8장 — 분배함수와 자유에너지

합쳐 없앤 변수의 자유에너지: 숨은 변수가 남기는 몫

학교 앞 분식집에 줄이 길면 우리는 그 집 대표 메뉴가 유난히 맛있으리라고 짐작한다. 그런데 손님이 가게를 고를 때는 대표 메뉴 하나가 아니라 그 가게에서 먹을 수 있는 메뉴 전부를 떠올린다. 분류기의 입력과 라벨, 잠재변수 모델의 관측값과 잠재변수도 이렇게 「가게와 메뉴」 같은 짝 (x, h)를 이룬다(VAE 논문들은 잠재변수를 z로 적지만, 이 책에서 z는 로짓이므로 잠재변수는 h로 쓴다. 글자만 바꾼 것이다). 관심 있는 것은 가게 x 쪽뿐일 때, 짝의 분포(결합 분포, joint)가 볼츠만 분포라면 메뉴 h를 모두 더해 없앤(주변화, marginalize) 가게의 분포는 어떤 모양이 되고, 그 에너지 자리에는 무엇이 남을까?

분식집 두 곳

숫자로 먼저 보자. 분식집 A와 B에 메뉴가 세 개씩 있고, 학생들의 만족도 점수가 A는 (3, 0, 0), B는 (3, 2, 2)다. 점심마다 학생들이 (가게, 메뉴) 한 쌍을 고르는데, 어떤 쌍을 고를 확률이 e^(만족도)에 비례한다고 하자. 만족도에 마이너스를 붙인 것을 에너지로 보면 온도 1의 볼츠만 분포다.

가게 안에서 대표 메뉴를 시키는 손님의 비율은 A가 0.909로 훨씬 높다. 그러나 가게에 오는 손님 수는 그 가게 모든 메뉴의 e^(만족도)를 더한 값에 비례하므로, B에 오는 손님이 A보다 34.86 ÷ 22.09 = 1.58배 많다. 대표 메뉴의 점수는 두 가게가 3으로 같으니 차이는 나머지 메뉴가 보태는 몫에서 난다. 합을 대표 메뉴 하나의 몫 e³ = 20.09로 나누면 A는 대표 메뉴 1.10개어치, B는 1.74개어치를 가진 셈이다. 이 장에서는 이 값을 「가장 좋은 상태 몇 개어치」라고 부른다.

가게의 손님 수를 에너지처럼 적으면 A는 −ln 22.09 = −3.09, B는 −ln 34.86 = −3.55다. 가장 낮은 메뉴의 에너지는 두 가게 모두 −3인데, 거기서 ln(몇 개어치)만큼, 곧 A는 ln 1.10 = 0.10, B는 ln 1.74 = 0.55만큼 더 내려간다. 메뉴를 합쳐 없앤 가게의 에너지 자리에는 가장 좋은 메뉴의 에너지가 아니라 이 값이 선다.

한 변수를 합쳐 없애면

일반적으로 계산해도 x의 분포는 볼츠만 분포의 모양을 한다. 다만 그 에너지 자리에는 x를 고정하고 h만의 분배함수를 계산해 얻은 자유에너지가 들어선다. 분식집에서 가게마다 구한 −ln(합)이 바로 이것이다.

h를 합쳐 없애면 h의 에너지만 남는 것이 아니라 h가 가질 수 있는 상태의 수도 함께 남는다. 그래서 F(x)는 가장 낮은 에너지 min_h E(x, h)보다 항상 낮고, 그 차이는 kT × ln(가장 낮은 상태 몇 개어치)다. 여기서 「몇 개어치」는 합 Σ_h e^(−βE(x, h))를 그 가운데 가장 큰 항으로 나눈 값으로, 분식집 B의 1.74처럼 가장 낮은 에너지 상태와 같은 무게의 상태가 몇 개 있는 셈인지를 센다. 같은 모양이 물리와 ML의 여러 곳에 나온다.

어느 줄이든 숨은 변수의 자유에너지가 보이는 변수의 에너지가 된다. 둘째 줄은 바로 아래 ML 소절에서, 셋째 줄은 다음 절의 ELBO에서 다시 만난다.

ML에서: 분류기가 버리던 logsumexp는 입력의 자유에너지다

방금 본 대로 분류기에서 라벨을 합쳐 없앤 입력의 자유에너지는 F(x) = −logsumexp_y z_y(x)이고 입력의 분포는 e^(−F(x))에 비례한다. Grathwohl 외(2020)의 JEM(joint energy-based model, 분류기 하나를 입력의 에너지 기반 모델로도 함께 학습한 방법)이 입력의 에너지로 쓴 −logsumexp가 바로 이 자유에너지다. Liu 외(2020)는 같은 양 −T·ln Σ_y e^(z_y(x)/T)를 「헬름홀츠 자유에너지」라 부르고, 학습 분포에서 벗어난 입력을 가려내는 점수로 썼다. 이 논문의 핵심 관찰은 「log max_y p(y|x) = E(x; f) + f_max(x)」라는 한 줄의 등식인데, 논문의 E(x; f)는 이 책의 F(x)이고 f_max는 가장 큰 로짓이다. 이 장을 마친 독자는 이 등식을 「softmax 신뢰도의 로그와 입력의 자유에너지는 가장 큰 로짓 하나만큼 떨어진 두 양이다」로 읽게 된다. 같은 입력을 두고 두 양이 어떻게 움직이는지는 문제 14에서 숫자로 확인한다.

제한된 볼츠만 머신(RBM)의 학습 코드에 흔히 있는 free_energy 함수도 같은 계산이다. 보이는 유닛 v가 정해지면 숨은 유닛들은 서로 독립인 2준위계라서 분배함수가 곱으로 쪼개지고, 합쳐 없앤 결과는 −Σᵢaᵢvᵢ − Σⱼln(1 + e^(bⱼ + Σᵢvᵢwᵢⱼ))라는, 합이나 적분 없이 바로 계산되는 식(닫힌 꼴)이 된다. 여기서 aᵢ와 bⱼ는 보이는 유닛 i와 숨은 유닛 j의 편향, wᵢⱼ는 둘을 잇는 결합 계수이고, 숨은 유닛 j 하나를 합쳐 없앨 때마다 그 유닛의 0과 1 두 상태에서 ln(1 + e^(…)) 한 항(softplus라 부르는 함수)이 나온다.

문제 13. 대표 메뉴가 더 맛있는 집과 메뉴가 고른 집

분식집 C는 메뉴 세 개의 만족도 점수가 (4, 0, 0)이고, 분식집 D는 세 메뉴가 모두 3점이다. 학생들이 (가게, 메뉴) 한 쌍을 고를 확률은 본문의 분식집처럼 e^(만족도)에 비례한다. (가) 각 가게에서 점수가 가장 높은 메뉴를 시키는 손님의 비율을 구하라. (나) 두 가게에 오는 손님 수의 비를 구하라. (다) D의 세 메뉴 점수를 모두 s로 똑같이 바꿀 때, s가 얼마보다 커야 D가 C보다 붐비는가?

(가)는 C가 e⁴/(e⁴ + 2) = 0.965, D는 세 메뉴가 똑같으니까 1/3이에요. (나)는 메뉴를 다 더해서 비교해야 하는 건 알아요. 그래도 C의 대표 메뉴는 4점이고 D는 제일 좋은 게 3점이잖아요. e⁴는 e³의 2.7배니까 C가 2.7배쯤 붐비겠죠.

가장 큰 항끼리만 견줬네요. D의 합은 가장 큰 항 몇 개어치죠?

세 메뉴가 같으니까 딱 3개어치요. D는 3 × 20.09 = 60.26, C는 54.60 + 1 + 1 = 56.60이에요. 2.7배는커녕 D가 1.065배 더 붐비네요.

(다)는 C의 합 56.60을 D의 3e^s와 같게 놓으면 돼요. s = ln(56.60/3) = 2.94. 메뉴가 셋이면 ln 3 = 1.10만큼을 벌어 오니까, 대표 메뉴가 4점보다 1.10 남짓 낮아도 비기는 거예요. C의 나머지 두 메뉴가 조금 보태서 4 − 1.10 = 2.90이 아니라 2.94고요.

점수가 1 높은 메뉴 하나와 점수가 같은 메뉴 셋의 겨루기예요. 에너지가 낮은 상태 하나와 경우의 수가 많은 상태들이 겨루는 것과 같은 꼴이죠.

동아리도 유명한 회장 한 명이 있는 곳보다 고루 괜찮은 선배가 셋 있는 곳에 신입생이 더 몰릴 수 있는 거네요.

문제 14. 확신이 높은 입력이 더 흔한 입력인가

세 클래스 분류기가 입력 x_a에 로짓 (2, 1, 0)을, 입력 x_b에 로짓 (2, −3, −3)을 내놓았다. 에너지를 E(x, y) = −z_y(x), 온도를 1로 둔다. (가) 각 입력의 softmax 최대 확률을 구하라. (나) 라벨을 합쳐 없앤 자유에너지 F(x)와 p(x_a)/p(x_b)를 구하라. (다) x_a의 로짓 전체에 상수 c를 더하면 (가)와 (나)의 답은 어떻게 되는가?

(가)는 x_a가 0.665, x_b가 0.987이에요. 두 입력 모두 가장 큰 로짓이 2라서 에너지는 −2로 같고, x_b 쪽이 훨씬 확신하니까 학습 데이터에 흔한 전형적인 입력이겠죠. p(x_b)가 더 클 거예요.

두 입력에서 가장 좋은 라벨의 에너지는 같다고 했죠. 그럼 p(x)를 정하는 F(x)는 무엇으로 갈리나요?

아, 분식집이랑 같아요. 입력이 가게고 라벨이 메뉴예요. 라벨을 합쳐 없애면 가장 낮은 에너지만 남는 게 아니에요. F(x_a) = −ln(e² + e + 1) = −2.408이고 F(x_b) = −ln(e² + 2e⁻³) = −2.013이에요. x_a 쪽이 더 낮으니까 p(x_a)/p(x_b) = e^(2.408 − 2.013) = 1.48이에요.

헉, 거꾸로네요. 확신이 낮은 x_a가 1.5배 더 흔한 입력이라고요?

두 입력 모두 가장 좋은 라벨의 에너지는 −2로 같아요. 차이는 나머지 라벨들에서 나요. x_a는 다른 라벨들의 에너지도 꽤 낮아서 합이 가장 좋은 라벨 1 + e⁻¹ + e⁻² = 1.503개어치이고, x_b는 1 + 2e⁻⁵ = 1.013개어치예요. F(x) = (가장 낮은 에너지) − ln(몇 개어치)라서 상태가 많은 쪽의 자유에너지가 낮아요.

그런데 softmax 최대 확률은 가장 좋은 라벨의 몫을 합으로 나눈 거니까 1 ÷ (몇 개어치)이고, 그 로그는 −ln(몇 개어치)잖아요. 같은 양이 두 점수를 반대 방향으로 움직이는 거네요. 몇 개어치가 많으면 신뢰도는 떨어지고 자유에너지도 떨어져서 입력은 더 흔해져요.

(다)는 쉬워요. 로짓에 상수를 더해도 softmax는 그대로니까 신뢰도는 안 바뀌고, 에너지 기준점을 옮긴 거니까 F도… 아니다, F는 −logsumexp라서 c만큼 그대로 내려가요. 그럼 p(x_a)는 e^c배가 되고요.

이상한데. 에너지에 상수를 더해도 확률은 안 바뀐다며. 기준점은 마음대로 옮길 수 있다고 했잖아.

모든 상태에 같은 상수를 더할 때만 그래요. 여기서 상태는 (x, y) 쌍 전체예요. x_a의 로짓에만 c를 더하면 x_a에 딸린 상태들의 에너지만 내려가고 다른 입력은 그대로니까, 공통 기준점을 옮긴 게 아니라 x_a의 에너지를 바꾼 거예요. softmax는 입력 하나 안에서만 정규화하니까 이 변화를 보지 못하는 거고요.

그럼 분류 손실만으로 학습하면 입력마다 로짓의 기준점이 제멋대로 떠 있어도 손실은 똑같겠네요. 그 F(x)를 믿어도 돼요?

좋은 의심이에요. 그래서 JEM은 분류 손실에 입력의 로그우도 항을 함께 넣어 학습했어요. 분류만 학습한 모델의 자유에너지를 점수로 쓴 Liu 외(2020)도 softmax 신뢰도보다는 학습 분포 밖의 입력을 잘 가려냈다고 보고했지만요.