태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

척척박사 윤박사가 들려주는 AI | 여덟 번째, 스마트 시대의 인공지능 사례 - 뇌공학과 인공지능

 

 

 

 

 

뇌공학은 스마트 인공지능의 목적지로, 사람 두뇌와 컴퓨터가 상호작용하는 차세대 융합 기술이다. 뇌공학은 사람의 뇌 신경망과 컴퓨팅 기계를 특정 네트워크(BCI : Brain-Computer Interface)로 연결하고, 뇌의 활동을 인지하거나 질환 치료, 컴퓨팅 기계를 사람의 뇌로 제어하는 등의 다양한 세부 분야로 기술 개발이 진행되고 있다. 뇌공학 기술이 성공적으로 진행된다면, 마이너리 리포트나 매트릭스와 같이 영화에서나 가능한 세계가 현실화될 가능성이 높아진다.

 

 

 

뇌공학의 정의와 국가 전략

뇌공학은 1973년 자퀴스 비달(미국, UCLA) 교수에 의해 식물인간 환자가 어떻게 외부와 의사소통을 할 수 있을까를 고민하면서부터 정립되기 시작하였다. 현재는 각국에서 뇌공학과 인공지능에 대한 연구와 투자가 적극적으로 진행되고 있으며 유럽연합은 2012년 “휴먼 브레인 프로젝트(HBP)”라는 뇌 연구 프로젝트에 10년간 10억 유로(약 1조 7천억원)를 투자하고 있다. 미국은 2013년 “브레인 이니셔티브(BRAIN Initiative)”를 출범시켜 10년간 30억 달러를 투자하기로 했다. 일본은 2014년부터 “Brain/MINDS”라는 300억원 규모의 연구 프로젝트를 진행하고 있다. 이렇듯 최근에 뇌공학은 인공지능과 같이 학문적 연구에서 벗어나 실생활에서 적용하기 위한 연구가 적극적으로 진행되고 있으며, 공학적 접근과 프로그래밍 기술 개발이 필요한 대표 연구 사업이다.

국내는 2014년 뇌공학 기술에 대한 진단을 실시하고, 선진국대비 절대적으로 열세인 뇌공학 기술에 대한 극복을 위해 국가적 투자 계획을 수립하였다. 그로부터 2년 뒤인 2016년 5월에 미래부(현 과학기술정보통신부) 주관으로 뇌과학 발전전략을 중점적으로 추진할 방안을 발표하였다. 보도자료에 따르면 사람의 뇌는 일정한 학습된 신호를 가지고 인지하는 고등인지 기능을 가지고 있으며, 지도로 표현하는 뇌지를 확보하는데 집중하고 있다. 고등 인지기능의 첫 관문인 대뇌피질(후두정엽) 설계도 확보를 위한 고위뇌기능 특화지도와 노화뇌질환 특화뇌지도 DB 2종을 확보할 계획을 수립하였다. 그리고 미래선점 뇌융합 챌린지 기술 개발을 추진하여 5년 이내에 가시적인 실용화 성과를 도출할 예정이다. 차세대 NI(Natural Intelligence)–AI(Artificial Intelligence) 연계 기술 개발을 통해 뇌 연구 분야의 기초 원천 연구를 지원할 예정이다. 아래의 표는 미래부에서 인공지능 기술 및 뇌 신경망과 연계 가능한 분야를 제시한 내용의 일부이다.

 

그리고 뇌 연구 생태계 기반 확충 전략 부분에서는 뇌연구인력 융합화 촉진, 뇌연구 자원 안정적 확보, 글로벌 연구역량 활용, 미래 뇌산업 준비 등의 세부 전략을 수립하고 추진 계획을 발표하였다[2].

 

 

뇌공학 연계를 위한 인공지능 모델
미래부에서 제시한 뇌공학과 인공지능의 연계 분야를 살펴보면, 뇌에서 발생되는 뇌신경신호를 인지하고 각각의 패턴을 학습하는 지각판단회로 분야와 감각 신호에 대한 측정과 제어하는 감각 지능 회로 분야, 감성영역의 신경회로가 작동되는 원리를 규명하는 감성 지능 회로 분야, 신경회로망을 구성하는 뉴런칩 활용 신경회로망 분야로 구분하고 있다. 이러한 분야에서 인공지능 기계학습 모델과 연계하기 위해서는 불확실성이라는 요소를 반드시 고려해야 한다. 왜냐하면 사람의 뇌에서 발생하는 신호는 행동과 생각에 따라 유사하지만 독특한 특징을 가진 불확실한 신호를 가지고 있다. 예를 들면, 벌레먹은 사과를 먹고 판단하는 뇌신호는 화를 내거나 짜증을 내거나 하는 인식정도에 따라 다른 행동과 반응 신호를 발생시킨다. 이는 사람마다 가지는 성장 및 교육 환경, 신경세포 전두엽과 후두엽의 연계 등 다양한 조건에 따라 반응하는 뇌신경 신호 체계가 서로 다르기 때문이다. 그렇기 때문에 사람의 뇌신경과 인공 신경망을 연계할 때는 동일한 행동에 대하여 인지 패턴 학습을 다르게 적용하여야 하며, 상황에 따라 수정과 보완이 실시간으로 진행되어야 한다. 따라서 사람의 뇌신호를 이해하면서 불확실성이 포함된 패턴을 추적하기 위해 인공 신경망의 딥러닝과 카오스 이론이 결합된 고기능의 딥러닝 알고리즘이 필요하다.

카오스 알고리즘은 복잡하고 불규칙해 보이는 현상 속에서 의외의 단조로운 패턴들을 찾아내고 이를 연결하여 하나의 모델로 구성하는 것을 말한다. 카오스 이론은 어떤 동력학계의 복잡하고 비 주기적이며 유인적인 궤도, 주기성이 없는 일종의 질서, 새롭게 인식된 보편적인 자연현상, 결정론적인 비선형 동력학계에 나타나는 불규칙적이고 예측 불가능한 형태 등으로 정의되고 있다. 이러한 카오스 이론은 물리학자들에 의해 비선형 함수의 극단적인 변화를 가지는 자연계에 대하여 질서 잡힌 변화들을 표현하고 안정적인 구조를 찾는 연구가 선행되었다. 이 중 대표적인 것이 끌개(Attractor) 이론이다. 물리학자들이 자연계에서 찾아낸 끌개 이론은 두 가지 이다. 그림 1에서 보는 것과 같이 변화의 추이가 일정한 주기성을 띄는 에운맴돌이(Limit Cycle) 끌개와 중앙점에서 변화를 추이하는 형태의 붙박이점(Fixed Point) 끌개이다.

 

 

 

그리고 카오스 이론이 등장하면서 물리학자들이 정의한 두 가지의 끌개 개념들이 조금씩 무너지면서 전혀 다른 종류의 끌개가 존재한다는 것이 확인되었다. 이를 기묘한 끌개(Strange)라고 하며, 최초의 기묘한 끌개는 기상학자 로렌츠가 발견한 로렌츠 끌개이다. 그림 2과 3은 로렌츠 끌개 이론의 대표적인 예들이다. 로렌츠는 자연계의 질서 잡힌 변화들을 상태 공간으로 표현하고 그 변화의 궤도를 안정적인 형태로 표현하면서 새로운 끌개 형태를 발견하였다. 그림 2에서 보는 것과 같이 로렌츠의 궤도는 미시적으로는 무질서하고 예측 불가능하다고 판단되었지만 거시적으로는 질서에 유사한 어떤 형태를 보여주고 있음을 확인하였다. 그리고 그림 3과 같이 갖가지 형태의 기묘한 끌개들을 찾아내어 카오스 뒤에 숨어있는 고차원적인 질서의 상징적 표현물들을 생성하였다.

 

 

 

카오스 이론처럼 인간의 뇌는 지식만을 학습하고 판단하는 것이 아니라, 도덕적이고 주변의 상태들이 고려된 지식을 생산하고 판단해야 하는 활동들이 수행되어야 한다. 특히 인공 신경망은 사람의 뇌 신경망과 같이 일종의 수정과 응용력을 필요로하기 때문에 불확실성이 함께 학습되어야 한다. 그리고 뇌 신경망과 연계했을 때 자연스러운 행동과 인지된 패턴 판단을 자연스럽게 수정하면서 응용 범위가 확장되도록 해야 할 것이다. 이를 위해 복잡하고 난해한 데이터를 학습하는 딥러닝 학습 모델과 불확실성을 처리하는 카오스 이론이 결합된 새로운 딥러닝 모델에 대한 연구가 같이 병행되어야 할 것이다. 결합된 새로운 딥러닝 알고리즘은 시각 장애나 지적 장애를 가진 사람들의 지각 인지와 판단을 지원하면서 사물 패턴 인식을 적극적으로 지원하는 뇌치료 서비스가 가능하지 않을까 한다.

 

 

뇌공학을 위한 인공지능 기술 개발의 방향
인공지능의 재 부흥을 알린 딥러닝 기계학습 모델은 다양성과 최적화를 보완하기 위해서 강화학습 알고리즘을 적용하고 있다. 하지만 뇌공학에서처럼 불확실한 패턴이 등장했을 때, 기계학습은 추적에 실패할 확률이 높으며, 패턴인지 과정을 딥러닝과 강화학습 만을 적용해서 불확실성에 대한 학습을 보완하기는 어려울 것이다. 그래서 뇌공학에서처럼 불확실성에 대한 대처를 위해서 필자는 카오스 알고리즘을 딥러닝 모델에 적용해 보는 것을 추천한다. 또한 인공지능에서 새로운 패턴을 추적하고자 한다면 딥러닝과 강화 알고리즘, 카오스 알고리즘이 결합된 딥러닝 모델을 개발하고 평가해 보는 것도 좋을 것이다. 특히 시계열 학습에 적합한 LSTM(RNN) 모델에 카오스 알고리즘을 적용한다면 새로운 패턴을 성공적으로 추적할 수 있는 탐지 모델이 되지 않을까 생각한다.

 

다음 기고에서는 많은 사람이 관심을 가지고 있는 로봇의 인공지능을 다루고자 한다. 로봇에 적용되는 기계학습 알고리즘들은 어떤 것들이 있으며, 인공지능을 배우는 사람들의 관심인 딥러닝을 어떻게 적용하고 있는지에 대한 사례들도 함께 이야기 하고자 한다.

 

 

- 참고문헌 및 자료
[1] 카오스 이론과 인지과학, http://www.aistudy.com/paper/culture/chaos_cognitive_kim.htm
[2] 미래부, 지능정보사회 도래를 대비한 “뇌과학 발전전략” 수립, 미래창조과학부 보도자료, 2016.05.31.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

저작자 표시
신고