비디오 화면을 보여주고 다음에 어떤 장면이 올 것인가를 예측하는 인공지능(AI) 기술이 연구되고 있다. 기존의 예측 방법보다 정확도가 높은 기술로 주목받고 있다. 이 기술은 사람의 행동을 예측하는 로봇 기술에 활용될 수 있다.

로봇 전문 매체인 ‘로보허브’에 따르면 MIT 산하 CSAIL(Computer Science and Artificial Intelligence Lab) 소속 로봇 과학자들은 유튜브 영상과 TV 드라마 화면을 인공지능을 대상으로 훈련시킨 뒤 다음 화면에 어떤 동작이나 물체가 나올 것인지를 예측하는 머신러닝 기술을 연구하고 있다. 연구팀은 악수, 껴앉기, 하이파이브, 키스 등 장면이 나오는 동영상 장면을 인공지능에게 훈련시키고 완전히 새로운 동영상을 보여줘 다음에 어떤 행동을 할 것인가를 예측하도록 했다.

기존 컴퓨터 비전 예측 기술은 두가지 접근법 가운데 하나를 채택하고 있다. 첫번째는 특정 이미지의 개별적인 픽셀을 보여주고 이를 바탕으로 픽셀과 픽셀을 연결한 ‘미래’의 이미지를 보여주는 것이다. 이 방법은 알고리즘을 만드는게 매우 힘들다. 두번째 방법은 사람이 비디오 화면에 미리 인식 라벨을 붙여 어떤 동작인지를 알도록 하는 방법이다. 하지만 이 방법은 대량의 영상을 분석하기에는 힘들다.

MIT는 이번에 기존 방법과는 달리 ‘정지 영상’을 보여주는 방식으로 ‘시각적인 표현(visual representation)'을 예측할 수 있는 알고리즘을 개발했다. 정지 영상은 시각적인 표현에 관한 전체적인 정보를 제공한다. 이 알고리즘은 인간의 뇌처럼 ’신경망‘이라는 시스템을 활용해 학습을 할 수 있다.

연구팀은 인공지능에 특정한 정지 영상을 보여주고 다음에 ‘악수’ ‘키스’ '껴앉기‘’ 하이 파이브‘ 등 동작 가운데 어떤 동작이 올 것인지를 동영상으로 훈련시켰다. 이번에 개발한 기계학습 알고리즘은 특정한 정지 영상에 관해 복수의 신경 네트워크가 예측 행동을 통합해 최종 동작을 예측하는 방식이다. 가령 특정 장면을 보고 3개의 네트워크가 악수 행동을 예측했고 한개의 네트워크가 껴앉기 행동을 예측했다면 이를 통합해 '악수' 행동을 최종 예측치로 내놓는 것이다.

▲ 정지 영상을 보고 각각의 네트워크들이 판단한 행동 예측을 통합해 최종 행동을 예측한다.

연구팀은 이번 테스트에서 인공지능에게 600시간 동안 동영상 훈련을 시킨 후 새로운 비디오 영상을 보여주고 행동을 예측하도록 했다. 테스트 결과 43%의 정확도로 다음 행동을 예측한 것으로 나타났다. 기존 방법은 36%의 정확도를 갖고 있었다.

MIT 연구팀은 이와 함께 특정 동영상을 보여주고 5초 후에 어떤 물건이 나올 것인지를 예측하는 테스트도 진행했다. 실험 결과 30%의 정확도로 5초 후에 등장할 물건을 알아 맞혔다. 이번 연구에 참여한 ‘칼 본드릭’은 아직 실제 응용할수 있을 정도로 예측 정확도가 높은 것은 아니지만 앞으로 정확도가 점점 높아질 것이라고 말했다.