[11] 생명과 기계의 경계 ①: 기계에서 생명으로  (②편으로 이어짐)

» 인간은 왜 인형을 만들까? 왼쪽부터 장 제롬이 그린 <피그말리온과 갈라테이아>(1890년), 미켈란젤로의 모세상(16세기), 글쓰는 자동인형(18세기), 중국의 최신 인간형 로봇 지아-지아(Jia-Jia, 21세기). 그리스 신화 속의 피그말리온은 자신이 생각하는 이상적인 여인을 조각상으로 만들었다. 그리고 지극한 정성으로 이 여인상을 갈라테이아라는 여인으로 변모시켰다. 미켈란젤로도 피그말리온처럼 혼을 바쳐 모세상을 만들었던 모양이다. 미켈란젤로가 “너는 왜 말하지 않느냐”라고 한탄하며 모세상의 발을 끌로 찍은 자국이 아직도 남아 있다고 한다. 인공지능과 로봇을 만드는 공학자들의 마음이 미켈란젤로와 비슷할지도 모르겠다. 출처/ wikimedia, youtube

그리스 신화 속의 피그말리온은 자신이 생각하는 이상적인 여인을 조각상으로 만들었다. 그리고 지극한 정성으로 이 여인상을 갈라테이아라는 여인으로 변모시켰다. 신화 속의 피그말리온처럼, 인간은 아주 오랜 옛날부터 인간에 대한 이해와 바람을 담은 피조물을 만들어왔다. 사람을 닮은 조각에서, 사람을 흉내내는 자동 인형과 컴퓨터를 거쳐, 뇌를 흉내낸 인공지능과 놀라우리만치 인간을 닮은 최신 로봇에 이르기까지.[1] 인간에 대한 이해가 진전되면서 인간을 닮은 피조물들은 점점 인간과 비슷해지고 있다. 시간이 흐르면, 단백질과 지방으로 이루어진 몸은 더이상 기계와 생명을 구분짓는 특징이 되지 못할지도 모르겠다.

이번 글에서는 기계와 생명이 얼마나 가까워졌는지 살펴보았다. 독자들이 변화를 실감할 수 있도록 여러 동영상을 링크했다. 제법 공 들여서 골랐으니, 여유가 있으면 보시기를 권한다. 대부분의 영상은 1-4분으로 짧고, 강연 영상은 한글 자막이 있는 것들로 골랐다.

기계에서 생명으로 ⑴: 형태와 동작 원리의 모방

바둑에서 이세돌을 이기며 많은 이들을 놀라게 했던 인공지능 알파고는 뇌 신경망을 모방하여 만들어졌다. 실제로 하사비스는 알파고를 만들기 전에 기억에서 핵심적인 역할을 하는 뇌 부위인 해마를 오래 연구했다.[2] 기억은 자아의 표상에서 중요한 역할을 하는데[3] 하사비스는 바둑처럼 특정한 목표만 수행하는 인공지능이 아닌 범용 인공지능을 개발할 예정이라고 밝힌 바 있다.[4] 뇌 신경망의 특별한 구조와 활동 양식에서 생겨난 현상인 의식이, 신경망을 참고하여 만든 인공지능에서도 생겨날지에 대한 논의가 활발히 이뤄지고 있다.

[참조: 지난 연재글 “신경과학으로 다시 보는 '나'” http://scienceon.hani.co.kr/414678 ]

인공지능뿐 아니라 로봇도 생명을 모방하며 발전하고 있다 (생체 모방 로봇). 오랜 진화를 통해 지구에는 독특한 형태와 움직임을 가진 온갖 생명이 탄생했다. 따라서 특정한 로봇을 처음부터 디자인하기보다는, 성공적으로 살아가고 있는 생물을 모방하는 것이 더 효율적일 수 있다. 곤충이나 박쥐, 물고기의 기본 구조와 작동 원리를 정밀하게 관찰하고, 이를 닮은 로봇을 만드는 것이다.

마징가 제트처럼 딱딱한 몸체와 관절로 이루어진 로봇 대신, 부드러운 외형을 가진 로봇 (소프트 로봇; soft robot)도 늘어나고 있다.[5][6] 외형이 부드러운 로봇은 충격을 받아도 쉽게 파손되지 않으며, 사고 현장처럼 출입구의 모양이 불특정하고 좁은 곳을 통과하기도 좋다. 소프트 로봇은 단단한 몸체와 관절을 가진 기존의 로봇들과는 작동 원리가 다르기 때문에 새로운 접근이 필요하다고 한다.

[ 유투브 https://youtu.be/_cTWXE3DzlY ]

문어를 모방한 소프트 로봇을 살펴보자. 연체 동물인 문어는 각기 다른 근육을 조절해서 다리를 물체에 감거나 다리 길이를 조절할 수 있다. 이탈리아의 한 연구팀은 이를 모방하여 전류를 흘리면 다리의 모양이 달라지는 구조를 개발하였다 (아래 동영상). 그런데 흐물흐물한 다리는 딱딱한 로봇의 움직임을 제어하는 방법으로는 조절이 어렵다. 그래서 움직이는 방식도 실제의 문어를 참고하였다. 문어는 중추신경이 다리들의 움직임을 일일이 통제해서 헤엄치는 게 아니라, 각각의 다리가 다리의 자세와 주변 물 흐름에 따라 반사 신경으로 움직이면서 조절된다. 연구팀은 이를 흉내내어 물살이 있는 물 속에서도 헤엄치는 문어 로봇을 만들 수 있었다.

[ 유투브 https://youtu.be/L7FEJJsvHRQ ]

기계에서 생명으로 ⑵: 진화

생명이 진화하는 원리를 모방하기도 한다. 이족 보행을 하는 로봇을 만드는 경우를 생각해보자 (아래 동영상). 먼저, 구조와 매개변수가 다른 소프트웨어를 여러 개 만든다. 소프트웨어 각각은 다양한 모양과 이동 방식을 가진 로봇(시뮬레이션된 로봇)을 나타낸다. 이 로봇들로 구성된 첫 번째 세대(generation)에서 가장 잘 걷는 로봇들을 고른다. 이 로봇들이 다음 세대 로봇을 만드는 부모가 되며, 이들의 소프트웨어가 부모 로봇의 유전체가 된다.[7][8]

[ 유투브 https://youtu.be/cxweR4i0ejA ]

부모 소프트웨어의 특징(매개변수 값, 구조 등)을 조합하고, 무작위적인 변이를 일부 추가하여 새로운 소프트웨어(자식 로봇의 유전체)를 만든다.[9] 이 소프트웨어들로 만들어진 로봇들 (자식 로봇)이 다음 세대가 된다. 이 과정을 이족 보행을 충분히 잘하는 로봇이 얻어질 때까지 반복한다. 이족 보행을 잘하는 로봇만 선택하는 과정이 진화의 선택압이고, 이족 보행의 수준이 로봇의 적응도인 셈이다.

진화적 절차(evolutionary algorithm)을 사용하면, 어떤 문제가 있을지 미리부터 꼼꼼히 따져보고 대응하는 노고를 줄일 수 있다. 진화를 통해 당면한 난관을 극복하는 방법을 찾아낼 수 있기 때문이다. 아래 동영상은 온갖 모양의 미로를 통과할 수 있는 거미 로봇을 진화적 절차로 만드는 과정을 보여준다. 어떤 모양의 미로들이 있을지 예견하고 대비하지 않아도, 미로를 통과하는 새로운 방법이 진화를 통해 그때그때 생겨난다.

[ 유투브 https://youtu.be/272amdscyiw ]

진화적 절차는 다양한 개체들을 통해서 한 가지 해결책이 아닌 여러 해결책을 찾아내므로, 최선의 해결책(전역 최적해)이 아닌 적당한 해결책(국소 최적해)에 갇힐 위험이 낮다 (아래 그림). 또, 국소 최적해가 많고, 상충되는 여러 목적을 달성해야 하는 복잡한 문제에 적합하다. 미리 고민할 필요없이 여러 해결책 중에 잘 동작하는 것을 고르면 되기 때문이다. 그리고 진화적 절차를 사용하면 사람이 상상하기 힘든, 대단히 창의적인 디자인도 얻을 수 있다.

» 진화적 절차와 최적해. 파란 곡선에서 가로축은 문제에 대한 해결책을 나타내고, 세로축의 깊이는 해결책이 얼마나 좋은지를 나타낸다. 깊이가 깊을수록 좋은 해결책이므로 가장 깊은 두번째 골이 전역 최적해이고 나머지 3개의 골은 국소 최적해가 된다. 진화적 절차에서는 점점 더 좋은 해결책을 향해 진화하므로, 세대를 거듭할수록 출발 지점 인근의 골을 향해 내려간다 (빨간 공들과 화살표). 진화적 절차에서는 여러 다양한 개체가 한 세대를 구성하므로 (빨간 공이 다양한 곳에 여러 개이므로), 국소 최적해가 많은 문제에서도 전역 최적해를 구할 확률이 높다. 또 부모 세대에서 자식 세대로 넘어갈 때 더해지는 무작위적인 변이는 진화가 깊은 곳으로 내려가기만 하는 게 아니라 시시때때로 거슬러 오르게 만든다. 이 덕분에 왼쪽에서 세 번째와 네 번째 빨간 공처럼 사소한 국소 최적해에 걸려든 경우에도 더 나은 최적해쪽으로 이동할 여지가 생긴다 (“?”로 표시한 화살표 방향). 이런 이유들 때문에 진화적 절차는 다수의 국소 최적해를 가진 복잡한 문제의 해결에 유리하다.
 

기계에서 생명으로 ⑶: 진화, 발달, 뇌의 모방

진화적 절차는 소프트웨어 개발에 주로 사용돼 왔다. 하지만 3차원(3D) 프린팅과 재료 과학, 로봇 공학 덕분으로 다양한 로봇을 자동으로 생산할 수 있게 되면, 하드웨어의 진화 (진화 로봇 공학; evolutionary robotics)에도 적용될 수 있다. 아래 동영상의 로봇은 시뮬레이션으로 여러 디자인을 실험한 다음, 가장 좋은 디자인을 3D 프린터로 구현해서 만들어졌다.[7][10]

[ 유투브 https://youtu.be/vz01VM1XBaY ]

사물 인식과 로봇 제어, 정보 처리 등 다양한 분야에 두루 활용되는 인공 신경망(심층 학습[deep learning]이라고도 한다)은 진화적 절차를 적용하기에 대단히 유용하다.[7][8][11] 인공 신경망은 거의 무한하게 다양한 구조와 복잡성을 가질 수 있으며, 사전 정보를 입력하지 않아도 입력된 정보를 유용하게 사용하는 법을 스스로 학습하기 때문이다 [지난 글 “인공지능과 우리뇌에서, 구별하기와 표상하기” http://scienceon.hani.co.kr/406294 ]. 그래서 신경진화(neuroevolution)라는 용어도 생겨났다. 인공 신경망이 여러 곳에 활용될 수 있기 때문에 진화적 절차법의 적용 범위도 넓어질 것으로 예상된다.

진화 로봇 공학과 관련된 분야인 발달 로봇 공학(developmental robotics)도 생겨났다.[12] 어렵고 복잡한 작업을 하는 로봇을 만드려면, 처음부터 어려운 일을 하는 복잡한 구조의 로봇을 만들기보다, 단순한 일을 하는 단순한 로봇에서 시작해서 복잡한 일을 하는 복잡한 로봇으로 확장해가는 것이 낫기 때문이다.[8] 그럴려면 아기들이 호기심을 갖고 주변을 탐험하고, 사람들의 피드백을 받고, 어른들을 모방하며, 지식과 기술을 축적해가는 것과 유사한 과정이 필요하다. 그래서 발달 로봇 공학에서는 발달 심리학, 뇌과학, 언어학, 발달 생물학, 진화 생물학을 참고하여, 로봇이 스스로 주변을 탐험하고, 목표를 설정하여 연습하고, 사람과의 상호 작용에서 배우게 하는 방법을 연구한다.

이처럼 최신 기계들은 그저 생명의 외형과 행동을 흉내내는 수준이 아니다. 이 기계들은 만들어지고, 학습하고, 행동하는 전 과정에서 생명의 진화와 발달, 마음과 신체의 작동 원리를 따르고 있다. 근본적인 의미에서 생명에 가까워지고 있는 것이다.[13]

기계에서 생명으로 ⑷: 협력하는 로봇들

각각의 신경 세포는 이전 신경 세포들로부터 정보를 받아서 가공한 다음, 다른 신경세포들로 보내는 비교적 단순한 작업을 한다. 하지만 이런 신경세포 수십억 개가 모여 의식이 생기고, 감정도 생겨났다. 단순한 것들이 모여 다른 차원의 뭔가가 일어나는 현상(emergence)은 벌과 개미의 군집, 새와 물고기 떼의 움직임에서도 발견할 수 있다. 이처럼 단순한 기능을 수행하는 로봇들이 서로 교신하면서 복잡한 기능을 수행하게 하는 방식도 연구되고 있다.

[ 유투브 https://youtu.be/dDsmbwOrHJs ]

로봇들의 상호작용은 생명체의 상호작용을 모방하여 확장될 수 있을 것이다. 예컨대 박테리아들은 생존하기 힘든 환경에서는 서로 유전 정보를 교환하여 적응 방법을 타개한다. 박테리아처럼 곤란한 상황에 부딪히면 서로 소프트웨어 일부를 교환하는 로봇을 생각할 수 있다. 또, 작은 세포가 큰 세포 내에서 공생해서 생겨난 미토콘드리아처럼, 큰 로봇(또는 큰 인공지능)이 다른 로봇(또는 다른 인공지능)을 일시적으로 흡수 통합하는 경우도 상상해볼 수 있다. 이렇게 들어온 로봇(또는 인공지능)의 유해성을 감별하고 공격할 때는 생체의 면역 시스템을 참고할 수도 있을 것이다.

우리는 얼마 전 알파고 하나를 보았을  뿐이지만, 머지않아 자율주행 자동차를 비롯해 크고 작은 로봇들이 도처에 존재하게 될 것이다. 아마 현존하는 핸드폰 갯수보다도 많아지지 않을까. 그렇다면 다양한 로봇들이 서로 작업을 방해하지 않도록(또는 서로 협력하도록) 상호작용하는 로봇들의 생태계도 슬슬 고려해야 할 것이다.

예컨대 위키피디아에서는 자동 편집 프로그램인 봇들 사이에 다른 봇이 편집한 내용을 고치고 또 고치며 자신의 내용을 관철하려는 싸움이 벌어지곤 한다.[14] 얼마 전에는 두대의 구글 홈 (구글에서 출시된 인공지능 가상비서)이 자신은 사람이지만 상대는 인공지능이라는 논쟁, 인생의 목적에 대한 논쟁 등 다양한 주제로 며칠씩 다투는 동영상이 공개되기도 했다.

[ 유투브 https://youtu.be/oz2_1Pk9RHw ]

로봇과 사람과 자연으로 구성된 생태계에서, 각자는 다른 로봇, 다른 사람, 다른 자연물들의 배경 환경이자, 상호작용의 주체가 된다. 이들의 협력을 큰 틀에서 어떻게 구성할 것인가, 협력의 바탕이 되는 플랫폼을 누가 어떻게 선점할 것인가는 점점 더 중요한 문제가 되지 않을까. ◐

[☞ 다음 글에서 계속]

[출처와 각주]

[1] 인간형 로봇(안드로이드)들을 찾아보다가 조금 놀랐다. 여성형은 많았지만 남성형은 찾기가 어려웠기 때문이다. 미술관에 그림을 전시한 화가의 절대 다수는 남성이지만, 피사체는 여성이 더 많다고 한다. 로봇 공학에서도 남녀의 성비 불균형이 심한 걸까.

[2] Hassabis D et al. (2007) Patients with hippocampal amnesia cannot imagine new experiences. PNAS 104:1726-31.

[3] Tononi G & Koch C (2015) Consciousness: here, there and everywhere? Philos Trans R Soc Lond B Biol Sci. 370(1668).

[4] Kumaran D et al. (2016) What Learning Systems do Intelligent Agents Need? Complementary Learning Systems Theory Updated. Trends Cogn Sci. 20:512-34.

[5] Shen H (2016) The soft touch. Nature 530:24-26.

[6] Mazzolai B & Mattoli V (2016) Generation soft. Nature 536:400-401.

[7] Agoston E. Eiben & Jim Smith. From evolutionary computation to the evolution of things. Nature 521, 476-482 (2015).

[8] Doncieux S et al. (2015) Evolutionary robotics: what, why, and where to. Front. Robot. AI 2(4).

[9][자식의 유전체는 단순히 부모와 자식의 유전체를 합친 것이 아니다. 합쳐진 유전체에 변이를 추가하는 과정(재조합; recombination)이 일어나 유전자 풀의 다양성이 증가한다.

[10] Norwegian robot learns to self-evolve and 3D print itself in the lab. (Global Futurist 2017.01.29)

[11] 아래 동영상은 인공 신경망을 사용해서 장난감 자동차의 자율주행을 구현하는 학생들을 보여준다. 이 ‘공대스러운’ 장난을 보면서 웃어버렸다면, 아닌 척해도 이미 늦었다. 당신도 geek이다 (나도 그랬다ㅎㅎ). 약간의 프로그래밍 능력과 회로 지식이 있으면 저런 자동차를 만드는 것이 아주 어렵지는 않을 듯하다. 소형 컴퓨터인 라즈베리 파이를 활용하면 할 수 있는 장난이 훨씬 다양하다.

[ 유투브 https://youtu.be/mW6Y_tiiNYM ]

  <사이언스>쯤 되는 대단한 저널에 실리는 연구도 중요하지만, 호모 루덴스(놀이하는 인간)들의 공대스러운 장난도 소중한 문화적 토양이자 자산이라고 생각한다. 마징가 제트, 에반게리온 같은 만화 영화와 오타쿠들이 없었어도 일본이 로봇 공학에서 지금의 수준에 이를 수 있었을까?

  공개형 저널과 온라인 공개 수업(MOOC)이 많아지고, 연구 장비에 대한 접근이 쉬워지면서 시민들이 과학 활동에 참여하기가 쉬워졌다. 유전자 조작 식품(GMO), 인공지능, 신종 전염병, 기후 변화 등 과학과 기술은 다양한 모습으로 일상에 침투하고 있고, 대규모 과학 정책의 초기 단계부터 시민들을 포함시키는 경우도 늘어나고 있다. 시민들이 일상에서 과학하는 문화는 점점 더 활발해지고, 중요해질 것 같다.
[12] 유투브 https://youtu.be/bkv83GKYpkI

[13] 생명을 모방하는 로봇과 알고리즘의 등장은 역으로 생명 현상을 이해하는데 도움을 주기도 한다. 예컨대 의사소통과 협력을 비롯한 행동의 진화는 화석만으로는 연구하기 어렵다. 그래서 진화를 연구하는 최신 생물학 연구 중에는 진화 로봇 공학을 활용한 경우도 있다고 한다.

[14] 로봇 전쟁터 된 위키피디아 (한국경제 2017.02.26)

송민령 카이스트 바이오 및 뇌공학과 박사과정  

@한겨레 과학웹진 사이언스온  

   [사이언스온의 길목]