학제간 연구팀은 인공지능 모델, 특히 트랜스포머(Transformer)가 인간 두뇌의 해마와 유사한 방식으로 기억을 처리한다는 사실을 발견했습니다. 이 획기적인 발전은 NMDA 수용체 원리와 같은 신경과학 원리를 인공지능에 적용하면 기억 기능을 향상시킬 수 있으며 이를 통해 인공지능 분야를 발전시키고 인간의 뇌 기능에 대한 통찰력을 제공할 수 있음을 보여줍니다.
연구자들은 인공지능의 기억 강화 과정이 인간의 뇌, 특히 해마의 기억 강화 과정과 유사하다는 사실을 발견했는데, 이는 인공지능의 발전 가능성을 제공하고 인간의 기억 메커니즘에 대한 더 깊은 이해를 제공합니다.
기초과학연구소(IBS) 인지사회성센터와 데이터사이언스그룹 연구진이 인공지능(AI) 모델의 기억 처리 과정과 인간 뇌의 해마 사이에 놀라운 유사성을 밝혀냈다. 이 새로운 발견은 인공 지능 시스템의 메모리 통합(단기 기억을 장기 기억으로 전환하는 과정)에 대한 새로운 관점을 제공합니다.
OpenAI, Google DeepMind 등 영향력 있는 기업이 주도하는 일반 인공지능(AGI) 개발 경쟁에서 인간과 유사한 지능을 이해하고 복제하는 것이 중요한 연구 관심사가 되었습니다. 이러한 기술 발전의 중심에는 Transformers 모델이 있으며[그림 1], 그 기본 사항은 현재 새로운 깊이로 탐구되고 있습니다.
인공지능에 적용된 뇌학습 메커니즘
강력한 AI 시스템의 핵심은 정보를 학습하고 기억하는 방법을 이해하는 것입니다. 연구팀은 인간 뇌의 학습 원리, 특히 해마의 NMDA 수용체를 통한 기억 통합의 원리를 인공지능 모델에 적용했다.
NMDA 수용체는 뇌의 스마트 문과 같아서 학습과 기억 형성을 촉진합니다. 글루타메이트라는 뇌 화학 물질이 존재하면 신경 세포가 흥분됩니다. 반면에 마그네슘 이온은 문을 막는 작은 문지기 역할을 합니다. 이 이온 게이트키퍼가 물러나야만 물질이 세포 안으로 유입될 수 있습니다. 이것이 뇌가 기억을 생성하고 유지하는 방식인데, 그 전 과정에서 게이트키퍼(마그네슘 이온)의 역할은 꽤 특별하다.
팀은 놀라운 발견을 했습니다. Transformers 모델은 뇌의 NMDA 수용체와 유사한 게이트키핑 프로세스를 사용하는 것으로 보입니다[그림 1 참조]. 이 발견으로 인해 연구자들은 Transformers의 메모리 통합이 NMDA 수용체 게이팅 프로세스와 유사한 메커니즘을 통해 제어될 수 있는지 조사하게 되었습니다.
낮은 마그네슘 수치는 동물 두뇌의 기억 기능을 손상시키는 것으로 알려져 있습니다. 연구원들은 트랜스포머의 장기 기억력이 NMDA 수용체를 모방함으로써 향상될 수 있음을 발견했습니다. 뇌의 마그네슘 수치 변화가 기억력에 영향을 미치는 것처럼, NMDA 수용체 게이팅을 반영하도록 Transformers의 매개변수를 조정하면 AI 모델의 기억력을 향상시킬 수 있습니다. 이 획기적인 발견은 인공지능 모델이 학습하는 방식이 신경과학의 기존 지식으로 설명될 수 있음을 보여줍니다.
인공지능과 신경과학에 대한 전문가의 통찰력
C. 저스틴 리 연구소 신경과학자 소장은 “이번 연구는 인공지능과 신경과학의 발전을 앞당기는 중요한 단계”라며 “뇌가 어떻게 작동하는지 더 깊이 연구하고 이러한 통찰을 바탕으로 더욱 발전된 인공지능 시스템을 개발할 수 있게 해준다”고 말했다.
KAIST 데이터과학자인 차미영 박사는 “막대한 자원이 필요한 대규모 AI 모델과 달리 인간의 뇌는 최소한의 에너지로 작동한다는 점이 놀랍다”며 “이번 연구는 인간처럼 정보를 학습하고 기억하는 저비용, 고성능 AI 시스템의 새로운 가능성을 열어준다”고 말했다.
인지 메커니즘과 인공지능 디자인의 통합
이 연구를 독특하게 만드는 것은 뇌에서 영감을 받은 비선형성을 인공 지능 구조에 적극적으로 통합하여 인간과 같은 메모리 통합 시뮬레이션에 상당한 발전을 이룬다는 것입니다. 인간의 인지 메커니즘과 인공지능 설계의 융합은 저비용, 고성능 인공지능 시스템 구축을 약속할 뿐만 아니라 인공지능 모델을 통해 뇌가 어떻게 작동하는지에 대한 귀중한 통찰력을 제공합니다.
컴파일된 소스: ScitechDaily