AI 에이전트 뉴스언론 보도어제 발표
예상치 못한 환경에 대응하는 차세대 AI 에이전트 개발
This AI entrepreneur is developing agents that can plan ahead for the unexpected
MIT Technology Review AI딥마인드 출신 연구원 다니자르 하프너가 예상치 못한 상황에 스스로 계획을 세우는 차세대 AI 에이전트를 개발하고 있습니다.
세 줄 요약
- 물리적 현실을 모방한 '세계 모델' 기반 학습을 통해, 실제 시행착오 없이도 미래를 예측하며 복잡한 작업을 수행하는 것이 핵심입니다.
- 이는 로봇이 사람이 사는 집처럼 한 번도 본 적 없는 환경에서도 새로운 임무를 자율적으로 처리할 수 있게 하는 혁신적인 기술입니다.
- 가상 세계에서의 성공을 넘어, 이 기술은 궁극적으로 AI를 실제 물리적 공간에 적용하는 데 중요한 전환점이 될 전망입니다.
다니자르 하프너는 인공지능(AI)이 훈련 과정에서 한 번도 접하지 못한 환경을 탐색할 수 있도록 하는 연구를 진행하고 있습니다. 특히 로봇을 사람의 집과 같은 인간 생활 공간에 투입하려면, 이전에 본 적 없는 바닥 구조나 가구 배치 등 다양한 상황에 대응하는 능력이 필수적입니다.
이러한 목표를 달성하기 위해 하프너는 '모델 기반 (model-based reinforcement learning)'이라는 방식을 활용합니다. 그는 물리적 현실을 모방하도록 설계된 AI 모델, 즉 '세계 모델(world models)'을 개발하고 를 이 안에서 훈련시킵니다. 에이전트는 이 모델을 실제 환경의 시뮬레이션처럼 취급하며 행동하는 법을 배우고, 이를 통해 미래 결과를 예측할 수 있게 됩니다.
하프너는 가상 세계에서의 성공적인 사례들을 거쳐 물리적 현실로 기술을 확장하고 있습니다. 초기에는 PlaNet과 Dreamer 2(Atari 2600 게임에서 인간 수준의 성능 달성) 등을 통해 계획 능력을 입증했으며, 이후 DayDreamer 프로젝트를 통해 로봇이 특정 훈련 없이도 새로운 환경에 스스로 작동하며 반응하는 것을 보여주었습니다.
용어 풀이
- 강화 학습
- 행동의 결과에 보상을 주면서 더 나은 행동을 익히게 하는 학습 방법.
- 에이전트
- 목표를 받으면 스스로 계획을 세우고 도구를 써서 여러 단계의 작업을 해내는 AI.
