나만의 이야기/news_scrap

학습 없는 생물학적 원리 기반의 인공지능

머그컵속 고양이 2022. 1. 5. 06:55

KAIST 백세범 교수 연구팀, 학습 없는 생물학적 원리 기반의 인공지능 개발 가능성 열었다!

 

KAIST 백세범 교수 연구팀, 학습 없는 생물학적 원리 기반의 인공지능 개발 가능성 열었다! - 인공

현재의 데이터 학습 기반 인공지능(AI)과 완전히 구별되는 생물학적 원리 기반의 인공지능 개발 가능성을 열었다.KAIST(총장 이광형)는 바이오및뇌공학과 백세범 교수 연구팀이 학습을 전혀 거치

www.aitimes.kr

 

 

SNS 기사보내기

페이스북(으)로 기사보내기 트위터(으)로 기사보내기 카카오스토리(으)로 기사보내기 네이버블로그(으)로 기사보내기 URL복사(으)로 기사보내기 이메일(으)로 기사보내기 다른 공유 찾기 기사스크랩하기

무작위화 신경망 모델에서 고등인지 기능인 얼굴 인식(face detection)이 발생함을 발견하여 ‘선천적 뇌 기능’에 대한 이해의 기초를 마련

얼굴 인식을 위해 필요한 시각적 요소의 형상화 이미지

현재의 데이터 학습 기반 인공지능(AI)과 완전히 구별되는 생물학적 원리 기반의 인공지능 개발 가능성을 열었다.

KAIST(총장 이광형)는 바이오및뇌공학과 백세범 교수 연구팀이 학습을 전혀 거치지 않은 뇌 신경망에서 선천적인 인지 기능이 발생하는 원리를 규명한 것이다.

이번 연구 결과는 동물들이 출생 직후 학습을 거치지 않은 상태에서도 기초적 인지 기능들을 수행할 수 있게 하는 `선천적 뇌 기능'에 대한 이해에 다가가는 기초를 마련했으며 `초기 뇌 신경망 인지 기능의 발생'에 대해 기존의 상식과 완전히 다른 시각을 제시한다.

또한 연구팀의 결과는 일반적인 인공지능 모델에서 기능을 발생시키기 위해서는 외부의 데이터 학습이 반드시 요구되는 것과 달리, 생물학적 뇌 신경망의 기능 발생과 진화는 확률적으로 생성되는 물리적 연결 구조에 의해 자발적으로 발생할 수 있다는 차별된 기저 원리를 제안한다.

연구팀은 인지과학 분야에서 활발히 연구돼 온 얼굴 인지 기능(face detection)에 초점을 두어 뇌의 시각 신경망을 모사한 인공지능 인공신경망(Neural Network)에서 사물 인지 기능을 시뮬레이션했다.

무작위화 신경망 구조에서 자발적으로 발생하는 얼굴 선택성을 테스트하기 위한 계산적 모델 시뮬레이션

이를 통해 모든 연결 가중치가 무작위로 정해지도록 초기화된 심층신경망이 전혀 학습을 거치지 않은 상태에서도 얼굴 이미지를 다른 사물 이미지와 구별할 수 있음을 발견했다.

연구팀은 이러한 무작위화 신경망에서 발생하는 얼굴 선택성 (face-selectivity)이 실제 동물 실험에서 관측되는 다양한 생물학적, 인지 행동적 특성들과 매우 유사한 양상을 보이는 것을 확인했다.

이는 이론적 모델 기반의 본 연구 결과가 충분한 생물학적 타당성을 가지며, 향후 뇌 신경망에서 나타나는 선천적 인지 기능의 핵심적 발생 원리를 설명하는 일반적인 이론으로 확장될 수 있음을 시사한다.

인지 지능의 최초 발생에 관한 연구는 뇌신경과학, 인지과학과 인공지능 분야 모두에서 중요한 주제다.

특히, 별다른 학습 과정 없이 출생 직후부터 다양한 인지 기능을 수행할 수 있게 하는 뇌의 `선천적' 인지 기능은 데이터 입력을 통한 학습에 의존하는 인공신경망의 기능과 뚜렷이 구별되며, 이에 대한 이해는 생물학적 지능의 발생과 진화의 원리를 밝히는 데 결정적인 역할을 할 것으로 기대됐다.

또한 얼굴 인지 기능은 사회적 행동을 하는 다양한 동물 종의 어린 개체들에서 관측되며, 이 기능의 발생을 위해 외부 정보의 학습이 필수적인지는 학계에서 활발하게 논의돼왔다.

자발적으로 형성되는 무작위적 뇌 신경망 연결 구조의 형상화 이미지

연구팀은 앞서 진행했던 연구를 토대로 구축한 신경망 기능 발생 이론에 기반해, 아무런 학습을 거치지 않은 계층적 신경망의 초기 피드 포워드 연결 구조를 통해 얼굴 인지 기능이 자발적으로 형성될 수 있을 것이라 가정했다.

이를 확인하기 위해 수행한 심층신경망 시뮬레이션에서 얼굴 이미지를 비롯한 단순 사물의 인식 기능은 학습을 전혀 거치지 않은 초기 무작위화 신경망에서 자발적으로 발생할 수 있음을 확인했다.

이러한 결과는 학습이 이루어지기 전, 신경망의 초기 구조가 갖춰진 시점에 이미 다양한 인지 기능이 발생할 수 있음을 보여주며, 뇌 과학의 오랜 화두인 지능 형성의 선천성 또는 후천성(nature vs. nurture) 논의와 관련해 자발적으로 발생하는 선천적 기능 발생에 대한 이해의 중요성을 강조한다.

백세범 교수는 "이번 연구는 뇌신경과학 연구의 가장 근본적인 질문 중 하나인 선천적인 인지 기능의 발생을 설명할 수 있는 최초의 이론을 제시해 생물학적 지능의 발생과 진화의 원리를 이해하는데 결정적인 단서를 제공할 것으로 기대된다ˮ고 말했다.

이어 "한편으로 데이터 학습 기반 인공지능 구현의 방법과 완전히 다른 관점의 생물학적 지능 구현 원리를 정립해 현재의 인공지능 개발의 상식과 완전히 다른 시각을 제공할 수 있을 것으로 기대된다ˮ고 언급했다.

한편, KAIST 바이오및뇌공학과 백승대, 송민 박사과정이 공동 제 1저자로 참여한 이번 연구는 국제 학술지 `네이처 (Nature)'의 자매지 네이처 커뮤니케이션스 (Nature Communications)에 '훈련되지 않은 심층 신경망에서 얼굴 감지(Face Detection in Untrained Deep Neural Networks-다운)' 란 제목으로 지난 16일 게재됐다.

 

나의 생각

 

데이터를 학습함으로 어떤 현상에 대한 최적의 답을 찾아내는 기존의 인공지능과는 다르게 컴퓨터를 통해 생물학적으로 뇌기능 구현한다는 부분이 흥미로웠다. 수학적으로 생각해봤을때 학습과정이 없음에도 얼굴감지능력을 가지고 있다는 것은 동물들이 뇌에 머신러닝을 통해 만들어지는 일종의 모델(함수식)을 선천적으로 가지고 있다는 것이 된다. 이미지를 보고 이것이 어떤 물체인지, 특정상황에 어떤 행동을 할지, 글을 읽었을때 어떤 감정을 느끼는지 등 고등적인 사고를 할 수 있도록 생물학적 뇌를 구현한다면 인간의 뇌보다 더욱 효율적인 뇌를 얻어 의사결정이나 상황에 대한 더욱 객관적인 평가가 가능해질 것이다. 또한 사람의 뇌를 스캔하여 그 뇌를 구성하는 요소(그 사람의 신념, 사고방식, 특화된 분야등)을 컴퓨터에 모델화 한다면 똑같은 사람의 지능을 복제 할 수도 있을 것이다. 뉴스 내용을 이해하고 생각을 적거나 키보드에 특정 자판을 두드리는 모든 행위들, 즉 나의 뇌기능을 수학적으로 표현해보면 내가 살아오면서 뇌에 데이터를 학습해 얻은 모델(함수식)에 내가 처한 상황(X 데이터)이 입력되어 다음에 할 행동(Y데이터)이 도출되는 것이다. 이번 뉴스를 보면서 기존의 함수식(수학적인 뇌기능 모방)과는 다르게 이번 연구(생물학적 뇌기능 모방)처럼 다양하고 창의적인 방법으로 인공지능을 만들고 싶다고 느꼈다. 인간이 가진 모든 사고와 복잡한 감정을 인공지능으로 구현하는 것이 나의 세대에서는 불가능 할지도 모르지만 언젠가는 반드시 가능하리라 믿는다. 각각의 인간의 뇌에서 강력한 장점을 가진 부분을 분리하여 결합한 인공뇌를 만들고 미래 머신러닝 학습 기술을 더한다면 모든 분야에서 사람을 뛰어넘는 초인공지능을 만들어내는 것이 꿈이 아닐 것이다.