스웨덴 왕립과학원 노벨위원회는 2024년 노벨 물리학상 수상자로 인공지능(AI) 머신러닝의 기초를 확립한 존 홉필드(91)와 제프리 힌턴(76)을 선정했다고 8일(현지시각) 발표했다. AI 분야에서 처음으로 노벨상을 수상한 사례다. 인공지능과 머신러닝의 중요성이 전 세계적으로 인정받고 있음을 상징한다.
노벨위원회는 "인공신경망을 이용한 머신러닝의 기초를 발견하고 발명한 이들의 공로를 인정해 물리학상을 수여한다"고 밝혔다. 인공신경망은 인간의 뇌에서 신경세포가 서로 연결돼 학습이 이뤄지는 방식에서 영감을 받아 데이터를 처리하고 학습하는 기술로 발전했다. 홉필드와 힌턴의 연구는 이러한 인공신경망을 기반으로 오늘날의 머신러닝 기술을 구축하는 데 중요한 역할을 했다.
홉필드는 1982년에 '홉필드 네트워크'라는 신경망 모델을 제안했다. 이 모델은 기계가 인간의 뇌처럼 기억을 저장하고 재구성할 수 있는 시스템을 가능하게 했으며, 현재의 연상기억장치의 기초가 됐다. 홉필드는 벨 연구소에서 물리학자로 경력을 시작한 후, 프린스턴 대학과 캘리포니아 공과대학에서 컴퓨터 과학, 물리학, 생물학을 넘나드는 연구를 이어갔다. 그는 특히 물리학적 원리를 응용해 AI의 발전에 기여한 공로를 인정받았다.
힌턴은 인공신경망을 활용해 기계가 스스로 데이터를 학습하고 자료의 특성을 자동으로 분석해 특정 요소를 식별하는 방법을 개발했다. 이 기술은 머신러닝의 발전을 가능하게 했고, 특히 이미지 인식, 음성 인식 등 다양한 분야에서 큰 혁신을 이끌어냈다. 힌턴은 현재 AI 분야에서 'AI의 대부'로 불린다. 2019년에는 컴퓨터 과학 분야의 노벨상이라 불리는 튜링상을 수상하기도 했다.
수상 소식을 접한 힌턴은 "정말 놀라운 일이다. 이런 일이 일어날 줄은 전혀 예상하지 못했다"고 말했다. 그는 수상 발표 후 기자들과의 통화에서 "오늘 MRI 검사를 받기로 했었지만, 이 소식을 듣고 일정을 취소해야 할 것 같다"고 유머 섞인 반응을 보였다.
힌턴은 또한 AI 기술의 발전이 인간 사회에 미칠 영향에 대해 깊은 우려를 표명했다. 그는 "AI의 발전은 산업혁명에 비견될 정도로 큰 영향을 미칠 것이다. 그러나 이는 단순히 물리적 능력을 초월하는 것이 아니라 인간의 지적 능력까지 넘어설 것"이라고 말했다. 이어 "우리는 인간보다 더 똑똑한 존재들과 함께 살아본 적이 없기에 이 기술이 통제 불능 상태로 이어질 가능성에 대해 심각하게 고민해야 한다"고 경고했다.
AI 기술이 인간 사회에 가져올 이점도 크다. 힌턴은 AI 기술이 의료 분야에서 특히 큰 혁신을 가져올 것으로 예상했다. 그는 "AI가 의료 진단과 치료에서 엄청난 발전을 이루게 할 것이다. 또한 AI는 생산성 향상에도 크게 기여할 것이며, 이를 통해 인간 사회에 더 나은 삶의 질을 제공할 것"이라고 밝혔다. 그러나 그는 동시에 "AI의 빠른 발전 속도가 가져올 수 있는 부작용에 대해서도 경계해야 한다"고 강조했다.
홉필드는 이번 수상 소식에 대해 별다른 반응을 내놓지 않았지만, 그의 연구는 물리학, 생물학, 컴퓨터 과학 등 다양한 분야에 걸쳐 큰 영향을 미친 것으로 평가받고 있다. 홉필드의 연구는 뇌의 신경망 구조를 모방한 인공신경망 기술을 통해 기계가 데이터를 저장하고 학습할 수 있는 기반을 마련했으며, 이는 현대 머신러닝 기술의 중요한 초석이 됐다.
이번 노벨 물리학상 수상자들에게는 1100만 스웨덴 크로나(약 13억 4000만 원)의 상금이 주어진다. 이들은 상금을 나눠 갖는다. 노벨상 시상식은 오는 12월 10일 알프레드 노벨의 기일에 맞춰 스웨덴 스톡홀름에서 열린다. 다른 부문 수상자들 역시 차례로 발표된다. 오는 9일에는 화학상, 10일에는 문학상, 11일에는 평화상, 14일에는 경제학상이 발표된다.
<노벨위원회가 밝힌 보도자료>
올해 노벨 물리학상 수상자 두 명은 물리학의 도구를 사용하여 오늘날 강력한 머신 러닝의 기초가 되는 방법을 개발했습니다. 존 홉필드는 데이터의 이미지와 다른 유형의 패턴을 저장하고 재구성할 수 있는 연관 메모리를 만들었습니다. 제프리 힌튼은 데이터에서 속성을 자율적으로 찾을 수 있는 방법을 발명하여 그림에서 특정 요소를 식별하는 것과 같은 작업을 수행할 수 있습니다.
인공 지능에 대해 이야기할 때, 우리는 종종 인공 신경망을 사용한 머신 러닝을 의미합니다. 이 기술은 원래 뇌의 구조에서 영감을 받았습니다. 인공 신경망에서 뇌의 뉴런은 서로 다른 값을 갖는 노드로 표현됩니다. 이러한 노드는 시냅스에 비유할 수 있는 연결을 통해 서로에게 영향을 미치며, 더 강해지거나 약해질 수 있습니다. 네트워크는 예를 들어 동시에 높은 값을 갖는 노드 간에 더 강력한 연결을 개발하여 훈련 됩니다 . 올해 수상자는 1980년대부터 인공 신경망으로 중요한 작업을 수행했습니다.
존 홉필드는 패턴을 저장하고 재생성하는 방법을 사용하는 네트워크를 발명했습니다. 노드를 픽셀로 상상할 수 있습니다. 홉필드 네트워크는 원자 스핀으로 인해 물질의 특성을 설명하는 물리학을 활용합니다. 이 특성은 각 원자를 작은 자석으로 만듭니다. 네트워크 전체는 물리학에서 발견되는 스핀 시스템의 에너지와 동일한 방식으로 설명되며 노드 간 연결 값을 찾아 저장된 이미지의 에너지가 낮아지도록 학습합니다. 홉필드 네트워크에 왜곡되거나 불완전한 이미지가 입력되면 체계적으로 노드를 통해 작업하고 값을 업데이트하여 네트워크의 에너지가 떨어집니다. 따라서 네트워크는 단계적으로 작동하여 입력된 불완전한 이미지와 가장 유사한 저장된 이미지를 찾습니다.
Geoffrey Hinton은 Hopfield 네트워크를 기반으로 다른 방법을 사용하는 새로운 네트워크인 Boltzmann 머신을 만들었습니다 . 이 네트워크는 주어진 유형의 데이터에서 특징적인 요소를 인식하는 법을 배울 수 있습니다. Hinton은 여러 유사한 구성 요소로 구성된 시스템의 과학인 통계 물리학의 도구를 사용했습니다. 머신은 머신이 실행될 때 발생할 가능성이 매우 높은 예제를 입력하여 학습합니다. Boltzmann 머신은 이미지를 분류하거나 학습된 패턴 유형의 새로운 예제를 만드는 데 사용할 수 있습니다. Hinton은 이 작업을 기반으로 머신 러닝의 현재 폭발적인 개발을 시작하는 데 도움을 주었습니다.
노벨 물리학 위원회 위원장인 엘렌 문스는 "수상자의 연구는 이미 가장 큰 혜택을 주었습니다. 물리학에서 우리는 특정 특성을 가진 새로운 소재를 개발하는 것과 같이 광범위한 분야에서 인공 신경망을 사용합니다."라고 말했습니다.