느린 뇌 역학을 기반으로 하는 AI

이스라엘의 바르일란 대학(Bar-llan University)의 과학자들은 고급 실험과 대규모 시뮬레이션을 통해 새로운 초고속 인공 지능을 만들었다. 이 새로운 AI는 인간의 느린 뇌 역학을 기반으로 한다. 이러한 뇌 역학은 오늘날 우리가 가지고 있는 최고의 학습 알고리즘보다 더 나은 학습 속도를 가지고 있다.

기계 학습은 실제로 뇌의 역학과 밀접한 관련이 있으며 기반을 두고 있다. 현대 컴퓨터의 속도와 대규모 데이터 세트로 인해 우리는 다양한 분야에서 인간 전문가와 유사한 深層 학습 알고리즘을 만들 수 있었다. 그러나 이러한 학습 알고리즘은 인간 뇌와 다른 특성을 가지고 있다.

대학의 과학자 팀은 저널 Scientific Reports에 उनक의 연구를 발표했다. 그들은 신경 과학과 고급 인공 지능 알고리즘을 연결하기 위해 노력했다. 이는 수십 년 동안 방치된 분야이다.

바르일란 대학 물리학과 및 곤다(Gonda) 다학제 뇌 연구 센터의 이도 칸터(Professor Ido Kanter) 교수는 두 분야에 대해 논평했다.

“현재의 과학적 및 기술적 관점은 신경 생물학과 기계 학습이 독립적으로 발전하는 두 개의 별개 분야라는 것이다”라고 그는 말했다. “예상치 못한 상호 영향의 부재는 의아하다”.

“뇌의 신경 세포 수는 현대 개인 컴퓨터의 디스크 크기보다 적으며, 뇌의 계산 속도는 시계의 초침보다 느리다. 이는 70년 전 만들어진 최초의 컴퓨터보다 더 느리다”라고 그는 말했다.

“또한 뇌의 학습 규칙은 매우 복잡하며 현재의 인공 지능 알고리즘의 학습 단계와는 거리가 멀다”.

칸터 교수는 헤루트 우잔(Herut Uzan), 시라 사르디(Shira Sardi), 아미르 골덴탈(Amir Goldental), 로니 바르디(Roni Vardi)와 함께 연구 팀을 구성했다.

뇌 역학에 대해 이야기할 때, 그들은 비동기식 입력을 다룬다. 물리적 현실은 변하고 발전하기 때문이다. 따라서 신경 세포에는 동기화가 없다. 이는 인공 지능 알고리즘과는 다르다. 인공 지능 알고리즘은 동기식 입력을 기반으로 한다. 동일한 프레임 내의 다른 입력과 그 타이밍은 일반적으로 무시된다.

칸터 교수는 이 역학을 설명했다.

“앞을 바라보면 여러 개체가 있는 프레임을 즉시 관찰할 수 있다. 예를 들어, 운전을 할 때 자동차, 보행자 횡단보도, 도로 표지를 관찰하고 그들의 시간적 순서와 상대적 위치를 쉽게 식별할 수 있다”라고 그는 말했다. “생물학적 하드웨어(학습 규칙)는 비동기식 입력을 다루고 그 상대 정보를 정제하기 위해 설계되었다”.

이 연구의 한 가지 주요 점은 초고속 학습 속도가 작은 네트워크와 큰 네트워크 모두에서 동일하다는 것이다. 연구자에 따르면, “뇌의 학습 方案의 복잡성이 실제로 장점이다”.

이 연구는 또한 학습이 학습 단계 없이 발생할 수 있음을 보여준다. 이는 비동기식 입력을 기반으로 하는 자기 적응을 통해 달성될 수 있다. 인간 뇌에서 이러한 학습은 신경 세포의 단축과 각 신경 세포의 다른 말단에서 발생한다. 이는 이전에 관찰되었다. 이전에는 덴드라이트 학습下的 네트워크 역학이 약한 가중치를 통제한다는 것이 중요하지 않다고 믿었다.

이 새로운 연구와 발견은 다양한 의미를 가질 수 있다. 이러한 효율적인 深層 학습 알고리즘과 매우 느린 뇌의 역학의 유사성은 빠른 컴퓨터를 사용하여 새로운 고급 인공 지능을 만들 수 있다.

이 연구는 또한 신경 생물학과 인공 지능 분야 간의 협력을 촉구한다. 이는 두 분야 모두를 더욱 발전시키는 데 도움이 될 수 있다. 연구 그룹에 따르면, “우리의 뇌의 기본 원리의 통찰력이 미래의 인공 지능의 중심에 다시 있어야 한다”.