인공지능, 아기의 눈으로 세상을 바라보며 언어 학습

한 유아의 촬영된 경험을 통해 사물을 인식하는 방법을 스스로 학습한 신경망(neural network)은 인간의 학습 방식에 대한 새로운 인사이트를 제공할 수 있다는 사실이 밝혀졌다.

자연에서 영감을 얻고 모방하는 청색기술의 핵심인 인공지능(AI)은 현재 아기로부터도 배우는 일에 열중이다.

최근 국제학술지 '사이언스(Science)'에 발표된 논문에 따르면, 인공지능 모델이 한 아기의 일생 중 극히 일부에 해당하는 헤드캠 녹화를 연구하여 '침대'와 '공'과 같은 단어를 인식하는 방법을 배웠다고 한다.

이 연구의 공동 저자이자 뉴욕대의 AI 연구원인 와이 킨 봉(Wai Keen Vong)은 이 연구 결과가 AI가 인간의 학습 방식을 이해하는 데 도움이 될 수 있음을 시사한다고 말한다. 와이 킨 봉은 "생성형 챗GPT(ChatGPT)와 같은 다른 언어 학습 모델은 유아의 실제 경험과는 비교할 수 없는 수십억 개의 데이터 포인트를 기반으로 학습하기 때문에 이전에는 이 점이 명확하지 않았다"며 "우리는 태어날 때 인터넷이 주어지지 않는다"고 말하고 있다.

저자들은 2월 1일자 사이언스지에 실린 이 연구가 아이들이 언어를 배우는 방식에 대한 오랜 논쟁에 도움이 되기를 희망하고 있다. 이 인공지능은 이미지와 단어를 함께 보고 연관성을 구축하는 방식으로만 학습했으며, 언어에 대한 다른 사전 지식은 전혀 프로그래밍되지 않았다. 이는 아기가 단어에 의미를 부여하려면 언어가 어떻게 작동하는지에 대한 선천적인 지식이 필요하다는 일부 인지과학 이론에 도전하는 것이라고 봉 연구원은 말한다.

미국 머세드에 있는 캘리포니아대 인지과학자인 헤더 보트펠드(Heather Bortfeld)는 이 연구가 아동의 초기 언어 습득을 이해하는 데 있어 '흥미로운 접근법'이라고 말한다.

아기의 시선
봉 연구원과 그의 동료들은 샘이라는 남자아이(사진)가 착용한 헬멧에 장착된 카메라로 61시간 동안 녹화하여 유아의 관점에서 바라본 경험을 수집했다. 호주 애들레이드 근처에 사는 샘은 생후 6개월부터 약 2년간 매주 두 번, 약 1시간 동안(깨어 있는 시간의 약 1%) 카메라를 착용했다.

연구진은 뇌의 구조에서 영감을 얻은 청색기술 인공지능인 신경망을 비디오의 프레임과 녹음된 샘의 말을 바탕으로 훈련시켰다. 이 모델은 놀이, 독서, 식사 등의 활동 중에 포착된 25만 개의 단어와 그에 해당하는 이미지에 노출됐다. 이 모델은 '공'과 '그릇'과 같은 특정 단어가 어떤 이미지를 가리키는지 예측하는 데 사용할 수 있는 정보를 구축하기 위해 대조 학습(contrastive learning)이라는 기술을 사용하여 어떤 이미지와 텍스트가 함께 어울리는지, 그렇지 않은지 학습했다.

연구진은 AI를 테스트하기 위해 모델에 네 개의 후보 이미지 중 하나와 단어를 일치시키도록 요청했는데, 이 테스트는 아이들의 언어 능력을 평가하는 데도 사용된다. 이 모델은 62%의 확률로 물체를 성공적으로 분류했는데, 이는 우연히 예상했던 25%보다 훨씬 높은 수치이며, 이 데이터 세트 외부의 4억 개의 이미지-텍스트 쌍으로 학습한 유사한 AI 모델과 비교해도 비슷한 수준이었다.

'사과'와 '강아지' 같은 일부 단어의 경우, 이 모델은 이전에 보지 못한 예시를 정확하게 식별할 수 있었으며, 이는 일반적으로 인간이 비교적 쉽게 생각하는 것이다. 평균적으로 35%의 성공률을 보였다. AI는 학습 데이터에 자주 등장하는 문맥에서 벗어난 객체를 더 잘 식별했다. 또한 모양이 거의 변하지 않는 물체를 식별하는 데도 가장 뛰어났다고 봉 연구원은 말한다. '장난감'과 같이 다양한 사물을 지칭할 수 있는 단어는 학습하기가 더 어려웠다.

학습에 대한 교훈
보트펠드 교수는 아동의 경험과 환경이 매우 다양하기 때문에 이 연구가 한 아동의 데이터에 의존한 것은 연구 결과의 일반화 가능성에 의문을 제기할 수 있다고 말한다. 그러나 이 실험을 통해 유아의 초기에는 서로 다른 감각 소스 간의 연관성을 형성하는 것만으로도 많은 것을 배울 수 있다는 사실이 밝혀졌다고 그녀는 덧붙인다. 이 연구 결과는 언어가 너무 복잡하고 정보 입력이 너무 드물어 일반적인 학습 과정을 통해 언어를 습득할 수 없다고 주장하는 유명한 미국의 언어학자 노엄 촘스키와 같은 과학자들에게도 도전장을 던진다. 보트펠드는 " 이번 연구는 이러한 특별한 메커니즘이 필요하지 않다는 것을 보여주는 가장 강력한 데이터 중 하나"라고 말한다.

실제 언어 학습은 AI가 경험한 것보다 훨씬 더 풍부하고 다양하다. 연구진은 AI가 정지 이미지와 서면 텍스트로만 학습하기 때문에 실제 아기의 삶에 내재된 상호작용을 경험할 수는 없었다고 밝혔다. 봉 연구원은 "예컨대, AI는 일반적으로 유아의 생애 초기에 배우는, '손'이라는 단어를 학습하는 데 어려움을 겪었다"고 실토했다. 그는 "아기들은 자신의 손을 가지고 있고 많은 경험을 가지고 있지만, 우리의 AI 모델에는 이 부분이 확실히 빠져 있다"고 말한다.

캐나다 몬트리올대의 기계학습(machine learning) 과학자인 아니루드 고얄(Anirudh Goyal)은 "인간 학습의 복잡성에 더 부합하도록 모델을 더욱 개선할 수 있는 잠재력은 무궁무진하며, 인지 과학의 발전을 위한 흥미로운 길을 제시할 것"이라고 평가했다.