인공 지능은 이미 현대 생활에서 매우 중요한 일부분이 되었습니다. 사회 생활의 다양한 분야에 적용되어 뛰어난 성과를 거두었습니다. 예를 들어 Foxconn은 Google의 로봇 학습 프로그램을 사용하여 결함이 있는 제품을 감지하기 시작했습니다. 그러나 인공 지능이 인간에게 더 나은 서비스를 제공하기를 원한다면 가장 중요한 문제는 로봇 학습의 효율성을 향상시키는 것입니다. 이 문제를 해결하기 위해 과학자들은 최근에 실험을 완성했는데, 이 실험은 어떻게 했을까요? 진행 상황은 어떻습니까? 어떤 의미가 있을까요? 아래에 자세한 소개를 해보겠습니다.
로봇이 컴퓨터 게임을 하고, 바둑을 두고, 사람의 목소리를 인식하고, 의사가 환자를 치료하도록 돕고 있습니다. 이 놀라운 성과는 지난 몇 년 동안 인공 지능 분야에서 달성된 사실입니다. 현재 과학 연구의 방향은 로봇의 지속적인 경쟁력을 향상시키는 방법, 즉 로봇의 학습 효율성을 향상시키는 방법을 찾는 것입니다. 칼을 안 갈면 녹이 슬고 배우지 않으면 뒤쳐지는 것과 같은 인간 세상의 도리와 비슷합니다.
2021 년에 사는 사람이 아직도 1980 년대, 심지어 1950 년대에 머물러 있다면 사회 경쟁력을 잃어버린 것과 같습니다. 로봇 진찰을 또 다른 예로 들면, 로봇은 현재 환자에 대한 일상적인 신체 검사를 하고 환자의 상태를 분류해서 이러한 상태를 담당 의사에게 전송합니다. 하지만 병원에서 해야 할 일이 많고 산더미처럼 쌓여 있는 의학 지식도 배워야 합니다. 이를 위해서는 로봇 학습의 효율성을 향상시켜야 합니다. 로봇의 학습 능력이 뛰어날수록 인간에게 더 많은 서비스를 제공할 수 있습니다.
이 문제를 해결하기 위해 지난 몇 년 동안 많은 과학자들이 인공 지능과 양자 물리학을 결합하는 방법을 연구했고, 양자 물리학이 기계 학습의 효율성을 어디서부터 향상시킬 수 있는지에 대한 방법을 연구했습니다. 양자 물리학의 비범한 파워 때문에 이 주제의 이론은 독특하고 이해하기 어렵습니다. 그런데 실생활에 응용이 되면 많은 큰 문제를 해결할 수 있습니다. 가장 중요한 이유는 양자 물리가 매우 강력한 알고리즘을 가지고 있다는 것입니다. 따라서 과학자들은 기계 학습의 효율성을 높이기 위해 양자 물리학과 인공 지능의 두 분야를 병합할 계획입니다.
"Science Daily"의 보고서에 따르면 비엔나 대학의 실험 물리학자와 인스부르크 대학, 오스트리아 과학원, 레이던 대학, 독일 항공 우주 센터의 이론 물리학자들이 함께 필립 월터가 이끄는 국제 협력 팀을 만들었습니다. 그들은 실험에서 처음으로 로봇 학습의 실제 시간을 성공적으로 단축했습니다. 여기서 중요한 것은 “실제”라는 말입니다. 실제로 소비한 시간과 이론 컴퓨팅 시간은 명확한 구별이 됩니다.
이 팀은 빛의 기본 입자인 단일 광자를 매사추세츠 공과 대학에서 설계한 통합 광자 양자 프로세서와 결합한 다음 이 프로세서를 다시 로봇에 설치하여 학습 작업을 수행하도록 했습니다. 이러한 통합 광자 양자 프로세서를 사용하여 로봇은 단일 광자를 미리 설정된 방향으로 전송할 수 있습니다. 이 실험의 논문 보고서를 작성하는 저자인 발레리아 사쵸는“이 실험은 양자 물리학을 사용하지 않는 경우에 비해 학습 시간이 크게 단축되었음을 증명한다.”라고 말했습니다.
과학자들이 진행한 전문적인 실험은 우리 같이 평범한 사람들은 이해하지 못합니다. 그렇다면 실험에서 무슨 일이 일어나고 있는지 이해하는 방법은 무엇일까요?
교차로에 서서 회전하는 방법을 배우는 로봇을 상상할 수 있습니다. 정상적인 사람들이라면 이것을 따로 배워야 할까요? 인간의 경우, 이것은 전혀 배울 필요가 없는 것처럼 너무 간단합니다. 그러나 사실은 우리가 교차로에서 회전하는 과정을 특별히 배우지도 않았지만 인간의 머리는 이해하는 능력이 강했기 때문에 교차로 마다 사람과 교통의 흐름에 따라 올바른 대응을 할 수 있습니다. 그러나 로봇은 막 출생한 신생아 보다 못 합니다. 아기가 교차로에서 회전하는 법을 배우는 것이 얼마나 어려운지 상상할 수 있습니다. 로봇이 회전하는 법을 배우는 것은 훨씬 더 어렵습니다.
로봇은 교차로에서 회전을 기다리고 있을 때 많은 것을 배워야 합니다. 예를 들어 신호등을 판단하는 방법, 현재 길을 건너는 것이 안전한지 여부 판단, 회전 방향을 파악하는 방법, 이렇게 보기엔 간단한 것들이지만 모두 대량의 데이터가 지원 되어야만 로봇이 올바른 작업을 수행할 수 있습니다. 그렇다면 회전하는 법을 어떻게 배울 수 있을까요? 교차로에서 회전을 해야할 뿐만 아니라 일상의 다른 장소에서도 회전을 해야만 움직일 때가 있지요. 로봇이 이런 지식을 배우고 이에 상응하는 조치를 취하는 데는 시간이 많이 걸립니다.
과학자들의 이번 실험 과정은 로봇이 교차로에 서서 계속 좌회전만 하는 법을 배우게 했습니다. 로봇이 올바른 행동을 하면 보상을 받을 수 있게 했습니다. 그런 다음 로봇을 광장의 중앙과 같은 다른 장소에 옮겨 놓았습니다. 장소를 변경하면 로봇이 항상 좌회전하지 않고 좌회전 또는 우회전도 할 수 있습니다. 이 때 좌회전을 선택한 경우에만 보상을 받게 하는데, 새로운 장소에서도 좌회전을 배우게 되면 그 때 가서 보상을 해줍니다. 이와 비교해 보면, 로봇이 양자 기술을 사용하여 학습할 때, 양자 검색 알고리즘이 올바른 경로를 학습하기 위한 시도 횟수를 줄이므로 이 프로세스를 완료하는데 필요한 시간이 이전보다 훨씬 적게 걸립니다.
양자 컴퓨팅은 기계 학습 실험으로써 양자 물리학과 인공 지능이 결합하면 더 큰 장점을 발휘한다는 것을 증명했습니다. "우리는 이제 양자 인공 지능의 가능성을 이해하기 시작했습니다. 모든 새로운 실험 결과는 이 분야 발전에 기여할 것입니다. 현재 이 분야는 양자 컴퓨팅의 가장 풍부한 분야 중 하나로 간주됩니다."라고 필립 월터는 말합니다.
출처 : 바이두-속어화과학
