존스홉킨스 비스트(Johns Hopkins Beast)는 1960년대 후반 존스홉킨스 대학교 응용물리학연구소(APL)에서 개발된 역사적으로 중요한 자율 4족 보행 로봇이다. 이 로봇은 신경망으로 제어된 다리 달린 기계의 가장 초기 사례 중 하나로 인정받으며, 컴퓨터 비전과 이동을 단일 통합 시스템으로 결합했다. 이 프로젝트는 이후 Robotics 및 Artificial intelligence 연구에 영향을 준 원리를 입증했다.
비스트의 제작은 1966년 엔지니어이자 컴퓨터 과학자인 Bernard Widrow의 지휘 아래 시작되었다. 그는 스탠포드 대학교 교수였지만 APL과 협력하여 프로젝트를 진행했다. 로봇은 자율 탐색에 초점을 맞춰 제작되었으며, 카메라를 사용하여 복도를 감지하고 간단한 신경망으로 시각 입력을 처리했다. 위드로우와 그의 학생들이 개발한 ADALINE(Adaptive Linear Neuron)으로 알려진 이 신경망은 비스트가 외부 제어 없이 복도를 따라갈 수 있게 했다.
비스트의 기계적 설계는 비교적 단순했다. 네 개의 다리, 각각 전기 모터로 구동되었으며, 제어 전자 장치를 수용하는 작은 섀시를 갖추었다. 로봇은 느리고 신중한 보행으로 움직였으며, 시각 데이터를 처리한 후에만 발걸음을 내디뎠다. 아날로그 회로로 구현된 신경망은 복도 벽과 바닥 사이의 대비를 감지하는 광전지 배열에서 신호를 수신했다. 이를 통해 비스트는 중앙을 유지하기 위해 좌회전 또는 우회전할 수 있었다.
기술 사양 및 작동
비스트는 길이 약 0.6미터, 무게 약 20킬로그램이었다. 다리는 DC 모터로 구동되었으며, 각 걸음은 신경망의 임계 신호에 의해 시작되었다. ADALINE 네트워크는 단일 가중치 계층을 가졌으며, 초기 테스트 중 올바른 반응을 보장하기 위해 수동으로 조정되었다. 로봇은 초당 약 0.1미터의 속도로 작동했으며, 이는 당시 컴퓨팅 능력으로는 빠른 것으로 간주되었다.
제어 시스템은 아날로그와 디지털 구성 요소를 결합했다. 16개의 센서로 구성된 광전지 배열은 ADALINE에 신호를 공급했으며, ADALINE은 전진, 좌회전 또는 우회전 결정을 출력했다. 시스템은 충전식 배터리로 전원을 공급받아 약 30분간 연속 작동했다. 비스트는 현대적 의미의 Machine learning 훈련을 사용하지 않았다. 대신 가중치는 복도의 기하학적 구조에 기반하여 위드로우가 설정했다.
역사적 배경 및 영향
비스트는 Neural network 연구와 로봇 공학 모두에서 급속한 발전이 이루어지던 시기에 개발되었다. 위드로우의 ADALINE은 최초의 실용적 신경망 중 하나였으며, 이를 물리적 로봇에 적용한 것은 새로운 시도였다. 이 프로젝트는 잠재적 군사 응용을 위한 자율 시스템을 탐구하는 더 넓은 노력의 일환으로 미 해군의 자금 지원을 받았다.
로봇이 단순한 환경을 탐색하는 데 성공한 것은 신경망이 실시간 제어에 사용될 수 있음을 입증했으며, 이는 당시 널리 받아들여지지 않은 개념이었다. 비스트의 시각 유도 접근 방식은 이후 Computer vision 및 자율 주행 차량 연구에 영향을 주었으며, Stanford AI Lab 및 MIT CSAIL의 프로젝트를 포함한다. 그러나 비스트 자체는 일회성 프로토타입이었으며, 양산 버전은 제작되지 않았다.
보존 및 유산
프로젝트가 1969년에 종료된 후, 비스트는 몇 년 동안 APL에 보관되었다. 1980년대에 스미소니언 협회 미국 국립 미국사 박물관으로 이전되어 초기 로봇 공학 전시의 일부로 전시되었다. 로봇의 제어 전자 장치는 시연 목적으로 현대 구성 요소로 교체되었지만, 원래 ADALINE 회로는 보존되었다.
2024년 현재 비스트는 공개 전시되지 않지만 스미소니언 컬렉션에 남아 있다. 위드로우의 비스트 작업은 여러 신경망 교과서에 인용되며, 로봇은 Deep learning 및 Generative AI의 역사적 기록에서 현대 AI 시스템의 선구자로 자주 언급된다. 이 프로젝트는 또한 BAIR (Berkeley AI Research) 및 초기 신경망 개척자들의 계보를 추적하는 다른 학술 기관의 맥락에서도 참조된다.
현대 로봇과의 비교
Sanctuary AI의 휴머노이드 시스템이나 Figure AI의 보행 기계와 같은 후기 로봇과 달리, 비스트는 경험으로부터 학습할 능력이 없었다. 신경망은 정적이었으며, 행동은 제작 중 설정된 가중치에 의해 완전히 미리 결정되었다. 이는 Reinforcement learning 및 Large language model을 의사 결정에 사용하는 현대적 접근 방식과 대조된다.
비스트의 단순함은 강점이자 한계였다. 작고 가벼운 시스템이 유용한 작업을 수행할 수 있음을 입증했지만, 환경 변화에 적응할 수는 없었다. 이러한 한계는 이후 수십 년 동안 Machine learning 알고리즘과 Transformer (architecture) 아키텍처의 발전으로 해결되었으며, 이를 통해 로봇은 복잡한 감각 데이터를 처리하고 유연한 결정을 내릴 수 있게 되었다.
AI 역사에서의 중요성
존스홉킨스 비스트는 Artificial intelligence 역사에서 신경망의 최초 물리적 구현 중 하나로 자리 잡고 있다. 이론적 연구와 실용적 적용 사이의 간극을 메우며 AI가 실제 세계에서 작동할 수 있음을 보여주었다. 이 프로젝트의 카메라와 광전지 배열 사용은 현대 Computer vision 시스템을 예고했으며, 아날로그 구현은 AWS Trainium 및 Google Cloud TPU와 같은 특수 하드웨어 개발을 예시했다.
비스트는 학계 밖에서는 널리 알려지지 않았지만, 초기 AI 공학의 핵심 사례이다. 그 유산은 Transformer (architecture) 아키텍처를 개발한 Jakob Uszkoreit 및 Lukasz Kaiser와 같은 연구자들의 작업과 OpenAI 및 Google DeepMind와 같은 기업의 지능형 에이전트 창출을 위한 지속적인 노력에서 볼 수 있다. 비스트는 초기 AI 개척자들의 독창성과 스스로 보고 움직일 수 있는 기계를 만들려는 그들의 의지에 대한 증거로 남아 있다.