신흥 의사소통: AI가 어떻게 의사 소통하는지 밝히면 외계 언어를 해독 가능하다.

 

2016년 SF 영화 컨택트(Arrival)에서 언어학자는 원형 기호로 쓰여진 회문 구문으로 구성된 외계 언어를 해독하는 어려운 과제에 직면한다. 그녀가 다양한 단서를 발견하면서 전 세계의 여러 나라는 메시지를 다르게 해석한다. 어떤 나라는 위협을 전달한다고 생각한다.

 

오늘날 인류가 그런 상황에 처하게 된다면, 가장 좋은 방법은 인공지능이 언어를 개발하는 방법을 밝히는 연구를 하는 것이다.  

 

하지만 정확히 언어는 무엇을 정의하는 것일까? 우리 대부분은 주변 사람들과 소통하기 위해 적어도 하나 이상의 언어를 사용하지만, 어떻게 생겨났을까? 언어학자들은 수십 년 동안 이 질문에 대해 고민해 왔지만, 언어가 어떻게 진화했는지 알아내는 쉬운 방법은 없다.

 

언어는 덧없으며 화석 기록에서 조사할 수 있는 흔적을 남기지 않는다. 뼈와 달리 우리는 고대 언어를 파내어 시간이 지남에 따라 어떻게 발전했는지 연구할 수 없다.

 

인간 언어의 진정한 진화를 연구할 수는 없겠지만, 시뮬레이션을 통해 약간의 통찰력을 얻을 수 있을지도 모른다. AI가 등장하는 곳이 바로 여기이다. 나는 지난 3년 동안 이 분야를 연구해 온 신흥 의사소통이라는 매혹적인 연구 분야에 일하고 있다.

 

언어가 어떻게 진화할 수 있는지 시뮬레이션하기 위해 AI 에이전트에게 지도를 보여주지 않고도 그리드의 특정 위치로 다른 로봇을 안내해야 하는 게임과 같이 의사소통이 필요한 간단한 작업을 제공한다. 우리는 그들이 무엇을 말할 수 있는지 또는 어떻게 말할 수 있는지에 대한 제한을 (거의) 제공하지 않는다. 우리는 그들에게 작업을 주고 그들이 원하는 대로 해결하도록 한다.

 

이러한 작업을 해결하려면 에이전트가 서로 의사소통해야 하므로 언어가 어떻게 진화할 수 있는지에 대한 아이디어를 얻기 위해 시간이 지남에 따라 의사소통이 어떻게 진화하는지 연구할 수 있다.

 

유사한 실험이 인간을 대상으로 수행되었다. 영어 사용자인 당신이 영어를 모르는 사람과 짝을 이룬다고 상상해 보자. 당신의 작업은 파트너에게 테이블 위의 다양한 물건에서 녹색 큐브를 집으라고 지시하는 것이다.

 

손으로 큐브 모양을 제스처하고 창밖의 풀을 가리키며 녹색을 나타낼 수도 있다. 시간이 지남에 따라 함께 일종의 원시 언어를 개발하게 될 것이다. "큐브"와 "녹색"에 대한 구체적인 제스처나 기호를 만들 수도 있다. 반복적인 상호 작용을 통해 이러한 즉흥적인 신호는 더욱 정교하고 일관되게 되어 기본적인 커뮤니케이션 시스템을 형성한다.

이는 AI에도 비슷하게 적용된다. 시행착오를 통해 알고리즘은 자신이 보는 사물에 대해 소통하는 법을 배우고 대화 상대는 이를 이해하는 법을 배운다.

 

하지만 그들이 무슨 말을 하는지 어떻게 알 수 있을까? 그들이 인공 대화 상대와만 이 언어를 개발하고 우리와는 개발하지 않는다면, 각 단어의 의미를 어떻게 알 수 있을까? 결국 특정 단어는 "녹색", "큐브" 또는 더 나쁜 경우 둘 다를 의미할 수 있다. 이러한 해석의 과제는 내 연구의 핵심 부분이다.

 

코드 해독

AI 언어를 이해하는 작업은 처음에는 거의 불가능해 보일 수 있다. 영어만 하는 협력자에게 폴란드어(제 모국어)로 말하려고 해도 서로를 이해할 수 없고 각 단어의 시작과 끝도 알 수 없다.

AI 언어의 과제는 훨씬 더 크다. 인간의 언어 패턴과는 전혀 다른 방식으로 정보를 구성할 수 있기 때문이다.

 

다행히도 언어학자들은 정보 이론을 사용하여 알려지지 않은 언어를 해석하는 정교한 도구를 개발했다.

고고학자들이 조각에서 고대 언어를 모으는 것처럼, 우리는 AI 대화의 패턴을 사용하여 언어 구조를 이해한다. 때로는 인간 언어와 놀랍도록 유사한 점을 발견하고, 때로는 완전히 새로운 의사소통 방식을 발견한다.

 

이러한 도구는 AI 의사소통의 "블랙박스"를 들여다보고 AI 에이전트가 고유한 정보 공유 방식을 개발하는 방법을 보여준다.

최근 나의 연구는 에이전트가 보고 말하는 것을 사용하여 언어를 해석하는 데 중점을 두고 있다. 각 화자가 보고 있는 내용과 함께 알려지지 않은 언어로 된 대화의 사본을 가지고 있다고 상상해 보자. 우리는 필사본의 패턴을 참가자의 시야에 있는 사물과 일치시켜 단어와 사물 간의 통계적 연결을 구축할 수 있다.

 

예를 들어, "yayo"라는 문구가 새가 지나가는 것과 일치할 수 있다. 우리는 "yayo"가 화자가 "새"를 의미하는 단어라고 추측할 수 있다. 이러한 패턴을 신중하게 분석함으로써 우리는 의사소통의 의미를 해독하기 시작할 수 있다.

 

나와 동료들이 신경정보처리시스템학회 Neural Information Processing Systems(NeurIPS)의 회의록에 게재할 예정인 최신 논문에서, 우리는 이러한 방법을 사용하여 AI의 언어와 구문의 일부를 최소한 역엔지니어링할 수 있음을 보여주며, 이를 통해 AI가 의사소통을 어떻게 구성할 수 있는지에 대한 통찰력을 제공한다.

 

외계인과 자율 시스템

이것이 외계인과 어떻게 연결될까? AI 언어를 이해하기 위해 개발 중인 방법은 미래의 외계인 의사소통을 해독하는 데 도움이 될 수 있다.

문맥(예: 텍스트와 관련된 시각적 정보)과 함께 쓰여진 외계인 텍스트를 얻을 수 있다면 동일한 통계 도구를 적용하여 분석할 수 있다. 오늘날 개발 중인 접근 방식은 외계 언어에 대한 미래 연구, 즉 제노링귀스틱스에 유용한 도구가 될 수 있다.

 

하지만 이 연구의 혜택을 받으려면 외계인을 찾을 필요는 없다. ChatGPT나 Claude와 같은 언어 모델을 개선하는 것부터 자율 주행차나 드론 간의 의사소통을 개선하는 것까지 수많은 응용 프로그램이 있다.

 

새로운 언어를 디코딩함으로써 미래 기술을 이해하기 쉽게 만들 수 있다. 자율 주행차가 어떻게 움직임을 조정하는지 또는 AI 시스템이 어떻게 결정을 내리는지 아는 것이든, 우리는 지능형 시스템을 만드는 것뿐만 아니라 이를 이해하는 법을 배우고 있다.

 

글쓴이: 올라프 리핀스키는 사우스햄튼 대학교에서 박사과정 학생으로 인공지능을 연구하고 있다. 그의 주요 관심사는 신생 커뮤니케이션, 즉 AI 에이전트가 어떻게 자신의 언어를 개발할 수 있는지에 관한 것이다.