[디지털비즈온 김맹근 기자] 기존의 분산된 인식 정보를 융합하여 통합 또는 향상된 인식 기능을 제공하는 연구로서 단일 에이전트에서 멀티모달 데이터 간의 지식 교류를 통하여 인식 기능을 향상시키는 멀티모달 학습 연구가 진행되었다. 그러나, 이러한 방식은 중앙집중형의 인공지능 모델에 적합하며, 제한된 컴퓨팅과 통신 자원을 전제하는 협업 인공지능에는 사용하기 쉽지 않다.

NVIDIA는 청각 지능과 시각 지능의 모달 간의 교차 학습을 통하여 개별 지능에 대한 인식 기능을 향상시키는 연구를 진행하였다. 이 연구는 멀티 모달 정보 간의 지식 교류가 많은 통신량이 필요한 Early Fusion 방식이 아니라 상대적으로 적은 통신량이 필요한 Late Fusion 방식으로서 협업 인공지능에 적용 가능하다.

로봇 분야는 제한된 자원을 가지는 로봇에서 인공지능을 구현하여야 하므로 협업 인공지능 기술 이 많이 필요한 응용이다. 여러 대의 로봇들이나 드론들이 개별 개체가 보지 못하는 시각 영역을 교류 하여 보다 광범위한 정보를 획득하는 연구가 진행 되었다.

인식과 관련된 협업 인공지능 기술은 단일 에이전트에서의 멀티모달 융합 연구가 활발한 것에 반 하여 멀티에이전트 관점에서 멀티모달 정보를 활용하는 연구는 드물다. 인식이나 인지의 관점에서 지식이 내재된 센서 신호, 데이터와 더불어 그래프, 규칙과 같은 상위의 지식을 종합적으로 교류하여 협 업 인공지능을 제공하는 연구가 요구된다.

분산 행동 지능 협업은 분산 행동 지능의 경우는 에이전트들의 개별 행동의 결과로 얻어지는 최종 결과가 만족스럽도록 각 에이전트의 행동이나 의사결정을 수행하는 것 이다. 멀티에이전트의 협업을 위하여 작업 분할, 조직 생성, 작업 할당, 작업 수행의 단계를 거쳐 사람의 요구사항을 복수의 에이전트가 수행한다.

최근에는 체화된 인공지능 연구 그룹에서 복수의 로봇이 가구를 옮기는 동기화된 작업을 위하여 멀티에이전트 강화학습을 통하여 시각적 행동 정책을 시뮬레이션 환경에서 학습하는 방법을 연구하였다.

언어 기반 인간-AI Bots 협업은 인간과 AI의 협업을 위한 인간-AI 소통 방식 은 언어 지시어를 사용하는 언어적 방식과 제스처 (Gesture), 시선(Gaze) 등을 통한 맥락 이해와 같은 비 언어적 방식의 연구가 있다.

언어 기반으로 인간과 멀티에이전트가 협업하는 연구는 주로 chatbot과 같은 언어 기반 태스크에 연 구가 집중되었다. 멀티봇 기반의 chatbot의 경우는 사용자와의 인터페이스가 하나이므로 다양한 기능을 가진 에이전트를 대화에 선택적으로 연결하는 조정(Orchestration) 기능이 중요하다. 사용자와의 대화의 맥락을 유지하도록 에이전트의 역할과 동작을 조율하는 것에 기술의 초점이 있다.

분산 협업 학습은 강화학습은 행동이나 의사결정의 결과를 반영 하여 지식을 학습하고 수정하는 방법으로 멀티에이전트 강화학습 연구가 진행되고 있다. 다수 의 에이전트는 학습 단계에서 모든 정보를 공유하여 학습하고, 실행단계에서는 자신의 관측 정보 만을 활용하여 행동을 수행하는 방식인 중앙집중형 훈련-분산형 실행(CLDE: Centralized Learning and Decentralized Execution) 구조에 대한 관련 연구가 활발히 진행 중이다. 완전 분산형의 학습은 협업이나 경쟁적 행동을 정책에 반영하기 힘들기 때문에 이러한 중앙집중식 학습을 수행한다.

협업 인공지능 응용

로봇 분야 협업 인공지능의 대표적 성공 응용 사례로는 물류 및 생산 자동화에 적용된 AGV (Automated Guided Vehicle) 등의 연구로서 아마존이 물류 창고에 KIVA 시스템을 도입하여 생산성을 향상시킨 사례가 있다. 아마존은 최근에 창고 내 정해 진 영역에서만 작업을 처리하는 기존의 방식이 아니라 스스로 판단하여 주행하고 작업을 처리하여 공장 전체에서 작업할 수 있는 완전 자율주행 창고 로봇 Proteus를 발표하였다.

스마트홈 가전 분야에서는 이미 아마존의 AI 스피커인 Alexa를 필두로 국내에서도 삼성전자, 카카 오, 네이버 등의 AI 스피커 제품군을 통해 chatbot 및 가전제품 제어가 가능한 스마트홈 서비스가 실현되어 제공되고 있다.

결론적으로 제한된 자원을 가지는 복수의 에이전트가 인공지능 기능을 협업을 통하여 제공하고, 그 지능을 향상 시키는 기술은 인공지능 연구의 궁극적인 목표라고 할 수 있다. 현재 협업 인공지능 기술에 적용 가능한 기존 연구가 많이 진행 되고 있지만, 아직 멀티에이전트 분야로의 적용이 부족한 분야가 많아 추가 연구가 더 필요하다.

근래 메타버스 기술의 발달로 현실 세계와 가상세계의 격차가 줄어들고 있는 기술 추세를 대입하면 이러한 연구가 실제 현장에 곧 구현 될 것으로 생각된다. 따라서, 머지않아 완전한 자율성을 가지고 인간과 상호작용하며 인공지능 개체들 간의 협업을 통하여 인간이 원하는 인공지능 기능을 제공하고 해당 협업 인공지능을 향상시키고 성장할 수 있는 기술이 가능할 것으로 기대한다.