인공지능이 학습 과정을 배우는 방법은 무엇인가?

인공지능을 발전시키기 위해 새로운 도약을 하려면, 저자 Jun Wu는 Forbes에서 “인공지능이 학습을 배우는 방법”을 알아야 한다고 말합니다. 그게 무엇을 의미할까요?

Wu는 설명합니다. “인간은 어떤 상황이나 환경에서도 학습할 수 있는 고유한 능력을 가지고 있습니다.” 인간은 학습 과정을 적응시킬 수 있습니다. 이러한 유연성을 가지기 위해 인공지능은 인공 일반 지능을 필요로 합니다. 그것은 학습 과정을 배우는 것을 의미합니다. 이것을 메타-학습이라고 합니다.

인간과 인공지능의 학습 과정에는 하나의 매우 구체적인 차이점이 있습니다. 인간의 학습 능력은 제한적이지만, 인공지능은 계산 능력과 같은 많은 자원을 가지고 있습니다. 인간의 뇌는 제한된 시간과 능력을 가지고 있습니다. 그러나 인공지능은 “인간의 뇌가 사용하는 데이터보다 더 많은 데이터를 학습합니다. 이러한大量의 데이터를 처리하는 것은 엄청난 계산 능력이 필요합니다.”

Wu는 설명합니다. “인공지능의 작업이 복잡해질수록, 계산 능력도 기하급수적으로 증가합니다.” 이것은 계산 능력의 비용이 낮더라도 “기하급수적인 증가가 우리가 원하는 시나리오는 아닙니다.” 이것이 현재 “인공지능이 특정 목적의 학습자로 설계”된 이유입니다. 이것은 학습 과정을 더 효율적으로 만듭니다.

그러나 인공지능이 더 많은 것을 배우기 시작했을 때, “학습을 배우기” 시작했습니다. “데이터의 복잡성이 증가하는 경우에 데이터에서 추론합니다.” 계산 능력의 기하급수적인 증가를 피하기 위해, 더 효율적인 학습 경로를 개발해야 했습니다. 그리고 인공지능은 그 경로를 기억해야 했습니다.

전체 문제는 연구자와 기술자들이 인공지능에 멀티태스킹 문제를 할당하기 시작했을 때 더 복잡해졌습니다. 이를 수행하기 위해 인공지능은 “독립적인 데이터 세트를 병렬로 평가할 수 있어야 합니다. 또한 데이터의 조각을 관련시키고 그 데이터에 대한 연결을 추론해야 합니다.” 한 작업을 수행하는 동안 인공지능은 다른 상황에서 적용할 수 있도록 지식을 업데이트해야 합니다. “작업은 상호 관련되어 있으므로 작업의 평가를 전체 네트워크에서 수행해야 합니다.”

구글은 MultiModel이라는 하나의 모델을 개발했습니다. 이것은 8개의 다른 작업을 동시에 수행할 수 있는 인공지능 시스템입니다. MultiModel은 “이미지를 감지하고, 캡션을 제공하고, 음성을 인식하고, 4개의 언어 쌍으로 번역하고, 문법적 구성 분석을 수행할 수 있습니다.

구글의 성과는 큰 도약이지만, 인공지능은 일반적인 학습자가 되기 위해 더 많은 발전이 필요합니다. 이를 달성하기 위해 메타-추론과 메타-학습을 더 개발해야 합니다. Wu는 설명합니다. “메타-추론은 인지 자원의 효율적인 사용에 초점을 맞춥니다. 메타-학습은 인간의 고유한 능력인 제한된 인지 자원과 제한된 데이터를 사용하여 효율적으로 학습하는 것에 초점을 맞춥니다.”

현재 인간의 인지와 인공지능의 학습 방식 사이의 차이를 이해하기 위한 연구가進行 중입니다. 예를 들어, 내부 상태에 대한 인식, 기억의 정확성 또는 확신과 같은 것들입니다.

이 모든 것은 “인공지능이 일반적인 학습자가 되기 위해 인간이 학습하는 방식에 대한 광범위한 연구와 인공지능이 인간의 학습 방식을 모방하는 방식에 대한 연구가 필요합니다. 새로운 상황에 적응하는 능력, 즉 멀티태스킹과 제한된 자원으로 전략적인 결정을 내리는 능력과 같은 몇 가지 장애물은 인공지능 연구자들이 극복해야 할 것입니다.”