위키원
딥마인드
딥마인드(DeepMind)는 컴퓨터 소프트웨어를 이용한 인공지능 프로그램을 개발하는 회사로 인공지능 바둑 프로그램인 알파고를 개발한 구글의 자회사이다. 2010년 딥마인드라는 사명으로 설립되었으며 본사는 영국 런던 킹스크로스&판크라스 광장 근처에 위치하고 있다. 공동 설립자는 데미스 하사비스(Demis Hassabis), 셰인 레그(Shane Legg), 무스타파 슐레이만(Mustafa Suleyman)이다.
개요
딥마인드는 2010년 9월 영국 런던에 설립된 딥마인드 테크놀로지로 신경과학에 기반한 인공지능 개발 회사이다. 설립한 지 4년 후인 2014년 1월에 구글이 딥마인드를 인수하면서 회사명도 구글 딥마인드로 변경되었다. 구글 딥마인드의 목표는 지능이 무엇인지를 밝혀내고 머신러닝과 시스템 신경과학 기반의 기술을 활용해 스스로 학습할 수 있는 범용 학습 알고리즘을 구축하는 것이며 기계학습, 신경과학, 공학, 수학 시뮬레이션 및 컴퓨팅 인프라에 대한 새로운 아이디어를 결합해 여러 분야를 다양하게 접근하려는 시도를 하고 있다. 그리고 인공지능 프로그램을 활용해 기후 변화나 질병과 같은 다양한 사회 문제를 해결하려는 계획을 하고 있다. 구글 딥마인드는 2014년에 케임브리지 컴퓨터 연구소로부터 올해의 기업상을 수상했다.[1]
딥마인드는 2015년 10월에 옥스퍼드 대학교 교수진이 설립한 다크 블루 랩스와 비전 팩토리라는 기업을 인수하였다. 그리고 구글에 인수된 후 구글에게 윤리위원회를 만들도록 요구해 자신의 기술 윤리를 관리하는 조직을 만들어냈다. 딥마인드는 이 위원회가 기술자의 윤리 준수를 돕는 한편, 인공지능의 영향력을 사회가 예견하고 감독하도록 함으로써 공익에 일조할 것으로 기대했기 때문에 외부 학계 및 윤리 기관에 대한 소통 통로도 마련되어 있다. 구글 딥마인드는 알파고 및 DQN, 웨이브넷 등 다양한 인공지능 프로그램과 강화학습을 개발하고 있다.[2]
연혁
- 2010년 : 영국 런던 딥마인드 설립
- 2014년 : 구글에 인수되며 '구글 딥마인드'로 회사명 변경
- 2014년 : 케임브리지 컴퓨터 연구소의 '올해의 기업상' 수상
- 2015년 : 알파고 개발 및 출시
- 2016년 : 알파고, 이세돌 9단의 대국
- 2018년 : 안과 질환 진단 기기 개발
주요 인물
- 데미스 하사비스(Demis Hassabis) : 구글 딥마인드 공동 설립자 겸 대표이다. 영국의 인공지능 과학자이자이기도 하며, 1976년 7월 27일에 영국 북런던에서 태어났다. 네 살 때 체스를 배우기 시작해 10대 초반 영국 체스 챔피언에 올랐다. 남들보다 2년 빠른 15세에 고등학교를 졸업한 그는 대학에 진학하지 않고 게임 개발사에 들어갔고, 그곳에서 전 세계에서 수백만 개가 팔린 시뮬레이션 게임인 테마파크를 개발했다. 그는 회사 생활을 접고 케임브리지 대학교(University of Cambridge) 컴퓨터과학과를 졸업했으며, 미국 매사추세츠 공과대학교(MIT), 하버드 대학교(Harvard University)에서 박사 학위를 취득했다. 또한, 2009년에 영국 유니버시티 칼리지 런던(UCL)에서 인지신경과학 박사 학위도 취득했다. 2010년에 딥마인드를 설립하여 본격적인 인공지능 개발에 나섰다.[3]
- 셰인 레그(Shane Legg) : 구글 딥마인드 공동 설립자 겸 수석 과학자이다. 신경망, 강화학습 등에 정통한 전문가로 뉴질랜드에서 태어났다. 와이카토 대학교에서 컴퓨터와 수리과학으로 학사 학위를 받은 뒤, 2008년 스위스 인공지능연구소인 IDSIA에서 기계의 슈퍼 지능이라는 논문으로 박사 학위를 받았다. 그리고 영국 유니버시티 칼리지 런던의 개츠비 컴퓨테이셔널 신경과학 연구소 박사 과정 연구원으로 있으면서 2010년 딥마인드를 설립했다. 그는 인공지능과 머신러닝, 인공지능 보안 등의 분야에서 이론과 실행에 두루 밝은 인물로 알려져 있다.
- 무스타파 슐레이만(Mustafa Suleyman) : 구글 딥마인드 공동 설립자이다. 택시기사 운전사인 아버지와 영국 간호사인 어머니 사이에서 태어나 남동생과 함께 영국 런던에서 자랐다. 19세에 영국 옥스퍼드 대학교를 자퇴하고, 청소년 대상의 비영리기관인 무슬림 청소년 헬프 라인을 세운 이후, 딥마인드 설립에 참여하였고 딥마인드가 구글에 인수된 후에는 구글 딥마인드의 인공지능 응용 부문장을 맡고 있다. 다양한 구글 제품에 인공지능 기술을 접목하는 일을 총괄하고 있다가 2019년에 구글 딥마인드에서 퇴사했다.[4]
주요 활동
알파고
알파고(AlphaGo)라는 이름은 구글의 지주회사 이름인 알파벳(Alphabet)에 사용되었고, 그리스 문자의 첫 번째 글자로 최고를 의미하는 알파(α)라는 말에 바둑의 일본어 발음인 고(碁, ご)에서 유래한 영어 단어인 'Go'를 합친 말이다. 알파고는 사람의 두뇌처럼 신경망 구조로 작동한다. 이 신경망은 정책망과 가치망이라는 두 신경망의 결합으로 이루어져 있다. 정책망은 다음에 돌을 어디에 둘지 선택하는 알고리즘이고, 가치망은 승자를 예측하는 역할을 한다. 알파고는 구글의 클라우드 폼에서 작동해 미국 중서부에 있는 서버에서 대국장으로 연결되는 네트워크가 알파고의 신경망 역할을 하여 작동하게 된다.
다른 바둑 전문 프로그램들과 대결을 벌이던 알파고 초기 시절에는 총 48개의 중앙처리장치(CPU)를 사용한 것으로 알려졌다. 하지만 인간과 대결을 준비하면서 사양을 크게 높였다. 알파고는 단일 컴퓨터로 구동되는 단일 버전(single version)과 네트워크에 연결된 여러 대의 컴퓨터를 사용하는 분산 버전(distributed version)으로 두 가지가 있다. 단일 버전의 알파고는 48개의 중앙처리장치와 4~8개의 그래픽처리장치(GPU)로 구동된다. 단일 버전이 알파고는 '크레이지 스톤'과 '젠'을 포함한 다른 바둑 프로그램과 500번의 대국에서 1패만 기록하였다. 분산 버전은 1,202~1,920개의 중앙처리장치와 176~280개의 그래픽처리장치로 구성되어 있다. 다양한 수의 중앙처리장치와 그래픽처리장치에서 비동기 모드와 분산 모드로 테스트 되었고, 한 수당 생각할 시간은 2초씩 배정되었다.[5]
2015년 10월에는 유럽바둑대회 3회 우승자인 판 후이(Fan Hui) 2단을 상대로 대국, 5전 전승하였다. 이 승리는 인공지능 프로그램이 전문 바둑기사를 상대로 거둔 사상 최초의 승리였다. 알파고가 전 세계의 이목을 집중시킨 것은 2016년 3월9일부터 15일까지 이세돌 9단과 하는 바둑 대결이다. 경기전에는 이세돌 9단이 우세할 것이라는 의견이 지배적이었지만 대부분의 예상을 깨고 최종 전적 4승 1패로 승리했다. 이 대국을 통해 인공지능의 새로운 장을 열었다는 평가를 받았고 한국기원은 알파고가 정상의 프로기사 실력인 입신 경지에 올랐다고 인정하고 프로 명예 단증으로 9단을 수여했다. 이후에도 알파고는 한국 인터넷 바둑 사이트에서 매지스터(Magister)라는 아이디로 중국 랭킹 1위인 커제, 한국 랭킹 1위 박정환 9단 일본 랭킹 1위인 이야마 유타 9단 등 세계 최고수들과 30판의 대국을 펼쳐 모두 이기는 능력을 발휘했다.[6]
웨이브넷
웨이브넷(WaveNet)은 원시 오디오 파형을 생성하기 위한 심층신경망으로 사람의 음성 녹음으로 훈련된 신경망을 사용하여 파형을 직접 모델링해 실제 사람의 목소리와 같은 음성을 생성하는 것이다. 기존 기술인 기본적으로 나누어져 있던 대량의 음성 데이터베이스와 낱말 등을 단순히 합치는 것을 벗어나 샘플링한 인간의 음성을 딥러닝으로 음성 파형을 자세히 세분화하고 분석하여 음성만으로 알기 어려웠던 숨 고르기, 단어 또는 문장끼리 합쳐지는 방식까지 이해할 수 있게 되었다. 즉, 딥러닝을 이용해 샘플링된 다수의 음성을 분석해서 인간처럼 미묘한 톤이나 억양, 말의 속도 등을 그대로 재현할 수 있게 되어 문장 전체에 대한 하나의 오디오 파일을 만들어 내는 것이다.[7]
대부분의 문자음성변환(Text to speech, TTS)은 짧은 녹음이나 단어 단위의 오디오 파일을 규칙에 따라 이어 붙여 재구성하는 방식을 이용하기 때문에 컴퓨터가 할 말의 내용을 쉽게 수정할 수 있다는 장점이 있지만 끊기는 느낌이나 딱딱한 면이 있다. 그에 반해, 웨이브넷은 사용자가 표현할 문자와 일치하는 소리 들을 재조합하기 때문에 억양이나 특유의 감정을 담을 수 있게 되어 실제 사람의 목소리와 같은 자연스러운 음성을 낼 수 있다. 구글 어시스턴트에 웨이브넷을 통한 한국어 포함한 9개의 언어에 사용되고 있다. 딥마인드는 웨이브넷을 훈련시키기 위해 초당 1만6000개 이상에 달하는 음성신호를 사용했다. 웨이브넷과 같은 딥러닝 기반의 시스템은 기존의 방법보다 훨씬 듣기에 자연스러운 음성을 생성할 뿐만 아니라 특정 인물의 목소리로 음성을 생성한다든지, 사투리와 같은 특정 억양을 반영하는 등의 기술적 기반을 제공한다.[8]
딥마인드 헬스
인공지능 기술을 이용해 성조숙증, 폐암, 폐 질환, 유방암, 치매, 물리치료 등의 질환을 보다 정확하고 빠르게 진단하거나 효과적으로 치료하는 보조 소프트웨어들이 등장하고 있다. 이는 인공지능이 다량의 최신 논문과 과거 진료 정보를 통해 스스로 학습할 수 있기 때문이다. 딥마인드 헬스는 구글 헬스사업부와 협업하여 스마트 헬스케어 제품을 출시하고 있다. 2016년부터 영국 무어필드 병원과 협업 중인 딥마인드는 2019년 4월에 인공지능 기반 실시간 복합 안질환 진단기기를 선보였다. 이 솔루션은 100만 개 이상의 익명의 눈 스캔 분석 데이터를 바탕으로 녹내장, 황반변성 등 50가지 이상의 안과 질환 진단을 돕는다. 딥마인드 알고리즘의 오차율은 5.5%로 일반 안과전문의가 보인 오차율보다 낮다. 또한, 딥마인드는 혈액검사를 분석하여 급성 신장손상을 감지하는 모바일 의료보조 프로그램인 스트림즈(Streams) 애플리케이션을 개발하였다. 이 애플리케이션은 급성 신장손상을 신속하게 확인하고 의료진 간 즉각적인 커뮤니케이션을 가능하도록 한다. 의료진들은 스트림즈 애플리케이션 도입 후 하루 최대 2시간을 절약할 수 있었고 급성 신장 손상을 놓치는 비율은 12.4%에서 3.3%로 줄었다는 연구 결과도 발표되었다.[9] 이외에도 딥마인드는 임페리얼 칼리지 런던(Imperial College London)의 영국 암 연구센터와 공동으로 인공지능 기반 유방암 진단 프로그램을 개발 중이다. 유방암 진단 프로그램은 유방 X선 영상을 스캔해 위음성율을 9.4% 줄일 수 있는 수준까지 도달해 있는 상태이다. 구글 헬스 소유의 딥마인드 및 몇몇 의료센터에서 개발한 인공지능 시스템이 유방암을 진단하는 데 능숙하여 실제 의사를 능가할 수 있다고 보고 있다. 실제로 인공지능은 유방촬영 사진만을 가지고, 전문의는 환자의 기타 임상 정보까지 활용하여 유방암 여부를 진단한 결과 인공지능 기기가 방사선 전문의 판독 시보다 진단 정확도가 높게 나오게 되었다. 이는 암 식별이 난해한 질병 초기에 진단해 낼 수 있다는 것을 의미한다. 그리고 두경부암 치료개선을 위한 솔루션을 연구하고 있다.[10]
이러한 딥마인드 헬스에 대해 논란이 일었다. 딥마인드가 만든 건강 애플리케이션인 스팀 애플리케이션은 영국 국립 의료 서비스(NHS)와 계약을 맺어 건강 관련 정보를 수집할 수 있게 되었으며 이로 인해 딥마인드 헬스 부문이 성장할 수 있게 되었다. 하지만 딥마인드 헬스가 논란이 된 것은 구글에 인수되기 시작하면서이다. 딥마인드가 요구한 정보에는 에이즈, 약물 과다 및 남용 환자에 대한 정보와 병리학과 방사선학에 대한 연구 자료도 포함됐다. 이러한 정보가 의사들에게는 소중한 정보일 수 있으나 환자 본인에게는 허락받지 않은 의료 기록 수집이기 때문에 문제 된다고 판단되어 졌다. 이러한 논란에 딥마인드는 환자들의 데이터가 영국에서만 사용될 것이며 구글 계정과 절대 연동되지 않는다고 밝혔다. 하지만 이러한 문제가 지속해서 불거지자 정치권에서도 스트림즈 프로젝트에 집중하게 되었고 영국의 정보보호감독청이 해당 병원과 딥마인드의 공유에 지속적인 조사를 하고 있다.[11] 이러한 문제를 해결하기 위해 딥마인드는 데이터가 언제 이용되고 어떻게 사용되는지 철저하게 기록해 영국 시민의 불안을 가라앉히겠다는 의도로 헬스 케어에 블록체인 기술을 접목한다고 했다. 딥마인드 헬스케어에 도입된 블록체인 기술은 입증 가능한 데이터 검사(Verifiable Data Audit)로 불리며 무스타파 술레이만과 밴 로리(Ben Laurie)는 블로그에 딥마인드의 보안 및 투명성에 대한 기술을 도입한다고 알렸다. 딥마인드는 의학 기록이 안전하게 보관되고 있다는 사실을 영국 시민에게 확신시키기 위해 블록체인 방법으로 블록체인을 선택한 것이다. 블록체인을 이용하면 데이터가 언제, 어느 목적으로 사용됐는지 장부에 기록된다. 이러한 정보는 암호화되어 기록되어 전문가만 데이터를 확인할 수 있게 된다.[12]
DQN
DQN은 구글 딥마인드에서 발표한 논문 'Playing Atari with Deep Reinforcement Learning'과 'Human-level control through deep reinforcement learning'에서 제시된 강화학습 알고리즘으로, 기존 큐러닝(Q-learning) 알고리즘의 Q(action-value) 함수를 딥러닝으로 근사하는 알고리즘이다. 큐 테이블(Q-table) 대신 신경망(neural net)을 사용해서, 뉴럴넷이 Q 가치를 근사해낼 수 있도록 학습시키는 것이다. 이러한 이유로 DQN은 근사기(approximator) 또는 근사 함수(approximating functioin)이라고 부르기도 한다. 다층 신경망(Deep Neural Network)과 큐 러닝(Q-Learning)을 조합한 기술로, 게임에서 높은 점수를 내기 위한 조작 알고리즘을 심층 강화학습을 통해 자동으로 생성하는 것을 말한다. 아타리 2600의 고전 게임을 성공적으로 플레이하는 에이전트를 발표했고 몇몇 게임에서 사람이 플레이한 점수보다 높은 점수를 획득해 더욱 화제가 되었다. 이는 스스로 학습하여 공을 블록 라인 뒤쪽으로 보내는 최적의 방법을 찾아내며 플레이한다. [13]
이 알고리즘이 중요한 이유는 딥러닝을 강화학습에 적용하는 것을 어렵게 하는 문제를 해결했기 때문이다. 어려운 점의 대표적인 예시로는 성공적인 딥러닝을 위해서는 잘 가공된 대규모의 데이터 셋이 필요한데, 강화학습은 인풋에 대응되는 정답을 명확히 알 수 없을뿐더러 지연이 있고 노이즈가 섞인 스칼라 리워드(scalar reward)만으로 네트워크를 학습해야 한다. 또한, 대부분의 딥러닝 알고리즘은 학습 데이터가 서로 독립적임을 가정하는데, 강화학습에 쓰이는 환경에서 제공하는 데이터는 연속된 행동에 대한 결과이지 때문에 서로 연관되어 있다. 심지어 에이전트가 학습함에 따라 정책 또한 달라지면서, 학습 데이터의 분산 자체도 시간에 따라 변화한다. 딥러닝은 데이터에 대해 고정된 기본 분산(fixed underlying distribution)을 가정하기 때문에 학습이 제대로 진행되지 않을 수 있다. DQN은 첫 번째 문제에 대해서는 특별한 해법을 제시하지 않았고, 두 번째 문제는 Experience Replay라는 개념을 통해 어느 정도 해결했다. 이 개념은 들어오는 입력을 순서대로 사용하면 데이터 간 연관성이 너무 커지므로 최근 x개의 데이터를 계속해서 저장하고, 네트워크를 학습할 때에 저장한 데이터 중 몇 개를 무작위로 샘플링하여 사용하는 방법이다. 이 알고리즘은 딥 신경망에 인풋으로 집어넣기 전에 이미지 전처리 과정을 거친다. 그리고 합성곱(Convolution) 과정과 풀링(Pooling) 과정을 통해 진행되는 합성곱 신경망 알고리즘을 통해 정보추출(Information Extraction), 문장분류(Sentence Classification), 얼굴인식(Face Recognition)에 사용되어 진다. 그리고 목표 네트워크를 분리하여서 기존 큐 네트워크의 문제점 중 행동과 타깃을 산출하는 중간에 모델이 계속 훈련된다는 문제를 두 개의 모덴 메인, 타깃을 사용하는 방법을 이용해 해결하는 등의 여러 특징을 가지고 있다.[14]
동영상
- 아타리 벽돌 깨기 게임을 하는 구글 딥마인드의 딥 큐-러닝
각주
- ↑ 딥마인드 공식 홈페이지 - https://deepmind.com/
- ↑ 〈구글 딥마인드에 대해 알아둘 만한 12가지 지식〉, 《씨아이오코리아》, 2019-07-09
- ↑ 기업사전, 〈구글 딥마인드〉, 《네이버 지식백과》, 2016-03-24
- ↑ 연합뉴스, 〈알파고를 탄생시킨 ‘천재’ 개발자들〉, 《사이언스타임즈》, 2016-03-11
- ↑ 한경 경제용어사전, 〈알파고〉, 《네이버 지식백과》, 2017-05-23
- ↑ ICT 시사상식 2017, 〈알파고〉, 《네이버 지식백과》, 2016-12-20
- ↑ Prosto, 〈사람 음성 같은 딥마인드의 웨이브넷〉, 《티스토리》, 2016-09-11
- ↑ Gwangbeen Park, 〈딥마인드, TTS 시스템 웨이브넷을 구글 어시스턴트에 적용〉, 《테크니들》, 2017-10-15
- ↑ 최재운, 〈알파고 이후 3년, 딥마인드의 최근동향과 미래 전망〉, 《소프트웨어정책연구소》, 2019-11-13
- ↑ One Health, 〈구글 딥마인드, 유방암 진단 정확도 방사선 전문의보다 높아〉, 《네이버 블로그》, 2020-04-30
- ↑ 장혜진 기자, 〈구글 딥마인드, 환자 정보 수집 일파만파?〉, 《이코노빌》, 2016-11-25
- ↑ 장혜진 기자, 〈딥마인드 헬스케어, 정보 수집 논란에 블록체인 기술 도입〉, 《이코노빌》, 2017-03-11
- ↑ 기리이이이인, 〈Deep Q Network〉, 《티스토리》, 2018-03-10
- ↑ 숨니야, 〈DQN(Deep Q-Networks)〉, 《티스토리》, 2018-02-04
참고자료
- 기업사전, 〈구글 딥마인드〉, 《네이버 지식백과》, 2016-03-24
- 시사상식사전, 〈구글 딥마인드〉, 《네이버 지식백과》, 2017-06-18
- 딥마인드 공식 홈페이지 - https://deepmind.com/
- 연합뉴스, 〈알파고를 탄생시킨 ‘천재’ 개발자들〉, 《사이언스타임즈》, 2016-03-11
- 〈구글 딥마인드에 대해 알아둘 만한 12가지 지식〉, 《씨아이오코리아》, 2019-07-09
- 한경 경제용어사전, 〈알파고〉, 《네이버 지식백과》, 2017-05-23
- ICT 시사상식 2017, 〈알파고〉, 《네이버 지식백과》, 2016-12-20
- greentec, 〈강화학습 알아보기(2) - DQN〉, 《깃허브》, 2019-04-01
- 숨니야, 〈DQN(Deep Q-Networks)〉, 《티스토리》, 2018-02-04
- 기리이이이인, 〈Deep Q Network〉, 《티스토리》, 2018-03-10
- Jeina, 〈강화학습 개념부터 Deep Q Networks까지, 10분만에 훑어보기〉, 《티스토리》, 2019-10-28
- blogstock, 〈웨이브넷(WaveNet) - 인간처럼 자연스러운 음성으로 출력할 수 있는 기술〉, 《네이버 블로그》, 2016-09-14
- Prosto, 〈사람 음성 같은 딥마인드의 웨이브넷〉, 《티스토리》, 2016-09-11
- 디지털뉴스국 기자, 〈알파고 개발사 딥마인드, 사람 음성 비슷한 컴퓨터 소리 개발〉, 《매일경제》, 2016-09-10
- 유진상 기자, 〈구글 딥마인드, 사람같이 말하는 시스템 '웨이브넷' 개발〉, 《아이티조선》, 2016-09-12
- Gwangbeen Park, 〈딥마인드, TTS 시스템 웨이브넷을 구글 어시스턴트에 적용〉, 《테크니들》, 2017-10-15
- 송주영 기자, 〈구글 딥마인드, 사람처럼 말하는 '웨이브넷' 개발〉, 《지디넷코리아》, 2016-09-11
- 최재운, 〈알파고 이후 3년, 딥마인드의 최근동향과 미래 전망〉, 《소프트웨어정책연구소》, 2019-11-13
- One Health, 〈구글 딥마인드, 유방암 진단 정확도 방사선 전문의보다 높아〉, 《네이버 블로그》, 2020-04-30
- 장혜진 기자, 〈구글 딥마인드, 환자 정보 수집 일파만파?〉, 《이코노빌》, 2016-11-25
- 장혜진 기자, 〈딥마인드 헬스케어, 정보 수집 논란에 블록체인 기술 도입〉, 《이코노빌》, 2017-03-11
같이 보기
이 문서는 로고 수정이 필요합니다.
