세계적인 시장조사기관들은 인공지능의 파급력을 수치화하여 인공지능 시장의 지수적인 전망을 예측하지만 이는 범용기술의 특성을 고려해보면 당연한 예측일 수 있다.
인공지능 활용연구는 학습기반의 인공지능 기술로부터 시작된다. 미래를 예측하는 전통적인 방법론중 대표적인 것은 수학적·통계적 모델링이었다.
이는 데이터의 관계를 통해 인과성(causality)이나 상관성 (correlation)을 분석하고 그 결과를 수식화하는 방식이다.
그러나 데이터의 종류나 크기가 기하급수적으로 늘어나면서 이러한 모델링 방식은 한계에 봉착하게 된다. 학습기반의 인공지능은 입력과 출력의 거대한 데이터 집합에 의사결정 모델을 세워주는 역할을 한다. 인공지능 기술이 데이터 기반의 의사결정에 대한 진입장벽을 허물어버리면서 많은 기업들이 인공지능을 자신들의 분야에 접목하기에 이르러 인공지능 활용 연구의 저변이 급속도로 확대되고 있는 것이다.
인공지능 기초연구에 대한 성과로는 크게 적대적 생성신경망(Generative Adversarial Network, GAN), 미분가능한 신경 컴퓨터(Differentiable Neural Computer, DNC), 사람의 행위나 동작을 흉내 내는 강화학습이 있다.
적대적 생성신경망 (Generative Adversarial Network, GAN)
적대적 생성신경망(GAN)은 지난 2014년 신경정보처리시스템 학회(NIPS, Neural Information Processing System)에서 처음 소개됐다.
이후 이어진 2016년 NIPS에서 GAN 튜토리얼이 진행되면서 GAN의 가능성과 잠재력에 대한 학계와 산업계의 관심이 높아지게 된다. GAN의 개괄적인 개념은 서로 적대하는 두 개의 시스템을 통해 새로운 정보를 생성하는 것이다.
예를 들어, A라는 시스템은 위조지폐를 만들어 내는 것이고, B라는 시스템을 위조지폐를 감별해 내는 것이라고 가정하자. A와 B가 서로 경쟁하며 위조지폐를 만들고 감별하는 과정을 통해, 위조지폐와 실제지폐를 구분할 수 없을 때까지 학습하는 것이 GAN이 라고 볼 수 있다.
GAN의 대표적인 응용 분야는 이미지 자동 생성이다. 대략적인 스케치가 입력 값으로 투입되었을 때 이 스케치에 해당하는 이미지를 스스로 생성하는 기능이다. 최근 회자되었던 인공지능이 그린 그림 역시 GAN을 바탕으로 생성한 것이다. GAN의 응용분야는 이미지 복원, 동작을 흉내내는 인공지능, 신약 개발 등으로 확대되고 있다.
참고자료: AI사업단 X 지능정보산업협회 Journal Vol.2 Artificial Intelligence Companion Project
[분석]인공지능 활용 연구②: 미분가능한 신경 컴퓨터(DNC)
[분석]인공지능 활용 연구③: 사람의 행위나 동작을 흉내 내는 강화학습
추형석 소프트웨어정책연구소 선임연구원
<저작권자 © 빅데이터뉴스, 무단 전재 및 재배포 금지>