[GTC 2016] 딥 러닝 기반 인공지능, 이젠 예술의 세계로 발을 뻗다
기계는 과연 ‘예술’을 할 수 있을까요? GTC 2016에서 전시되고 있는 그림을 통해 그 답을 얻을 수 있을 텐데요.
강력한 DCGAN(Deep Convolutional Generative Adversarial Networks)의 데모는 유사한 특징을 가지는 수천 개의 예술 작품을 그릴 수 있습니다. 예를 들면 빅토리아 시대 미술양식의 그림을 그리는 것이 가능하고. 이 기능은 동일한 양식으로 그림을 그릴 수 있게 훈련하는 딥 러닝(Deep Learning)에 의해 가능하게 되었습니다. 오래 전에 세상을 떠난 화가들의 그림을 가지고 싶어하는 사람들에게는 어쩌면 좋은 소식이 될 수도 있겠지요. 그런데, DCGAN은 단순히 아름다운 그림을 그리는 것만이 아닙니다.
아름다운 그림, 그 이상의 것
DCGAN은 페이스북(Facebook)의 수미스 친탈라(Soumith Chintala) 연구원의 작업을 기반으로 한 자율 학습(unsupervised learning) 기능을 가지고 있습니다. 많은 사람들은 이 기능을 인공지능 연구의 높은 경지로 여기고 있죠.
엔비디아는 DCGAN의 데모를 만들기 위해서 수천 개의 랜덤 이미지로 딥 러닝을 훈련시켰으며 DCGAN는 데이터 안의 식별된 특징과 이미지를 분석했습니다. 예를 들어 별다른 구분 표시가 없이도 정물과 풍경 그림의 식별할 수 있었죠.
한 걸음 더 나아가서 DCGAN은 학습한 그림들이 가지는 각각의 특징을 이해함으로써 독창적인 예술작품을 창조할 수 있습니다. 딥 러닝 분야는 상당히 빠르게 성장하고 있고, 이를 지켜보고 있는 사람들에게는 DCGAN가 엄청난 사건이라고 할 수 있습니다. 딥 러닝은 전통적인 프로그래밍 방식으로는 복잡해서 풀기 어려운 문제를 컴퓨터가 해결하도록 하는 인공지능의 한 분야입니다.
딥 러닝의 처리방식은 그 이름으로 유추해 볼 수 있습니다. 바로 경험으로부터 학습하는 방식으로, 사람의 학습 방식과 유사합니다. 그래픽 처리장치 내의 병렬구조와 연관이 깊은 딥 러닝은 GPU로부터 구동력을 얻을 수 있습니다.
누구도 찾지 못했던 연계성을 발견하다
(빈센트 반 고흐 스타일의 세부양식)
그렇다면 자율학습은 왜 중요한 의미를 지닐까요? 딥 러닝의 훈련 과정에는 엄청난 양의 데이터 입력 작업이 포함됩니다.
지도학습(Supervised learning)은 사람이 이미 분류한 데이터를 이용하지만, 자율학습은 분류하지 않은 데이터를 이용하지요.
고양이 이미지를 인식하도록 딥 러닝 기반 시스템을 훈련시킨다고 생각해보면, 지도학습을 이용하면 연구원은 고양이를 구별하도록 시스템을 훈련시키기 위해 필요한 이미지를 일일이 표시해야 합니다.
하지만 자율학습에서는 구분 표시가 필요없습니다. 자료 분류를 통해서 시스템이 스스로 데이터를 구별해내는 방식이기 때문에 개발자의 입력 없이도 시스템이 데이터의 패턴을 탐지할 수 있습니다.
이는 데이터 사이언티스트가 제공하는 구분 표시로 제한되지 않습니다. 따라서 우리가 찾을 수 없다고 생각하는 연계성을 확인할 수가 있습니다. 자율학습은 특히 지금까지는 해결 불가능했던 문제에 도움을 줄 수 있는 것으로 증명되었습니다.
세상을 바꾸다
GTC에서, DCGAN는 예술을 창조하고 있습니다. 조만간 동일한 원리를 기반으로 하는 시스템이 사람들의 복잡한 문제들을 해결하는데 엄청난 도움이 될 것입니다. 컴퓨터시각과 자연언어 처리에서 의료진단에 이르기까지, GPU에 의해 가속화되는 딥 러닝이 세상을 변화시키고 있습니다. 과연 그 한계는 어디까지 일까요?