물리법칙과 확률에 근거한 심리 현상 이해

[테크월드=선연수 기자] 음식이 단맛인지 쓴맛인지, 자동차가 빨리 달리는 물체인지, 공중에 떠 있는 물체가 1초 후에 어떻게 되는지는 학교에서 배우지 않아도 사람은 이미 알고 있다. 아주 어릴 때부터 지금까지 셀 수 없는 경험을 통해 물체의 특성이나 물리적인 원칙을 체득한 것이다. 이런 본능적인 판단력이나 직관력을 인공지능(AI)도 가질 수 있을까?

 

 

놀람을 인지하는 AI

MIT(Massachusetts Institute of Technology)의 한 연구팀은 아기가 자연적인 물리현상을 보고 이해하듯 ‘놀람’을 통해 직관을 기르는 AI 모델 ‘ADEPT’을 공개했다. 이는 사람이 물리 법칙을 이해하는 것처럼 상황을 인지하며, 만약 물체가 AI의 판단과 다른 움직임을 보이면 이를 놀람으로 인지해 신호로 출력한다. 예를 들어, 물체가 순간 이동하거나 순식간에 사라지면 AI가 놀라움을 느끼는 것이다. 마치 아기에게 “까꿍”을 하면, 아기가 놀라며 웃는 것처럼 반응하는 것과 같다.

연구진은 ADEPT 모델에 ‘역 그래픽(Inverse graphics)’ 모듈과 ‘물리 엔진(Physics engine)’ 모듈을 사용했다. 역 그래픽 모듈은 비디오 프레임에서 이미지 형태로 프레임을 캡처해, 픽셀 값을 통해 물체의 생김새, 포즈, 속도와 같은 정보를 추출해낸다. 그러나 세세하게 알아내는 것이 아닌, 기하학적인 구조만을 파악해낸다. 이 연구 논문의 첫 번째 저자인 케빈 A. 스미스(Kevin A. Smith) 과학자는 “물체가 사각형인지 원인지, 또는 트럭인지 오리인지는 중요하지 않다. ADEPT는 물체의 다음 행동을 예측하기 위해 현재의 위치와 움직일 경로를 볼 뿐이다. 아기들도 그들이 물리적인 예측을 할 때, 모양에는 크게 개의치 않는 것처럼 보인다”고 설명했다.

물체에 대한 정보는 물리 엔진으로 전달된다. 이는 고체나 유체와 같은 물체의 물리적인 동작을 시뮬레이션하는 소프트웨어로, 다음 프레임에서 물체가 어떻게 행동할지에 대한 ‘신뢰분포(Belief distribution)’와 예측을 생성한다.

이어서 관측되는 프레임에 변화가 발견되면 예측한 결과와 현상의 일치 여부를 판단한다. 이때 갑자기 물체가 사라지는 것과 같은 ‘불일치’가 일어나면, 신뢰분포로부터 표본(Sampling)을 다시 추출해 매우 낮은 확률일 경우 높은 스파이크(Spike)의 놀람 신호를 발생시킨다. 이 신호는 사건의 발생 확률에 반비례하며, 발생 확률이 낮을수록 신호의 스파이크가 높아진다.

 

놀랍게도 이 AI의 놀람 정도와 빈도는 사람의 반응 수준과 비슷했다. 연구진이 비교를 위해 진행한 실험은 60명의 성인이 64개의 물리적인 현상이 담긴(불가능해 보이는 장면도 포함) 비디오를 보게 하고, 놀라움의 수치를 0에서 100까지 나눠 측정하는 방식으로 이뤄졌다. 그리고 똑같은 64개의 영상을 ADEPT 모델에게 보여주고 물체가 이유 없이 사라지는지에 대한 영속성(Notions of permanence), 연속된 이동 궤도를 따라 움직이는지에 대한 연속성(Continuity), 물체가 서로를 통과할 수 없다는 견고성을 측정할 수 있는가를 측정하고, 놀람 수치에 대한 결과를 비교했다.

연구진은 “ADEP를 통해 더 똑똑한 AI 모델이 만들어질 수 있을 것이며, 이를 통해 유아들이 그들의 주변 세계를 어떻게 인지하는지 더 잘 이해할 수 있을 것”이라고 설명했다.

 

AI의 직관, 불가능의 영역일까?

ADEPT 모델 연구진이 공개한 AI의 직관력은 물리적인 원칙, 사건이 발생할 확률에 근거한다. 신호로 표현되는 ‘놀람’의 세기가 발생 가능성이 높을수록 낮아지는 것은, 사람이 흔한 일일수록 놀라지 않는 심리적인 부분과 일치한다. 사람의 직관도 타고난 채로 태어나지는 않는다. 주변의 환경, 주변인의 반응, 그로 인한 결과 등을 경험하며 키워가는 것이다.

최근 AI 스피커나 스마트폰 등 가정과 개인이 가지는 사물인터넷(IoT, Internet of Thing)의 수가 점점 늘어가고 있다. 대화하는 냉장고, 세탁기 등 집 안팎 어디에서든지 AI가 우리와 함께 한다면, 내 인생을 함께 학습하는 것과 다름없는 것이다. 오히려 보다 정확한 물리 원칙을 기반으로 주변인의 반응까지도 습득해 더 나은 ‘직관’력으로 판단하는 것을 불가능하다고 볼 수만은 없을 것이다.

 

이 기사를 공유합니다
저작권자 © 테크월드뉴스 무단전재 및 재배포 금지
이 기사와 관련된 기사