구글 연구진, 수학적 빌딩 블록으로부터 새로운 AI 알고리즘을 진화시키는 시스템 개발

기계 학습은 컴퓨터 애플리케이션이 다양한 작업에熟練해지도록 하지만, 기계 학습 아키텍처를 처음부터 설계하고 알고리즘을 훈련시키는 데에는 오랜 시간이 걸린다. 사이언스 얼럿에 따르면, 구글 브레인 연구진은 최근 새로운 방법으로 AI 프로그램을 생성하는 실험을 진행했으며, 변이 기법을 사용하여 AI가 유기적으로 “진화”하도록 했다.

구글의 AutoML 시스템은 이미 오랜 시간 동안 자동으로 AI 프로그램을 생성해 왔으며, 이러한 프로그램 중 많은 수가 인간 엔지니어가 설계한 모델보다 더好的 성능을 보인다. 그러나 구글 연구진은 이 시스템을 확장하여 새로운, 더 효율적이고 강력한 알고리즘을 발견하는 데 사용할 수 있는 연구를 발표했다. 이 과정은 수학적 함수의 변이를 기반으로 하며, 또한 데이터를 통해 인간의 편향이 AI 시스템에 영향을 미치는 것을 줄이는 데 도움이 될 수 있다.

구글 연구 팀은 최근 arXiv에 논문을 사전 발표했으며, “Scratch에서 기계 학습 알고리즘 진화”라는 제목의 논문에서 새로운 시스템인 AutoML-Zero에 대해 논의한다. AutoML-Zero는 기본적인 수학적 연산을 조작하여 새로운, 복잡한 알고리즘의 빌딩 블록으로 사용한다. AutoML-Zero로 설계된 시스템은 다른 AI보다 더 강력하고 정확할 수 있지만, 연구 팀은 인간의 편향을 제거하는 특정 목표를 위해 이 과정을 테스트했다. 연구진은 연구 논문에서 이 문제를 다음과 같이 설명한다.

“인간이 설계한 구성 요소는 인간이 설계한 알고리즘을 선호하는 방향으로 검색 결과를 편향시킴으로써 AutoML의 혁신 가능성을 제한할 수 있다. 또한 옵션이 적은 경우 혁신이 제한된다. 검색할 수 없는 것을 발견할 수 없다.”

AutoML-Zero는 세 단계로 작동한다: 설정, 예측, 학습. AutoML-Zero는 먼저 100개의 알고리즘을 생성하기 위해 단순한 수학적 연산을 무작위로 조합한 다음, 이러한 알고리즘을 서로競爭시킨다. 가장 잘 수행되는 알고리즘을 식별한 후, 이러한 알고리즘에 작은 변화를 주고 다시 한 번 시도를 한다. 이 과정은 “최강 생존” 선택 과정을 모방한다.

이 전체 과정은 비교적 빠르게 수행될 수 있으며, 시스템은 초당 최대 10,000개의 가능한 알고리즘을 처리할 수 있다. 또한 거의 24/7로 작동하여 인간 운영자의 입력 없이도 계속 실험할 수 있다.

오늘날 가장 인상적인 알고리즘 시스템은 컴퓨터 과학과 AI에서 오랜 역사를 가진 알고리즘의 약간의 변형에 불과하다. 뉴스위크에 따르면, 하란 잭슨은 새로운 논문의 가장 흥미로운 점은 시스템이 현재 가장 널리 사용되는 알고리즘과 근본적으로 다른 완전히 새로운 알고리즘을 발견할 수 있는 방법을 제시한다는 것이다.

“인공 지능의 가장 인상적인 업적은 새로운 알고리즘의 발명으로만 달성될 수 있다는 생각이 많은 공동체의 구성원 사이에 존재한다”고 잭슨은 말했다. “이것이 위의 논문이 इतन 흥미로운 이유이다. 완전히 새로운 기계 학습 알고리즘을 자동으로 구성하고 테스트하는 방법을 제시한다.”

AutoML-Zero는 아직 개념 증명 단계에 있으며, 오늘날 가장 앞선 AI 애플리케이션에서 사용되는 알고리즘과 같은 유용한 알고리즘을 생성할 수 있으려면 더 많은 작업이 필요하다. 그러나 시스템에 대한 연구는 AutoML-Zero가 완성되기 전에 다른 알고리즘이 엔지니어에 의해 설계되는 방식을 알려줄 수 있으므로 유용할 수 있다.