포유류 후각 시스템에서 영감을 받은 컴퓨터 알고리즘 개발

콘奈尔 대학교의 연구자들은 포유류 후각 시스템에서 영감을 받은 컴퓨터 알고리즘을 개발했습니다. 과학자들은 오랫동안 포유류가 냄새를 학습하고 식별하는 방법에 대한 설명을 찾고 있습니다. 새로운 알고리즘은 뇌의 작동에 대한 통찰력을 제공하며, 이를 컴퓨터 칩에 적용하면 현재의 기계 학습 모델보다 빠르고 신뢰성 있게 패턴을 학습할 수 있습니다.

Thomas Cleland는 심리학 교수이자 연구의 선임 저자입니다. 연구는 “신경 형태학적 후각 회로에서 빠른 학습과 강력한 회상”이라는 제목으로 Nature Machine Intelligence에 3월 16일에 발표되었습니다.

클레랜드는 “이것은 10년 이상의 연구 결과입니다. 우리는 포유류의 후각 수용기와 복잡한 신경망이 어떻게 작동하는지 이해하기 위해 노력했습니다. 우리는 이것을 컴퓨터 모델에 적용하여 기존의 기계 학습 모델보다 더 좋은 성능을 낼 수 있습니다.”라고 말했습니다.

클레랜드는 “우리는 이제 이것이 작동하는 방법을 알고 있습니다. 우리는 생물학적 시스템의 연결성과 역학에 대한 지식을 바탕으로 계산 모델을 구축했습니다. 그리고 이것이 실제로 작동하는 것을 확인했습니다.”라고 계속했습니다.

인텔 컴퓨터 칩

클레랜드는 인텔의 연구자인 나빌 이맘과 함께 연구를 수행했습니다. 그들은 알고리즘을 인텔의 컴퓨터 칩에 적용했습니다. 이 칩은 로이히(Loihi)라고 불리며, 신경 형태학적입니다. 즉, 뇌의 기능에서 영감을 받았습니다. 이 칩은 디지털 회로를 가지고 있으며, 신경 세포가 학습하고 통신하는 방식을 모방합니다.

로이히 칩은 평행 코어를 사용하며, 이 코어는 이산적인 스파이크를 통해 통신합니다. 각 스파이크는 로컬 활동에 따라 달라지는 효과를 가질 수 있습니다. 이는 기존의 컴퓨터 칩에서 사용하는 알고리즘 설계 전략과는 다른 전략을 요구합니다.

신경 형태학적 컴퓨터 칩을 사용하면, 기계는 패턴을 식별하고 특정 작업을 수행하는 데 컴퓨터의 중앙 처리 장치나 그래픽 처리 장치보다 1,000배 빠르게 작동할 수 있습니다.

로이히 연구 칩은 또한 특정 알고리즘을 실행하는 데 기존 방법보다 약 1,000배 적은 전력을 사용합니다. 이는 알고리즘에 적합합니다. 알고리즘은 다양한 센서에서 입력 패턴을 수락하고, 빠르게 순차적으로 패턴을 학습하며, 강한 감각적 간섭에도 불구하고 의미 있는 패턴을 식별할 수 있습니다. 알고리즘은 냄새를 성공적으로 식별할 수 있으며, 컴퓨터가 처음 학습한 패턴과 80%가 다른 패턴에서도 작동합니다.

클레랜드는 “신호의 패턴이 상당히 파괴되었습니다. 그러나 시스템은 여전히 이를 회복할 수 있습니다.”라고 말했습니다.

포유류 뇌

포유류의 뇌는 냄새를 식별하고 기억하는 데 매우 능숙합니다. 후각 수용기와 복잡한 신경망이 냄새와 관련된 패턴을 분석하는 데 사용됩니다. 포유류가 인공 지능 시스템보다 더 잘하는 일은 새로운 지식을 얻은 후에도 이전에 학습한 내용을 기억하는 것입니다. 깊은 학습 접근 방식에서는 네트워크가 모든 것을一度에 학습해야 하며, 새로운 정보는 이전에 학습한 내용을 영향을 미치거나 파괴할 수 있습니다.

클레랜드는 “당신이 무언가를 학습하면, 그것은 신경 세포를 영구적으로 분화시킵니다. 당신이 한 냄새를 학습하면, 중간 신경 세포는 특정 구성에 반응하도록 훈련됩니다. 따라서 우리는 이것을 기계에서 강화하고, 명확한 선을 긋습니다.”라고 말했습니다.

클레랜드는 팀이 새로운 실험 접근 방식을 개발한 방법에 대해 말했습니다.

클레랜드는 “당신이 생물학적 과정을 연구하기 시작할 때, 그것이 단순히 직관적으로 이해할 수 있는 것보다 더 복잡하고 미묘해진다면, 당신은 컴퓨터 모델로 당신의 마음을 훈련해야 합니다. 당신은 이것을 통해 새로운 실험 접근 방식과 아이디어를 개발할 수 있습니다.”라고 말했습니다.