마이클 제이 폭스와 타임 머신
필자가 미국 유학을 시작한 해가 서울올림픽이 열리던 1988년이다. 그때 학교에서 퇴근하면 가족과 함께 저녁식사를 먹으면서 즐겨 보던 텔레비전 드라마가 ‘패밀리 타이즈(Family Ties)’라는 미국 시트콤이다.
김정호 교수 |
화목한 가정을 중심으로 가족간에 펼쳐지는 재미있고, 즐거운 이야기이다. 지금 그 드라마를 유튜브로 다시 봐도 재미있다.
특히 그 드라마에서 남자 배우로 마이클 제이 폭스(Michael J. Fox)가 개구장이 남동생으로 나오고, 그의 마음씨 좋은 누나로 배우 저스틴 베이트맨(Justine Tanya Bateman)이 나온다.
맬러리로 나오는 저스틴은 성격 좋은 누나로 남동생 마이클의 장난을 항상 모두 받아주곤 했다.
그 배역들이 모두 호감이 가는 성격들이었다. 마이클 제이 폭스는 나중에 그 드라마에 나오는 다른 여배우와 결혼하게 된다.
1982년부터 1989년까지 미국 NBC에서 방송된 시트콤 ‘패밀리 타이즈(Family Ties)’ 의 출연진. 맨 왼쪽이 배우 ‘마이클 제이 폭스’이고 그 다음이 배우 ‘저스틴 베이트맨’이다. [출처= Biography.com] |
그 마이클 제이 폭스를 다시 만난 것은 영화 ‘백 투 더 퓨처(Back to The Future)’ 에서다. 이 영화는 ‘타임 머신’을 타고 과거로 돌아가서 일어나는 이야기를 다루고 있다. 영화 '백 투 더 퓨처'는 1985년부터 시작된 영화로 로버트 저메키스 감독, 스티븐 스필버그 제작, 마이클 제이 폭스 주연의 전설적인 SF 3부작 영화이면서 코미디, 드라마, 액션 요소도 모두 들어가 있다.
시간여행과 그에 따른 타임 패러독스를 다룬 영화이다. 1980년대를 상징하는 고전 어드벤쳐 작품이다. 특히 이 영화의 주된 타임머신 기체인 ‘드로리안’은 영화 사상 가장 유명한 타임머신이다. 그 다재 다능하고 유쾌한 배우 마이클 제이 폭스가 현재 파킨슨 병으로 수십 년간 고생하고 있다. 파킨슨 병이 아니라면 아마 더 많은 시트콤과 드라마, 그리고 영화를 찍을 수 있었을 것으로 생각한다.
이 영화에서 타임머신 기계인 ‘드로리안’이 등장한다. 물리학에서 입장에서 본다면 영화처럼 타임머신을 타고 과거로 돌아가기 위해서는 빛의 속도로 과거의 정보로 거슬러 올라가야 한다. 그러려면 본인이 타고 있는 타임머신이 빛의 속도 이상으로 달려서 과거의 시대로 돌아가야 한다. 과거의 정보는 과거의 빛에 실려 있기 때문이다. 그래서 타임머신은 빛보다 빨리 날아가야 한다. 그러려면 무한대의 에너지가 필요하고 아인쉬타인의 상대성 이론에 위배된다.
이처럼 타임머신을 타고 과거의 데이터를 수집하고 그를 바탕으로 인공지능을 학습할 수 있다면 지금의 세계는 더 개선된 모습을 보일 지 않을까 상상해 본다. 그런데 이렇게 과거로 돌아가는 타임머신이 인공지능 안에도 있다.
1985년부터 발표된 3 부작 어드벤쳐 영화 ‘백투더 퓨처’의 포스터 사진, [출처=Academy Center of the Arts] |
인공지능도 과거로 돌아간다
인공지능 구현 방법 중에서 기계나 컴퓨터가 학습을 통해서 스스로 지능을 만들어 가는 방식을 머신러닝(Machine Learning)이라고 한다. 이 머신러닝의 대표적 알고리즘이 딥러닝(Deep Learning) 혹은 딥뉴럴네트워크(DNN, Deep Neural Network)이다.
이 딥러닝의 학습 방법은 입력 데이터를 이용해 학습하는 지도학습(Supervised Learning)과 입력 데이터 없이 스스로 학습하는 비지도 학습(Unsupervised Learning)으로 나뉘어 진다. 바로 이 지도학습에서 중요한 것은 입력데이터를 주고 출력을 비교하여 정답을 알도록 끊임 없이 알려 주어야 한다. 이 과정을 학습(Learning)이라고 하고 딥러닝 인공지능의 핵심 과정이 된다. 그래서 학습 없는 인공지능은 없다.
딥러닝 인공지능 알고리즘에서 입력 데이터를 주고 여러 층의 신경망을 따라 쭉 신호를 전파하면서 최종 출력을 만들어 가는 과정을 순방향 전파(Forward Propagation)이라고 한다. 그리고 이렇게 만들어진 출력이 지도학습을 위한 미리 준비한 정답과 다를 때, 신경망 내의 가중치를 개선해 나아가야 한다.
거꾸로 지능을 개선하는 작업이다. 그러기 위해서는 출력 오차를 확인하고, 그 결과에 따라 역 방향으로 가중치를 고쳐 나아가야 한다. 이처럼 가중치를 꺼꾸로 고치면서 반대방향으로 교정해 가는 과정을 역전파(Back Propagation)이라고 한다. 따라서 역전파 학습 없는 머신러닝 인공지능은 없다.
딥러닝 알고리즘 속의 역전파(Back Propagation) 학습의 개념, [출처=KAIST] |
그러니 역사의 진행 결과를 보고 잘못된 것을 깨닫고, 역사를 거슬러 역사를 고쳐가는 과정이 인공지능에서 바로 역전파 학습이다. 그래서 잘못을 깨닫고 과거로 돌아가 자신을 바꾸는 과정이 바로 딥러닝 알고리즘의 핵심 학습과정이다. 시대를 거꾸로 가는 셈이다.
인간 세계에는 물리적으로 불가능하지만 컴퓨터 알고리즘에서는 가능하다. 그래서 컴퓨터 알고리즘은 위대하고 혁신적이다. 다르게 보면 역전파 학습은 타임머신을 타고 과거로 돌아가는 작업과 같다. 그래서 인공지능도 타임머신을 탄다고 얘기해도 되겠다.
마이클 제이 폭스는 영화 백투더 퓨쳐에서 ‘드로리안’ 타임머신을 타고 과거로 돌아 갔다. 딥러닝 인공지능에서는 출력과 정답차이의 오차, 활성화 함수의 미분 기울기, 그리고 기존의 가중치를 타고 과거로 돌아간다. 특히 활성화 함수의 미분이 과거로 돌아가는 속도를 결정한다. 인공지능에서는 이처럼 순방향 학습과 역방향 학습을 수만 번, 수천만 번 빅데이터 만큼 시행한다. 학습량을 늘리고 지능의 정확성을 높이기 위해서는 데이터가 더 많이 필요하다. 그래서 모든 사물과 사람을 연결해서 데이터를 모은다. 그걸 보통 ‘사물인터넷’이라 부른다.
딥러닝 알고리즘 속의 역전파(Back Propagation) 학습에 필요한 비용함수와 그 학습화 과정을 보여주는 강의노트, [출처=KAIST] |
인공지능도 과거 역사에서 배운다
가끔 역사 책을 읽거나, 텔레비전 역사 프로그램을 보거나, 유튜브를 보면서 역사 공부를 다시금 하게 되는 기회가 종종 있다. 점점 유튜브로 역사 공부하는 시간이 길어진다. 그럴 때 마다 역사 공부가 참 재미있고 흥미진진하다. 사건의 역사적 배경과 인물, 결과의 의미를 다시 살펴보게 된다.
최근에는 3.1 운동 의미를 다시 알게 되었다. 3.1 운동의 의미가 우리나라가 ‘대한제국’에서 ‘대한민국’으로 전환하는 큰 계기라는 사실을 처음으로 알게 되었다. 그러고 보면 중고등학교 때 역사 공부는 참으로 재미없게 했다. 수동적으로 받아 적고 외우고 시험 보는 공부가 아니라 스스로 찾고, 발표하고, 토론하는 수업이었다면 훨씬 재미있고 기억에 많이 남았을 것 같은 아쉬움이 남는다. 그러는 과정에서 책도 더 많이 읽을 수 있었을 것이다. 역사는 그 자체가 재미있고, 배울 점이 많다.
인공지능이 똑똑한 것은 데이터로부터 스스로 학습하기 때문이다. 특히 오류가 발생했을 때 과거로 되돌아가 지난 과거를 고친다. 그리고 다시 출발한다. 인간 사회와 다른 점이라 볼 수 있다. 인공지능이 인간보다 똑똑한 이유이기도 하다. 미래에는 인공지능도 우리처럼 역사의 재미를 알게 될까 궁금하다.
대표적인 역사 기록물인 조선왕조실록은 역사 기록의 빅데이터이다. [출처=tistory] |
joungho@kaist.ac.kr
[김정호 카이스트 전기 및 전자공학과 교수]