유아의 장난감은 재미와 게임에서 그치지 않고 세상을 배우는 중요한 교육 방식의 일종이다. 아이들은 몇 번의 조작을 통해 전혀 만져보지 않은 다른 물건도 어떻게 다뤄야 하는지를 스스로 알게 된다.

‘기즈모도’에 따르면 UC버클리 연구원들은 아이처럼 학습하면서 가까운 미래를 예측해 행동을 계획하는 인공지능 로봇을 개발 중이다.

UC버클리 연구팀이 개발한 이 로봇 학습 시스템은 시간과 공간을 통해 물체를 움직이는 방법을 발견하기 위해 미래 행동의 결과를 시각화한다. ‘베스트리(Vestri)’라고 불리는 이 로봇은 시각적 선견(visual foresight)이라는 기술을 사용해 이전에 결코 만나지 못했던 물체를 조작할 수 있으며 방해가 되는 물체도 피할 수 있다.

중요한 것은 이 시스템이 비감독, 비유도 탐색 세션을 사용해 백지상태에서 학습하면서 세계가 어떻게 작동하는지를 파악한다는 점이다. 이는 모든 물리적 우연성을 감안해 일일이 코드를 작성하지 않아도 되기 때문에 많은 프로그래머가 필요치 않다. 사실 세계가 워낙 복잡하고 까다롭기 때문에 끔찍한 일이 될 수 있는 이러한 작업에서 큰 진전에 해당한다.

연구를 이끌고 있는 UC버클리의 세르게이 레빈(Sergey Levine) 교수에 따르면 로봇은 일정한 움직임 순서를 수행하면서 카메라를 통해 무엇을 볼 수 있는지 예측한다. 이 시스템은 앞서 말했듯이 사전 프로그래밍되지 않으며 대신 모델 기반 보강 학습이라는 프로세스를 통해 학습된다. 언뜻 들으면 환상적이지만 실은 아이가 반복 및 시행 착오를 통해 물체를 움직이는 법을 배우는 것과 비슷하다. UC버클리는 아동 심리학자가 '모터 바블링(motor babbling)'이라고 부르는 방법론을 베스트리에 동일하게 적용했다고 밝혔다.

연구팀은 시스템을 훈련시키기 위해 작은 테이블에서 여러가지 물체로 로봇을 움직이게 만든다. 딥러닝으로 알려진 인공지능의 한 형태가 반복적으로 비디오 예측에 적용돼 로봇은 이미지 픽셀이 움직임에 따라 한 프레임에서 다른 프레임으로 이동하는 방법을 미리 예측할 수 있게 된다. 테스트에서 로봇의 자체 습득 모델은 전례가 없었던 물체를 움직여 원하는 위치로 이동시키는데 성공했다.

레빈은 "아이들은 장난감으로 놀고, 움직이고, 쥐면서 세상을 배울 수 있다"며 "이 연구의 목표는 로봇이 자율적인 상호 작용을 통해 세계가 어떻게 작동하는지를 똑같은 방식으로 배우는 것"이라고 말한다. 아직 로봇은 단 몇초만 앞서 볼 수 있는 등의 제한적인 기능을 제공하지만 이 기술은 전적으로 자동 학습돼 이전에 관찰한 상호작용 패턴을 바탕으로 처음 본 대상과도 복잡한 물리적 상호작용을 예측할 수 있다는 것이 연구팀의 설명이다.

이 자율학습 학습 예측 시스템은 향후 공장에서 인간과 기계가 함께 작업하거나 주거 환경에서 로봇을 보다 잘 적응하도록 할 수 있다. 또 자율주행차가 가까운 미래에 발생할 수 있는 사건을 예견하는데도 도움이 된다.

레빈은 앞으로 로봇이 물건을 집어들고 놓는 것과 같은 복잡한 작업을 수행하고 옷감, 로프 및 깨지기 쉬운 물건 등 다양한 재질의 물건을 조작하도록 후속연구를 진행할 방침이다.