신경과학자들이 인간 시각 학습을 반영하는 모델 설계

컴퓨터 기반 인공 지능(AI)을 더 빠른 기법으로 프로그래밍하여 새로운 객체를 학습하도록 하면, AI는 인간 지능과 더 비슷하게 작동합니다. 이는 두 명의 신경과학자들이 인간 시각 학습을 반영하는 모델을 설계한 결과입니다.

Maximillian Riesenhuber 박사와 Joshua Rule 박사는 Georgetown University Medical Center와 UC Berkeley에서 연구를 수행했으며, 그 결과는 Frontiers in Computational Neuroscience 저널에 발표되었습니다.

AI의 새로운 시각적 개념 학습

신경과학자들은 새로운 접근법이 AI 소프트웨어의 새로운 시각적 개념을 빠르게 학습하는 능력을 어떻게 향상시키는지 보여주었습니다.

“우리의 모델은 인공 신경망이 작은 예제에서 새로운 시각적 개념을 학습하는 데 생물학적으로 가능하도록 합니다. 우리는 이전 학습을 활용하여 컴퓨터가 더 나은 학습을 할 수 있도록 할 수 있습니다. 이것은 우리가 생각하는 대로 뇌가 작동하는 방식입니다.” 라고 Riesenhuber는 말합니다.

인간은 매우 적은 데이터에서 새로운 시각적 개념을 빠르게 학습할 수 있습니다. 우리는 매우 어린 나이, 3개월에서 이러한 능력을 소유하고 있습니다. 그러나 컴퓨터는 동일한 객체의 많은 예제가 필요합니다.

“뇌의 계층 구조의 계산 능력은 이전에 학습된 개념을 데이터베이스에서 활용하여 학습을 단순화하는 데 있습니다.” 라고 Riesenhuber는 말합니다.

인공 신경망과 인간 시각 시스템

Riesenhuber와 Rule은 인공 신경망이 새로운 시각적 개념을 훨씬 더 빠르게 학습할 수 있으며, 이는 인간의 능력에 근접한다는 것을 발견했습니다.

“우리의 접근법은 저수준 시각적 특징으로 高수준 개념을 학습하는 대신, 다른 高수준 개념으로 설명합니다. 이것은 플라티퍼스가 오리, 비버, 해달과 조금 비슷하다고 말하는 것과 같습니다.” 라고 Rule은 말합니다.

인간의 시각적 개념 학습은 객체 인식 과정에 관여하는 신경망에 크게 의존하며, 뇌의 전방 측두엽은 형태를 넘어서서 개념을 표현할 수 있는 능력이 있다고 믿어집니다. 이러한 신경 계층 구조가 복잡하기 때문에, 인간은 새로운 과제를 학습하고 이전 학습을 활용할 수 있습니다.

“이러한 개념을 재사용함으로써, 새로운 개념, 새로운 의미, 예를 들어 제브라는 말의 다른 무늬라는 사실을 더 쉽게 학습할 수 있습니다.” 라고 Riesenhuber는 말합니다.

AI는 아직 인간 시각 시스템의 수준에 도달하지 못했으며, 이는 몇 가지 예제에서 일반화하고, 이미지 변형을 처리하고, 장면을 이해하는 능력이 우수합니다. 그러나 발전은 이를 더ใกล르게 만들고 있습니다.

“우리의 발견은 컴퓨터가 더 빠르고 효율적으로 학습하는 데 도움이 될 수 있는 기술을 제안하며, 또한 사람들이 어떻게 빠르게 학습하는지 이해하는 데 도움이 될 수 있는 신경과학 실험을 개선하는 데도 도움이 될 수 있습니다. 이것은 아직 잘 이해되지 않은 것입니다.” 라고 Riesenhuber는 말합니다.