This Climate Does Not Exist — 기후 변화를 시각화하는 AI 도구
전 세계적인 자연재해의 급격한 증가를 우려한 몬트리올의 Mila(퀘벡 인공지능 연구소) 인공지능 연구팀은 지구상 어느 곳의 어떤 주소든 기후 변화의 잠재적 영향을 볼 수 있는 웹사이트를 개발했습니다.
강한 홍수, 산불 또는 스모그에 휩싸인다면 그 장소는 어떻게 보일까요? 생성적 적대 신경망(GAN)이라 불리는 기계 학습 알고리즘 클래스를 사용해 사이트 This Climate Does Not Exist는 Google 스트리트 뷰에서 해당 장소에 기후 변화의 영향을 적용한 사실적인 필터를 만들어 냅니다.
이 체험은 세계가 기후 변화에 계속 비효율적으로 대응한다면 발생할 수 있는 시나리오에 대한 사용자의 인식을 높입니다. 이 프로젝트는 2년간의 작업이 집약된 결과입니다. Joshua Bengio의 지휘 아래 30명이 넘는 전문가와 직원, 그리고 회사의 선임 연구원인 Sasha Luccioni, Victor Schmidt, Alex Hernandez-Garcia 등이 참여했습니다. 이는 많은 파트너의 재정 및 기술 지원 덕분에 가능했습니다.
This Climate Does Not Exist는 인공지능과 공감에 기반한 체험으로, 사용자가 현재의 기후 위기가 환경에 미치는 영향을 상상해 볼 수 있게 합니다. GAN은 컴퓨터가 이미지를 생성하고 변환할 수 있게 하는 기계 학습 프레임워크 클래스입니다.
연구진은 이 프로젝트를 “이 기후는 존재하지 않는다”라고 이름 붙였는데, 이는 여러분이 뒷마당에서 직접 겪지 않더라도 지금 이 순간 기후 변화가 전 세계에 끔찍한 결과를 낳고 있음을 강조하기 위해서입니다. 또한 사람, 고양이, 나비, 심지어 발 등 실재하지 않는 것들의 이미지를 인공지능으로 만드는 최근 경향을 가리키기도 합니다.
“이 이름을 선택한 것은 기후 위기의 결과를 보여주는 인공지능이 만든 이미지가 실제가 아니더라도 인식을 높이고 행동을 촉구하는 역할을 한다는 점을 보여주기 위해서입니다”라고 프로젝트 제작진은 밝혔습니다. 이들은 기후학을 연구하지는 않지만, 기후 행동 네트워크 같은 파트너들로부터 신뢰할 수 있는 출처를 모으기 위해 최선을 다했습니다.
컴퓨터 과학자들은 기후 변화와 환경에 미치는 영향에 큰 관심을 가지고 있습니다. 그들은 세상을 더 나은 곳으로 만들기 위해 인공지능을 활용하기로 했습니다. 기후 변화는 인류에게 심각한 문제입니다. 그 재앙적 결과를 막으려면 정책과 사람들의 행동 모두에서 변화가 필요합니다.
그러나 기후 변화는 우리 자신에게 직접적인 위협으로 느끼기 어려운 추상적 현상이라는 점에서, 많은 인지적 편향이 사람들이 행동하지 못하게 합니다. 이는 심리적 거리를 만들어 내는데, 이 인지된 거리는 시간(기후 변화의 결과는 미래에 있으므로)과 공간(그 영향 대부분이 우리에게서 멀리 떨어진 곳에서 일어나므로) 모두와 관련될 수 있습니다.
연구에 따르면 침수된 도시, 산불로 파괴된 숲, 스모그에 뒤덮인 도시 등 기후 변화의 결과 이미지를 사람들에게 보여주면 이러한 심리적 거리를 줄이는 데 도움이 될 수 있으며, 특히 장소가 시청자에게 익숙할 때 더욱 그렇습니다.
“인공지능으로 개인에게 맞춘 기후 영향 이미지를 만드는 것은 행동에 대한 장벽을 넘고 이 중요한 문제에 대한 인식을 높이는 데 특히 효과적일 것이라고 생각합니다. 이 프로젝트가 시청자들이 자신의 인지적 편향을 재고하고, 개인과 전 세계 공동체 구성원 모두가 기후 변화를 막기 위해 조치를 취하도록 하기를 바랍니다”라고 과학자들은 말했습니다.
생성적 적대 신경망(GAN)은 2014년 몬트리올에서 발명되었으며, 이를 통해 인공지능은 이미지, 텍스트, 심지어 음악과 같은 새로운 콘텐츠를 생성할 수 있게 되었습니다. 처음에 GAN은 다양한 사람들의 이미지 같은 예시 세트로부터 사람의 이미지를 만드는 법을 배웠습니다. 이후 한 이미지 집합을 다른 집합으로 변환할 수 있도록 개선되었습니다. 이 과정은 처음에 CycleGAN 아키텍처로 구현되었는데, 이를 통해 말을 얼룩말로, 사과를 오렌지로, 겨울 풍경을 여름 풍경으로 바꿀 수 있습니다.
생성적 적대 신경망 또는 GAN은 생성기와 판별기라는 두 개의 신경망으로 구성된 인공지능 모델입니다. 이 두 네트워크는 서로 경쟁합니다. 생성기의 목표는 최대한 사실적인 이미지, 예를 들어 침수된 거리를 만들어 판별기를 속이는 것이며, 판별기는 생성기가 만든 이미지와 실제 침수 장면의 이미지를 구별하려고 합니다. 이 과정을 통해 생성기는 만들어 내는 이미지의 품질을 점차 개선하고 점점 더 자주 판별기를 속이게 됩니다.
학습 과정이 끝날 무렵에는 생성기가 만든 이미지가 실제 이미지와 구별할 수 없어야 합니다. 이를 “수렴”이라고 합니다. 실제로 이러한 유사성을 달성하기는 어렵습니다. 이미지에는 많은 특징과 속성이 있기 때문에, 생성기는 현실적인 이미지를 만들기 위해 매우 복잡한 수학 함수를 학습해야 합니다. 이런 이유로 연구자들이 GAN을 개발하고 훈련하는 데 몇 달이 걸렸습니다.
특히 이들의 접근 방식은 재해 이미지 생성 과제를 여러 부분으로 나눕니다. 첫 번째 부분은 이미지에 담긴 정보를 압축한 숫자 집합인 일반적인 “표현”을 학습하는 데 집중합니다. 두 번째 부분은 이 정보를 사용해 동일한 표현으로부터 다양한 사건을 만들어 냅니다. 이는 과학자들이 여러 사건의 시각화를 만들기 위해 입력 이미지를 여러 번 처리할 필요가 없는 효율적인 처리 파이프라인을 제공합니다. 대신 이미지 내용의 중간 “인코딩” 단계를 재사용합니다.
스모그를 시각화하기 위해 중간 표현을 사용해 깊이 맵을 만드는데, 이는 카메라로부터 각 픽셀의 거리를 예측하여 스모그를 올바르게 조절할 수 있도록 하고, 멀리 있는 객체가 가까운 객체보다 더 흐릿하게 보이도록 합니다.
산불 이미지를 만들기 위해 연구자들은 일반 표현을 사용해 “하늘 마스크”를 만듭니다. 이는 입력 이미지에서 어떤 픽셀이 하늘에 속하는지 예측하여 이를 주황색으로 만들고, 약간의 흐림 효과를 준 뒤 전체 대비를 조정할 수 있게 합니다.
마지막으로 홍수를 모사하기 위해 일반 표현을 처리하여 원본 장면에서 물을 추가해야 할 위치를 보여주는 “홍수 마스크”를 출력합니다. 그런 다음 이 마스크는 퍼즐의 마지막 조각인 또 다른 신경망에 사용되며, 이 네트워크의 역할은 홍수 마스크와 입력 이미지의 맥락을 바탕으로 입력 이미지 위에 물을 그리는 것입니다.
Mila는 1993년 몬트리올 대학교의 Yoshua Bengio 교수가 설립한 인공지능 연구소입니다. 이 연구소에는 기계 학습을 전문으로 하는 500명 이상의 연구자가 소속되어 있습니다. Mila의 사명은 모두를 위한 인공지능의 혁신과 발전에 영감을 주는 과학적 성과의 세계적 중심지가 되는 것입니다.
이 비영리 단체는 기계 학습, 특히 언어 모델링, 기계 번역, 객체 인식 및 생성 모델 분야에 대한 중요한 기여로 국제적인 인정을 받았습니다.
