인공지능(AI) 다음은 생체지능(BI) ?

- 생체지능(Biology Intelligence)의 차세대 뉴로모픽 컴퓨팅위한 인공시냅스 개발

인공지능(AI)을 뛰어 넘어 생체지능(BI, Biology Intelligence)으로 가는 차세대 뉴로모픽 컴퓨팅(Neuromorphic computing)을 위한 인공시냅스가 개발됐다.
 
미국 스탠포드대, 네덜란드의 그로닝겐대(University of Groningen), 미국과 뉴멕시코의 샌디아 국립연구소(Sandia National Laboratories)의 과학자들이, 정보를 처리하고 저장하고 학습하고 기억하는 인간 두뇌의 시냅스와 똑같은 유기 인공 시냅스를 만드는데 성공하여, <뉴로모픽 컴퓨팅을 위한 저-전압 인공 시냅스의 비-휘발성 유기 전기화학 디바이스(A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing)>”라는 논문을 발표했다(van de Burgt et al., Nature Materials, 20 Feb 2017; Science Daily, 21 Feb 2017).

▲ 미국 스탠포드대의 살레오(Alberto Salleo) 교수(왼쪽)가 신경망 컴퓨팅(for neural network computing)을 위해 전기화학 성분으로 이루어진 인공 시냅스를 보며 설명하고 있다. Credit: L.A. Cicero
▲ 미국 스탠포드대의 살레오(Alberto Salleo) 교수(왼쪽)가 신경망 컴퓨팅(for neural network computing)을 위해 전기화학 성분으로 이루어진 인공 시냅스를 보며 설명하고 있다. Credit: L.A. Cicero

이로써 두뇌의 정보 처리, 저장, 학습, 기억의 메커니즘을 모방하는 뉴로모픽 컴퓨팅, 딥 러닝(Deep Learning) 이후의 뉴런과 시냅스의 다층적(Multi-Layered) 생체지능(BI, Biology Intelligence)과 두뇌와 기계의 인터페이스(BMI) 기술에 획기적인 혁신이 이루어질 것으로 기대하고 있다. 

synapse vs ENODe

이때 전기화학이라는 용어는, 뉴런(Neuron)은 +-의 전기 신호로 정보를 전도하고, 그러면 시냅스는 도파민 등의 70가지 이상의 화학물질이라는 신경전달물질들(Neurotransmitter)을 분비해 정보를 전달하고, 저장,고 회상하기 때문에, 전기화학이라는 용어를 쓴 것이다.

하나의 뉴런은 10,000(10의 4승)여 개의 시냅스와 연결되어 있는데, 연결과정은 뉴런▷시냅스▷뉴런이 되는데, 이를 자세히 보면 시냅스 전 뉴런(Presynaptic Neuron)이 정보를 시냅스에 전도하면, 시냅스는 신경전달물질(화학물질, Neurotransmitter)을 방출해 시냅스 후 뉴런(Postsynaptic Neuron)으로 정보를 전달하게 된다. 그리고 이때 시냅스는 정보를 프로세싱해서 동시에 기억을 생성하고 저장시킨다. 다시 말해 프로세싱이 바로 기억이라는 점이다. 그리고 기억을 꺼내는 회상도 시냅스가 담당한다.

article10317수십 년 동안 컴퓨터 기술이 발전했어도 아직 과학자들은 저-전력으로(low-energy) 우아한 프로세싱(elegant processing)을 하는 두뇌와 같은 컴퓨터를 만들지 못하고 있다. 그러나 지금 스탠포드대를 중심으로 하는 국제 공동연구팀이 획기적인 진전을 이룩했는데, 적어도 효율적인 두뇌의 일부분을 모방해, 뉴런들과 커뮤니케이션하는 인공시냅스의 디바이스를 만들었다. 

교신저자인 살레오(Alberto Salleo)는 “이 인공 시냅스 디바이스는 리얼한 시냅스와 같이 작동하지만, 공학적으로 만들어진 하나의 유기 전자 디바이스(an organic electronic device)입니다. 따라서 이는 완전히 새로운 디바이스다. 왜냐하면 이와 같은 아키텍처를 가진 유형은 전에 없었다. 실리콘 등 무기물로 만들어진 어떤 것보다 훨씬 수행능력이 뛰어나다”라고 말했다. 

이 디바이스의 중요한 특징은 시냅스를 그대로 모방한 비-휘발성(non-volatile) 때문에 에너지를 현저하게 절약시킨다는 점이다. 기존 컴퓨터는 정보를 프로세싱하고, 그 다음 메모리에 저장하지만, 이는 프로세싱과 동시에 메모리를 생성하고 저장시킨다(the processing creates the memory). 

따라서 어느 날인가 이 인공 시냅스는 두뇌 같은 컴퓨터의 일부분이 될 터인데, 그러면 시각 신호와 청각 신호를 동시에 처리하는 컴퓨팅이 될 것이다. 예를 들어 음성으로 제어되는 인터페이스와 자율차 등이다. 과거에는 인공지능 알고리즘에 의해 고성능의 신경망 네트워크가 나왔지만, 아직 두뇌를 따라오기란 멀리 있는데, 왜냐하면 많은 에너지가 들어가는 에너지-소비적인 하드웨어에 의존하고 있기 때문이다. 

두뇌 구축(Building a Brain) 

우리가 학습할 때, 뉴런-시냅스-뉴런의 연결고리에서 시냅스 전 뉴런이 전기 신호로 정보를 전도한다. 이때 가장 많은 에너지가 첫 번째 시냅스가 활성화되어 가로지를 때 필요하고, 그 다음부터 연결에는 에너지 소비가 적어진다. 이것이 바로 어떻게 시냅스가 무엇인가를 학습(learning)하고 기억(remembering)하게 하는 방법이다. 다시 말해 이 인공지능 시냅스는 다른 버전의 두뇌를 모방한 컴퓨팅과는 달리, 저-전력으로 학습과 기억이라는 두 가지 작업을 동시에 하는 것이며, 그래서 에너지를 절약하는 것이다.

제1저자인 반드 버지트(Yoeri van de Burgt)는 “딥 러닝의 알고리즘은 매우 파워풀하다. 그러나 딥 러닝의 알고리즘들은 전기 상태들(electrical states)을 계산하고 시뮬레이트(모방/흉내)하고, 그 다음 그것들을 메모리에 저장하는 프로세서들에 전적으로 의존합니다. 따라서 이러한 과정은 에너지와 시간 관점으로 볼 때 비효율적이다. 딥 러닝이 신경망을 흉내 내는 것인데 반해, 인공 시냅스는 신경망을 만들도록 노력한다”라고 말했다. 

인공 시냅스는 배터리 디자인을 바탕으로 한다. 인공 시냅스는 두 개의 얇고 플렉셔블한 필름과 함께 3개의 터미널(단자)로 이루어져 있고, 이들은 소금물의 전해질로 연결된다(It consists of two thin, flexible films with three terminals, connected by an electrolyte of salty water). 따라서 인공 시냅스 디바이스는 하나의 트랜지스터처럼 작동하는데, 3개의 단자 중 하나의 단자는 두 개의 단자들 사이에 흐르는 전기의 흐름을 제어한다.

학습을 통해 강화학습을 하는 뇌 속의 신경 통로(노드)같이, 연구팀들은 충전과 방전을 지속적으로 반복하면서 학습을 하는 인공 시냅스를 프로그램 했다. 이 같은 훈련을 통해, 인공 시냅스가 어느 특정 전기 상태에 도달하는데 필요한 전압의 1% 내에서 예측을 할 수 있는데, 그만큼 예측이 정확하며 전기가 필요 없다는 것이다. 즉 비-휘발성이라는 점이다. 따라서 작업을 하고 저장을 한 후 컴퓨터를 꺼야 하는 일반 컴퓨터와는 달리, 이 인공 시냅스는 전원을 끄지 않아도 프로그램을 재차 불러올 수 있다. 

인공 시냅스의 네트워크를 테스트하기(Testing a network of artificial synapses)

지금은 오로지 하나의 인공 시냅스를 만들었지만, 연구원들은 시뮬레이터에서 여러 개의 인공 시냅스 어레이들이 진짜 신경망처럼 작업을 하는지의 시뮬레이션 실험에서 15,000개의 측정치를 찾아냈다. 예를 들어 연구원들은 0에서 9까지의 친필(handwriting)을 알아낼 수 있는지, 인공 시냅스의 네트워크 능력을 시뮬레이션으로 테스트했다. 3개의 데이터셋(datasets) 위에서 테스트한 결과, 시뮬레이션 된 어레이는 93~97% 의 정확도로 친필 숫자들을 알아낼 수 있었다.

인간이라면 금방 시각과 청각 신호를 상대적으로 쉽게 식별하는데, 전통 컴퓨터들은 이들을 식별하는데 어렵고 상당한 시간이 흐른다. 그러나 이 인공 시냅스 디바이스는 또한 시각과 청각 신호를 쉽게 해석하고 시간도 상당히 빠르다. 

또 다른 저자인 탈린(A. Alec Talin)은 “더욱더 우리는 컴퓨터가 인간 두뇌처럼 작업하기를 기대하지만, 작금의 컴퓨터들은 파워가 더욱 많이 필요하다. 슈퍼컴퓨터를 보라. 슈퍼컴퓨터를 돌리려면 어마 어마한 전력이 들어간다. 따라서 이번 논문을 통해 이러한 알고리즘을 돌리는데 인공 시냅스가 적격이라는 것과 저-전력을 소비한다는 것을 데모한 것이다”라고 말했다. 

이 인공시냅스 디바이스는, 전통 컴퓨터들이 상당한 어려움을 겪는, 신호의 식별과 분류에 적격이다. 예를 들어 디지털 트랜지스터들은 0과 1의 오로지 두 개의 상태만을 다루고 있지만, 연구팀은 이 인공 시냅스 안에서 500개의 상태를 다루도록 프로그램 하는데 성공해, 뉴런-타이프의 컴퓨팅 모델에 유용하게 쓰일 것으로 기대하고 있다. 또한 상태에서 다른 상태로 스위칭 하는데, 최신의 컴퓨터가 프로세싱한 데이터를 메모리에 저장하는데 필요한 에너지의 1/10 만 소비한다. 

하지만 이는 무엇을 의미하는가 하면, 아직도 인공 시냅스 디바이스는 생물학적 시냅스가 불을 붙이는데 필요한 최소의 에너지 보다 10,000 배 정도의 에너지를 쓰고 있다는 것을 의미한다. 앞으로 우리 두뇌에 있는 시냅스를 100% 모방하기란 그리 쉽지 않다는 것이며, 아직 갈 길이 멀다는 것이다. 이에 대해 연구팀은 보다 작은 디바이스를 만들고 테스트하면 뉴런 수준의 에너지 효율성을 얻을 수 있을 것으로 희망하고 더욱 연구에 몰두한다는 계획이다.

유기의 잠재성(Organic potential)

이 인공 시냅스 디바이스의 모든 부분이 저렴한 유기물질로 이루어져 있다. 한 마디로 생물전자(Bioelectronic) 기기라는 것이다. 이러한 유기물질들은 자연에서 발견되는 것이 아니지만, 이러한 유기물질들은 두뇌 시냅스의 신경전달물질인 화학물질과 호환되는 수소와 탄소로 주로 이루어져 있다. 두뇌의 시냅스 세포들은 이러한 유기물질 위에서 성장시킬 수 있고, 그 다음 유기물질들은 신경전달물질을 방출시키기 위해 인공 펌프들을 만드는데 사용할 수 있다. 그리고 언젠가는 인간 뉴런을 통해 움직이는 전기의 양만큼 인공 시냅스를 훈련시키는데도 그 만큼의 전압이 적용될 것이다.

앞으로 이 모든 것이 가능할 것인데, 인공 시냅스가 실제 살아있는 뉴런과 커뮤니케이션 하고, 이것은 브레인-머신 인터페이스(B-M-I)의 진보를 유도할 것이다. 인공 시냅스 디바이스의 부드러움과 융통성은 또한 응용 생물학 환경에도 사용하게 될 것이다. 연구팀은 이를 위해 여러 개의 인공 시냅스로 이루어진 실제적인 어레이를 만들어 두뇌와 같은 신경망을 구축한다는 계획이다.

noname02
▲ Image Credit: 차원용 박사의 강의안(Since 2010)

 

BI(Biology Intelligence)

지금의 인공지능 알고리즘은 인간의 신경망을 모방하는 것이어서, 신경세포와 시냅스와 비신경세포로 이루어진 인간의 두뇌를 따라오기란 그리 쉽지 않다. 그리고 지금의 인공지능의 한계는 맥스가 95%인데, 이를 99.95% 수준 이상으로 높여야 하는 방법과 알고리즘을 찾아야 한다.

신경세포와 시냅스와 비신경세포의 메커니즘을 밝혀 인공지능에 융합해야 하고, 이들 안에 들어 있는 유전자, 유전자가 생산하는 단백질, 히스톤(Histone) 변형 등의 후성유전(Epigenome), 신진대사, 환경 등에 따라 항상성(Homeostasis)과 의사결정이 바뀐다. 따라서 인간의 뇌는 이러한 여러 변수들에 따라 물리적인 구조를 자유롭게 바꿔가며(정신물리학적 모델과 생물물리학적 모델 등) 정보를 입력하기 때문에, 지금의 신경망 알고리즘에 한 차원 높은 다른 알고리즘들이 융합되지 않는 한 갈 길이 먼 것이다. 

이외에 인간의 언어유전자인 FOXP2도 포함되어야 한다. 이러한 지능을 생체지능(BI, Biology Intelligence)라고 하는데, 반드시 지금의 인공지능에 추가되고 융합되어야 한다. 또한 한글의 운율도 포함되어야 하며, 한글의 맥락을 이해하고 분석, 추론하는 자연어 처리의 고도화 및 데이터의 표준화도 포함되어 연구해야 한다. 그리고 설사 이러한 여러 알고리즘들이 융합된다 해도 그것은 끝이 아니라 또 다른 시작일 뿐이라는 것이다. [정리 김들풀 기자  itnews@itnews.or.kr]

 

크기변환_사본-10632695_637493523030856_2757249799481243589_n차원용 소장/교수/MBA/공학박사/미래학자

아스팩미래기술경영연구소(주) 대표, 국가과학기술심의회 ICT융합전문위원회 전문위원, 국토교통부 자율주행차 융복합미래포럼 비즈니스분과 위원, 전자정부 민관협력포럼 위원, 국제미래학회 과학기술위원장

NO COMMENTS

LEAVE A REPLY