인공지능(AI)의 획기적인 도약을 위해 제네바 대학(UNIGE) 팀은 인간 고유의 특성을 모방하는 모델을 성공적으로 개발했다. 즉, 구두 또는 서면 지침을 기반으로 작업을 수행하고 이후 이를 다른 사람에게 전달하는 것이다. 이 성과는 AI의 오랜 과제를 해결하고 해당 분야 발전의 이정표를 세웠다.

역사적으로 AI 시스템은 방대한 양의 데이터를 처리하고 복잡한 계산을 실행하는 데 탁월했다. 그러나 그들은 인간이 직관적으로 수행하는 작업, 즉 간단한 지침을 통해 새로운 작업을 학습한 다음 다른 사람들이 복제할 수 있도록 해당 프로세스를 설명하는 작업에서는 지속적으로 부족했다. 복잡한 명령을 이해할 뿐만 아니라 전달하는 능력은 지금까지 인간 지능의 독특한 특징으로 남아 있던 고급 인지 기능에 대한 증거이다.

AI에서 인간의 인지 능력을 복제하는 과제

인간의 인지 능력은 복잡한 작업을 학습하고 의사소통하는 데 놀라운 능력을 보여준다. 우리의 신경인지 시스템에 깊이 뿌리내린 이러한 능력을 통해 우리는 지침을 신속하게 이해하고 우리의 이해를 일관된 방식으로 다른 사람에게 전달할 수 있다. AI에서 학습과 언어 표현 간의 복잡한 상호 작용을 복제하는 것은 상당한 도전이었다. 인간과 달리 기존 AI 시스템은 특정 작업에 대한 광범위한 교육이 필요했으며 종종 대규모 데이터 세트와 반복 강화 학습에 의존했다. AI가 최소한의 지시로 작업을 직관적으로 파악하고 이해한 내용을 명확하게 표현하는 능력은 아직 파악하기 어렵다.

AI 기능의 이러한 격차는 기존 모델의 한계를 강조한다. 대부분의 AI 시스템은 프로그래밍된 알고리즘과 데이터 세트의 범위 내에서 작동하므로 훈련 이상의 추론이나 추정 능력이 부족하다. 결과적으로 AI가 새로운 시나리오에 적응하거나 인간과 같은 방식으로 통찰력을 전달할 가능성은 크게 제한된다.

UNIGE 연구는 이러한 한계를 극복하는 데 있어 중요한 진전을 나타낸다. UNIGE 팀은 지침에 따라 작업을 수행할 뿐만 아니라 이러한 작업을 다른 AI 개체에 전달하는 AI 모델을 엔지니어링함으로써 AI의 인지 및 언어 능력이 크게 향상되었음을 입증했다. 이러한 개발은 AI가 인간과 유사한 학습 및 의사소통을 더욱 밀접하게 모방할 수 있는 미래를 제시하며, 이러한 동적 상호작용 및 적응성을 요구하는 애플리케이션에 대한 문을 열어준다.

자연어 처리로 격차 해소

자연어 처리(NLP)는 인간 언어와 AI 이해 사이의 격차를 해소하는 데 앞장서고 있다. NLP를 통해 기계는 의미 있는 방식으로 인간의 언어를 이해하고, 해석하고, 응답할 수 있다. AI의 이 하위 분야는 자연어를 사용하여 컴퓨터와 인간 사이의 상호 작용에 중점을 두고 인간의 언어를 가치 있는 방식으로 읽고, 해독하고, 이해하는 것을 목표로 한다.

NLP의 기본 원리는 대량의 자연어 데이터를 처리하고 분석하는 능력에 있다. 이러한 분석은 단어를 문자 그대로 이해하는 데 국한되지 않고 문맥, 감정, 심지어 언어에 함축된 뉘앙스까지 파악하는 데까지 확장된다. AI 시스템은 NLP를 활용하여 번역 및 감정 분석부터 대화 에이전트와 같은 보다 복잡한 상호 작용에 이르기까지 다양한 작업을 수행할 수 있다.

NLP의 이러한 발전의 핵심은 인간 두뇌의 생물학적 뉴런에서 영감을 얻은 인공 신경망의 개발이다. 이러한 네트워크는 인간의 뉴런이 전기 신호를 전송하는 방식을 모방하여 상호 연결된 노드를 통해 정보를 처리한다. 이 아키텍처를 사용하면 인간의 두뇌가 경험을 통해 학습하는 것처럼 신경망이 입력 데이터로부터 학습하고 시간이 지남에 따라 개선될 수 있다.

이러한 인공 신경망과 생물학적 뉴런 간의 연결은 AI의 언어 능력을 향상시키는 핵심 구성 요소이다. AI 연구자들은 인간의 언어 이해 및 생산과 관련된 신경 과정을 모델링함으로써 인간의 인지 기능을 반영하는 방식으로 언어를 처리할 수 있는 시스템의 토대를 마련하고 있다. UNIGE 연구는 고급 신경망 모델을 사용하여 인간 인지에 내재된 언어 이해와 작업 실행 간의 복잡한 상호 작용을 시뮬레이션하고 복제하는 이러한 접근 방식을 예시한다.

AI 커뮤니케이션에 대한 UNIGE 접근 방식

제네바 대학 팀은 인간의 인지 능력을 반영하는 인공 신경망을 만들려고 했다. 핵심은 언어를 이해할 수 있을 뿐만 아니라 이를 사용하여 학습된 작업을 전달할 수 있는 시스템을 개발하는 것이었다. 그들의 접근 방식은 언어 이해 능력으로 유명한 기존 인공 뉴런 모델인 S-Bert에서 시작되었다.

UNIGE 팀의 전략은 언어 이해를 위해 사전 훈련된 3억 개의 뉴런으로 구성된 S-Bert를 더 작고 단순한 신경망에 연결하는 것이었다. 이 소규모 네트워크는 언어 처리 및 생산과 관련된 인간 두뇌의 특정 영역(각각 베르니케 영역과 브로카 영역)을 복제하는 임무를 맡았다. 뇌의 베르니케 영역은 언어 이해에 중요한 역할을 하고, 브로카 영역은 음성 생성 및 언어 처리에 중추적인 역할을 한다.

이 두 네트워크의 융합은 이 두 뇌 영역 사이의 복잡한 상호 작용을 에뮬레이트하는 것을 목표로 했다. 처음에 결합된 네트워크는 베르니케 영역을 시뮬레이션하도록 훈련되어 언어를 인식하고 해석하는 능력을 연마했다. 그 후 브로카 영역의 기능을 재현하는 훈련을 거쳐 언어 생산과 표현이 가능해졌다. 놀랍게도 이 모든 프로세스는 기존 노트북 컴퓨터를 사용하여 수행되었으며 모델의 접근성과 확장성을 입증했다.

실험과 그 의미

실험에는 AI에 영어로 작성된 서면 지침을 제공하는 것이 포함되었으며, AI는 표시된 작업을 수행해야 했다. 이러한 작업은 자극에 반응하여 위치를 가리키는 단순한 동작부터 시각적 자극의 미묘한 대조를 식별하고 이에 반응하는 더 복잡한 동작까지 복잡도가 다양하다.

이 모델은 움직임이나 포인팅의 의도를 시뮬레이션하여 이러한 작업에 대한 인간의 반응을 모방했다. 특히, AI는 이러한 작업을 마스터한 후 이를 첫 번째 네트워크의 복사본인 두 번째 네트워크에 언어적으로 설명할 수 있었다. 이 두 번째 네트워크는 지침을 수신하자마자 작업을 성공적으로 복제했다.

이번 성과는 두 AI 시스템이 순전히 언어를 통해 서로 소통한 최초의 사례로, AI 개발의 이정표이다. 하나의 AI가 언어적 의사소통을 통해 다른 AI에게 작업을 완료하도록 지시하는 능력만으로도 AI 상호작용 및 협업에 새로운 지평이 열린다.

이러한 개발의 의미는 학문적 관심을 넘어 로봇 공학 및 자동화 시스템과 같은 정교한 AI 통신에 의존하는 분야에서 상당한 발전을 약속한다.

로봇공학과 그 너머에 대한 전망

이러한 혁신은 로봇 공학 분야에 큰 영향을 미치며 다양한 다른 분야로 확장된다. 로봇 공학에 이 기술을 적용할 수 있는 가능성은 특히 유망하다. 이러한 첨단 신경망을 갖춘 휴머노이드 로봇은 복잡한 명령을 이해하고 실행할 수 있어 기능과 자율성이 향상된다. 이 기능은 의료, 제조, 개인 지원 등 적응성과 학습이 필요한 작업을 위해 설계된 로봇에 매우 중요하다.

더욱이, 이 기술의 의미는 로봇 공학을 넘어 확장된다. 고객 서비스, 교육, 의료 등의 분야에서 향상된 의사소통 및 학습 능력을 갖춘 AI 시스템은 보다 개인화되고 효과적인 서비스를 제공할 수 있다. UNIGE 모델을 기반으로 하는 보다 복잡한 네트워크의 개발은 인간의 언어를 이해할 뿐만 아니라 인간의 인지 과정을 모방하는 방식으로 상호 작용하여 보다 자연스럽고 직관적인 사용자 경험을 제공하는 AI 시스템을 만들 수 있는 기회를 제공한다.

AI 통신의 이러한 발전은 인간과 기계 지능 사이의 격차가 좁아지고 기술과 인간의 상호 작용을 재정의할 수 있는 발전으로 이어지는 미래를 암시한다. 따라서 UNIGE 연구는 AI의 진화하는 능력에 대한 증거일 뿐만 아니라 인공 인지 및 의사소통 영역에서 미래 탐구를 위한 신호이기도 하다.