구글 딥마인드 AI 단일 모델 150개 이상 과제 수행

구글 딥마인드(Google DeepMind)와 토론토 대학교(University of Toronto) 연구팀이 새로운 범용 인공지능 알고리즘 드리머(Dreamer)를 공개했다.

네이처(Nature)에 발표된 연구에 따르면, 드리머(Dreamer)는 150개 이상의 다양한 과제에서 단 하나의 설정으로 기존의 특화된 방법들을 뛰어넘는 성과를 거뒀다. 이 알고리즘은 환경 모델을 학습하고, 미래 시나리오를 상상하여 행동을 개선하는 방식으로 발전한다.

AI 분야에서 다양한 환경에서 문제를 해결할 수 있는 범용 알고리즘을 개발하는 것은 오랜 도전 과제였다. 기존의 강화 학습 알고리즘은 새로운 과제에 적용하려면 상당한 인간 전문가의 도움과 많은 실험이 필요했다. Dreamer는 환경을 모델링하고 미래 시나리오를 상상하는 능력 덕분에 다양한 과제를 해결할 수 있다.

Dreamer의 핵심 혁신은 바로 드문 보상(sparse rewards) 환경에서 학습하면서도, 주어진 환경 내에서 목표를 달성할 수 있도록 스스로 개선하는 능력에 있다. 이는 Dreamer가 다양한 환경에서 빠르게 적응하고 효과적으로 문제를 해결할 수 있는 이유다.

Dreamer의 가장 큰 성과 중 하나는 마인크래프트(Minecraft)라는 게임에서 인간의 데이터나 특화된 훈련 없이 스스로 다이아몬드를 모은 능력이다. 마인크래프트는 광활하고 복잡한 오픈 월드를 가진 게임으로, AI가 이를 학습하고 마스터하는 것은 매우 도전적인 과제로 여겨졌다.

Dreamer는 마인크래프트에서 다이아몬드를 모으는 과제를 수행하기 위해 훈련을 받았으며, 놀라운 점은 단 9일 만에 전문가 수준의 플레이를 달성했다. Dreamer는 게임 규칙에 대해 아무런 지시를 받지 않고, 주어진 목표를 달성하기 위한 전략을 스스로 상상하고 실행하여 빠르게 게임을 마스터했다.

Dreamer가 다른 강화 학습 알고리즘과 차별화되는 점은 바로 다양한 분야에서 안정적인 학습을 유지할 수 있는 능력이다. 알고리즘은 정규화(normalization), 균형(balance), 변환(transformation) 등의 기법을 활용하여, 어떤 도메인에서도 안정적인 학습을 진행할 수 있다.

Dreamer의 성공은 강화 학습을 보다 넓은 범위에서 적용할 수 있게 만든 중요한 진전을 의미한다. AI가 복잡한 과제를 해결하는 데 있어 인간의 개입이나 실험이 많이 필요하지 않다는 점에서 Dreamer는 매우 효율적이고, 다양한 분야에 활용될 수 있다. 로보틱스, 자율주행 차량 등 여러 산업에서 혁신적인 변화를 일으킬 잠재력을 가지고 있다.

향후 Dreamer가 실제 세계에서도 자율적으로 학습하고 개선될 수 있다면, AI 시스템이 스스로 목표를 설정하고 해결책을 찾아 나갈 수 있게 된다. 이러한 발전은 AI가 인간의 개입 없이도 복잡한 문제를 해결할 수 있는 새로운 시대를 열수 있다.