구글 딥마인드 AI 알파데브, 새 정렬 알고리즘 발견

'알파고'를 만든 딥마인드의 대니얼 맨코위츠 박사팀은 8일 과학저널 '네이처'(Nature)에서 새로운 심층 강화 학습(deep reinforcement learning) AI 알파데브가 개선된 새 정렬 알고리즘을 발견했으며 이를 C++ 라이브러리에 통합했다고 밝혔다. 연구팀은 C++ 라이브러리에 새 정렬 알고리즘을 추가한 것은 10여 년 만에 처음이라며 이는 AI가 지금까지 알려지지 않은 새로운 알고리즘을 발견해 현재의 기술 수준을 뛰어넘을 수 있다는 것을 보여준다고 말했다.

알고리즘은 컴퓨팅의 필수 요소로 특정 전산 작업을 할 때 지침 역할을 한다. 또 정렬 작업 같은 기본 알고리즘은 매일 수조 번씩 수행되는 필수 과정으로 인간 전문가가 더 이상 최적화하기 어려운 것으로 여겨져 왔다. 이에 따라 심층학습 인공지능을 이용해 기본 알고리즘을 개선하려는 시도가 계속돼 왔지만, 이런 인공지능은 심층학습 시스템 개발에 사용된 훈련 예제 영역 내에서만 문제를 발견하고 최적화하는 한계를 드러냈다.

연구팀은 연산 수요가 증가하면서 이런 기본 알고리즘의 성능을 최대한 높이는 것이 중요해졌지만 그 효율성을 개선하는 것은 인간 과학자는 물론 계산적 접근 방법에도 모두 어려운 과제라고 말했다. 맨코위츠 박사팀은 이 연구에서 새로 개발한 심층 강화 학습 인공지능 알파데브가 이런 한계를 극복하고 특정 문제에 대한 맞춤 훈련 없이도 새로운 알고리즘을 발견할 수 있다는 사실을 입증했다.

연구팀은 더 나은 정렬 알고리즘을 찾는 과제를 일종의 싱글 플레이어 게임으로 만든 뒤 알파데브가 그 게임을 플레이하도록 훈련시켰고, 알파데브는 게임을 통해 기존 최첨단 알고리즘을 능가하는 새로운 정렬 알고리즘을 발견했다. 연구팀은 알파데브가 발견한 새로운 정렬 알고리즘 중 일부를 각국의 대학과 글로벌 기업 등 수백만 명의 사용자가 실제 사용하고 있는 C++ 라이브러리의 표준 정렬 함수에 통합했다.

매사추세츠공대(MIT) 아르만도 솔라-레자마 교수는 이 논문과 함께 게재된 논평(News & views)에서 "이 접근법의 강점은 훈련 예제의 지침 없이도 인공지능이 보상 신호를 기반으로 효율적인 프로그램 생성 방법을 학습할 수 있다는 사실"이라고 평가했다. 이어 "이 접근법의 일반성과 문제에 대한 사전 지식 없이도 작동할 수 있는 특성은 전문가 개입을 최소화하면서 고성능 프로그램을 만드는 것을 가능하게 하는 중요한 진전"이라고 덧붙였다.

https://v.daum.net/v/20230608050028897

반응형