[해외 DS] 구글 딥마인드, 가상 초파리에 이어 가상 쥐까지 만들어내는 데 성공해

가상 쥐, 심층 강화 학습이라는 인공지능 뇌 장착해 실제 쥐와 놀라울 만큼 유사한 움직임 보여
가상 쥐를 이용하여 인간 뇌 작동 원리 이해하는 데 중요한 진전 이뤄
가상 쥐 작동 원리를 다른 동물에게도 적용시켜 다양한 가상 동물 만들어나갈 계획 밝혀

쥐는 실험에서 가장 많이 사용되는 동물이다. 그 이유는 인간 유전자와 매우 유사하기 때문이다. 쥐는 인간과 비슷하게 약 3만 개의 유전자를 가지고 있으며, 이 중 80%는 인간과 같고 19%는 높은 유사성을 보인다. 유사성이 없는 유전자는 단 1%로 놀라울 정도로 인간과 비슷한 유전자를 가지고 있다.

어느 것이 실제 쥐?

최근 구글 딥마인드는 하버드 대학과 공동 연구하여 ‘가상 쥐’를 만들어내는 데 성공했다. 딥마인드는 이전에 가상 초파리를 만들어 대중을 놀라게 한 데 이어 가상 쥐까지 만든 것이다. 쥐는 인간과 매우 비슷한 유전자를 가진 만큼 가상 쥐에 대한 무궁무진한 활용이 기대된다는 평가다.

딥마인드에서 공개한 가상 쥐는 실제 쥐와 놀라울 정도로 유사한 움직임을 보였다. 연구진은 가상 쥐에 ‘인공지능 뇌’를 삽입하여 실제 쥐와 비슷한 행동 패턴을 잡아냈다고 설명했다. 가상 쥐가 자연스럽게 움직이는 모습을 공개했으며, 인공지능 시스템의 신경 활동 패턴이 실제 쥐의 뇌 세포 움직임과 거의 일치했다.

가상 쥐, 심층 강화 학습으로 움직임 학습해

연구진은 무조코(MuJoCo)라는 가상 환경에서 연구를 진행했다. 무조코는 다중 관절 역학(Multi-Joint Dynamics with Contact, MuJoCo)의 약자로 물리적 현상을 쉽게 시뮬레이션할 수 있는 가상 공간을 말한다. 연구진은 가상 쥐에 심층 강화 학습(Deep Reinforcement Learning)을 적용해 실제 쥐와 유사하게 움직이도록 학습시켰다. 가상 쥐의 핵심이 되는 심층 강화 학습에 대해 알아보자.

강화 학습은 주어진 ‘상태’에서 어떤 ‘행동’을 취했을 때 어떤 ‘결과’가 나오는 지를 보며 최적의 값을 찾아가는 방법론이다. 연구에서 가상 쥐는 무조코라는 가상 환경에서 어떤 움직임을 보였을 때 실제 쥐와 얼마나 유사한 지를 판단하고, 실제 쥐와 비슷한 움직임을 취하도록 설계되었다. 그러나 3차원 공간에서 한 움직임을 하나의 변수라고 가정하면, 무수히 많은 변수가 가상 쥐의 움직임에 영향을 주는 상황이다. 너무 많은 설명 변수는 상당히 많은 컴퓨터 자원을 잡아먹을 뿐만 아니라, 모델의 분산을 크게 만들어 부정확한 결과가 도출된다는 문제점을 가지고 있다.

여기서 ‘심층’의 위력이 나온다. 심층은 인공지능으로 잘 알려진 딥러닝 모델을 말한다. 딥러닝은 많은 설명 변수 중에서 적은 수의 유의한 변수를 찾아내는 계산을 여러 번 하는 방법론인데, 가상 쥐의 움직임을 설명하는 많은 변수 중에서 적은 수의 유의한 변수를 찾아낸 것이다.

연구진은 실제 쥐의 뇌와 가상 쥐의 신경 활동을 비교한 결과, 쥐가 움직이는 동안 유사한 신경 행동을 수행한다는 사실을 발견했다. 심지어 물리 법칙을 고려하여 만든 가상 쥐보다 ‘심층 강화 학습’으로 만든 가상 쥐가 실제 쥐의 움직임을 더 잘 모방했다.

가상 동물 시뮬레이션, 인간 뇌 작동 원리 이해하는 데 도움 줘

연구진은 시뮬레이션을 통해 실제 쥐의 움직임을 모방한 것은 인간 뇌의 작동 원리를 이해하는 데 중요한 진전이라고 언급했다. 쥐는 인간과 매우 비슷한 유전자를 가져 가상 쥐를 통해 인간 뇌의 작동 원리에 한 발짝 다가갈 수 있다고 설명했다.

인간 뇌는 복잡한 작동 원리를 가져 오랫동안 과학자들을 괴롭혀 왔다. 따라서 뇌의 작동 원리를 알아내는 것은 상당한 도전으로 여겨진다. 인간 뇌는 슈퍼 컴퓨터 만큼이나 대단한 능력을 가지고 있어, 뇌의 작동 방식을 모방하는 것은 인공 일반 지능(Artificial General Intelligence, AGI)을 구현하는 것만큼이나 어려운 도전이라는 평가를 받고 있다.

또한 연구진은 가상 동물 시뮬레이션이 실제 동물의 행동 전반에 걸친 신경 활동의 구조를 해석하고, 이를 운동 제어 원리와 연관시키는 데 도움을 줬다고 설명했다.

대학과 기업 간의 산학협력으로 더 빠른 기술 발전 이루어낼 수 있어

하버드 대학의 벤스 올베츠키 교수는 딥마인드 도움 없이는 가상 쥐를 시뮬레이션하고 신경망 훈련할 자원이 없었다며 딥마인드에게 고마움을 표했다. 게다가 올베츠키는 실험을 통해 행동 패턴 학습의 기반이 되는 알고리즘 구현 방식에 많은 아이디어를 얻었다며 대학과 기업 간의 협력을 강조했다. 대학은 새로운 아이디어를 제공하고 기업에서는 아이디어를 검증할 수 있어 좋은 시너지가 난다는 점을 덧붙였다.

연구는 가상 쥐를 이용하여 여러 아이디어를 실험해 보며 인간 뇌의 행동 방식을 이해하는 데 한발 다가갔다는 평가를 받고 있다. 또한 프로젝트에 참여한 디에고 알다론도는 가상 쥐 실험에 사용된 기술이 더 복잡한 행동을 보이는 동물을 연구하는 데 사용될 수 있다는 점을 언급하며 더 많은 가상 동물을 만들어나갈 계획임을 밝혔다.

딥마인드 수석 연구 책임자인 매튜 보트비닉은 지능적 사고를 물리적 행동으로 변환할 수 있는 인공지능 시스템을 구축하여 동물 뇌에 대한 통찰력을 제공했다며 연구의 의의를 설명했다.