일본산업뉴스요약

2개의 AI가 경쟁을 통해 진화하는 기술
심층학습의 다음은「적대적 생성」

미국 구글의 인공지능(AI)이 세계 최강의 바둑기사를 압도했다. 그 능력의 비밀은「심층학습」으로 불리는 기술을 통해 돌아가는 판세를 정확하게 꿰뚫어 보는 직감에 가까운 판단력을 얻었기 때문이다. 이것을 진화시킨 신기술이 등장했다. 이 「GAN: 적대적 생성 네트워크 (Generative Adversarial Network)」는 2개의 AI가 서로 경합을 통해 능력을 향상시켜 리얼한 화상 등을 만들어 낸다. 앞으로는 적은 정보로 미래를 예측하거나, AI가 다루지 못하는 개념을 찾아내는데 도움이 될 것으로 연구자들은 기대하고 있다.

-- 스스로 개념을 이해하여 실현도 가능 --
액정 모니터에 최초로 비춰지는 것은 예전에 TV 방송종료 시에 틀어졌던 모래폭풍과 같은 화면. 그 곳에 점점 개의 귀나 코와 같은 윤곽이 나와, 마지막에는 치와와가 만들어졌다. 와세다 대학의 와타나베(渡辺) 교수팀이 연구한 GAN기술의 성과이다.

완성된 치와와의 화상은 초점이 흐려진 것처럼 흐릿하게 보인다. 그러나 이것은 실존하는 치와와가 아니다. 「AI의 경합을 통해 만들어진 화상이다」라고 와타나베 교수는 말한다.

2종류의 AI에는 역할이 분담되어 있으며, 한쪽은 감별하는 역할이고 다른 한쪽은 모조된 화상을 부지런히 만드는 역할이다. 감별을 담당하는 AI는 진짜인지 아닌지를 꿰뚫어보려고 한다. 각각의 AI는 심층학습의 기능을 탑재하고 있어 서로 속이기 위한 경쟁 게임을 하면서 능력을 향상시킨다. 이런 작업을 반복함으로써 현실에 존재할 것 같은 화상이 만들어진다. 작문의 경우에도 리얼한 문장이 만들어질 가능성이 있다고 한다.

GAN은 구글의 이안 굿 펠로우 씨가 2014년에 고안했다. 구글 외에 미국 페이스북 및 미국 애플 등 세계적인 IT기업 및 대학이 이 연구에 착수했다. 미국 메사추세츠 공과대학의 자회사가 발행하는「MIT 테크놀로지 리뷰」잡지는 2017년도 AI의 5대 흐름 중 하나로 뽑았다.

향후 심층학습에서는 AI가 대량의 데이터를 해석하여 물체 등의 특징을 자력으로 찾게 된다. 예를 들어 무언가를 사람이 가르치지 않고도 고양이라는 것을 수염 및 귀, 눈의 형태, 윤곽 등의 화상 속에서 공통된 특징을 스스로 찾아내어 학습한다. 바둑에서도 대량의 기보에서 판세에 대응할 때 취하는 좋은 수와 나쁜 수를 스스로 학습해, 더욱 방대한 양의 스스로의 대전을 반복하면서 실력을 쌓아갔다.

그러나, 심층학습의 경우라도 화상에 나타난 사물이 무엇인지, 예를 들어 고양이라면 고양이가 화면에 있다라고 표시해 줄 필요가 있다. 이에 반해, GAN은 화상 속에 있는 것이 무엇인지를 인간이 지적하지 않아도 스스로 학습이 가능하다고 한다.

도쿄대학의 이케가미(池上) 교수팀은 대학 캠퍼스를 촬영한 동영상으로부터 진짜와 똑같은 풍경을 만들어 냈다. 건물 및 수목, 통로 등의 특징을 잡은 리얼한 묘사이다. 마치 인간이 기억하는 캠퍼스 풍경을 머릿속에 떠올리고 있는 것과 흡사하다.

최첨단을 달리는 미국에서는 럿거스(Rutgers) 대학 등이「이 새는 흰색이 섞인 청색으로 부리는 아주 짧다」라고 하는 간략한 설명문에 대응하는 화상을 만드는 AI를 개발했다. 메사추세츠 공과대학의 기술은 1장의 사진으로 다음 장면을 예측하여 동영상으로 만들 수 있다. 아직 초보적인 성과로 남은 과제는 많으나, 인간이 상상하거나 예상하는 것에 가까운 기능을 실현할 수 있다고 기대를 모으고 있다.

이 밖에「웃고 있는 여성」에서 「무표정의 여성」을 빼고「무표정의 남성」을 더하면「웃는 남성」의 화상을 만들 수 있다. 「AI가 눈이 웃지 않은 웃는 얼굴에서 『거짓 웃음』이라는 개념을 이해할 수 있게 되었을 지도 모른다」라고 교토대학의 오오바(大羽) 강사는 예측한다.

AI는 인간과 경쟁하는 것으로 발전을 증명해 왔다. 그러나 지금부터는 AI끼리 서로 단련 받음으로써 개념을 스스로 배우는 능력을 얻게 될 지도 모른다. GAN은 그「돌파구가 될 것이다」라며 많은 연구자들이 관심을 모으고 있다.

  -- 끝 --