따라, 우리의 숫자능력은 더욱 강해진다. 성인들조차도 여전히 더 큰 숫자로 고심하고 있다. 예를 들어, 12만5천 명에서 10만 명의 사람들을 구별하려고 시도한다.

그러나 수치적 정보 처리에서 중요한 역할을 하고 있음에도 불구하고, 과학자들은 추상적인 의미가 숫자 뉴런에서 어떻게 나오는지에 대해 오랫동안 고민했다. 고전적인지 심리학 접근법은 유아를 모집하고 다채로운 그림에서 다양한 양에 반응하는 방법을 확인하는 것이다. 신경 과학 솔루션은 동물의 숫자 뉴런의 전기적 채터링을 직접 측정하는 것이다.

니더 박사 팀은 꽤나 다른 방법을 사용하기로 결정했다. 인지심리학은 점점 더 똑똑한 인공 지능을 개발하는 것과 관련이 깊다. 그럼 왜 인공 지능을 사용해 형세를 역전시켜 인지를 연구하지 않는가?

인공 시각 네트워크

딥러닝 네트워크는 아키텍처가 크게 다르다. 연구팀은 생물학적 뿌리가 깊은 계층적 컨볼루션 신경망(HCNN)을 사용했다. 컴퓨터 시각 응용 분야에서 인기가 있고 성공한 이 모델은 원래 1950년대 초기 시각 피질의 세포 발견에서 영감을 얻었다.

우리가 비전을 처리하는 것과 마찬가지로 HCNN은 이미지에서 점점 더 추상적인 정보를 추출하는 여러 레이어를 가지고 있다. 그런 다음 데이터를 풀링하여 분류 레이어로 보내고 최종 결론을 내린다. 표준 또는 거대한 슈나우저 품종과는 대조적으로 소형 슈나우저라고 할 수 있는 것이다.

HCNN은 사람의 시각적 이미지와 유사하게 주어진 작업에 대한 네트워크 성능을 극대화하기 위해 교육 후 이미지의 특정 측면에 맞게 조정된 뉴런을 자연스럽게 발전시킨다. 즉, 일부 인공 뉴런은 쉽게 구분할 수 없는 선, 얼굴 또는 이상하게 꿈 같은 모양을 볼 때 ‘발사’된다.

팀은 먼저 1000개의 카테고리로 분류 된 약 120만 개의 자연 사진 데이터 세트인 이미지넷을 사용하여 HCNN을 교육했다. 이전의 물체 인식 알고리즘과 마찬가지로 인공 지능은 늑대 거미, 상자 거북 또는 목걸이와 같이 각 이미지의 주인공을 정확하게 분류하는 방법을 배웠다.

그런 다음 재미있는 부분이 등장한다. 수많은 원숭이 연구에서 영감을 얻은 팀은 검은 배경에 1~30개의 서로 다른 수의 흰색 점으로 이미지를 생성했다. 연구진은 HCNN 네트워크에서 이러한 점선 이미지 336개의 분류 레이어를 버리고, 레이어에 숨겨진 다양한 유닛의 반응을 분석했다.

약간의 추가

명확한 훈련 없이도 네트워크는 수치에 민감한 단위를 개발했으며, 이는 모든 계산 단위의 약 10%에 해당한다.

그들의 행동은 실제 뉴런과 거의 동일하다고 팀은 말했다. 각 장치는 특정 번호로만 ‘발사;하는 것을 자동으로 학습하여 이미지가 대상에서 벗어남에 따라 점점 더 조용해졌다. 예를 들어, 4로 조정 된 인공 뉴런은 4개의 점을 볼 때 활동이 급격히 증가하지만 10개의 점이 있는 이미지는 거의 들여다보지 않는다.

게다가, 더 많은 유닛이 상대적으로 큰 숫자인 20이상보다 0과 5사이의 작은 숫자를 선호하는 것처럼 보였다. 이는 팀에 대한 또 다른 정신 검사를 나타낸다. 과학자들은 이전에 실제 뉴런에서 이 흥미로운 분포를 목격했으며, 인공지능이 실제 수치의 근본적인 특성을 포착하고 있음을 시사했다.

인공 수 뉴런은 단지 보여주기만을 위한 것이 아니다. 인간과 원숭이 실험에서 사용 된 것과 비슷한 과제에 도전했을 때, 그들의 개별적 성과는 성공과 상관관계가 있었다. 각 시험에서 팀은 인공지능에 도트 패턴의 두 이미지를 제시했다. 응답을 기록한 다음 두 번째 네트워크에 전송하여 두 이미지가 같은 수의 점을 포함하는지 여부를 판단했다. 훈련을 마친 후, 성공률은 유사한 테스트로 어려움을 겪는 인간과 비슷한 정확도인 81%를 기록했다.

인공지능의 네트워크 장애조차도 인간의 실수와 비슷했다. 예를 들어, 두 개의 숫자가 서로 가까이 있을 때 29와 30을 구별하는 데 어려움을 겪지만 15와 30을 구별하는 데 어려움이 없는 것과 비슷한 방식으로 네트워크에서 더 많은 오류가 발생했다. 예를 들어, 1과5 대 25와 30은 AI가 우리와 마찬가지로 더 많은 숫자로 어려움을 겪었다.

연구팀은 "시각 시스템의 작동은 시각적인 감각을 내기에 충분할 것 같다. 기본 숫자의 의미는 특정 전문 분야의 발전에 의존하지 않고 이미 존재하는 피질 네트워크를 활용하는 것 같다"고 결론지었다.

마음을 위한 인공지능

이 연구는 인공지능이 어떻게 뇌의 복잡한 발생적 특성을 이해하는 데 도움이 될 수 있는지 강조한다.

연구에 참여하지 않은 MIT의 인지과학자인 제임스 디칼로 박사는 "이 연구의 멋진 점은 시력에 의해 탐색되는 것들을 측정하고 있지만 일반적으로 무수성처럼 순수하게 시각적인 것들로 생각하지 않는다는 것"이라고 말했다.

이전의 믿음과는 달리, 딥러닝넷은 훨씬 높은 추상화 수준과 학습에 필요한 단계를 일반화 할 수 있는 능력을 보여주었다. 이 연구에서 정확하게 조율된 유닛의 발견은 잠재적으로 인공 지능을 좀 더 일반화 할 수 있도록 이용할 수 있다.

앞으로 팀은 인간의 높은 인지를 모방한 보강 학습을 추가하여 수렴성 과제가 더 많이 개선되는지 확인하려고 한다. 그들은 또한 계산법 뒤에 숨어있는 메커니즘을 탐구하려고 한다. 이 메커니즘은 시간이 지남에 따라 숫자를 다루고 공간은 다루지 않다. 아이들이 어떻게 이 핵심 인지 기능을 개발하는지 방법은 여전히 알려져 있지 않다. 지능형 기계가 답을 갖고 있을 수 있다.


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.

  • 서울특별시 영등포구 국회대로 800 (여의도동, 여의도파라곤) 1236호
  • 대표전화 : 02-783-7789
  • 팩스 : 02-783-7790
  • 청소년보호책임자 : 최성립
  • 법인명 : 퓨처타임즈
  • 제호 : 퓨처타임즈
  • 등록번호 : 서울 아 51999
  • 등록일 : 2017-11-20
  • 발행일 : 2017-05-01
  • 발행인 : 송승호
  • 편집인 : 송승호
  • 퓨처타임즈 모든 콘텐츠(영상,기사, 사진)는 저작권법의 보호를 받은바, 무단 전재와 복사, 배포 등을 금합니다.
  • Copyright © 2020 퓨처타임즈. All rights reserved. mail to
ND소프트