인공 지능(AI)이 스스로 진화하는 단계에 들어섰다.

과학자들은 소프트웨어 입력 없이 세대를 거쳐 발전을 개선하는 AI 프로그램을 만들었다. 이 프로그램은 며칠 만에 수십 년 동안의 AI 연구를 반복했다. 설계자들은 언젠가 AI에 대한 새로운 접근법을 발견할 수 있을 것으로 기대한다.

AI 알고리즘을 구축하는 데 시간이 걸린다. 언어를 번역하고 자동차를 운전하는 데 사용되는 일반적인 유형의 기계 학습(ML) 신경망(neural networks) 모델을 사용한다. 이 네트워크는 뇌의 구조를 느슨하게 모방하고 인공 뉴런 사이의 연결 강도를 변경해 훈련 데이터를 자가 학습한다.

더 작은 뉴런 회로는 도로 표지판을 발견하는 것과 같은 특정 작업을 수행한다. 인간이 신경망 연결을 최적화하는 데는 몇 달이 걸릴 수 있다. 최근 몇 년간 과학자들은 그 몇 단계를 자동화해 프로세스를 가속화했다. 그러나 대부분의 프로그램은 여전히 인간이 설계한 기존 회로를 연결하는 데 의존한다. 이는 엔지니어의 상상력과 기존의 편견으로 인해 결과가 여전히 제한됨을 의미한다.

구글의 컴퓨터 과학자 코크 르(Quoc Le)와 동료들은 오토ML-제로(AutoML-Zero)라는 프로그램을 개발했다. AutoML-Zero는 고등학생 수준 기본적인 수학적 개념만을 사용해 인간의 입력이 거의없는 AI 프로그램을 개발할 수 있다.

그는 “우리의 궁극적 목표는 실제로 연구원조차 찾을 수 없는 새로운 기계 학습 개념을 개발하는 것” 이라고 사이언스에서 밝혔다.

이 프로그램은 느슨한 근사 진화(loose approximation of evolution)를 사용해 알고리즘을 발견한다. 수학적 연산을 무작위로 결합해 100개의 후보 알고리즘을 생성하는 것으로 시작한다. 그런 다음 이미지가 고양이인지 트럭인지를 결정해야하는 이미지 인식 문제와 같은 간단한 작업으로 테스트한다.

각 주기에서 프로그램은 알고리즘 성능과 수 작업으로 설계된 알고리즘을 비교한다. 최고 성능의 사본은 일부 코드를 임의로 교체, 편집 또는 삭제해 최상의 알고리즘을 약간 변형, ‘변이(mutated)’된다. 이 ‘신생’ 변이는 존속하는 반면, 오래된 프로그램은 도태된다. 사이클이 반복된다.

이 시스템은 한 번에 수천 개의 모델을 생성해 좋은 솔루션을 찾을 때까지 초당 수만 개의 알고리즘을 전환할 수 있다. 또한 이 프로그램은 트릭을 사용해 탐색 속도를 높이는 데 사용된다. 예를 들어 집단 간 알고리즘을 교환해 진화의 교착 및 중단을 막고, 중복 알고리즘을 자동으로 제거하는 등의 기능도 있다.

지난 달 출판 전 논문 사이트 ‘아르시브(arXiv)’에 공개한 논문에서 연구원들은 이 접근 방식이 신경망을 포함한 여러가지 고전적인 ML기술에 걸림 보여준다.

연구진은 이 솔루션은 첨단 ML 알고리즘에 비해 간단하지만 향후 더 복잡한 AI를 위해 확장될 수 있다고 말한다. 전체 알고리즘보다는 작은 문제 해결에 초점을 맞추는 접근이다.

르 연구팀은 4월 6일 arXiv에 또 다른 논문을 공개했다. 이 논문은 다수 신경망에서 널리 사용되는 기존 구성 요소를 재설계하기 위해 유사한 접근법을 사용했다. 연구팀은 라이브러리에서 수학 연산의 수를 늘리고 더 많은 컴퓨팅 리소스를 프로그램에 전념함으로써 완전히 새로운 AI 기능을 발견 할 수 있다고 생각한다.