2024년 노벨물리학상은 인공지능(AI) 기술의 핵심인 머신러닝의 기초를 다진 두 과학자에게 돌아갔다. 존 홉필드(미국 프린스턴대 교수)와 제프리 힌튼(캐나다 토론토대 교수)이 그 주인공이다. 이들은 인공신경망 개념을 제안하며 오늘날의 AI 기술 발전에 기여했다. 이들의 연구는 구글의 '알파고'부터 최근의 '챗GPT'에 이르는 생성형 AI 기술의 밑바탕이 됐다.


스웨덴 카롤린스카야 의학연구원의 노벨상위원회는 10월 8일 이 두 과학자를 올해의 노벨물리학상 공동 수상자로 선정했다고 발표했다. 위원회는 "수상자들의 연구는 다양한 분야에서 이미 엄청난 기여를 하고 있다. 신소재 개발부터 AI 기술까지 폭넓게 응용되고 있다"고 평가했다.


AI의 핵심 기술인 인공신경망은 인간 뇌의 뉴런을 모방한 모델로, 이를 통해 머신러닝은 데이터를 학습하고 처리할 수 있게 됐다. 인공신경망에서 '노드'는 뉴런을 대신하며, 입력된 신호를 처리하고 다른 노드로 전달하는 역할을 한다. 각 노드 간의 연결 강도는 학습 과정에서 조정되며, 이로 인해 AI는 데이터를 효율적으로 학습할 수 있다.


두 수상자는 1980년대부터 이러한 인공신경망 기술의 기초를 구축했다. 존 홉필드는 '홉필드 네트워크'를 제안해 인공신경망이 패턴을 기억하고 복원할 수 있는 방법을 개발했다. 홉필드 네트워크는 패턴을 저장하고 안정된 상태에서 복원하는 기능을 제공하는 인공신경망 모델이다. 이 네트워크는 물리학 개념인 '스핀'을 활용해 에너지가 가장 낮은 상태를 패턴의 안정적인 기억으로 간주한다.


예를 들어, 홉필드 네트워크는 여러 개의 퍼즐 조각을 기억하고, 퍼즐이 불완전하게 주어지면 에너지가 가장 낮은 완성된 퍼즐 상태를 찾아가는 방식으로 패턴을 복원한다. 이는 단순한 패턴 인식과 기억에 탁월한 성능을 발휘하는 모델로, AI 기술의 중요한 기초가 됐다.


한편, 제프리 힌튼은 홉필드 네트워크를 발전시켜 '볼츠만 머신'이라는 새로운 모델을 개발했다. 볼츠만 머신은 단순히 패턴을 기억하는 것을 넘어, 데이터에서 숨겨진 특징을 학습하고 상상할 수 있는 인공신경망이다. 이 네트워크는 학습 중 노드 간의 값을 무작위로 변경하면서 에너지가 낮은 상태를 찾아가는 방식을 취하며, 이를 통해 복잡한 데이터에서 색상, 모양, 질감 등 다양한 특징을 학습할 수 있다.


힌튼의 볼츠만 머신은 단순한 기억 복원에 그치지 않고, 스스로 새로운 패턴을 만들어내는 능력을 갖추게 했다. 예를 들어, 미로를 처음 접한 AI가 처음에는 무작위로 길을 탐색하지만, 점점 학습을 통해 미로의 구조를 파악하고 최적의 경로를 찾을 수 있는 모델이다. 이는 현대의 생성형 AI, 즉 새로운 데이터를 창조하고 추론하는 모델의 기초가 됐다.


학계에서는 홉필드 네트워크와 볼츠만 머신을 현재 상용화된 AI 모델들의 고전적 원형으로 평가하고 있다. 특히 이들의 연구는 구글의 알파고와 같은 분류형 AI 모델뿐만 아니라, 챗GPT로 대표되는 생성형 AI에도 큰 영향을 미쳤다. 서울대학교 데이터사이언스랩 조정효 교수는 "홉필드 네트워크와 볼츠만 머신은 물리학 모델에서 출발해 현재의 딥러닝, 자연어 처리 기술로까지 진화했다. 이들의 기여는 AI 기술뿐만 아니라 사회 전반에 걸친 영향력을 고려한 수상으로 보인다"고 말했다.


이번 노벨물리학상 수상은 AI 기술이 단순한 기술적 발전을 넘어 사회 전반에 미치는 영향력을 고려한 결과로 풀이된다. 챗GPT와 같은 생성형 AI는 다양한 분야에서 활용되며 사람들의 삶에 큰 변화를 일으키고 있다. 홉필드와 힌튼의 연구는 AI 기술 발전의 토대를 제공했고, 이들의 기여가 사회에 미친 영향은 앞으로도 계속 확장될 전망이다.