노드들의 연결로 만들어지는 인공신경망 [스웨덴 왕립 과학 아카데미 제공. 재판매 및 DB 금지]

(서울=연합뉴스) 조승한 기자 = 올해 노벨 물리학상 수상자로 선정된 존 홉필드와 제프리 힌턴은 물리학의 원리를 사용해 인공 신경망을 구축함으로써 오늘날 모든 분야에 활용되는 인공지능(AI)의 토대가 된 기계학습의 기초를 다졌다.

컴퓨터는 인간처럼 생각할 수는 없지만 인간이 가진 기억과 학습 같은 기능을 모방할 수는 있다.

연구자들은 뇌의 뉴런과 시냅스 네트워크의 기초를 연구하면서 이를 컴퓨터 시뮬레이션으로 모방해 어떻게 재현할지를 연구해 왔는데, 이들은 물리학을 활용해 이를 컴퓨터에 적용할 수 있는 구조로 만들어냈다.

조정효 서울대 물리교육과 교수는 "홉필드는 원래 고체 물성을 연구하다가 노년에 생물 쪽에 관심을 갖고 뉴런 연결을 그래프로 표현해 기억을 설명하는 '홉필드 모델'을 제안했다"며 "힌턴은 뇌가 어떻게 학습하는지를 오래 연구하면서 홉필드가 제안한 신경망이 학습할 수 있는 알고리즘을 개발했다"고 설명했다.

홉필드는 전자의 물성인 스핀으로 물질의 특성을 설명하는 자성물질에 적용되는 물리학을 활용해 패턴(특성)을 저장하고 재생성하는 '홉필드 네트워크'를 만들었다.

스핀은 0과 1로 설명할 수 있는데 뉴런도 활성화와 비활성화로 설명할 수 있는 만큼 스핀 모형과 수학적으로 똑같이 설명할 수 있다는 것이다.

이 네트워크는 서로 다른 강도의 연결을 통해 연결되는데, 노드(점)의 상태를 바꿀 때마다 연결에 따른 에너지가 낮아지는지 확인하면서 가장 에너지가 낮은 패턴을 찾아낸다.

조 교수는 "물리학에서는 여러 상태가 있을 때 에너지가 낮은 상태가 더 발현될 가능성이 크다고 보는 것을 이용하는 것"이라고 말했다.

힌턴은 홉필드 네트워크를 기반으로 주어진 유형의 데이터에서 특징적인 요소를 통계물리학적으로 찾아내는 '볼츠만 머신'을 개발했다.

19세기 물리학자 루트비히 볼츠만은 가스 분자들의 상호작용에서 개별 분자를 추적하는 대신 통계물리학적으로 분석해 가장 확률 높은 압력이나 온도를 결정하는 방정식을 만들었는데, 이를 여기에 적용한 것이다.

이 머신은 네트워크의 연결 강도를 조절해 최적화하는 방식으로 예시에서 패턴을 학습할 수 있다.

조 교수는 이들의 연구 이후에 인공신경망 분야는 상대적으로 덜 주목받는 시점도 있었지만, 2010년대 이후 연산능력의 향상, 대용량 데이터를 다루는 기술 등이 더해지면서 최근의 폭발적 AI 기술 성장이 이뤄졌다고 설명했다.

조 교수는 "지금은 상상 못 할 정도로 신경망을 통해 데이터를 잘 표현할 수 있다"며 "최근 챗GPT를 포함한 AI 발달에 따른 사회 영향력을 중요하게 생각해 수상하지 않았나 한다"고 말했다.

shjo@yna.co.kr

▶제보는 카카오톡 okjebo
▶연합뉴스 앱 지금 바로 다운받기~
▶네이버 연합뉴스 채널 구독하기
<저작권자(c) 연합뉴스, 무단 전재-재배포, AI 학습 및 활용 금지>