AI를 완성해줄 모방학습과 연합학습

AGI로 가는 길

Jun 27. 2025

AI는 인터넷에 공개된 데이터와 인류 문명 속에서 수집되어온 정보들 기반으로 학습을 해왔다. 그것만으로도 세상이 놀랄만큼의 ChatGPT가 탄생했다. 덕분에 수 많은 종류의 생성형 AI가 연이어 출시되었다. 하지만, 이것만으로는 완전체의 AI가 만들어질리 없다. 우리 인간의 학습은 온라인으로만 채워지는 것이 아니라 우리가 사는 현실 속에서 수 많은 경험과 시행착오 그리고 주변의 사람들과 소통 속에서 완전체가 될 수 있었다. 그렇게 AI도 보다 완성되려면 현실을 학습해야 하고 서로 함께 학습해야 한다.

즉, AI의 학습 방식은 현재 대부분 인터넷과 기존 데이터를 기반으로 이루어져왔다. 하지만 AI가 진정한 완전체로 성장하기 위해서는 인간의 학습 방식처럼 현실의 경험과 협력의 과정을 통해 지속적으로 성장해야 한다. 이를 가능하게 하는 기술이 바로 모방학습과 연합학습이다.

먼저, 모방학습(Imitation Learning)은 AI가 인간의 행동을 관찰하고 이를 그대로 따라함으로써 배우는 학습 방식이다. 예를 들어, 로봇이 특정 작업을 수행할 때 사람이 시범을 보이면 이를 관찰하고 그 행동을 그대로 흉내 내어 작업을 수행한다. 이는 마치 아이가 부모의 행동을 보고 그대로 따라하며 학습하는 것과 같다. 실제 사례로, 아마존의 물류 창고에서는 로봇들이 직원들의 제품 포장과 같은 세부적인 작업을 관찰하고 학습하여 업무 효율성을 크게 높이고 있다. 그리고 스탠포드대 연구팀이 구글 딥마인드와 협력하여 개발한 양팔 로봇 '모바일 알로하(Mobile Aloha)'가 있다. 이 로봇은 지도 시연(supervised demonstration)과 행동 복제(behavior cloning) 방식으로 사람의 다양한 집안일 수행 동작을 학습한다. 식사 준비, 식기 세척, 세탁물 정리, 주방기기 조작 등 일상 가사 업무를 높은 정확도로 수행할 수 있으며 각 작업마다 50회의 시연과 기존 데이터셋과의 공동 학습을 통해 성공률을 최대 90%까지 끌어올렸다. 특히 이 로봇은 전신 원격 제어 기능과 양팔 조작 기능을 갖추었고 약 3만 2천 달러로 제작 가능해 일반 가정에서도 향후 활용 가능성을 제시한다. 이처럼 모방학습을 통해 AI는 인간이 직접 수행한 행동을 빠르게 학습하고 복잡한 실제 환경에서도 높은 성능을 발휘할 수 있게 된다.

스탠포드 대학교의 모바일 알로하

반면, 연합학습(Federated Learning)은 분산된 여러 장치들이 각자 보유한 데이터를 직접 공유하지 않고도 협력하여 학습하는 기술이다. 각 디바이스는 각자의 데이터로 로컬에서 학습을 진행한 후 학습된 모델의 업데이트만을 중앙 서버에 공유한다. 이후 중앙 서버는 여러 장치에서 얻은 업데이트를 종합하여 전체 모델을 개선하는 방식이다. 이 과정에서 개인의 데이터는 각 디바이스에 남아 있어 보안과 개인정보 보호 측면에서 탁월한 강점을 지닌다. 대표적인 사례로는 구글의 스마트폰 키보드 앱인 Gboard가 있다. 이 앱은 사용자가 키보드를 사용할 때의 입력 패턴(예: 추천 단어 클릭 여부 등)을 스마트폰 내에서 학습하고, 충전 중이면서 Wi-Fi에 연결된 조건에서만 학습된 파라미터를 서버에 전송한다. 이를 통해 사용자의 데이터를 중앙에 저장하지 않고도 문맥 예측과 추천 성능을 지속적으로 향상시킬 수 있다. 또, 카카오헬스케어는 개별 병원에서 각자의 의료 데이터를 외부로 전송하지 않고 내부에서 AI 모델을 학습시키며 그 결과만을 공유하여 질병 예측이나 진단 보조 모델의 정확도를 높이는데 연합학습을 이용하고 있다. 이를 통해 환자의 민감한 정보를 보호하면서도 의료 AI의 정밀도를 높이는 효과를 얻을 수 있다. 특히, 연합학습은 에너지, 네트워크, 자율주행 등 다양한 산업 영역에도 도입되고 있다. 스마트 미터와 전력망은 각 지역 단위에서 데이터를 로컬 학습하여 에너지 수요 예측이나 최적화에 활용되고 자율주행차는 각각의 차량이 경험한 주행 데이터를 직접 공유하지 않고도 전체 주행 성능을 향상시킨다. 이러한 분산형 학습 구조는 데이터 주권과 보안을 강화하면서도 시스템 전체의 AI 능력을 끌어올리는 핵심 수단이 되고 있다.

구글의 키보드 앱인 Gboard

이 두 기술의 기술적 특성은 명확하다. 모방학습은 인간의 행동을 직관적으로 따라하며 빠른 적용력을 제공하며 연합학습은 데이터 보안과 프라이버시 보호를 유지하면서 협력적 모델 개선을 가능하게 한다. 결과적으로, 이 두 기술은 AI가 현실 세계에서의 적용성을 획기적으로 높이고 데이터 프라이버시 문제를 극복하면서 보다 강력한 AI로 진화하는 데 필수적인 역할을 수행할 것이다. 이처럼, 앞으로 모방학습과 연합학습은 다양한 산업과 사회적 영역에서 더욱 광범위하게 적용될 것이다. 제조, 헬스케어, 금융뿐만 아니라 교육과 서비스 산업에서도 AI가 인간과 더 밀접히 협력하며 정교한 의사결정을 지원하고 일상적인 업무를 자동화할 것이다. 이러한 학습 방식은 결국 인간의 삶의 질을 향상시키고 보다 안전하며 효율적인 사회를 구축하는 데 큰 기여를 할 것으로 기대된다.