AI의 ‘새로운 기계학습’에 양자컴퓨터 활용이 기대된다

AI의 ‘새로운 기계학습’에 양자컴퓨터 활용이 기대된다

 

 

대학 교원의 겨울 풍경이라면, 학생들의 논문을 끝없이 첨삭하는 업무일 것이다. 특히 영어 논문의 경우에는 원형을 알아볼 수 없을 정도로 고친다. 나 역시 제대로 논문을 쓸 수 있게 되기까지 적잖은 고생을 했다. 인공지능(AI)을 활용한 편리한 도구가 머릿속의 아이디어를 논문으로 만들어 주지 않을까 늘 생각해 왔다.

 

번역 서비스 ‘DeepL’을 대표로 하는 AI 기반 기계번역의 정확도는 최근 몇 년 사이에 비약적으로 향상되었다. 일본어로 된 전문적인 문장을 DeepL에 입력하면, 매우 자연스럽고 “완벽한” 영어 문장을 출력해 준다. 그래서 학생들에게 일본어 원고를 DeepL로 영어 번역해 가져오라고 지시해 보았다.

 

그런데 결과는 참담했다.

이상하다고 생각해 자세히 살펴보니, 애초에 학생이 쓴 원고 자체가 기계번역에 넣기 어려운 일본어였다. 즉, 내가 사용할 때에는 내 경험에 따라 번역하기 쉬운 문장을 무의식중에 입력하고 있었다는 사실을 깨달았다. 결국 AI는 학생이 스스로 영어 논문을 쓸 수 있도록 지도해 주지는 못한다.

 

AI를 쓸 수 있는 사람, 쓰지 못하는 사람

 

마이크로소프트의 거액 투자로도 화제가 된 OpenAI가 개발한 대화형 AI ‘ChatGPT’는 나에게 더욱 큰 충격을 주었다. 이전에도 질문·대화형 AI는 존재했지만, 답변의 수준이 월등히 높아 더 이상 AI의 답변이라고는 생각하기 어려울 정도다.

 

‘양자역학이란 무엇인가?’와 같은 질문은 물론이고, 수식이 필요한 전문적인 설명까지도 척척 해낸다. “특정 프로그래밍 언어로 이것을 실행하는 코드를 작성해 달라”고 하면, 약간의 오류는 있지만 샘플 코드를 작성해 준다. 그 오류 역시 지적하면 수정해 준다.

 

그렇다면 하고, “양자 AI에 관한 새로운 알고리즘 제안 논문의 서론 부분을 써 달라”고 요청해 보니, 전혀 문제없는 답이 나왔다. “이런 관점의 어필이 부족하니 포함해 달라”고 지적하면 수정까지 해 준다. 학생을 지도해 스스로 쓰게 만드는 것보다 압도적으로 쉽다.

 

“이제 인간은 적절한 지시를 만들고, 그 출력이 맞는지만 확인하면 되겠네”라며 교원들 사이에서 이야기꽃이 피었다. AI가 여기까지 왔구나 하고 진심으로 감탄했다.

 

하지만 주변의 반응을 지켜보니, AI 기반의 편리한 도구를 잘 활용하는 사람과 그렇지 못한 사람이 있다는 점도 알게 되었다. 잘 활용하는 사람들의 특징은, “이런 지시를 하면 이런 답이 돌아온다”는 자신의 경험에 기반해 적절한 지시를 내리고, 얻어진 ‘그럴듯한’ 답이 옳은지 판단해 필요에 따라 수정한다는 점이다.

즉, “하려면 할 수 있지만 번거롭게 느껴지는 업무”에 대해서는 AI가 상당 부분을 대신해 줄 수 있다. 그러나 “자신이 할 수 없는 업무”를 위해 적절한 지시를 내리는 것은 어렵다.

 

앞으로는 “스스로 할 수 있는 사람”이 AI 기반의 편리한 도구를 활용함으로써, 그 혜택을 누리지 못하는 “스스로 할 수 없는 사람”과의 격차가 더욱 벌어질 것이라 생각된다. “스스로 할 수 없는 사람”을 할 수 있게 가르쳐 주는 AI의 등장이 바람직하다(그렇게 된다면 드디어 나는 일에서 해방될 것이다).

 

전 세계가 주목한다

 

이처럼 정말로 쓸 수 있는 AI의 등장은, 인터넷에 존재하는 방대한 데이터와 GPU를 활용한 대규모 모델 학습의 산물이다. 한때 20세기는 석유가 에너지를 만들어 산업을 이끌었다. 이와 마찬가지로 21세기는 데이터와 계산 자원이 산업의 새로운 중심이 되고 있다. 이러한 흐름 속에서, 양자컴퓨터를 AI에 응용하려는 기대도 높아지고 있다.

 

사실 나는 현재 작동 중인 소규모 양자컴퓨터를 AI에 응용하기 위한 방법인 ‘양자 회로 학습’을 세계 최초로 제안한 연구자이기 때문에, 양자 AI는 결코 남의 이야기가 아니다.

양자 회로 학습이란, 뇌의 신경 회로를 모방한 ‘신경망(뉴럴 네트워크)’ 대신 양자컴퓨터를 이용해 학습하는 새로운 기계학습 방법이다. 양자컴퓨터는 많은 패턴을 동시에 중첩할 수 있기 때문에, 기존의 신경망으로는 어려운 문제도 학습할 수 있을 것이라 기대되고 있다.

 

양자 회로 학습은 양자컴퓨터가 실제로 가동되기 시작한 2017년경의 ‘NISQ(니스크) 시대’의 열기와 맞물리며 전 세계의 주목을 받았다. 또한 양자를 이용한 기계학습이 고전 컴퓨터를 이용한 기계학습보다 우수하다는 이론적 증거도 IBM과 구글의 연구팀에서 발표되고 있다.

그러나 지금까지 제시된 양자 기계학습의 강점은, 양자컴퓨터에 유리한 인위적인 데이터를 사용한 경우에 한정되어 있다. 이미지나 문장과 같은 실제 데이터를 사용했을 때에도 강점을 발휘할 수 있는지는 아직 명확하지 않다.

 

예를 들어 고전적인 데이터의 경우, 기존의 대규모 기계학습만으로도 상당히 높은 정확도로 정답을 맞힐 수 있다. 양자 기계학습의 강점을 발휘하기 위해서는, 고전적인 방법으로는 잘 다루기 어려운 ‘양자적인’ 데이터나, 양자컴퓨터를 사용함으로써 자연스럽게 강점이 드러나는 문제 설정을 고민할 필요가 있다.

※ 이 기사는 『교양으로서의 양자컴퓨터』(다이아몬드사)에서 발췌한 것입니다.

 

* 자료출처=쿠리에 자퐁(COURRIER Japon) (クーリエ・ジャポン)

* 글=후지이 케이스케

* 일본어원문=AIの「新たな機械学習」に量子コンピュータの活用が期待されている

* 출처=https://courrier.jp › 科学

1/5(월) 12:10 배신

 

참고==쿠리에 자퐁(COURRIER Japon)

해외의 주요 미디어에서 중요한 기사를 엄선하여 번역, 편집하여 게재하는 월액 회원제 앱미디어이다. 자기 투자에 적극적인 이용자가 많고 압도적으로 글로벌 의식이 높고 여성 비율이 높은 특징이 있다,