우주 속에서 생명이 살 수 있는 곳을 찾으려면, 빠르게 생각할 수 있는 인공지능 컴퓨터가 필요하다. 천문학자들이 우리 태양계 밖의 행성을 처음 발견한 것은 지난 1990년대 초반이다. 이후 현재까지 발견된 태양계 밖 행성들은 3,400개다.
우리는 이제 이 중 어느 것에 생명이 살 가능성이 있는지를 알고 싶어 한다. 그러나 연구자들이 한 행성을 분석 하는 데는 오랜 시간이 걸린다. 2018년에 발사될 제임스 웹 우주 망원경같은 신장비들은 과학자들이 수작업으로 처리하지 못할 만큼 많은 정보들을 가져올 것이다. 이러한 데이터 밀림 현상은 새로운 발견을 지연시키고 방해할 수 있다. 이 때문에 유니버시티 칼리지 런던 대학(UCL)의 연구자들은 로버트(RobERt)를 개발했다. 로버트는 생명 거주 가능 행성에 관한 우주 데이터를 인간보다 더욱 빠르게 스캔할 수 있는 인공 지능이다. 그 행성이 근처의 항성에서 받은 빛의 일부를 반사한다는 기본 원리다. 이 반사광이 행성의 대기를 통과하면 대기 속 다양한 기체는 특정 파장의 빛을 흡수하거나 통과하게 된다. 그러면 지구의 과학자들은 이러한 스펙트럼 현상을 이용하여 그 행성의 대기 성분을 알 수 있으며, 이를 가지고 생명(외계 생명체 또는 미래의 인간 탐사자)이 살아갈 수 있는지를 판단하는 것이다.
로버트(RobERt)는 태양계 밖 행성에 대한 로봇 인식이라는 영어 이름 Robotic Exoplanet Recognition의 약자다. 로버트는 태양계 밖 행성의 스펙트럼을 수 초 내에 분석 가능하다. 그 성능의 원천은 심층 신뢰 신경망(deep-belief neural network, DBN)이다. DBN은 인간 두뇌와 거의 비슷한 방식으로 사고한다. 데이터를 다층 실리콘 신경을 통해 거르는 것이다. 데이터는 시스템이 정답이라고 판단할 때까지 걸러지고 정렬된다. 로버트의 경우 정답은 주어진 스펙트럼 속에 있는 기체의 성분이다.
인간 두뇌와 마찬가지로, DBN 역시 시행착오를 통해 배운다. 따라서 UCL의 연구자들은 로버트를 훈련시키기 위해 85,000여 건의 모의 스펙트럼을 보여주었다. 결국 로버트는 기체의 성분을 99.7%의 정확도로 맞출 수 있게 되었다. UCL 연구팀의 수석 연구자인 잉고 월드먼에 따르면 연구자들이 완전치 않은 데이터나, 잡음이 심한 데이터를 주어도 그 정도의 정확성을 보였다고 한다.
생명 거주 가능 행성을 찾는 것은 시작에 불과하다. 로버트의 신속한 데이터 분석 능력을 사용하면 과학자들은 우리 태양계를 포함한 여러 태양계의 최초 형성 과정을 더 잘 알 수 있다. 월드먼은 “우리는 행성의 형성에 대해 이제 간신히 알기 시작했을 뿐이다. 다른 태양계의 표본들을 더 많이 관찰하는 것이야말로 이 과제를 완료하는 유일한 방법이다”라고 말한다. 인공지능 이론 천문학자인 로버트는 아마도 이런 생각을 하고 있을 것이다. “행운이 따른다면 생명이 거주 가능한 작은 행성을 찾을 수 있을 것이다. 물론 행운이 따라야 한다. 그러나 그 날은 꼭 올 것이다”
서울경제 파퓰러사이언스 편집부/BY CLAY DILLOW
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
