인공지능(AI) 분야에 혁명을 가져올 획기적인 양자 강화 인공지능 연구가 진행되고 있다.
과학자들은 양자 트랜스포머(quantum transformers)라고 불리는 새로운 인공지능을 연구하고 있다. 이는 현재까지 최첨단 컴퓨터조차 해결하기 어려웠던 문제들을 다룰 수 있는 잠재력을 지니고 있다.
트랜스포머는 구글의 람다(LaMDA)와 OpenAI의 챗GPT와 같은 많은 챗봇의 핵심 기술이다. 트랜스포머의 핵심은 문장 내 단어들의 복잡한 관계를 이해하는 능력에 있다. 예를 들어, “그녀는 푸른 사과를 먹고 있다”는 문장을 트랜스포머가 분석한다면, “먹고 있다”는 “사과”와 관련이 있고 “푸른”과는 관련이 없음을 파악할 수 있습니다. 이러한 “주의 메커니즘(attention mechanism)”은 인간의 언어 처리 방식을 모방한 것이며, 최근까지 컴퓨터가 어려움을 겪었던 작업이다.
여기서 흥미로운 부분은 양자 컴퓨터다. 기존 컴퓨터가 0 또는 1의 값을 가지는 비트(bit)를 사용하는 것과 달리, 퀀텀 컴퓨터는 큐비트(qubit)를 사용하며, 이는 동시에 0과 1 모두 존재할 수 있다. 이러한 “중첩 (superposition)” 상태를 이용하여 한 번에 여러 가능성을 탐색할 수 있기 때문에 특정 문제에 대한 계산 속도를 획기적으로 향상시킬 수 있다.
최근 Quantum 저널에 실린 연구 논문(‘Quantum Vision Transformers‘)는 현재 인공지능 분야의 주목받는 기술인 트랜스포머와 양자역학의 잠재적인 힘을 결합했다.
프랑스 IRIF(founded by CNRS – Université Paris Cité), 영국 에든버러 대학교와 미국 큐씨웨어(QC Ware) 등이 참여한 국제 연구팀은 기초적인 퀀텀 트랜스포머를 구축하여 양자 시뮬레이터에서 테스트했다.
초기 모델은 망막 이미지를 무작위 추측보다 더 높은 정확도로 분류하는 성능을 보여주었다. 1,600명의 망막 이미지 데이터베이스(일부는 건강한 눈, 일부는 당뇨병으로 인한 실명인 사람)의 데이터베이스에서 양자 모델은 각 이미지를 손상이 없는 수준부터 가장 심각한 수준까지 5개 수준 중 하나로 분류했다.
이는 시작에 불과하다. 람다와 같은 최첨단 인공지능의 성능과 필적할 수 있는 양자 트랜스포머를 개발하는 데는 먼 길이 남아 있다. 현재의 양자 컴퓨터는 큐비트 수에 제한이 있으며, 이를 늘리고 동시에 오류를 최소화하는 것은 여전히 중요한 과제다.
IBM과 시드니 공대(University of Technology Sydney) 등 다른 연구팀들도 양자 트랜스포머 개념을 연구하고 있다. 미래는 기존 방식의 트랜스포머와 양자 트랜스포머 간의 직접적인 대결이 아닐 수도 있다. 혼합적인 접근 방식을 통해 퀀텀 컴퓨터는 화학이나 재료 과학 분야의 특히 복잡한 문제를 다루고, 기존 시스템은 방대한 데이터 세트를 분석할 수 있다. 양자 트랜스포머는 해독 불가능한 암호화 키나 발견되지 않은 물질의 특성과 같은 완전히 새로운 데이터를 생성하는 데에도 탁월할 수 있다. 이를 통해 기존 트랜스포머를 훈련시켜 훨씬 더 발전된 작업을 수행할 수 있게 한다.
잠재적인 이점은 문제 해결 능력 외에도 확장된다. 현재 규모의 기존 트랜스포머는 에너지 소비가 심각하며, 데이터 센터는 수요를 충족하기 위해 화석 연료에 의존해야 한다. 반면 양자 트랜스포머는 훨씬 더 효율적일 것으로 기대된다.
