인간의 학습 효율을 높일 수 있는 최선의 방법은 무엇일까. AI에게 먼저 다양한 방법을 적용하고 가장 좋은 학습과정을 인간에게 적용하면 좋지 않을까.

이러한 궁금증을 인공지능(AI)으로 푼 연구자들이 있다. 이상완 KAIST(한국과학기술) 뇌인지과학과 교수와 이지항 상명대 휴먼지능정보공학전공 교수다. 이들은 사람 대신 뇌 기반 사고체계를 학습한 인공지능(AI)에 여러 시나리오를 부여하고 여기서 가장 좋은 해법을 찾아 인간에 적용하는 연구 성과를 냈다.

쉽게 말해 이들은 AI를 가상 피험자로 만들었다. 인간의 학습·인지 능력을 향상시킬 수 있는 뇌 기반 AI 기술을 개발했다. 인간의 추론과 같은 뇌의 고위 수준의 인지과정을 학습한 AI다. 이 AI를 사람 대신 여러 가지 실험 상황에 피험자로 활용, 사람이 어떻게 사고하는지를 대신 보여준다.

KAIST 뇌인지과학과 이상완 교수 연구팀은 원샷추론이라 불리는 인간의 빠른 추론 능력을 유도해 인과관계의 학습효율을 향상할 수 있는 기술을 개발했다. 뇌 기반 AI 기술은 AI 틀 안에서 인간의 지능을 해설하는 기술이다. 이상완 교수 연구팀은 이와 관련해 다양한 원천 기술을 보유하고 있다. 최근 5년간 국내 및 해외 관련 특허 출원만 50여 건에 달한다.

이상완 교수는 이 기술을 ‘관측할 수 있고 지치지 않는 가상의 인간’이라고 비유적으로 설명했다. AI 모델이기 때문에 모든 시나리오에서 천번 만번 실험을 해도 지치지 않는다는 얘기다. 또 사람의 사고체계를 실시간으로 관측하기란 불가능하지만, 인간의 사고체계를 학습한 AI는 모든 관측이 가능하다. 극단적인 상황에 놓였을 때 사람은 어떻게 생각할 것인지 모델을 가지고 예측을 할 수 있다. 굳이 사람이 억지로 많은 상황을 경험해 볼 필요가 없어진 것이다.

이 기술은 사람의 보통 접근 방식과는 반대되는 방식이다. 데이터에서 모델을 어떻게 만들어낼 것이냐가 아닌 모델을 가지고 사람을 특정 상태로 유도해 낼 수 있는 경험이 무엇이냐에 대해 거꾸로 찾아야 하는 반대 과정이라고 할 수 있다.

원샷추론은 인간이 경험으로부터 지식을 습득할 때 한 번의 경험으로부터 빠르게 결론을 도출하는 것을 말한다. 사람은 다양한 경험을 통해 인과관계를 학습하기도 하지만 특정 상황에서 한 번의 경험으로도 빠르게 결론을 도출하기도 한다. 이러한 것을 원샷 추론 또는 고속 추론이라고 부른다. 반면 일반적인 습득과정은 일상생활에서 다양한 사건을 경험하며 다양한 요소에 대한 인과관계를 학습하고 통합적인 지식을 습득하는 데 이러한 과정은 점진적으로 일어난다. 이러한 과정은 베이시안 모델이라고 불리는 확률적 추론 과정과 유사하다. 연구팀은 이전 연구에서 인간의 원샷추론 과정을 모델링하고 전두엽과 해마가 이러한 과정에 관여하고 있음을 규명한 바 있다.

연구팀은 본 연구 이 모델에 인간의 원샷추론 과정을 특정한 상태로 유도하기 위해 알파고에서도 사용된 심층 강화학습 기술을 접목 시켰다. 이는 강화학습 알고리즘이 인간의 원샷추론 과정을 수없이 시뮬레이션하면서 전두엽과 해마가 가장 효율적으로 학습할 수 있는 최적의 조건을 탐색하는 과정으로 볼 수 있다. 126명의 인간 피험자를 대상으로 한 인과관계 학습 및 추론 실험에서 제안 기술을 사용해 학습했을 때 단순 반복 학습 대비 최대 약 40%까지 학습효율이 향상됨을 보였다. 더 나아가 오랜 시간에 걸쳐 신중하게 학습하거나 몇 가지 단서만을 조합해 빠르게 결론을 도출하는 것 같은 개인별 학습 성향을 고려한 맞춤형 설계가 가능함을 발견했다.

이 기술은 국내 및 해외 특허가 출원된 상태이다. 국제 학술지 셀(Cell)의 오픈 엑세스 저널인 ‘셀 리포츠(Cell Reports)’에 이번 연구(논문명: Controlling human causal inference through in-silico task design)가 ‘시뮬레이션 기반 실험 디자인을 이용한 인간의 인과관계 추론과정 제어’라는 제목으로 1월호 온라인판에 게재됐다. 셀 학술지는 연구의 우수성뿐만 아니라 아이디어의 참신성과 과학계에 미치는 파급력도 고려한다.

1저자로 연구를 주도한 이지항 상명대 교수는 “기존에 알려지지 않은 창의적인 방법론과 패러다임을 제시해 우수한 연구 결과를 보였다는 점을 인정받았다”며 “이 논문의 프로토콜에 대한 초청 논문 제의가 들어와 후속 연구도 진행하고 있다”고 소감을 밝혔다. 이어 “이 기술을 토대로 국내 병원과 공황장애 환자들을 대상으로 적용하는 디지털치료제 개발도 진행하고 있다”고 말했다.

나아가 인간의 사고체계를 학습한 AI가 뇌 신호가 나오는지도 연구하고 있다. 그는 “이 연구는 AI와 인지 레벨에서 상호작용하는 것만으로도 인간이 자연스럽게 능력을 향상시킬 수 있다는 연구라면 정말 뇌에서 뇌신호가 나오는지 그런 신호들이 제어되는지 확인하는 연구를 진행하고 있다”고 밝혔다.

이 연구가 주목을 받는 이유는 인간을 이롭게 하는 AI 기술이기 때문이다. 인간의 사고체계에 대한 뇌과학적 이해를 학습한 AI를 가상인간으로 삼아 인간의 잠재적 능력을 극대화 시키는 방법을 찾을 수 있다. 이 기술은 인간을 앞서고 인간의 일자리를 빼앗는 AI와 인간의 경쟁 관계에서 인간의 사고력을 향상 시키고 인간의 능력을 높이는 상호보완적 관계로 나아간 것이다.

기존 기술은 단편적인 기억회상, 특정 인지기능, 정답률 향상과 같은 행동적 측면에 집중해 왔다. 이 기술은 AI를 이용해 과거의 경험을 일반화시키는 인간의 사고체계 자체를 향상시키는 가능성을 확인한 최초 사례로 평가된다.

이 원천 기술의 활용 범위는 무궁무진하다. 교육 콘텐츠 개발뿐만 아니라 우울증, 공황장애, 인지장애 등 의료 부문에도 적용될 수 있고, 추론 학습과 관련된 모든 분야에 활용될 수 있다. 심지어 AI에도 적용이 가능하다. 연구 책임자인 이상완 교수는 “이 기술은 사람뿐만 아니라 임의의 AI 알고리즘에도 적용할 수 있다”며 “잘못된 답변을 내놓는 할루시네이션(환각) 문제도 이 기술을 활용해 연구해 볼 수 있다”고 설명했다.

이 교수는 이 기술이 가지고 있는 큰 그림을 설명했다. 그는 “AI 모델이 사람의 머릿속에 가지고 있는 사고 체계를 경험 세상으로 풀어내는 게 이 기술이 가지고 있는 큰 그림”이라며 “시뮬레이션 환경 안에서 내 머릿속을 돌아다니는 인공지능”이라고 강조했다.

이상완 교수 연구팀은 이러한 뇌 기반 인공지능 원천기술의 파급력을 높이기 위해 2019년 KAIST 신경과학-인공지능 융합연구센터를 설립하고, Google 딥마인드, Microsoft 연구소, IBM 연구소, 옥스퍼드 대학 등 다양한 해외 연구팀들과 함께 국제공동연구를 수행해 오고 있다. 이지항 상명대 교수와 이상완 KAIST 교수를 직접 만나 이번 연구에 대한 자세한 이야기를 나눠봤다.

-이 연구의 의미를 말씀해 주신다면.

“(이상완 교수) AI를 이용해 사람을 똑똑하게 만들 수 있느냐에 대한 물음에 가능성을 확인한 기술이다. AI를 이용해 인간의 추론 능력을 향상시킬 수 있다. 기존 접근 방법은 AI가 인간을 대신해서 추론할 수 있느냐에 신경을 썼다. 인간만큼 할 수 있는가, 인간보다 더 잘하면 인간 대신 추론을 해줄 수 있는가, 학습을 해줄 수 있는가에 AI 기술의 초점이 맞춰져왔다. 그러면 인간은 이제 대체되는 거 아니야? AI가 해주면 굳이 사람이 할 필요가 없으니 직업도 없어지는 것이 아닌가라는 화두들이 있다. 저희는 AI가 사람보다 똑똑하기 때문에 이 장점을 살려서 인간을 더 똑똑하게 만든다는 초점을 뒀다”

“(이지항 교수) 먼 미래에 AI과 인간이 공존하는 방법에 대한 한 가지 아주 중요한 포인트를 찾았다. AI와 인간은 적대적 관계가 아니고 혹은 지시하고 복종하는 관계가 아닌 서로가 서로를 더 닮아갈 수 있는 아주 작은 첫 발걸음 정도의 기술을 개발했다고 생각한다. 인간의 인지 과정을 AI에게 이식하고 이식된 AI가 최적 의사결정·학습 방법 제시한다. 인간이 AI와 이러한 방법으로 상호작용해 성능을 극대화한다. 또다시 극대화 방향으로 최적화된 인간의 인지 과정을 AI에 이식한다. 이 사이클을 반복하면 인간과 AI 공진화 프레임워크 동작 여부가 확인할 수 있. 인간과 AI 모두에게 유익하고 과정과 능력 면에서 지속적으로 성장하는 프레임워크 제시가 가능하다”

-뇌기반 인간의 사고체계를 학습한 AI ‘가상인간’ 기술이 활용될 수 있는 것은 무엇인가.

“(이상완 교수) 극단적인 행동은 뇌가 가지고 있는 어떤 균형 환경에 적응해 나간다는 관점에서 볼 때 균형이 깨질 때 일어날 수 있는 일이다. 이런 행동들을 연구팀이 뇌 원형 모델로 변환해서 보면 어떤 인자들이 그런 균형점을 깨뜨리는 데 주요하게 작용했는지를 거꾸로 판별할 수가 있다. 이런 원인으로 인해서 이 사람의 균형이 깨지는 이런 행동이 드러나게 된다면 그 원인을 타겟하는 치료 전략을 만든다든지 그 원인에 해당하는 뇌 정보를 처리하는 뇌 부위를 집중해서 치료 전략을 세울 수 있다. 극단적인 행동은 중독, 정신분열증 등 정신질환에 많이 나타난다.”

“(이지항 교수) 경험을 생성할 수 있기 때문에 가상인간이라고 하면 굉장히 다양한 상황에 놓일 수 있다. 사람이 해서는 안 되는 그런 상황에서 얼마든지 많은 시뮬레이션이 가능하다. 잘못되거나 혹은 극단적인 상황에 놓이는 것들을 가상으로 잘 관찰할 수 있다. 이러한 가상 상황들을 재료로 많은 부분에 적용할 수 있다. 작게는 학습이나 교육, 사회적으로는 정책을 세운다거나 이런 부분도 가능하다. ‘가상의 인간’이라고 하는 이 개념을 가지고 할 수 있는 일들이 많을 것이다”

“(이상완 교수) 극단적인 사람 상황에 넣고 어떤 식으로 행동할 건지 지금 예측할 수 있다는 건 실제 사람한테 연구자가 해보기 어려운 측면이 있기 때문에 굉장히 중요한 부분이다. 이 모델이 가진 장점 중의 하나는 저희가 이걸 학습시킬 때 이 사람의 행동을 잘 예측할 뿐만 아니라 과적합 없이 잘 된 만들어진 모델이라고 한다면 사람하고 비슷하게 생각할 수 있다는 것을 뜻하기 때문이다. 극단적인 상황에 놓였다면 이 사람은 어떻게 생각할 것인가 이런 것들을, 모델을 가지고 예측을 할 수 있고 실제 사람이 그걸 억지로 경험해 볼 필요가 없어진다”

- 이 연구가 인간의 사고력을 높일 수 있는 연구면 헬스케어 부문에서 의미가 있을 것 같은데 어떤 질병이나 의료에 적용될 수 있는가.

“(이지항 교수) 트라우마나 공황의 경우 노출 치료가 효과적인 것으로 알려져 있다. 노출 시 원샷 학습 극소화 같은 기술을 이용한다면 더 빠르게 망각하거나, 연관된 관계를 끊어낼 수 있는 기전을 만들어 낼 수 있을 것으로 기대된다. 메모리 증강, 연관기억 분야, 작업기억 분야 기억 관련될 지식·정보 대한 자극을 줄 수 있어 알츠하이머성 치매나 기억과 연관된 경도인지장애 예방·관리를 위한 커리큘럼 디자인에 공헌이 가능하다”

- 생성형 AI 할루시네이션(환각) 문제를 해결할 수 있는 연구인가.

“(이지항 교수)” 가능할 것이라고 생각하다. 크게 두 가지 측면에서 기여할 수 있다. 대형 언어모델의 지식 습득 속도 증대를 통해 더 많은 지식을 더 빨리 학습하도록 유도해 환각의 영역 (boundary)를 축소하는 역할을 할 수 있다. 나아가 궁극적으로 사람의 메타 인지 과정을 이식한다면 모르는 것을 모른다고 할 수 있고, 아는 것을 안다고 할 수 있으니 환각에 이르는 정보들은 내가 모르는 정보라고 대답할 수 있는 능력이 부여 가능하다. 하지만 이는 아직 먼 이야기다.”

- 연구 진행 중 가장 어려웠던 점은 무엇인가.

“(이상완 교수) 행동 실험을 검증하기 위해 AI가 만든 경험을 실제로 사람이 했을 때 추론을 연구자가 원하는 방향으로 이끌고 추론을 빠르게 증진시킬 수 있는지를 보려고 사람 행동 실험을 굉장히 많이 진행했다. 다양한 실험은 노력이 많이 들어간다. 마지막 추론 과정인 그 행동에 대한 데이터 몇 개만 가지고 이 사람이 진짜 본 연구자가 원하는 추론 전략을 썼는지 검증하는 분석이 시간이 많이 소요됐다. 다른 상황마다 실험 설계가 달라지고 피험자 모집도 새로하고 데이터 분석도 다르게 해야 하니 그런 부분이 어려웠다.”

- 이번 연구와 같은 뇌기반 AI 연구에서 가장 신경써야 되는 것은 무엇인가.

“(이상완 교수) 뇌의 사고 체계 보통 사고체계라는 표현을 많이 쓰는데 뇌의 정보 처리 과정 또는 사고 체계를 AI의 규범에서 이해하는 부분이 제일 중요하다. AI 기술과 뇌 과학을 따로 공부하기 보단 사람이 어떤 식으로 정보를 처리하고 있는지를 AI 관점에서 어떻게 해석될 수 있는가를 알아갈 수 있는 스킬을 만드는 것이 중요하다.”

“(이지항 교수) 인간의 사고 체계 정보 처리에 대한 모델이 일반적인 알고리즘화가 돼 다양한 데이터를 해석할 수 있으면 그것이 AI 모델이 된다고 생각한다. 단순한 AI 이론과 수학적 문제만 집중할 것이 아니라 사람의 생각과 결정, 행동의 과정과 군집의 과정까지 넓혀야 한다. 심리학이나 사회학적인 부분과 깊게는 뇌과학적 측면까지 고려하는 시야가 필요하다.”

-향후 연구 계획은 무엇인가.

“(이상완 교수) 지금은 여러 인지 능력 가운데 추론이라는 하나의 인지 능력을 AI로 향상할 수 있는지 가능성을 확인했다. 앞으로 사람만이 가지고 있는 고위 수준의 인지 능력들을 하나씩 타깃해서 AI 기술을 이용해 이런 능력을 발전시킬 수 있는지 연구를 진행하고 있다. 전략적인 의사결정 또는 기억을 예측할 수 있는 사건 기억을 어떻게 잘 끄집어내서 활용할 수 있느냐 등 사람이 지닌 고유한 인지 능력들을 하나씩 진행해 볼 예정이다.

이후 디지털 치료에 응용해 확대할 예정이다. 사람의 인지행동치료(CBT)의 전략에도 활용될 수 있다. 예를 들어 어떤 일을 처음부터 실패하고 포기하는 사람이 있으면 인지행동 치료관점에서 이 기술을 활용해 치료 전략을 만드는 것이다. AI가 사람을 학습해 모델링을 한 다음 그 모델이 적절하게 실패를 겪어갈 수 있는 상황을 만들어 실험하고 최적의 상황을 사람에게 직접 경험시키는 것이다.”

“(이지항 교수) 정신 질환이나 정신 건강 부분 치료 목적 트레이닝 전략을 세울 수 있다. 전략을 개인화해서 세우기가 힘든데 AI 모델은 한 개인을 학습해 똑같은 가상인간을 만들어 다양한 시나리오를 대입하기 때문에 가능하다. 예를 들어 경도인지장애를 빠르게 진단하거나 인지 능력을 향상 시키는 과정도 접근할 수 있다. 또 다른 연구는 인간과 AI가 상호작용하는 과정에서 어떤 전략을 찾고 있는데 과연 정말 어떤 균형점이 잘 잡힌 전략들인가에 대한 검증에서 연구를 진행하고 싶은 계획이 있다.”

- 마지막으로 하고 싶은 말씀이 있다면.

“(이지항 교수) 이 연구를 6년 동안 진행하면서 여러 영역에서의 경험을 하게 됐다. 지원해 주신 삼성미래기술육성센터에도 감사하다. 이 연구가 많은 사람들의 학습과 건강에 도움이 됐으면 좋겠다. 사회에도 기여할 수 있는 기술로 좋은 일에 많이 쓰였으면 하는 바람이다.”

“(이상완 교수) 이 기술은 시뮬레이션 환경 안에서 내 머릿속을 돌아다니는 AI라고 비유적으로 표현할 수 있다. 이 기술 개념 자체가 가상 피험자의 핵심이 되는 어떤 정보 처리 과정을 연구자가 원하는 방향으로 가이드 할 수 있도록 AI 기술을 활용하기 때문이다. AI가 내 머릿속을 들여다보면서 나한테 뭐가 제일 잘 맞는지를 가이드해 줄 수 있다. 이제는 AI가 인간의 작업을 대체하는 프레임에서 벗어나 AI의 장점을 인간이 최대한 활용해 인간의 지식과 사고 능력 등을 발전시킬 수 있는 프레임으로 바뀌었으면 좋겠다.”