일상속 배경과 풍경을 학습한 인공 지능도 착시에 속았다?
사람의 뇌의 메커니즘을 따라해서 설계된 AI는 사람과 똑같이 속을까 라는 궁금중에 대해 일본에 기초생물학 연구소의 교수는 이 연구에서 인간의 뇌의 메커니즘을 따라한 디프 러닝(심층 학습, Deep Learning)이라는 메커니즘을 하영하여 일상적인 풍경과 배경을 학습시킨 인공 지능이 인간과 마찬가지로 '뱀의 회전 착시'(아래 그림)를 회전한다고 오인한다는 사실을 발견하였다.
일본 리쓰메이칸 대학의 기타오카 아키요시 교수가 2003년에 고안한 '뱀의 회전 착시이다. 정지된 그림인데도 회전하는 것으로 보인다. 착시가 일어나고 있다고 판단하는 '예측 부호화'(predictive coding method)라는 뇌의 메커니즘이 관계한다는 주장이 유력하다.
AI는 디프 러닝(Deep Learning)을 하여 관찰한 물체를 추상적으로 파악할 수 있다. 예를 들어 딸기는 빨갛다는 등의 특징을 가르친적이 없어도 수많은 딸기 사진으로부터 딸기의 특징을 찾아내 딸기의 개념을 획들할 수 있는것이 디프러닝이다.
이런 작업이 가능한 이유는 디프 러닝(Deep Learning)을 하는 AI가 인간의 뇌의 신경회로와 비슷한 메커니즘으로 되있기 때문이다. 또한 연구원들은 디프 러닝(Deep Learning)이 가능한 인공 지능에 착시 도형을 관찰하게 하고 사람의 뇌가 일으키는 착시효과 인식의 메커니즘을 살펴보았다.
착시효과는 뇌가 지멋대로 미래를 예상하기 때문에 일어나는가?
계속하여 회전하는 것으로 보이는 뱀의 회전 착시는 실제로는 정지된 그림일뿐이다. 회전하지 않는데도 회전한다고 인간의 뇌가 오인하는 원인은 예전부터 연구해왔던 '예측 부호화'(predictive coding method)라는 뇌의 메커니즘 때문일 수 있다. '예측 부호화'란 인간이 지금 당장 인식하고 있는 눈앞의 배경이나 풍경이 그 자체가 아니고 그 풍경이나 배경으로 예측한 '조금 뒤의 미래'라는 풍경이라는 가설이다. 뇌가 예측한 미래의 배경과 풍경은 실제로 시간이 경과하여 보이는 화상에 차이가 생겼을 때 뇌는 그 차이를 학습한다. 또한 예측과 현실에 차이가 없을 경우에는 뇌는 더이상 학습을 하지 않는다. 그래서 미래의 예측 정확성을 높인다는 것이다.
뱀의 회전 착시의 경우에 회전할 것이라고 뇌가 마음대로 예상하여 차이가 생기면 회전한다고 인식될 수 있다. 그러나 이러한 가설은 검증된 사례가 없다. 때문에 연구원들은 예측 부호화의 메커니즘을 부여한 AI에서도 사람과 똑같이 착시효과를 일으키면 예측 부호화(predictive coding method)와 착시효과의 관계를 증명할 수 있다고 말한다.
평범한 일상 풍경을 학습하기만 했는데도 '뱀의 회전 착시'에 속을까?
사람이 공원안에서 자유롭게 걸어돌아다니면서 촬영한 5시간 촬영분량의 동영상을 예측 부호화의 메커니즘을 학습한 AI에게 반복적으로 12시간동안 디프 러닝 방식으로 학습시켜보았다. 그 이후에 뱀의 회전 착시 그림을 보여줬다. 그러자 AI는 인간과 똑같이 뱀의 회전 착시 그림이 회전하고 있다고 오인한다는 사실을 발견했다. 그리고 예측 부호화가 뇌의 메커니즘으로 작용한다고 주장했다.
그렇다면 AI는 공원의 동영상에서 무엇을 학습했고 어찌하여 뱀의 회전 착시 그림이 회전한다고 예상한건가?
연구진들은 '보통의 사람 행동과 똑같다. 바로 눈앞에 일상적인 배경과 풍경을 보고서 거기에서 비규칙적으로 무엇인가(?)를 학습하는 것이다' 라고 말했다.
그 무엇인가(?)는 인식한 물체의 모양과 색깔, 그리고 회전 등에 대해서 물리 법칙에 해당된다고 예상한다고 말했다. AI에 대한 화제가 최근에 많이 주목받고 있다. 바둑, 운전 등에 특화한 AI는 눈에띄게 진화를 해가고 있다. AI를 인간과 다른 뛰어난 능력이 있다는 것을 증명해왔지만 착시효과에 대해서는 인간과 비슷한 점이 있다는 것은 의외의 결과다. 인공지능이 인간의 보통 생활에서 무엇인가를 학습하고 그것을 인식에 어떠한 영향을 미치는지는 앞으로 연구가 더 필요하다.