노벨 물리학상 수상 중계! 딥러닝과 AI의 탄생! [항성의 우주속으로]

안될과학 Unrealscience
147 팔로워
노벨상의 시즌이 돌아왔습니다!
10월 7일 노벨 생리의학상에 이어,
10월 8일에는 노벨 물리학상이 발표되었는데요,
2024 노벨 물리학상의 주인공은 누구?!
과연 딥러닝과 AI의 탄생의 의의가 무엇인지
항성의 우주속으로에서 간단히 알아봅니다!
◆ 2024 신상 굿즈 블록 피규어 키링 + 포스터 출시
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#노벨상 #노벨물리학상 #인공지능 #딥러닝 #AI
◆ Thanks to
Editor: 이재현
◆ 안될과학-모어사이언스 스마트스토어 (과학굿즈)
https://smartstore.naver.com/morescience
◆ 안될과학 인스타그램
https://www.instagram.com/unreal.science
◆ 안될과학 커뮤니티
https://cafe.naver.com/unrealscience
◆ 안될과학 문의
E-MAIL : [email protected]
인사할 시간만 있습니다.
향성의 우주 속으로의 향성입니다.
어제 노벨 생리의학상을 시작으로
오늘은 노벨 물리학상
그리고 내일은 노벨 화학상
이렇게 3일 연속으로 제가 노벨상 수상자 발표하는 장면을
생중계로 전해드릴 예정인데요.
오늘은 노벨 물리학상이 발표가 될 건데요.
여러분들과 함께 이야기를 나눠보도록 하겠습니다.
자, 여기 딱 나오죠?
지금까지 총 224명이
로렌스 브래그 너무나 유명하죠.
25살에 노벨상을 탔고
또 가장 올디스트 나오지 않을까요?
에스킨 교수님이 96살에 노벨상을 탔습니다.
그리고 존 바딘 교수님이
노벨 물리학상을 두 번이나 받으신 유일한 사람이라는
여러 가지 깨알 같은 정보도 나왔습니다.
언제든지 스웨덴어로 먼저 얘기를 하고
전통에 따라서 그 다음에 영어로 발표를 합니다.
스웨덴 언어는 제가 통역을 할 수가 없어요.
머신즈 대 런!
배울 수 있는 기계에 대한 얘기예요.
존 호필드 제프리 힌턴
AI와 관련된 머신 러닝에 대해서
역시 대세는 지금 AI이네요.
통계 물리학에서 인공신경망을 만드신
국로에 의해서 수상을 하게 됩니다.
머신 러닝이라는 것은 미래를 바꿀 수 있고
뇌를 연구를 할 수 있는 기여를 했다고 합니다.
존 호필드 교수님 같은 경우
우리 뇌의 작동 방식에서 영감을 받아서
새로운 종류의 컴퓨터 모델을 만드신 분입니다.
우리는 이런 것을 호필드 네트워크라고 하죠.
아티피셜 뉴런 네트워크
AI 인공신경망이 드디어 노벨상을 받으면서
앞으로 발전 가능성을 훨씬 더 주고 있습니다.
포유류라든지 이런 뇌는 패턴을 인식하는 데 매우 훌륭하죠.
되게 간소화된 뉴런을 가지고
인공신경망의 기초를 만든 거죠.
이 두 과학적 연구가 마치 컴퓨터에 뇌를 준 것과 같습니다.
호필드 교수님은 기초를 만들었고
힌턴 교수님 같은 경우에는
그 위에다가 고층 빌딩을 세운 거라고 볼 수가 있을 겁니다.
그래서 이들의 연구 덕분에 우리는 스마트폰이라든지
이런 것들을 얼굴을 인식을 하고
음성 비사하고 대화를 하고
자동 번역 같은 것도 우리가 쓸 수 있는 거죠.
뇌의 작동 방식을 단순화해서 모델링을 한 거죠.
마치 뇌의 여러 뉴런들이 서로 연결되어 있는 것처럼
작동을 하는 거예요.
그래서 많은 노드들이 서로 켜져 있는 거라든지
아니면 꺼짐 상태를 가질 수가 있는 거죠.
그래서 이 패턴을 저장을 하는 겁니다.
지금 보면 약간 불완전한 패턴이 주어지더라도
우리가 이런 것들을 완벽한 패턴으로 복원을 할 수가 있죠.
우리 뇌는 그렇게 돼 있습니다.
각각의 하나씩 하나씩 저 점들이 있잖아요.
저 점들을 노드라고 합니다.
그래서 각각의 노드가 켜짐이라든지 꺼짐 상태를 가질 수가 있고
패턴 분석을 통해서 우리가 예상하고자 하는
이런 것들을 만들어낸 거죠.
여러분들 요즘 체질피트 쓰시는 거
아니면 여러 가지 인공지능과 관련된 여러 가지 도구들을 쓰시는 게
다 이런 원리의 기초를 해서 하는 거죠.
그리고 제프리 힌턴 교수님의 공헌에 대해서 얘기를 해주고 계십니다.
그 패턴들을 어떻게 인식하고 추측을 해낼 수 있는지
그 과정을 만들어낸 거죠.
아까 말한 호필드 교수님 같은 경우에는
인간의 뇌, 뉴런을 단순화 시켰다면
제프리 힌턴 교수님 같은 경우에는
이런 것들을 통계적인 방법으로 우리가 해석할 수 있게
이거를 재구조화하는 과정을 만들었다고 합니다.
그래서 볼트맘 머신이라든지
아니면 리스트립트 볼트맘 머신이라든지
이런 것들을 우리가 얘기를 하는 거예요.
기본적으로 우리 제프리 힌턴 교수님은
현대 인공지능의 핵심에서는 딥러닝을 개척한
아주 주요 인물로 우리가 보통 딥러닝 하시는 분들의
아버지라고 불리는 거죠.
저 1985년도에 나온 거예요.
거의 40년 만에 받는 거예요.
피드포워드 방식에 대해서 지금 설명을 해주는 겁니다.
이것과 관련돼서 저희 영상에도 다룬 적이 있어요.
이 피드포워드 네트워크가 정확하게 뭐냐면
이게 그냥 가장 기본적인 인공신경망의 형태라고 보시면 돼요.
왼쪽에서 오른쪽으로 한 방향의 구조를 가지고 있는데
인풋이 있고 입력층인데 저희가 데이터가 들어오는 곳
그 다음에 히든 레이어즈라고 가운데 있죠.
저 히든 레이어즈가 은니층, 숨어있는 층이라고 해서
이 데이터를 처리하는 중간층이라고 할 수 있는데
이게 여러 개가 있을 수 있으니까 중간에 여러 개들이 나오는 거죠.
그리고 출력층은 결과를 내보내는 겁니다.
그래서 데이터가 입력층에서 시작해서 은니층을 거쳐서
출력층으로 순차적으로 이동을 하고
각 층의 뉴런들이 모두 이 전에 뉴런들하고 연결이 돼 있어요.
이 연구는 후필드 교수님이 개발한 원리를 이용한 거죠.
근데 이 각각의 연결에는 가중치가 있는 거죠.
그래서 정보의 중요도를 우리가 조절을 할 수가 있는 거예요.
예를 들면 입력 데이터가 들어와서 여러 공정을 거쳐서
최종 출력이 나오는 거죠.
이것들을 이용을 해서 이미지를 분류를 하고
여러 가지 패턴을 인식을 하는 거죠.
그래서 이것들이 어떻게 사용이 되는지
우리 대기층, 기후 해석하는 데
그 다음에 너무나 유명한 저 블랙홀 이미지를 만들어내는데
그리고 선이라는 연구소에서
Particle Physics에서도 사용이 되고요.
그 다음에 의료 영상을 해석하는 데도 얘기를 하는 거죠.
여러 분야에서 사용이 되고 있기 때문에
지금 인공신경망은 솔직히 말해서
과학의 모든 분야에서 되게 많이 사용되고 있는데
이게 뇌의 뉴런의 형태를 되게 단순화시켜서
복잡한 알고리즘을 거기다 얹힌 다음에
우리가 지금 사용하고 있는 이런 인공신경망으로 이렇게 나오는 거죠.
여기에는 통계물량이 많이 사용이 됐다고 합니다.
제프리 인턴 교수님하고 되게 바로 연결하네요.
Thank you very much.
How do you feel right now?
No idea this would happen.
오늘 노벨 물리학상은 인공신경망을 발전시키고 만들어낸
두 분의 연구자
존 허필드 교수님하고 제프리 인턴 교수님이
노벨 물리학상에 수상을 하셨습니다.
머신러닝 분야에서 매우 매우 중요한 기여를 하신 분들이죠.
일단 존 허필드 교수님이
이 뉴럴 네트워크를 통계물량적으로 만들어낸 게
컴퓨테이션에 사용될 수 있겠다라고
처음 논문을 낸 게 1982년도예요.
여기에 제프리 인턴 교수님이 만들어낸
Feed-forward Network가 얹어지면서
우리가 사용하고 있는 인공지능과 관련된
머신러닝 분야가 어느 정도 완성이 되고
좀 더 발전을 할 수 있는 이런 게 됐습니다.
존 허필드 교수님은 우리 뇌의 작동 방식에서
이제 영감을 받으신 거죠.
새로운 종류의 컴퓨터 모델을 만들어낸 겁니다.
이거를 우리가 호필드 네트워크라고 이야기를 합니다.
우리 뇌 같은 경우에는
수많은 뉴런들이 연결이 되어 있잖아요.
근데 이 각 뉴런들이 어떻게 작동을 하냐
하나는 꺼짐 또는 켜짐
이 0과 1 단순하게 이 반복적인 패턴을 통해서
연결이 되기 때문에
이거를 컴퓨터가 사용하는 0과 1의 원리와
비슷하게 적용할 수 있지 않을까
호필드 네트워크 자체가
특정한 패턴을 기억을 할 수가 있습니다.
우리가 마치 얼굴을 보고 기억하는 것처럼
특정한 패턴을 볼 수가 있는 거죠.
불완전한 정보가 주어지더라도
우리가 완전한 패턴을 복원을 할 수가 있는 거죠.
이거가 왜 중요하냐
기존의 컴퓨터와는 완전히 다른 방식으로
정보를 처리를 할 수 있는 가능성을 보여주면서
컴퓨터의 새로운 패러다임을 연 거죠.
그리고 현대 인공지능의 기초 연구가
시작이 될 수 있는 기반을 마련을 한 거죠.
그리고 우리 뇌의 작동 원리를 이해를 하는데도
도움을 준 거죠.
그리고 제프리 힌턴 교수님 같은 경우는
거의 딥러닝의 혁명 같은 것들을 일으킨
완전히 딥러닝이라는 걸
거의 만드신 분이라고 생각을 하시면 됩니다.
완전히 혁명적인 기술의 선구자예요.
제프리 힌턴 교수님의 연구는
실제로 인공지능이 학습이라는 것을
러닝이라는 것을 할 수 있게 만든 거예요.
이 힌턴 교수님이 개발한 모델 같은 경우
여러 층이 뉴런으로 되어 있잖아요.
데이터가 입력층에서 시작해서
이 히든 레이어, 숨어있는 은닛층을 건쳐서
출력층으로 순차적으로 이동을 하는 거고
이 각층의 뉴런 등이
모두 이 이전의 뉴런들하고 연결이 돼 있고
이 뉴런들에는 또 가중치라는 게 들어가면서
정보의 중요도도 조절을 하는 거죠.
이 네트워크는 되게 많은 예시가 필요한 거예요.
그래서 우리가 이걸 러닝이라는 단어를 쓰는 겁니다.
이 딥러닝의 기초가 되는 시스템을 만든 게
바로 이 제프리 힌턴 교수님이라고 보시면 돼요.
그래서 기후변화를 예측을 한다든지
블랙홀의 이미지를 생성을 한다든지
의료 영상의 화질을 개선을 만들어낸다든지
이런 것들의 기초가 된 연구를 하신 두 분이 수상을 했습니다.
노벨 물리학상 수상자에 대한 발표를
여러분들과 함께 이야기를 나눠봤습니다.
이것과 관련된 랩 미팅도 저희가 또 전문가를 섭외를 해가지고
오늘은 데모 버전이라고 보시면 돼요.
심화 버전은 조만간 날짜를 잡아서
여러분들께 전달을 해드리도록 하겠습니다.
인사할 시간만 있습니다.
항성이 우주속으로의 항성이었습니다.
반갑습니다.
반갑습니다. 아니죠.
안녕히 계세요.
오늘은 연락할 사람이 너무 많아서 사실은 안 떠올라서
오늘은 제가 끝나고 개인적으로 연락을 드리도록 하겠습니다.
그리고 어제 이대한 교수님은 또 섭외가 돼가지고
일요일날 꽉 차게 방송을 합니다.
여러분들 안녕
