풍운의 유튜브 자막 추출기
18:08
여러분 , 양자 컴퓨팅 연구는 High Risk, High Return 분야로 알려져 있지만
저는 오히려 No Risk High Return이라고 생각합니다 지금 우리가 가지고 있는 고전데이터로도
양자 모션 러닝의 장점을 살릴 수는 없을까? 만약 양자 컴퓨팅 연구의 끝에서
우리가 결국 실패한다면 그런데 진짜 흥미로운 순간은 바로
안녕하세요 저는 연세대학교에서 양자 인공지능을 연구하고 있는 박경덕 입니다.
여러분 혹시 Chat GPT 써 보신 분 계실까요? 네
아마 많은 분들이 써 보셨을 거라고 생각을 합니다. 그러면 혹시 Chat GPT가
처음 대중에게 공개되었을 떄 첫 번째 예시로 등장한 질문이 뭐였는지 기억 하시나요?
바로 이거였습니다. Explain quantum computing in simple terms.
양자 컴퓨팅을 쉽게 설명 해줘. 저는 당시에 이 예시를 보고 꽤 충격을 받았습니다.
와, 이제는 인공지능이 양자 컴퓨터처럼 어렵고 복잡한 주제도 쉽게 설명할 수 있을 정도로 진화했구나.
그리고 또 한 편으로는 정말 많은 분들이 양자 컴퓨터가 뭔지 궁금해 하기 시작했구나.
여러분 인공지능이 양자 역학을 진짜로 만나면 어떤 세상이 펼쳐질까요?
뭔가 굉장히 흥미롭기는 한데 이게 말만 들어도 좀 어렵게 느껴지시죠. 그런데 잘 들여다 보면이 둘의 만남은 단순한 기술의 조합 그 이상입니다.
그동안 과학 기술과 문명이 발전해 온 흐름 속에서 보면 이건 사실 예고된 만남이었습니다.
그리고 이 만남은 우리가 세상을 이해하고 바꿔 가는 방식 자체를 되돌아보게 만듭니다.
여러분 유행은 돌고 돈다고 하죠. 뭐 음악이나 패션 그리고 문화에서도
이 말은 늘 통합니다. 그런데 이 말은 과학기술에서도 적용이 됩니다.
인류가 불을 사용하기 시작한 초기 문명부터 지금까지 우리는 항상 같은 패턴을 따랐습니다.
먼저 인간은 자연 현상을 관측하며 호기심을 가집니다. 그 다음에는 이 자연 현상을 이해하려고 했습니다.
그리고 이제 어느 정도 이해가 쌓이면은 그걸 이용해서 예측도 하고 제어도 하려고 하죠
그리고 그것을 바탕으로 삶을 더 편리하게 해 주는 기술을 개발하게 됩니다.
이 기술은 다시 자연을 더 정밀하게 관측할 수는 있는 도구가 되고 그 도구는 또 새로운 이해로 이어집니다.
그리고 다시 새로운 기술이 생기죠. 이렇게 하나의 커다란 사이클이 수없이 반복되면 문명은 발전해 왔습니다.
그런데 진짜 흥미로운 순간은 바로 서로 다른 두 사이클이 겹치는 순간입니다.
그때 세상이 한 번 더 도약합니다. 지금 우리가 바로 그런 지점에서 서 있습니다.
한쪽에는 양자 정보 기술, 다른쪽에는 인공지능 각자 엄청난 속도로 발전해 온 이 두 분야가 이제 서로를 마주보고 있습니다.
그럼 이 둘 이 만나면 도대체 뭐가 달라질까요? 단순히 계산이 빨라진다.
이런 얘기로 끝나지 않습니다. 그것보다 더 중요한 근본적인 질문이 있습니다.
기계가 배울수 있는 것과 배울 수 없는 것 사이의 경계는 무엇일까? 자연이 인공지능에게 허락한 물리적인 한계는 어디까지 일까?
바로 이런 근본적인 질문을 던지기 시작하면서 양자 머신러닝이라는 새로운 도전이 시작됩니다.
20세기 초에 과학자들은 세상을 바라보는 완전히 새로운 눈을 가지게 됩니다.
바로 잘 아시다시피 양자역학을 통해서죠. 한편 이 시기에 또 다른 혁신도 태동합니다.
바로 정보 기술 입니다. 이 둘은 겉보기와는 달리 사실 매우 밀접한 관계에 있습니다.
궁극적으로 이 정보 기술의 한계는 물리 법칙에 의해서 결정이 됩니다. 왜냐하면은 우리가 정보라고 부르는 건
결국 물리적인 장치에 담겨서 물리적인 법칙에 따라 처리 되기 때문입니다.
현재 우리가 사용하고 있는 대부분의 정보 처리 장치는 고전 역학을 기반으로 하고 있죠.
디지털 컴퓨터가 대표적인 예 입니다. 하지만 우리가 알고 있는 가장 정확한 이론은 양자역학이죠.
그래서 양자 역학의 법칙을 따르는 시스템으로 정보를 처리하는 것은 매우 자연스럽고도 필연적인 흐름입니다.
비슷한 시기에는 또 하나의 질문이 떠올랐습니다. 기계가 사람처럼 배우고 생각할 수 있을까?
우리는 흔히 인공지능을 최근의 기술로 생각하지만 사실 기계가 스스로 배우게 하려는 시도는 꽤 오래 전부터 있어 왔습니다.
1950년대에 심리학자 프랭크 로젠블렛은 인간의 뇌로부터 영감을 받아 펄셉트론이라고 하는 학습 모델을 발표합니다.
물론 당시에는 비판도 많았습니다. 하지만 이 모델은 이후에 수십년 간의 발전을 거쳐서
지금 우리가 부르는 딥러닝의 출발점이 됩니다. 신경 과학,수학,물리학,컴퓨터 과학
이렇게 다양한 학문이 함께 얽히고 협력하면서 지금의 인공지능을 만들게 된 것이죠.
이제 양자 정보 기술과 인공지능이 두 거대한 흐름이 교차하고 있습니다. 바로 양자 머신러닝이라는 이름으로요.
양자 역학은 자연을 설명하는 가장 정확한 언어입니다. 머신 러닝은 데이터를 통해 패턴을 발견하는 강력한 도구입니다.
이 두 가지가 만나면 우리는 지금껏 놓쳤던 패턴 또는 지금껏 보지 못했던 새로운 질서를 찾아낼 가능성이 열리게 됩니다.
사실 양자 머신 러닝이 기대를 모으는 이유는 명확합니다. 데이터가 양자 역학적 성질을 가질 경우
양자 컴퓨터는 기존의 고전적인 머신 러닝보다 더 빠르고 똑똑하게 학습할 수 있습니다. 이거는 이미 이론적으로 잘 알려진 사실 입니다.
우리는 지금껏 관측과 실험을 통해 얻은 데이터를 고전 컴퓨터로 처리하며 자연을 이해해 왔습니다. 사실 이런 방식은 고전 역학이라고
하는 색안경을 끼고 세상을 바라보는 것과 같습니다. 그런데 최근 양자 정보 기술이 급속하게 발전을 하면서
이제는 실험에서 얻은 양자 정보를 또는 양자 데이터를 양자 메모리에 직접 저장하고 양자 컴퓨터를 바로 처리하는 그런
놀라운 시대가 열리고 있습니다. 이렇게 하면 훨씬 적은 노력으로 더 많은 정보를 끌어낼 수 있다는 사실이
과학적으로 입증되고 있습니다. 그런데 여기에 한 가지 모순이 있습니다.
머신 러닝이라고 하면 이제 기본적으로 정답이 있는 데이터 즉 라벨이 붙은
학습 데이터를 통해서 모델을 학습을 합니다. 하지만 양자 머신 러닝은 보통 고전 컴퓨터로는 풀기
어려운 양자 문제를 해결하기 위해서 사용되죠. 그런데 이런 문제는 애초에 우리가 아직 정답을 알지 못하기
때문에 학습에 필요한 데이터 자체가 존재하지 않는 경우가 많습니다. 게다가 양자 데이터를 머신 러닝의 적합한 형태로 수집하는 일도
현재로서는 매우 특수한 실험 환경에서만 가능하죠. 즉 양자 머신 러닝이 가장 잘 작동할 수 있는 진짜 양자데이터는
우리 주변에 별로 없다는 거죠. 어, 실제로 여러분은 양자 데이터라고 하면은
음, 그게 뭐지?하고 아주 생소하게 느끼실 것입니다. 우리가 일상 생활에서 거의 접할 일이 없기 때문이죠.
이것이 양자 머신 러닝이 현실에서 당면한 큰 문제중 하나 입니다. 반대로 마치 빅데이터가 인공지능 발전에 큰 기여를 했던 것처럼
언젠가 우리가 양자 데이터가 많은 그런 세상을 살게 된다면 그때는 정말로 양자 머신 러닝이 빛을 바랄지도 모르겠습니다.
하지만 이것은 아직은 우리 상상 속의 이야기입니다. 그래서 저희 연구팀은 다른 방향을 고민했습니다.
지금 우리가 가지고 있는 고전 데이터로도 양자 머신 러닝의 장점을 살릴 수는 없을까?
우리가 다루는 대부분의 데이터는 0과 1로 이루어진 디지털 정보입니다. 반면 양자 컴퓨터는 전혀 다른 방식으로 데이터를 처리하죠.
그래서 이런 질문이 생깁니다. 고전 데이터를 양자 컴퓨터가 이해할 수 있게 바꾸려면 어떻게 해야 할까?
이걸 가능하게 해 주는게 바로 양자 데이터 인베딩입니다. 마치 외국어를 번역해 주는
통역사처럼 고전 데이터를 양자 상태로 변환해 주는 작업이죠. 양자 데이터 인베딩이 중요한 이유는
단순한 데이터 변환을 넘어 기존에 보이지 않던 구조를 볼 수 있게 해준다는데 있습니다.
양자 상태 공간은 고전적인 공간보다 훨씬 더 많은 정보를 담을 수 있기 때문에
우리가 기존 머신 러닝으로는 발견하기 어려웠던 패턴을 양자 머신 러닝은 포착할 수 있게 만듭니다.
간단한 비유로 도시를 바라보는 지도를 생각해 볼 수 있겠습니다.
평면 지도로는 건물들의 위치는 알 수 있지만 어느 건물이 높은지 그 사이의 입체적인 관계는 파악하기가 어렵죠.
그런데 우리가 시선을 조금만 틀어서 3차원 공간에서 도시를 바라본다면 어떨까요?
건물의 높이, 구조, 거리감까지 한 눈에 들어옵니다. 양자 인베딩도 마찬가지입니다.
고전적인 시각에서는 보이지 않던 패턴들이 이 고차원적인 양자 상태 공간에서는
자연스럽게 들어갈 수 있는 거죠. 그런데 똑같은 데이터라도 이를 양자 상태로 변환하는 방식이 수없이 많습니다.
어떤 방식으로 바꾸면 머신 러닝 성능이 가장 잘 나올까? 저희는 이걸 머신 러닝을 통해서 최적화를 합니다.
고정 컴퓨터는 어떤 방식으로 데이터를 바꾸면 좋은지 배우고
양자 컴퓨터는 그 방식이 실제로 효과 있는지 알려줍니다. 저희는 이 방식이 학습 성능과 일반화 성능 모두를
극대화 시킬 수 있을 확인했습니다. 그리고 여기에 또 다른 자연 법칙 중에 하나인
열력학 이론을 접목해서 양자 머신 러닝 성능에 궁극적인 한계를
밀어붙이는 그러한 연구도 하고 있습니다. 이러한 접근을 바탕으로 신약 개발이라든지
재료과학,금융,에너지,환경 등 우리의 실생활에 밀접하게 연결되어 있는 다양하고 복잡한 문제들을 해결하는데
양자 머신 러닝의 활용 가능성을 탐구하고 있습니다. 그리고 또 하나의 과제가 있습니다.
양자 컴퓨터의 불안정성 문제입니다. 양자 정보는 정말 민감해서 주변에 아주 작은 변화에도 영향을 받습니다.
그래서 계산 중 오류가 자주 발생하죠. 이것 때문에 사실 다행히도 아직까지는 우리의 은행 계좌가 안전합니다.
그런데 어쨌든이 양자 오류라는 것이 양자 컴퓨팅 기술을 완성하는데 있어서 반드시 넘어야 하는 산입니다.
여기서도 머신 러닝이 등장합니다. 바로 인공지능이 양자 컴퓨터의 오류 패턴을 학습해서
이걸 어떻게 보정을 해야 할지 알려줍니다. 저희 연구실에서는 이러한 방식으로
인공지능을 통해 양자 컴퓨터 결과 값에 신뢰도를 높여 주는 그런 연구도 수행하고 있습니다.
여러분 양자 컴퓨팅 연구는 흔히 High Risk, High Return 분야로 알려져 있지만 저는 오히려
No Risk, High Return이라고 생각합니다. 우리가 알고 있는 가장 정확한 이론에 따르면
양자 컴퓨터를 만드는 것이 자연의 법칙상 불가능하지 않습니다.
그러니까 자연은 우리가 양자 컴퓨터 만드는 것을 허락해 주고 있는 것이죠.
결국 되냐 안되냐가 아니라 언제 되느냐의 문제인 것입니다. 언젠가 양자 컴퓨터를 만드는데 성공한다면
우리가 꿈꾸고 있는 그리고 그 이상의 수많은 혁신적인 변화가 이루어질 것입니다.
그런데 양자 컴퓨터 만드는데 실패하면 어떨까요? 아마도 저는 실직자가 될지도 모르겠습니다.
만약 양자 컴퓨팅 연구의 끝에서 우리가 결국 실패 한다면 어쩌면 우리는 자연의 법칙을 어딘가
근본적으로 잘못 이해하고 있었던 것일지도 모릅니다. 그리고 그 순간이야말로
우리가 이 세상을 더 제대로 이해하기 위한 새로운 이론의 출발점이 될 수도 있습니다.
그리고 다시 새로운 기술로 이어지는 또 하나의 사이클이 시작될 것입니다. 그러니까 여러분, 양자 컴퓨팅 연구는 전혀 손해 볼게 없는 도전입니다.
여러분 모두에게 추천 드립니다. 리처드 파인만 교수님은 마지막으로 그의 칠판에
이러한 문구를 남겨 두셨습니다. What i cannot create, i do not understand.
이 문장은 진정으로 무언가를 안다라고 하는 것이 어떠한 의미인지 그의 철학을 상징하는 것 같은데요.
저는 이 문장을 조금 다른 관점에서 생각해보고싶습니다. 우리가 어떤 것을 만들려고 애쓰는 그 과정 자체가
결국은 진정한 이해로 이어진다는 것입니다. 처음에는 잘 모르더라도 만들기 위해 계속 시도하다 보면
어느새 점점 더 잘 안게 되죠. 양자 인공지능도 마찬가지 입니다.
그 기술을 만들고 실험하고 다듬어가는 이 여정은 결국 자연과 그리고 우리 자신을 더 깊이 이해해 가는 과정입니다.
그리고 지금 그 여정의 시작점에서 서있습니다. 그래서 앞으로가 더 기대되고 더 흥미로운 것이지요.
2022년 노벨 물리학상은 양자 정보 과학, 24년 노벨 물리학상은 인공지능의 기초를 넣은 연구에 수여되었습니다.
이 두 분야에는 공통점이 있습니다. 모두가 가능성을 의심하고 관심이 쉽고 연구가 외면당하고
이런 시기에 몇몇 연구자들은 끝까지 포기하지 않았다는 것입니다. 결국 새로운 문명은 끝까지 질문을 놓지 않는 이들의 손에서 시작됩니다.
양자 기술은 물리 수학 공학자들만의 전유물이 아닙니다. 제가 앞에서 말씀드린 것처럼 다양한 분야가 서로 연결되고
겹치는 그 지점에서 비로소 새로운 도약이 시작됩니다. 융합적 사고가 자연에 대한 이해의 경계를 넓힙니다.
그리고 그 경계를 넘어가는 순간 우리는 단지 기술을 만드는 것이 아니라 새로운 질문을 던질 수 있는 문명을 만들게 되는 것입니다. 감사합니다.