9일 제프 딘 구글 시니어 펠로우는 서울 종로구 포시즌스호텔에서 열린 간담회에서 “구글 딥마인드에서 게임 통한 학습 강화를 준비 중”이라며 “스타크래프트에 접목하는 방안도 고민 중”이라고 말했다.

스타크래프트의 경우 보드게임과는 전혀 다른 특성을 가진 전략장르의 게임이다. 바둑의 반상이 스타크래프트에선 맵이다. 게이머들은 맵 안에서 제약 없이 움직일 수 있다. 상황에 따라 각 유닛이 움직이는 위치와 전략 등 게이머가 선택해야 할 경우의 수가 바둑처럼 무한대로 늘어난다.

제프 딘 시니어 펠로우는 “스타크래프트 게임은 보드게임과 달라 전체를 한눈에 볼 수 없다”며 “시각 밖에서 일어나는 일도 인지해야 한다”고 분석했다.

이날 간담회에서 제프 딘 시니어 펠로우는 구글이 활용 중인 기계학습(머신러닝)에 대한 비전을 공개했다. 인간을 모방한 신경망 구성을 통해 기계가 자가학습이 가능하도록 시스템화했고 이를 구글의 여러 제품이 적용 중이다.

제프 딘 시니어 펠로우는 “정확한 수치는 기억나지 않지만 구글 제품에 머신러닝이 광범위하게 쓰인다. 20~50% 사이로 여러 제품에 도입된 것으로 알고 있다”며 “이 비중은 구글 내에서 빠르게 늘어나고 있다. 이 속도는 더욱 가속화될 것이라 생각한다”고 말했다.

구글 제품에 적용된 기계학습의 대표적 예로는 ‘구글 포토’를 들 수 있다. 처음에 인간이 개입해 ‘고양이 사진’을 인지시켜 주면 자가학습을 통해 신경망 하단에선 털 색깔 등 전체적인 부분부터 상단으로 올라갈수록 눈, 귀 등 세부적으로 정보를 조합하게 된다. 이러한 정보를 조합해 결과 값으로 ‘고양이’라는 것을 도출해내면 구글 포토에 다른 사진을 넣었을 때도 고양이 사진인지 여부를 구별해낼 수 있다.

제프 딘 시니어 펠로우는 “이런 강력한 훈련을 거치는 모델이 확보되면 전혀 보지 못한 이미지도 파악할 수 있다”며 “구글 포토에서 도그(개)라고 입력하면 개와 관련된 모든 픽셀이 담겨있는 사진을 보여준다. 태깅(분류) 작업이 전혀 불필요하다”고 설명했다.

머신러닝의 방법 중엔 ‘비감독학습’도 있다. 이 경우엔 처음에 인간이 개입하지 않는다. 처음에 이미지가 주어졌을 때, 기계는 기존에 봐왔던 이미지와 유사 여부를 구분할 수 있다. 주어진 사진이 고양이인지는 알지 못한다.

제프 딘 시니어 펠로우는 “비감독머신러닝은 많은 연구를 하고 있다. 아직은 실험단계”라고 전했다.

또 제프 딘 시니어 펠로우는 감독학습과 비감독학습 방법이 혼용돼야 한다고 봤다. 감독학습을 통해 인간이 머신러닝을 주도한 뒤 기계가 비감독학습을 통해 보다 완벽에 가까워질 수 있다고 본 것이다. 그는 “많은 수의 비감독데이터와 소수의 감독데이터를 혼용해 원하는 결과 값을 도출하는 것이 해결 과제”라고 말했다.

현재 구글에선 머신러닝을 적용한 로보틱스(로봇공학)도 실험 중이다. 로봇팔이 물건을 집는 과정을 자가학습 중이다.

제프 딘 시니어 펠로우는 “로보틱스에서 가장 큰 도전과제가 임의의 사물을 집을 때 어떤 식으로 각도조절을 하느냐 어떻게 집어야 성공적으로 들어 올릴 수 있는지 등의 기능이 어렵다”고 말했다. 그는 “매일 밤 로봇이 산출한 값을 보고 (사물을 집는) 성공률이 높았는지 훈련한다”며 “더 잘 집어올리게 된다”고 전했다.

그는 머신러닝이 가져올 산업 변화에 대해 “머신러닝을 통해서 기존의 여러 기술이 보강될 수 있다. 편리함을 가져다 줄 것”이라고 내다봤다. 또 머신러닝의 좋은 활용 사례로 “헬스케어”를 꼽았다. 그는 “인류의 목숨을 구하고 삶을 개선하는데 기여할 수 있다 생각한다”고 말했다.

<이대호 기자>ldhdd@ddaily.co.kr