새로운 기술, AI가 직관적으로 물리학을 이해하게 함

인공지능은 이미 강화 학습을 통해 물리학을 이해할 수 있게 되었지만, MIT 연구진이 개발한 새로운 기술은 엔지니어가 물리학을 직관적으로 이해하는 모델을 설계하도록 도와줄 수 있을 것이다.

심리학 연구에 따르면, 인간은 어느 정도 물리학의 법칙을 직관적으로 이해하고 있다. 영아들은 물체가 어떻게 상호작용하고 움직일 것이라는 기대를 가지고 있으며, 이러한 기대의 위반이 영아들의 놀람을 유발한다. MIT 팀이 수행한 연구는 인공지능의 새로운 응용 분야를 驅動할 뿐만 아니라, 영아들이 세계를 어떻게 인식하고 관찰하는지 이해하는 데 도움이 될 수 있다.

MIT 팀이 설계한 모델은 ADEPT라고 하며, 물리적 공간에서 물체가 어떻게 행동할지 예측하는 방식으로 작동한다. 모델은 물체를 관찰하고 “놀람” 지수를 추적한다. 예상치 못한 일이 발생하면 모델은 놀람 값을 증가시킨다. 물체가 텔레포트되거나突然 사라지는 것과 같은 예상치 못한 행동은 놀람 값을 크게 증가시킨다.

연구 팀의 목표는 모델이 인간이 불가능한 행동을 볼 때와 같은 수준의 놀람을 등록하도록 하는 것이었다.

ADEPT는 물리 엔진과 역 그래픽스 모듈의 두 가지 주요 구성 요소로 구성된다. 물리 엔진은 물체가 어떻게 움직일지 예측하는 역할을 하며, 역 그래픽스 모듈은 물리 엔진에 입력할 물체의 표현을 생성하는 역할을 한다.

역 그래픽스 모듈은 속도, 모양, 방향과 같은 물체의 속성을 추적하며, 비디오 프레임에서 이러한 정보를 추출한다. 역 그래픽스 모듈은 물리 엔진이 물체를 해석하고 새로운 상태를 예측하는 데 도움이 되지 않는 세부 사항을 무시한다. 이러한 중요한 세부 사항에만 집중함으로써, 모델은 새로운 물체에 대한 일반화를 더 잘 할 수 있다. 물리 엔진은 이러한 물체 설명을 받아서 더 복잡한 물리적 행동, 즉 유동성 또는剛性을 시뮬레이션하여 물체가 어떻게 행동할지 예측한다.

이 프로세스가 발생한 후, 모델은 실제 다음 비디오 프레임을 관찰하여 가능한 물체 행동에 대한 확률 분포를 재계산한다. 놀람은 발생할 확률의 역수에 비례하며, 모델이 다음에 무엇이 발생할지 믿는 것과 실제로 발생하는 것이 크게 다를 때만 큰 놀람을 등록한다.

연구 팀은 모델의 놀람을 사람들의 놀람과 비교하기 위해 어떤 방법이 필요한지에 대해 고민했다. 발달 심리학에서 연구자들은 영아들에게 두 개의 비디오를 보여주는데, 한 비디오에서는 물체가 예상치 못한 행동을 보이고, 다른 비디오에서는 물체가 예상치 못한 행동을 보이지 않는다. 연구 팀은 이러한 기본 개념을 가져와 60명의 성인을 대상으로 64개의 비디오를 보여주었으며, 각 비디오에서 사람들은 놀람을 1에서 100까지 평가하도록 요청받았다.

모델의 성능 분석 결과, 물체가 벽 뒤로 이동하여 벽을 제거하면 일반적으로 인간의 놀람 수준과 일치하는 것으로 나타났다. 모델은 또한 인간이 놀람을 표시하지 않았지만 아마도 표시해야 할 비디오에서 놀람을 보였다. 예를 들어, 물체가 벽 뒤로 이동하여 즉시 다른 쪽에서 나타나기 위해서는 텔레포트하거나 속도가 급격히 증가해야 한다.

전통적인 신경망과 비교했을 때, 관찰에서 학습할 수 있지만 물체의 표현을 명시적으로 로깅하지 않는 경우, ADEPT 네트워크는 놀람과 놀람이 없는 장면을 구별하는 데 훨씬 더 정확한 것으로 나타났다. 또한 ADEPT의 성능은 인간의 반응과 더密接하게 일치하는 것으로 나타났다.

MIT 연구 팀은 영아들이 세계를 어떻게 관찰하고 이러한 관찰에서 무엇을 배우는지에 대한 더 깊은 통찰력을 얻기 위해 더 많은 연구를 수행하려고 한다. 이러한 발견을 새로운 ADEPT 모델 버전에 통합할 계획이다.