실제 강아지처럼 넘어지며 배우는 로봇 강아지 ‘루나’ 공개… 프로그래밍 없이 생체 원리로 학습한다

A Foundational Theory for Decentralized Sensory Learning

“데이터셋 0개로 학습” 아기처럼 걷는 법을 스스로 터득하는 AI 로봇의 출현

스웨덴의 AI 스타트업 인튜이셀(IntuiCell)이 기존 인공지능과 완전히 다른 학습 방식을 채택한 로봇 강아지 ‘루나’를 공개했다. DRM News에 따르면, 루나는 방대한 데이터셋이나 사전 훈련에 의존하는 기존 AI 모델과 달리 디지털 신경계를 통해 환경과 직접 상호작용하며 실시간으로 학습하는 특징을 가지고 있다. 마치 갓 태어난 기린이나 인간 아기가 서는 법을 배우는 것처럼, 루나는 오프라인 시뮬레이션이나 사전 프로그래밍 없이도 자신의 움직임을 스스로 개선한다.

인튜이셀의 빅터 루스만은 “이것은 오늘날의 AI와 내일의 AI의 차이가 아니라, 기계 학습과 생물학적 지능 사이의 근본적인 차이입니다. 우리가 여기서 구현하고 있는 것은 AI의 다음 변곡점, 다음 S 곡선입니다”라고 강조했다. 이러한 접근 방식은 지구상 최초의 단세포 생명체부터 이어져 온 35억 년의 진화 원리를 AI에 적용한 결과물이다.

35억 년 진화의 비밀… “센서 신호 최소화”가 생물 학습의 핵심 메커니즘

루나의 학습 시스템은 인튜이셀이 발표한 연구 “A Foundational Theory for Decentralized Sensory Learning”에 기반하고 있다. 이 연구에 따르면 생물학적 학습의 핵심은 “세포가 센서를 통해 받는 신호를 최소화하려는 노력”에 있다. 즉, 세포는 센서 신호를 ‘해결해야 할 문제’로 인식하고 이를 줄이는 방향으로 행동한다는 것이다.

기존 AI가 외부에서 정의된 오류를 수정하거나 전역 학습 알고리즘을 통해 학습하는 것과 달리, 루나의 시스템은 이러한 생물학적 원리를 따른다. 인튜이셀 연구팀은 “감각 활동의 충분한 최소화가 신경망의 완전한 보상 신호가 될 수 있으며, 이것이 생물학적 학습에 필요하고도 충분한 조건”이라고 설명한다. 이런 접근법은 역전파 학습이나 다른 전역 보상 신호 없이도 자체적으로 학습 시스템이 작동할 수 있게 한다.

울퉁불퉁한 바위부터 얼음 표면까지, 예측 불가능한 환경에 실시간 적응하는 혁신 기술

루나의 가장 큰 강점은 예측 불가능한 환경에서의 적응 능력이다. 이 로봇 강아지는 자율적으로 울퉁불퉁한 바위나 얼음 표면과 같은 새로운 지형에 적응할 수 있어, 우주 탐사나 재난 대응과 같은 까다로운 환경에서의 로봇 공학에 혁신을 가져올 것으로 기대된다. 기존의 로봇이 미리 프로그래밍된 환경에서만 효과적으로 작동하거나, 새로운 환경에 적응하기 위해 방대한 데이터셋과 훈련이 필요했던 것과 달리, 루나는 자신이 감지하는 ‘문제’를 줄이는 방향으로 실시간 학습하며 환경에 적응한다. 이는 인간이 직접 접근하기 어렵거나 위험한 상황에서 로봇의 활용 가능성을 크게 확장시킨다.

인간 피부의 40만 개 센서처럼 “신경망은 문제 해결 시스템”이라는 패러다임 전환

인튜이셀 연구팀의 혁신적인 접근법은 신경망에 대한 기존 관점을 완전히 뒤집는다. 그들은 “기초 뇌 구조는 정보를 추출하고 평가하는 것이 아니라, 감지된 문제를 효율적으로 공통 형식으로 세포에서 세포로 전달하여 각 감지된 문제가 분리되고 적절한 작동 메커니즘에 의해 해결되도록 한다”고 주장한다.

이러한 관점에서 루나의 디지털 신경계는 외부 환경에서 오는 다양한 신호를 ‘해결해야 할 문제’로 인식하고, 이 문제들을 효율적으로 처리하기 위한 시스템으로 작동한다. 인간의 피부에 있는 약 40만 개 이상의 기계감각 센서가 다양한 활성화 임계값을 가진 계층적 구조로 배열되어 있는 것처럼, 루나의 센서 시스템도 생물학적 원리를 모방하여 설계되었다.

인튜이셀은 이 기술을 루나를 넘어 확장할 계획이며, 특히 복잡한 실제 환경에서 작동할 수 있는 인간형 로봇에 적용하는 것을 구상하고 있다. 이는 AI 기술이 기존의 데이터 중심 학습에서 생물학적 원리에 기반한 적응형 학습으로 패러다임이 전환되는 중요한 순간을 보여준다.

FAQ

Q: 분산 감각 학습 이론이 기존의 AI 학습 방식과 어떻게 다른가요?

A: 기존 AI는 외부에서 오류를 지적받아 학습하는 반면, 분산 감각 학습은 각 부분이 감지하는 ‘문제’를 줄이는 방향으로 학습합니다. 마치 우리가 뜨거운 것을 만졌을 때 손을 떼는 것처럼, 불편함이나 위험을 줄이는 방향으로 스스로 학습하는 방식입니다.

Q: 이 연구가 실제 AI 개발에 어떻게 적용되고 있나요?

A: 이미 실제 적용 사례가 나타나고 있습니다. 스웨덴의 인튜이셀(IntuiCell)이 개발한 로봇 강아지 ‘루나’는 이 원리를 적용해 외부의 지도 없이 환경과 상호작용하며 스스로 학습합니다. 울퉁불퉁한 바위나 얼음 표면 같은 새로운 환경에서도 자율적으로 적응하는 능력을 보여주며, 이는 우주 탐사나 재난 대응과 같은 분야에 혁신을 가져올 것으로 기대됩니다. 앞으로 더 많은 응용 사례가 등장할 것으로 예상됩니다.

Q: 단세포 생물에서의 학습이 인간의 뇌 학습과 어떻게 연결되나요?

A: 연구에 따르면, 단세포 생물의 간단한 문제 해결 방식이 진화를 통해 더 복잡한 형태로 발전해 인간의 뇌까지 이어졌습니다. 즉, 아메바가 먹이를 찾아 이동하는 단순한 학습 과정과 인간이 복잡한 문제를 해결하는 과정은 근본적으로 같은 원리라는 것입니다. 둘 다 ‘문제’를 감지하고 이를 해결하기 위해 행동을 조정하는 과정이니까요.

해당 기사에서 인용한 논문 원문은 링크에서 확인할 수 있다.

이미지 출처: IntuiCell

기사는 클로드와 챗GPT를 활용해 작성되었습니다.