AI/로봇·드론/VR·AR

Nikkei Science_2016.09. 특집 (p35~57)

인공지능 특집
 
지금 이 순간에도 세계 중에서 방대한 수의 컴퓨터가 맹렬한 기세로「학습」을 하고 있다. 인간과는 달리 침식이 불필요하고, 싫증도 내지 않고 24시간, 집중하여 학습을 계속한다. 학습의 대상은 자동차의 운전부터 사진이나 화상의 판독, 음성언어, 두 다리로 걷는 방법, 사람들의 취미기호, 소설 쓰는 법, 체스나 바둑 등의 게임까지 다종다양하다.  

그러나 학습하여 얻은 능력은, 그 길의 프로페셔날을 능가하는 레벨까지 도달하여 있는 사례가 증가하여 왔다. 상징적인 예는 세계 최강 급의 바둑기사를 이긴 Google Deepmind의「알파고」와 체스의 명인을 이긴 IBM의「Deep Blue」이다. 정보기술의 급속한 진보와 천문학적인 양으로까지 증가한 디지털데이터를 배경으로, 컴퓨터의 세계에서 커다란 질적 변화가 일어나고 있다.「인공지능(AI)」의 본격적인 등장이다.

이미 오래 전부터 컴퓨터는 인간을 이길 계산능력(연산속도)과 기억력(메모리용량)을 획득하고 있었는데, 그것들을 어떻게 활용하여 학습하면 좋은지, 방법론에 대해 잘 알고 있지 못하였다. 돌파구가 된 것은, 인간의 뇌에 있는 정보처리시스템을 모방하는 방법으로, 그 중에서도「Deep Learning (심층학습)」으로 불리는 어프로치가 각광을 받고 있다.

자동차의 운전을 맡길 수 있는 인공지능과, 유창하게 통역하여 주는 인공지능 등은 고맙지만, 장래에 슈퍼지능 기계가 등장하여 인류와 대립하는 것은 아닌지 등의 걱정을 하는 사람들도 있다. 본 특집에서는 인공지능의 지금까지와 지금부터,사회에 주는 영향을 4개의 기사로 해설한다. 인공지능의 연구개발은 미국이 이끌고 있지만, 일본에도 세계가 주목하는 벤처기업이 있어, 그 활동도 소개한다.            


1. 인공지능 – 컴퓨터 과학
폭발적으로 진화하는 딥러닝
Yoshua Bengio (캐나다 몬트리올 대학)

수십 년에 이르는 실망의 시대가 끝나고. 인공지능은 드디어 당초의 기대에 부응해 왔다. 딥러닝(Deep Learning)으로 불리는 강력한 기술의 덕분이다.

[ Key concept ]
개념을 학습하는 딥러닝

▶ 인공지능(AI)이 본격적인 연구분야로 시작한 것은 1950년대 중반의 것으로, 당시의 연구자들은, 자신들이 현역에 있는 동안에 인간의 지능을 모방할 수 있다고 생각하고 있었다.
▶ 그러나, 당시의 알고리즘의 계산능력으로는 인간의 지능을 모방하느누 것이 불가능하다고 판명되어, 희망이 꺾여 버렸다. AI를 실현해보고자 하는 시도가 무리라고 생각하는 회의론자들도 있었다.
▶ 그러나, 최근 수년간에 AI연구는 부활했다. 뇌의 뉴론의 네트워크를 개략적으로 모방하여 만들어진 소프트웨어에 의해, AI에 대한 당초의 기대가 실현될 수 있다는 가능성을 제시하였다.
▶ 딥 러닝은 복잡한 Neural Network를 사용한 기술로, 추상적인 개념을 학습하는 능력을 가지고, 이미 인간에 필적하는 레벨에서 실행 가능한 업무도 있다.


[점점 똑똑해지는 뉴럴 네트워크]
대뇌피질의 신경회로를 힌트로, 복잡한 링크를 가진 Neural Network이 만들어졌다. 대량의 화상을 입력하여 훈련하면, 사람의 얼굴을 인식 가능하게 된다. 네트워크가 얼굴이라는 분류를 배우고(예로서 손과는 다른 구분이라고 배우고), 개개의 얼굴을 검출하는 것을 “학습”하면, 과거에 본 적이 있는 얼굴을, 훈련화상과 조금 다르게 되어있어도 인식 가능하게 된다.

얼굴의 인식을 위해, 입력 층에서는 입력화상의 개개의 화소가 해석된다. 다음 층에서는, 어느 특정의 얼굴에 특유의 기하학적인 형상이 추출된다. 중간 층에서는 눈과 입 등의 특징이 검출되고, 더 깊은 층에서는 그 것들을 조합한 얼굴 전체가 인식된다. 그리고, 네트워크는 출력 층으로 그 얼굴이 크리스나 리가 아닌 존의 얼굴이라고 “추측”한다. 

2. 인공지능 – 교통
완전한 자동운전 차는 가능할까?
Steven E. Shladover (캘리포니아대학 바클레이교 교통연구소)

자동운전 차의 등장이 가까워지고 있다.
그러나 그것은 많은 사람이 상상하고 있던 것과는 다른 형태로 된다.

[ Key concept ]
우선 특정의 상황∙용도에 등장

▶ 자동차업계와 매스컴은 자동운전 차의 실력을 과대하게 이야기 해 왔다. 도로에서의 간단한 일도 컴퓨터에게는 대응이 어려운 큰 문제로, 로봇운전수의 실현은 수십 년도 앞이 된다.
▶ 인간의 조력에 의존하는 자동화 시스템은 특히 문제가 있다. 그러나 특정의 상황과 용도에 한정하면, 조력을 전제로 하지 않는 자율주행시스템이 향후 10년 이내에 등장할 것이다.
▶ 자동으로 주차하는 차나 대학구내를 저속으로 자율주행 하는 셔틀버스, 차간거리를 좁혀서 대열을 갖추어 자동 주행하는 트럭, 고속도로에서 전용차선을 주행하는 자동제어 차는 모두 다 기술적으로 가능하고, 등장도 필연적일 것이다.

[자동화의 단계]
자동차업계와 매스컴은 자동운전 차에 관한 용어의 혼란을 불러 일으켰다.「자율적」이나「운전자 불요」「자동주행」등의 용어는 애매하다. 정리하기 위해 SAE International은 자동화의 레벨을 몇 개로 정의하여, 인간의 운전자에 의존하는 정도가 크고 작음으로 나열했다. 그 것을 알기 쉽게 나타낸 것이 아래의 표이다. 이 표로 보면 의외인 곳이 분명하게 된다. 예를 들면 레벨 4의 자동화는 레벨 3보다도 실현이 용이하다고 생각 되어진다. 한편, 컴퓨터 운전수가 인간의 지령 없이 여러 가지 상황에서 운전을 하는 레벨 5의 자동운전의 실현은 앞으로 수십 년 앞이 될 것이다.
 

3. 인공지능 – 논평
슈퍼 AI, 두려운 것인가?
Stuart Russel (캘리포니아대학 바클레이교 컴퓨터과학 교수)
 
멍청하게 있으면, 인간의 목적과 모순된 목적을 가진 슈퍼지능 머신과 대립하는 것도 없을 수 없다.
지능시스템 설계에 있어, 중요한 3원칙에 따르면 가능할 것으로 생각된다.

(원칙 1)「머신의 목적은, 인간의 가치관의 실현을 최대화 하는 것이어야 한다」
구체적으로, 머신은 그 자신의 목적을 갖지 않고, 자신을 지키는 본래의 욕구를 가지지 않을 것.

(원칙 2)「머신은 인간의 가치관이 어떠한 것이라는 것에 대하여, 처음부터 분명하게 알고 있어야 한다」
이것은 상당히 중요한 포인트로, 어떤 의미로 Nobert Wiener의 문제를 회피하는 것이다. 머신은 인간의 가치관에 대해서 점차적으로 알게는 되겠지만, 완전히 알게 되지는 못할 것이다.

(원칙 3)「머신은 인간이 행하는 선택을 관찰하여 인간의 가치관에 대해서 아는 력이 없어서는 안 된다」  

 
4. 인공지능 – 일본의 벤처
동경대학 벤처 – Preferred Networks의 도전
Kazuki Yoshikawa (일본경제신문 편집위원)

「일본 AI 기업」의 희망의 별.
심층학습의「현장」실장에 강하고, AI로 고도의 제조업을 탄생

-- 유력기업과 이어지는 제휴 --
-- 「부딪치지 않는 자동차」실연 --
-- 개발 툴을 자신들이 제작 --
-- 최신 논문을 매주 음미 --

       -- 끝 --