(용인=뉴스1) 김평석 기자 = 단국대 김동재 교수(대학원 인공지능융합학과)가 뉴욕대학교(Wei Ji Ma 교수), 룩셈부르크대학교(Heiko Schutt 교수)와 공동으로 인공지능 연구에 활용되는 뇌의 학습 원리를 새롭게 규명했다.
16일 단국대에 따르면 인공지능의 연구는 뇌의 학습 원리를 모방해 많은 정보를 효율적으로 처리하는 형태로 발전하고 있다. 인공지능의 학습 능력 향상의 방법을 뇌의 학습 원리를 더 자세히 밝히는 연구에서 찾고 있는 것이다.
기존 학계에서는 지각과 학습은 같은 뇌에서 일어나지만 다른 원리로 작동된다고 알려져 있다.
김 교수 연구팀은 뇌의 지각과 학습은 같은 원리로 작동하고 이 메커니즘을 활용해 인공지능의 성능을 높일 수 있음을 밝혔다.
뇌를 구성하는 신경세포인 뉴런은 외부의 정보를 지각하는 과정과 학습 두가지로 나뉜다.
시각·청각 등 지각을 담당하는 뉴런은 더 많은 정보를 받아들이기 위해 특정 자극에만 효율적으로 반응하도록 최적화돼 있다. 이를 효율 코딩 가설이라 한다.
학습을 담당하는 뉴런은 가장 높은 보상이 예측되는 행동을 선택해 정보 받아들인다. 이를 강화학습이라 한다. 기존 학계에선 두 이론의 연결점이 없었다.
김 교수 연구팀은 쥐와 원숭이 실험을 통해 지각과 학습 뉴런의 데이터 값을 분석했다. 이를 통해 학습을 담당하는 도파민 뉴런 값이 지각을 담당하는 뉴런과 동일하게 효율 코딩 가설로 구성된 것을 검증했다.
김 교수팀은 뇌의 도파민 뉴런이 보상을 최대화해 효율적으로 재배치되며 학습이 이뤄진다는 것을 확인, 지각과 학습은 다른 원리로 작동되고 연결점이 없다는 기존의 통념을 뒤집었다.
김 교수는 “인간의 뇌와 같이 강화학습 원리는 현재 인공지능에 널리 사용되고 있다”며 “새롭게 규명한 알고리즘을 인공지능 연구에 적용하면 보다 적은 에너지와 전력으로 더 많은 정보를 처리할 수 있게 된다”고 밝혔다.
이번 연구는 신경과학 분야 국제 저명 학술지 ‘네이쳐 뉴로사이언스 (Nature Neuroscience, IF: 25.0)’에 6월 19일 자로 온라인 게재됐다. 논문명은 ‘Reward prediction error neurons implement an efficient code for reward’다.
ad2000s@news1.kr
