'AI 머신러닝' 연구 공로…노벨물리학상 수상(상보)

[이데일리 최정희 기자] 올해 노벨물리학상은 인공지능(AI)의 기초가 된 인공신경망을 훈련시킨 연구자들에게 수여됐다.

스웨덴 왕립과학원 노벨위원회는 8일(현지시간) 존 J.홉필드 미국 프린스턴대 교수와 제프리 E.힌튼 토론토대 교수에게 ‘2024 노벨 물리학상’을 수여키로 결정했다고 밝혔다.

존 홉필드 프린스턴대 교수

이들은 물리학을 이용해 인공신경망으로 기계 학습을 가능하게 하는 기초적인 발견과 발명의 공로를 인정받아 노벨물리학상을 수상하게 됐다. 과학 아카데미는 “올해 노벨물리학상 수상자 두 명은 물리학 도구를 사용해 오늘날 강력한 머신러닝의 기초가 되는 방법을 개발했다”고 밝혔다.

홉필드 교수는 이미지와 다른 유형의 패턴을 데이터에 저장하고 재구성할 수 있는 연관 메모리를 만들었다. AI의 4대 천황 중 한 명인 힌튼 교수는 데이터에서 속성을 자율적으로 찾아내 사진에서 특정 요소를 식별하는 등의 작업을 수행할 수 있는 방법을 발명했다.

과학 아카데미는 “AI라고 하면 흔히 인공 신경망을 이용한 머신 러닝을 의미한다”며 “이 기술은 뇌의 구조에서 영감을 얻은 기술로 인공 신경망에서 뇌의 뉴런은 서로 다른 값을 가진 노드로 표현된다. 이러한 노드는 시냅스에 비유할 수 있는 연결을 통해 서로 영향을 주고받으며 연결을 더 강하게 또는 약하게 만들 수 있다”고 설명했다. 이어 “네트워크는 동시에 높은 값을 가진 노드 간에 더 강한 연결을 개발하는 방식으로 훈련된다”며 “수상자들은 1980년대부터 인공 신경망에 대한 중요한 연구를 수행해왔다”고 덧붙였다.

홉필드 교수는 패턴을 저장하고 재생성하는 방법을 사용하는 네트워크를 발명했다. 홉필드의 네트워크는 각 원자를 작은 자석으로 만드는 ‘원자 스핀’으로 물질의 특성을 설명하는, 물리학을 활용하고 있다.

네트워크 전체는 물리학에서 발견되는 스핀 시스템의 에너지와 동일한 방식으로 설명된다. 저장된 이미지가 낮은 에너지를 갖도록 노드 간의 연결 값을 찾아 학습한다. 만약 홉필드 네트워크에서 왜곡되거나 불완전한 이미지가 공급되면 네트워크의 에너지가 떨어지도록 노드를 통해 체계적으로 작동하고 값을 업데이트한다. 이에 따라 네트워크는 불완전한 이미지와 가장 유사한 저장된 이미지를 찾기 위해 단계적으로 작동한다.

제프리 힌튼 토론토대 교수

힌튼 교수는 홈필드의 네트워크를 기반으로 다른 방법인 ‘볼츠만 머신’을 사용하는 새로운 네트워크를 개발했다. 이는 주어진 유형의 데이터에서 특징적인 요소를 인식하는 방법을 학습할 수 있다.

여러 유사한 구성 요소로 구축된 시스템 과학인 ‘통계 물리학 도구’를 사용했다. 기계가 작동할 때 발생할 가능성이 매우 높은 예시를 입력해 머신 러닝을 학습시킨다. 볼츠만 머신은 이미지를 분류하거나 학습된 패턴 유형에 대한 새로운 예시를 만드는 데 사용할 수 있다. 힌튼은 이러한 연구를 바탕으로 현재 머신 러닝의 폭발적인 발전을 이끌었다는 게 노벨 물리학위원회의 설명이다.

엘렌 문스 노벨 물리학위원회 위원장은 “수상자들의 연구는 이미 가장 큰 혜택을 가져왔다”며 “물리학에서 특정 특성을 가진 신소재 개발 등 광범위한 분야에서 인공 신경망을 활용하고 있다”고 밝혔다.