인공지능(AI) - 점점 더 진짜같은 가짜가 만들어 지는 세상

오늘 Youtube를 뒤적이다가, 지난 주 12일에 Youtube에 올라온 한 영상을 보게 되었는데요.. NVIDIA의 연구진에서 발표한 논문에 대한 Demonstration 영상 입니다. 

논문 제목은 A Style-Based Generator Archtecture for GAN(Generative Adversarial Networks) 입니다. 일단 영상은 아래와 같습니다. 

멋지죠 ? 

인간의 얼굴을 구성하는 요소와 특징들을 각각의 Style로 정의하고 이들을 합성하여 전혀 새로운 사람의 얼굴을 만들어 내는 인공지능(AI)과 관련된 논문 입니다. . 

저는 인공지능 전공자는 아니기 때문에, 깊이 있는 소개를 할 능력은 없지만, 시대가 시대인 만큼 인공지능과 관련된 정보에 관심은 많습니다. 

전통적이고 기초적인 인공지능의 학습방법은  딥러닝 기법을 활용한 것입니다. 일반인들도 딥러닝이니 러닝머신이니 하는 말들을 가끔 접해 보셨을 겁니다. 지도 학습이라는 방법으로 인공지능을 학습시키는데, 이미 사람이 답을 단 매우 방대한 데이터를 이용하여 알고리즘에 학습을 시키는 것입니다. 이런 학습을 통해 데이터가 축적이 되면, 이를 기반으로 사람의 개입 없이 어떤 역활을 수행할 수 있다는 것이 이전까지의 인공지능의 기본 개념 이었습니다.  

헌데, 2014년에 인공지능 분야에 한 논문이 센세이션을 일으키게 됩니다. Google Brain에 몸 담고 있는 스텐포드 출신의 Ian Goodfellow라는 분이 GAN(Generative Adversarial Network)이라는 논문을 내 놓은 것인데요.. 발음도 어렵지만, 이름만 봐서는 의미를 파악하는 것도 쉽지 않습니다. 우리말로 하면, "생산적 적대 신경망" 쯤 됩니다. 

이 논문이 인공지능 분야에서 획기적인 분기점이 된 이유는 기계적인 반복 학습 방법이 아닌 실제 데이터를 학습하여 진짜 같은 가짜를 만들어 내는 "생성자:Generator"와 결과물을 보고 이것이 진짜인지 아니면 가공의 결과물인지를 감별해 내는 "감별자:Discriminator"  모델을 만들고, 이 둘을 대립시키는 방법을 사용했기 때문입니다. 생성자는 좀 더 완벽한 가짜를 만들기 위해 학습을 하고, 감별자는 점점 더 점교해지는 가짜를 구별하기 위해 학습을 하는 것이죠.. 이 서로 적대적인 두 모델이 상대방을 이기기 위해 노력을 하게 되면, 양쪽 모델의 성능이 점점 더 좋아져서, 결국 사람이 개입을 하지 않아도 사람들이 기대하는 이상의 학습 효과를 얻어 낼 수 있다는 것이 GAN의 기본 개념 입니다.   우리가 중고등 학교 때 배운 헤겔의 변증볍을 해설하기 위해 만든 정반합의 원리와 괘를 같이 한다고 볼 수도 있습니다. 

GAN은 주로 이미지 처리, 동양상 합성 분야 많이 활용이 되고 있는데요, 이러한 인공지능의 도움으로 단지 몇 개의 대표 파라미터만 사람이 조절하는 것 만으로 이미지를 합성, 전문가 수준의 이미지 처리를 하거나 노이즈 제거, 저화질 이미지를 고화질 이미지로 만들 수 있는 시대가 되었죠.. GAN이 혁신적인 이유는 단지 스케치 만으로도 인공지능을 통해 실제 존제하는 어떤 물건을 가공해 낼 수 있다는 것 입니다. 

우리같은 일반인들이 GAN을 깊이 있게 이해하기란 쉽지 않습니다. 이해할 이유도 없죠 ^^.

다만, 점점 세상은 진짜같은 가짜들이 엄청나게 만들어 질 수 있다는 것, 내가 스마트폰 혹은 TV를 통해 보게되는 수 많은 이미지와 영상이 사실은 실제가 아닌 인공지능으로 만들어진 결과물일 수 있는 세상이 눈 앞에 와 있다는 사실을 알고 있어야 한다는 것 입니다. ^^