말하지 않은 내 생각을 누군가가 간파할 수 있다면 어떨까. 이는 SF영화나 소설에 나올법한 이야기다. 하지만 뇌공학과 인공지능은 빠르게 발전하며 상상 속 이야기들을 하나둘씩 구현해 내고 있다. 이성환(대학원 뇌공학과) 교수는 본교 뇌공학연구소장으로서 독특한 연구를 기획하고 실행하며, 뇌 공학과 인공지능 발전에 크게 기여하고 있다.
이 교수는 30여 년 동안의 열정과 공로를 인정받아 ‘석탑연구상’이 신설된 2016년부터 올해까지 계속해서 수상의 영예를 거머쥐었다.
- 주 연구분야인 딥러닝, 컴퓨터 비전, 뇌-컴퓨터 인터페이스에 대한 소개 부탁드립니다
“인공지능 성장의 핵심 동력인 ‘딥러닝(Deep-learning)’은 컴퓨터가 스스로 정보를 학습한 후, 누적된 학습을 바탕으로 결론을 도출하는 ‘기계학습’ 기법의 한 종류입니다. 딥러닝의 한계는 방대한 데이터와 복잡한 알고리즘으로 도출된 결론을 설명할 수 없다는 점입니다. 예를 들면 환자의 병명을 기계가 알아냈을 때, 기계는 답을 말할 뿐 병명을 도출한 이유를 설명하지 못합니다. 이러한 한계를 극복하기 위해 ‘설명 가능한 딥러닝’을 연구하고 있습니다. ‘컴퓨터 비전(Computer Vision)’은 기계의 눈으로서, 카메라가 찍은 영상을 자동으로 분석하는 기술입니다. 이는 기계가 CCTV 속사람의 행동을 분석하고 위험을 감지할 때나 시간 흐름에 따른 항공 영상의 변화를 알아낼 때 등 여러 방면에서 쓰일 수 있습니다. ‘뇌-컴퓨터 인터페이스(Brain-ComputerInterface)’는 사용자의 뇌 활동만으로 외부장치를 제어하는 기술입니다. 한 예로 사용자의 머리에 전극을 부착해 뇌파 변화를 측정하면, 사용자가 하고 싶은 말을 컴퓨터가 자동으로 입력하는 기술을 개발하고 있습니다. 이뿐만 아니라 거동이 불편한 노인 혹은 장애인을 위해 뇌파만으로 로봇 팔, 휠체어 등을 제어하는 기술도 연구하고 있습니다.”
- 연구 과정에서 어려움이 있을 것 같습니다
“딥러닝 연구를 위한 대량의 데이터를 확보하는 일이 가장 어렵습니다. 해결하려는 연구과제와 기획안은 있지만, 데이터를 확보하지 못해 연구를 시작하지 못하는 경우가 많습니다. 또한 데이터를 확보할 수 있더라도, 데이터를 확보하는 데엔 많은 시간과 노력이 필요합니다. 자율주행 차의 안전성을 높일 도로탐지기술을 개발할 땐 대학원생들이 직접 운전을 하며 여러 상황을 반영한 데이터를 모았습니다. 뇌-컴퓨터 인터페이스 연구에서는 수십 명의 뇌 신호를 반복적으로 측정해 데이터를 구축해야 했습니다. 현재 학계에서는 이런 어려움을 덜기 위해 소수의 데이터만으로 높은 성과를 내는 퓨샷(Few-shot) 기술을 연구하고 있습니다.”
- 세계 최초의 인공지능 컬링 로봇 ‘컬리'와 컬링 인공지능 ‘컬 브레인’을 개발하셨습니다
“컬링은 평창 올림픽에서 전 국민적인 관심을 받았지만, 여전히 능력 있는 컬링 선수팀과 훈련 기반은 부족한 실정입니다. 우리연구팀은 인공지능 컬링 로봇을 개발해 로봇기반의 반복적이고 수준별로 체계화된 훈련프로그램을 운영하고, 인공지능의 전략 프로그램으로 보다 나은 경기 전략을 수립하기 위해 연구를 시작했습니다. 인공지능 컬링 로봇 시스템은 스킵, 투구, 스위핑 로봇 등 하드웨어인 ‘컬리’와 인공지능소프트웨어인 ‘컬 브레인’으로 구성돼 있습니다. 경기할 차례가 됐을 때 스킵 로봇은 컴퓨터 비전 기술을 이용해 스톤의 배치 등 경기상황을 인식합니다. 컬링 인공지능의 핵심인‘컬 브레인’은 딥러닝과 강화학습 기술을 이용해 경기 상황과 불확실성을 고려한 최적의 경기 전략을 수립합니다. 투구 로봇이 정밀히 주행을 제어하며 스톤을 밀면, 스위핑 로봇은 스톤의 예상 경로와 진행 속도에 맞춰 얼음판을 닦는 과정으로 경기가 이뤄집니다.”
- 스위스 취리히에서 열린 사이보그 올림픽,‘사이배슬론(Cybathlon)’에 참가하셨습니다
“‘사이배슬론’은 장애인이 로봇 보조기구를 착용하거나 로봇을 이용해 스포츠 기량을 뽐내는 대회입니다. 우리 연구팀은 뇌-인터페이스 기술을 적용한 ‘장애물 달리기’에 참여했습니다. 이는 사지마비 환자의 뇌파, 즉 생각만으로 움직이는 가상 아바타가 장애물달리기를 하는 종목입니다. 대회를 준비할 땐 뇌 신호 측정 속도를 높이려 노력했습니다. 뇌-컴퓨터 인터페이스기술을 사람에게 적용하려면 20분 이상의 뇌파 측정 시간이 필요한데, 사지마비 환자의 경우에는 이 시간에도 체력소모가 일어나 경기 성적이 떨어지기도 했습니다. 이 문제를 해결하려 연구팀은 ‘전이 학습(Transferlearning)’과 ‘적응적 학습(Adaptivelearning)’ 방법을 결합해 1분 이내에 뇌 신호를 측정하는 기술을 개발해냈습니다. 이렇게 연구실에서 개발한 기술을 실제 환자에게 적용해 경기하면서, 뇌-컴퓨터 인터페이스 기술의 대중화 및 실용화 가능성을 확인할 수 있었습니다.”
- 연구 주제를 고민할 때 특별히 주안점을 두시는 부분은 무엇인가요
“하루가 다르게 변하는 시대에서 공학연구의 가치를 실질적으로 인정받으려면 독창적으로 연구하는 것이 중요하다고 생각합니다. 특허를 내거나 기술을 이전하기 위해서는 기업과 소비자가 관심을 보일 신선한 연구 주제를 선정해야 합니다. 따라서 연구를 제안하는 시점부터 독창성을 우선 가치로 두고 과제를 기획하고 있습니다. 연구실에서도 대학원생과 끊임없이 토론하며 더욱 창의적인 연구를 만들어갑니다.”
- 학교 차원에서 어떻게 연구 지원을 강화해야한다고 생각하십니까
“고려대의 연구 인프라를 구축하기 위해서는 세계적으로 우수한 교원을 초빙해, 각 학문분야의 국제 경쟁력을 강화해야합니다. 올해본교는 세계적 흐름에 맞춰 인공지능 전문가를 육성하는 인공지능대학원을 신설했습니다. 하지만 인공지능 전공의 전임교원 수, 연구 인프라 등은 다른 대학들과 비교했을 때 여전히 부족합니다. 본교가 국제 경쟁력을 가진 인재 양성과 대형 국책 연구사업을 주도하려면 인적 지원이 보다 증대돼야 할 것입니다.”
- 다양한 분야에서 연구해나갈 후학들에게 한말씀 부탁드립니다
“앞서 말했듯이 인공지능을 포함한 공학 분야에서는 학술적인 연구뿐만 아니라, 특허 및 기술이전 등의 실용적인 성과를 내는 것도 매우 중요합니다. 이를 위해 산업체는 연구자의 기술개발에 투자하고, 연구자는 기업의 투자비용으로 연구를 수행해 다시 기업에 이득을 주는 ‘산학협력의 선순환’을 만들어야 합니다. 인공지능 발전을 꿈꾸는 후배들이 끊임없이 노력하고 스스로를 단련한다면, 언젠가는 좋은 결과를 낼 것이라 확신합니다.”
글ㅣ 최현슬 기자 purinl@
사진ㅣ조은비 기자 juliett@