KAIST, 인공지능 오랜 난제 '뇌 기반 AI'로 풀다
KAIST, 인공지능 오랜 난제 '뇌 기반 AI'로 풀다
  • 이찬우 기자
  • 승인 2022.01.05 14:39
  • 댓글 0
  • +더보기
이 기사를 공유합니다

▲ 이상완 KAIST 교수. ⓒ KAIST
▲ 이상완 KAIST 교수. ⓒ KAIST

KAIST는 바이오 뇌공학과 이상완 교수 연구팀이 뇌 기반 인공지능 기술을 이용, 인공지능의 난제인 과적합-과소적합 상충 문제를 해결하는 원리를 풀어내는 데 성공했다고 5일 밝혔다.

이상완 교수와 김동재 박사가 주도하고 정재승 교수가 참여한 연구는 '강화학습 중 편향-분산 상충 문제에 대한 전두엽의 해법'이라는 제목으로 국제 학술지 셀의 오픈 액세스 저널인 '셀 리포트'에 지난달 28일 게재됐다.

최근 인공지능 모델들은 다양한 실제 문제들에 대해 최적의 해법을 제시하지만 상황 변화에 유동적으로 대응하는 부분에 있어서 여전히 어려움을 겪고 있다.

기계학습은 이를 과소적합-과적합의 위험성 또는 편향-분산 상충 문제라 하며 오랫동안 연구됐지만 실제 세계와 같이 상충 조건이 계속 변하는 상황의 명확한 해법은 아직 제안된 바가 없다.

인간은 현재 주어진 문제에 집중하면서도(과소적합 문제 해결) 당면 문제에 과하게 집착하지 않고(과적합 문제 해결) 변하는 상황에 맞게 유동적으로 대처한다.

연구팀은 뇌 데이터, 확률과정 추론 모형, 강화학습 알고리즘을 이용해 인간의 뇌가 이 문제를 어떻게 해결하는지 이론적 틀을 마련하고 유동적인 메타 강화학습 모델을 도출해냈다.

인간의 뇌는 중뇌 도파민 회로와 전두엽에서 처리되는 '예측 오차'의 하한선이라는 한 가지 정보를 이용해 이 문제를 해결한다.

복외측전전두피질은 현재 내가 사용하고 있는 문제 해결 방식으로 주어진 문제를 얼마나 잘 풀 수 있을지에 대한 기대치의 한계를 추정한다.

변화하는 상황에 맞춰 최적인 문제 해결전략을 유동적으로 선택하는 과정을 통해 과소적합-과적합의 위험을 최소화한다.

이상완 교수 연구팀은 2014년 해당 전두엽 영역이 환경의 불확실성을 바탕으로 강화학습전략을 유동적으로 조절하는 데 관여한다는 사실을 처음 발견했다.

2015년에는 인과관계 추론 과정에도 관여한다는 사실을 발견했고 2019년에는 해당 뇌 영역이 문제의 복잡도까지 고려할 수 있다는 사실을 발견했다.

연구를 통해 개발된 메타 강화학습 모델을 이용하면 간단한 게임을 통해 인간의 유동적 문제 해결 능력을 간접적으로 측정할 수 있다.

스마트 교육이나 중독과 관련된 인지 행동치료에 적용할 경우 상황 변화에 유동적으로 대처하는 인간의 문제 해결 능력 자체를 향상할 수 있을 것으로 기대된다. 차세대 인공지능, 스마트 교육, 인지 행동치료 등 다양한 분야에 파급력이 큰 원천 기술로 최근 국내외 특허 출원이 완료된 상태다.

김동재 박사는 "인간 지능의 특장점에 대한 이해가 얼마나 중요한지 보여주는 연구 중 하나"라고 말했다.

이상완 교수는 "인공지능이 우리보다 잘 푸는 문제가 많지만, 반대로 인공지능으로 풀기 어려운 문제들이 우리에게는 정말 쉽게 느껴지는 경우들이 많다"며 "인간의 다양한 고위 수준 능력을 인공지능 이론 관점에서 형식화하는 연구를 통해 인간 지능의 비밀을 하나씩 풀어나갈 수 있을 것으로 기대된다고 말했다.

이어 "뇌 기반 인공지능 연구는 인간의 지능을 공학적으로 탐구하는 과정으로 볼 수 있다"며 "인간과 인공지능이 서로 도우며 성장할 수 있는 명확한 기준점을 마련할 수 있다"고 말했다.

▶클릭하면 세이프타임즈 후원 안내를 받을 수 있습니다



댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
0 / 400
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.