아기는 쾌활하고, 꼭 껴안고, 킥킥 웃는 기쁨의 존재이다. 그들은 또한 엄청나게 강력한 학습 기계이다. 생후 3개월이 되면, 게임 규칙을 명시적으로 가르치는 사람 없이 이미 주변 사물이 어떻게 행동하는지에 대해 직관력이 있다. 

 

"직관적 물리학"이라고 불리는 이 능력은 표면적으로는 극히 사소해 보인다. 잔에 물을 채우고 탁자 위에 올려 놓으면 잔이 물건이라는 것을 알 수 있다. 손바닥에서 녹지 않고 손을 감쌀 수 있는 것이다. 그것은 테이블을 통해 가라 앉지 않을 것이다. 그리고 그것이 공중에 뜨기 시작하면 나는 쳐다보고 즉시 문을 뛰쳐나갈 것이다.

 

아기는 외부 환경에서 데이터를 흡수하여 이 능력을 빠르게 개발하고 물리적 세계의 역학에 대한 일종의 "상식"을 형성한다. 사물이 예상대로 움직이지 않을 때, 예를 들어 사물이 사라지는 마술처럼 사물은 놀라움을 표시한다.

 

AI의 경우 완전히 다른 문제이다. 최근 AI 모델은 이미 인간을 게임 플레이에서 수십 년 된 과학적 수수께끼를 해결하는 데 이겼지만 여전히 물리적 세계에 대한 직관력을 개발하는 데 어려움을 겪고 있다.

 

이번 달 Google 소유의 DeepMind 연구원은 발달 심리학에서 영감을 받아 동영상 시청을 통해 세상에 대한 간단한 규칙을 자연스럽게 추출하는 AI를 구축했다. Netflix와 Chill은 자체적으로 작동하지 않았다. AI 모델은 경계가 무엇인지, 어디에 있는지, 어떻게 움직이는지와 같은 객체에 대한 기본 아이디어가 주어졌을 때만 물리적 세계의 규칙을 배웠다. 아기와 마찬가지로 AI는 공이 경사로를 굴러가는 것처럼 이해할 수 없는 마법 같은 상황을 보여줄 때 "놀라움"을 표현했다.

 

PLATO(자동 인코딩 및 개체 추적/Auto-encoding and Tracking Objects를 통한 물리 학습)라고 불리는 AI는 놀라울 정도로 유연했다. "직관"을 개발하는 데는 비교적 적은 수의 예만 있으면 된다. 일단 그것이 학습되면 소프트웨어는 사물이 어떻게 이동하고 다른 객체와 상호 작용하는지에 대한 예측과 이전에 경험하지 못한 시나리오에 대한 예측을 일반화할 수 있다.

 

어떤 면에서 PLATO는 자연과 양육 사이의 스위트 스폿을 찾는다. 발달 심리학자들은 경험만으로 데이터에서 패턴을 찾는 것으로 아기의 학습을 달성할 수 있는지 여부에 대해 오랫동안 주장해 왔다. PLATO는 적어도 이 특정 작업에 대한 대답은 아니오라고 제안한다. 기본 제공 지식과 경험 모두 전체 학습 스토리를 완료하는 데 중요하다.

 

분명히 하자면 PLATO는 3개월 된 아기의 디지털 복제품이 아니며 그렇게 되도록 설계된 적이 없다. 그러나 그것은 우리 자신의 마음이 잠재적으로 어떻게 발달하는지를 엿볼 수 있게 해준다.

 

박사들은 "이 작업은... 일상 경험이 지능 측면에서 설명할 수 있는 것과 설명할 수 없는 것의 경계를 넓히고 있다."라고 말했다. 연구에 참여하지 않은 노스웨스턴 대학교와 웨스턴 시드니 대학교의 Susan Hespos와 Apoorva Shivaram은 각각 연구에 참여하지 않았다. "인간의 마음을 시뮬레이션하는 더 나은 컴퓨터 모델을 만드는 방법을 알려줄 수 있다."

 

상식적인 수수께끼

 

생후 3개월에 대부분의 아기는 장난감을 떨어뜨리고 땅에 떨어지면 눈을 떼지 않는다. 그들은 이미 중력의 개념을 받아들였다.

 

이것이 어떻게 일어나는지는 여전히 당혹스럽지만 몇 가지 아이디어가 있다. 그 나이에 아기는 여전히 꿈틀거리거나 기어 다니거나 다른 방법으로 움직이는 데 어려움을 겪는다. 외부 세계로부터의 입력은 대부분 관찰을 통해 이루어진다. 이것은 AI에게 좋은 소식이다. 즉, 물리적으로 환경을 탐색하기 위해 로봇을 만드는 대신 비디오를 통해 AI에 물리학 감각을 불어넣는 것이 가능하다는 의미이다.

 

Meta의 선도적인 AI 전문가이자 수석 AI 과학자인 Yann LeCun 박사가 지지한 이론이다. 2019년의 한 강연에서 그는 아기가 관찰을 통해 학습할 가능성이 있다고 가정했다. 그들의 두뇌는 현실에 대한 개념적 아이디어를 형성하기 위해 이러한 데이터를 기반으로 한다. 대조적으로, 가장 정교한 딥 러닝 모델조차도 우리의 물리적 세계에 대한 감각을 구축하는 데 여전히 어려움을 겪는다. 이는 그들이 세상과 얼마나 많이 소통할 수 있는지를 제한하여 거의 말 그대로 클라우드에 마음이 놓이게 만든다.

 

그렇다면 일상적인 물리학에 대한 아기의 이해도를 어떻게 측정할 수 있을까? 수석 과학자인 Luis Piloto 박사는 “다행히도 발달 심리학자들은 유아가 물리적 세계에 대해 아는 것을 수십 년 동안 연구해 왔다. 특히 강력한 테스트 중 하나는 기대 위반(VoE) 패러다임이다. 아기에게 공이 언덕을 굴러 올라가거나 무작위로 사라지거나 갑자기 반대 방향으로 가는 것을 보여주면 아기는 정상적인 기대를 관찰할 때보다 더 오랫동안 이상을 응시할 것이다. 뭔가 이상하다.

 

스페이스 오디티

 

새로운 연구에서 팀은 AI 테스트를 위해 VoE를 적용했다. 그들은 PLATO를 구축하기 위해 5가지 다른 물리적 개념을 다루었다. 그 중에는 견고성이 있다. 즉, 두 물체가 서로 통과할 수 없다. 그리고 연속성 - 사물이 존재하고 다른 사물에 의해 숨겨져도 깜박이지 않는다는 아이디어("피카부" 테스트).

  

PLATO를 구축하기 위해 팀은 먼저 두 갈래의 접근 방식으로 AI의 표준 방법으로 시작했다. 한 구성 요소인 지각 모델은 시각적 데이터를 가져와 이미지의 개별 개체를 구문 분석한다. 다음은 신경망을 사용하여 이전 객체의 기록을 고려하고 다음 객체의 동작을 예측하는 역학 예측기이다. 다시 말해, 이 모델은 객체나 시나리오를 매핑하고 실제 생활에서 어떤 것이 어떻게 동작할지 추측하는 일종의 "물리 엔진"을 구축한다. 이 설정은 PLATO에게 위치 및 이동 속도와 같은 물체의 물리적 속성에 대한 초기 아이디어를 제공했다.

 

다음은 훈련이었다. 팀은 오픈 소스 데이터 세트에서 30시간 미만의 합성 비디오를 PLATO에 보여주었다. 실제 사건의 영상이 아니다. 오히려, 구식 닌텐도와 같은 공이 경사로를 굴러 떨어지거나 다른 공으로 튀거나 갑자기 사라지는 애니메이션을 상상해보라. PLATO는 결국 단일 개체가 다음 비디오 프레임에서 어떻게 이동할지 예측하는 방법을 배웠고 해당 개체에 대한 메모리도 업데이트했다. 훈련을 통해 다음 "장면"에 대한 예측이 더 정확해졌다.

 

그런 다음 팀은 스포크에 렌치를 던졌다. 그들은 PLATO에게 공이 갑자기 사라지는 것과 같은 정상적인 장면과 불가능한 장면을 모두 제시했다. 실제 사건과 PLATO의 예측 간의 차이를 측정할 때 팀은 AI의 "놀라움" 수준을 측정할 수 있었다.

 

학습은 다른 움직이는 물체로 일반화된다. MIT에서 개발한 완전히 다른 데이터 세트에 도전했다. 특히 토끼와 볼링 핀이 포함된 PLATO는 불가능한 이벤트와 현실적인 이벤트를 전문적으로 구별했다. PLATO는 이전에 토끼를 "본" 적이 없었지만 재훈련 없이 토끼가 물리학 법칙을 무시했을 때 놀라움을 보였다. 아기와 마찬가지로 PLATO는 28시간의 짧은 비디오 교육으로 신체적 직관을 포착할 수 있었다.

 

Hespos와 Shivaram에게 "이러한 발견은 또한 우리가 유아 연구에서 볼 수 있는 특성과 유사하다."

 

디지털 직관

 

PLATO는 유아 추론을 위한 AI 모델이 아니다. 그러나 소프트웨어 "두뇌"가 말 그대로 상자 안에 갇힌 경우에도 급성장하는 아기 두뇌를 활용하면 컴퓨터에 물리적 감각을 부여할 수 있음을 보여준다. 휴머노이드 로봇을 만드는 것만이 아니다. 인공 보철에서 자율 주행 자동차에 이르기까지 물리적 세계에 대한 직관적인 이해는 0과 1의 무정형 디지털 세계를 일상적인 평범한 현실로 연결한다.

 

AI 과학자들이 유아의 독창성으로 기계의 두뇌를 터보 차지한다고 생각한 것은 이번이 처음이 아니다. 한 가지 아이디어는 AI에게 마음 이론에 대한 감각을 제공하는 것이다. 이것은 4세 정도의 아이들에게 자연스럽게 나타나는 능력이며, AI 모델에 내장된다면 사회적 상호작용을 이해하는 데 극적으로 도움이 될 수 있다.

 

새로운 연구는 상식으로 AI를 개발하기 위한 풍부한 자원으로서 우리의 초기 몇 개월을 기반으로 한다. 현재 이 분야는 초기 단계에 불과하다. 저자는 다른 사람들이 실제 세계의 비디오를 포함하여 더 복잡한 물리적 개념과 상호 작용하는 AI 모델의 능력을 구축하고 탐색할 수 있도록 데이터 세트를 공개하고 있다. 현재로서는 이러한 연구가 AI와 발달 과학 전반에 걸쳐 시너지 효과를 낼 수 있는 기회가 될 수 있다고 Hespos와 Shivaram은 말했다.

 

이미지 출처: Pixabay/ danw