물류 업계에서 가장 오랫동안 풀지 못한 과제 중 하나는 최단 경로를 찾는 일이다. 1930년대에 처음으로 밝혀진 '외판원의 문제(traveling salesman problem)'는 최적의 시간과 자원을 사용해서 최단 시간으로 도시 간 이동하는 방법에 관련된 것이다.

엔비디아의 인셉션 프로그램(Inception program)의 회원사 중 하나인 인공지능(AI) 스타트업 '인스타딥(InstaDeep)'의 공동창립자 겸 CEO인 카림 베귀어(Karim Beguir)는 GPU 테크놀로지 컨퍼런스(GPU Technology Conference, GTC)에서 GPU로 구동되는 딥 러닝과 강화학습을 통한 해결책을 발표했다.

외판원의 문제를 해결하기 위해 이전에는 최적화 솔버(optimization solvers), 경험적 접근(heuristics)과 몬테카를로 트리 검색(Monte Carlo Tree Search) 알고리즘을 사용해왔다. 허나 베귀어 CEO에 따르면 이러한 접근법들은 자체적으로 학습할 수 없다는 단점도 존재한다.

베귀어 CEO는 “이전에 해결된 문제들로부터 축적된 경험이 없다. 이 문제를 해결하기 위해서는 계산적인 투자로 무언가를 학습할 수 있다면 좋을 것”이라고 말했다.

이어 “딥 러닝 뉴럴 네트워크의 속도와 몬테카를로 트리 검색의 계획적인 의사결정을 결합하는 최근의 연구 덕분에, 물류 분야를 변화시킬 돌파구를 찾았다”고 덧붙였다.

구글 딥마인드(DeepMind)의 알파제로(AlphaZero)는 뉴럴 네트워크, 몬테카를로 트리 검색, 그리고 스스로의 플레이를 통해 배울 수 있는 능력을 결합한 프로그램이다. 베귀어 CEO는 알파제로를 '새로운 유형의 AI 챔피언'이라고 부른다.

알파제로는 바둑, 장기, 체스 게임의 세계 챔피언들은 이기기 위해서 개발됐지만, 그 영향은 게임 분야에만 국한되지 않는다. 베귀어 CEO는 “알파제로의 학습은 데이터가 제로인 상태에서 시작한다. 시스템은 자기대국을 통해 발생한 데이터로 학습을 진행한다”고 설명했다.

알파제로는 다니엘 카너먼(Daniel Kahneman)이 자신의 저서 '생각에 관한 생각(Thinking, Fast and Slow)'에서 서술한 인간의 2개 인지과정을 연결한다.

한 가지는 삶의 대부분을 지배하는 빠르고 직관적인 반응, 또 다른 한 가지는 좀 더 복잡한 문제를 해결하기 위해 사용되는 계획적인 생각이다.

인체의 이러한 발달된 과정에 영감을 얻은 인스타딥은 엔비디아 DGX-1 AI 슈퍼컴퓨터를 활용, 몬테카를로 트리 검색을 딥 러닝에 대입해 알파제로를 비즈니스 상의 문제를 해결하는데 적용하는 작업을 진행하고 있다.

베귀어 CEO는 인스타딥의 AI 알고리즘은 트레이닝을 받는 것이 아니라 처음부터 일을 시작한다고 설명한다. 외판원의 문제 역시 점차 더 나은 경로를 찾아서 해결하게 되는 셈이다. 이 알고리즘은 보다 효율적인 포장 방법을 배우고 있으며 물류 산업의 또 다른 과제를 해결하고 있다.

베귀어 CEO는 “경험을 통해 배우는 AI를 만드는 것이 물류와 같은 산업 분야의 중대한 과제를 해결할 수 있다고 믿는다. 다만, 스스로 배우는 AI가 완벽한 비즈니스 솔루션이 되기에는 아직 갈 길이 멀다”고 말한다.

“지금은 문제를 해결하는 단계이지만, 앞으로 더 많은 것을 해낼 수 있을 것입니다. 몇 년 후에 여러분의 시스템이 학습할 수 있는 능력이 없다면, 무언가 잘못하고 있는 것일 테지요”

자료제공 : 엔비디아