머신러닝이 실시간으로 이루어지는 것을 보는 것은 꽤 놀라운 경험이 될 수 있다. 어린아이가 자라는 것을 매우 짧은 시간에 압축된 과정으로 살펴보는 것처럼 실패한 초기 시도가 점차 역량에 영향을 미치고 결국에는 높은 수준의 기술에 도달하는 것을 목격하게 된다. 이는 시스템이 특정 목표를 달성하려고 시도할 때 시행 착오를 기반으로 학습하는 방식 때문이다.

‘디지털트렌즈’는 머신러닝의 최신 사례로 ‘다이렛(DyRET, Dynamic Robot for Embodied Testing)’ 로봇을 언급했다. 노르웨이 오슬로대학의 연구원이 만든 이 로봇은 진화 알고리즘을 사용해 효율적인 운동을 추구한다. 보스턴 다이나믹스(Boston Dynamics) 4족 보행 로봇을 연상시키지만 다이렛은 스스로 걷는 법을 배운다는 것이 다르다. 그 결과는 디즈니 밤비(Bambi)에서 나오는 유명한 워킹 장면과 같다.

체화된 인지에 관한 예측 공학 연구자인 ‘톤즈 나이가드(Tonnes Nygaard)’는 “다이렛은 내가 박사과정의 일원으로 만들어 온 4족 포유류에 영감을 받은 로봇 플랫폼”이라며 “이 로봇이 다른 로봇과 다른 것은 로봇 자체가 작동하는 동안 다리의 길이를 수정할 수 있는 것”이라고 말한다. 그는 “앞으로 로봇은 점점 더 복잡하고 변화하는 환경에서 사용되기 때문에 이 새로운 로봇이 걷기 또는 행동 방식뿐 아니라 로봇의 몸에도 적응하는 독특한 능력을 제공할 수 았다”고 설명한다.

로봇의 보행은 8가지 매개 변수로 제어된다. 이것은 각 스텝이 얼마나 오래 걸리는지 혹은 로봇이 확장 가능한 다리를 어느 정도 높이 들어올려야 하는지 등의 움직임 측면을 지정한다. 진화 알고리즘은 이러한 매개 변수를 최적화하고 가능한 한 안정적이고 신속하게 움직일 수 있는 최선의 방법을 찾아낸다. 현실 세계에서의 자연 선택과 마찬가지로 진화 알고리즘은 ‘가장 적절한’ 해결책이 차세대로 넘겨진다는 것을 의미한다. 결과적으로 새로운 기후나 지형에 적응하는 동물의 진화에서 볼 수 있는 것보다 훨씬 빠르게 다윈의 과정이 발생하는 것이다.

나이가드는 “이 로봇은 하드웨어에서 형태를 스스로 바꾸는 복잡한 로봇을 처음 시도한 것으로 연구 플랫폼으로 사용될 예정”이라고 밝혔다. 그는 “진화 로봇공학 연구의 상당 부분은 구현과 테스트의 용이성, 속도로 인해 오늘날 시뮬레이션에서 수행되고 있다. 실제 환경은 시뮬레이션에서 완벽하게 복제할 수 없는 풍부하고 자연스러운 소음을 가지고 있다. 현장 연구로 가는 방법은 더 많은 연구 노력을 하드웨어 실험으로 옮기는 것이다”고 지적한다.