▲ 한국과학기술원 [KAIST 제공]





한국과학기술원(KAIST) 연구진이 인간 뇌의 학습 원리를 딥러닝 구조에 반영해 인공지능(AI) 모델의 학습 안정성을 높이는 기술을 개발했다고 1일 발표했다.

KAIST에 따르면 뇌인지과학과 이상완 교수 연구팀은 뇌의 정보 처리 방식 가운데 ‘예측 부호화’ 원리를 확장·적용해, 심층 신경망에서도 학습이 안정적으로 이어지도록 하는 방법을 구현했다.
인간의 뇌는 현재 상황을 인지하는 수준에 머 야마토게임방법 무르지 않고, 앞으로 발생할 일을 예측한 뒤 실제 결과와 차이가 생기면 그 오차를 줄이는 방향으로 반응을 조정하는 특성을 보인다. 바둑에서 상대의 다음 수를 예상했다가 어긋날 경우 전략을 수정하는 과정과 유사한 방식이다. 이러한 처리 체계를 ‘예측 부호화’라고 한다.
그동안 해당 원리를 AI에 적용하려는 시도가 이어졌으나, 신경망이 깊어질 바다이야기예시야마토게임 수록 오차가 특정 계층에 집중되거나 소실되는 현상이 반복되면서 성능 저하 문제가 나타났다. 이에 따라 심층 구조에서 안정적인 학습을 구현하는 데 한계가 있었다.
연구팀은 AI가 결과값만 산출하도록 두지 않고, 발생한 ‘예측 오차가 향후 어떻게 변할지’까지 다시 예측하도록 설계했다. 연구진은 이를 ‘메타 예측’이라고 명명했으며, 오차를 한 황금성슬롯 차례 더 점검하는 구조라고 설명했다. 이 방식을 적용한 결과, 깊은 신경망에서도 학습이 중단되지 않은 채 안정적으로 진행되는 양상이 확인됐다.
총 30건의 실험 가운데 29건에서 기존 표준 학습법인 ‘역전파’ 대비 더 높은 정확도를 기록했다고 연구팀은 밝혔다. 역전파는 출력 단계에서 발생한 오차를 거꾸로 전달하며 가중치를 조정하는 대표적 게임몰릴게임 학습 기법이다.
기존 역전파 방식은 모든 계층이 긴밀히 연결돼 있어 전체 네트워크를 동시에 계산하고 수정해야 하는 구조인 반면, 이번 기법은 뇌의 작동 방식처럼 분산적·부분적 학습만으로도 대규모 모델을 효과적으로 훈련할 수 있음을 보였다고 연구팀은 덧붙였다.
해당 기술은 전력 효율성이 요구되는 뉴로모픽 컴퓨팅을 비롯해 환 릴짱릴게임 경 변화에 적응해야 하는 로봇 AI, 기기 내부에서 독립적으로 작동하는 엣지 AI 등으로의 확장이 가능할 것으로 전망된다.
이상완 교수는 “뇌 구조를 모사하는 수준을 넘어, 학습 원리 자체를 AI 시스템에 적용한 점이 연구의 핵심”이라며 “뇌와 유사한 방식으로 효율적으로 학습하는 인공지능 구현 가능성을 제시했다”고 밝혔다.