AI의 기억 형성 메커니즘이 뇌의 기억 형성 메커니즘과 놀랍도록 유사하다는 사실이 밝혀졌습니다.

기초과학연구원(IBS) 인지사회성 연구단과 데이터과학그룹 연구진으로 구성된 학제간 연구팀이 인공지능(AI) 모델의 기억 처리 과정과 인간 뇌의 해마 사이에 놀라운 유사성을 밝혀냈다. 이 새로운 발견은 AI 시스템에서 단기 기억을 장기 기억으로 변환하는 과정인 메모리 통합에 대한 새로운 관점을 제공합니다.

OpenAI 및 Google DeepMind와 같은 영향력 있는 기관이 주도하는 인공 일반 지능(AGI) 개발 경쟁에서 인간과 유사한 지능을 이해하고 복제하는 것이 중요한 연구 관심 분야가 되었습니다. 이러한 기술 발전의 중심에는 Transformer 모델이 있으며, 이 모델의 기본 원리는 이제 새로운 깊이로 탐구되고 있습니다.

강력한 AI 시스템의 핵심은 정보를 학습하고 기억하는 방법을 파악하는 것입니다. 연구팀은 특히 해마의 NMDA 수용체를 통한 기억 통합에 중점을 둔 인간 두뇌 학습의 원리를 AI 모델에 적용했습니다.

NMDA 수용체는 학습과 기억 형성을 촉진하는 두뇌의 스마트 문과 같습니다. 글루타메이트라는 뇌 화학물질이 존재하면 신경 세포가 흥분됩니다. 반면에 마그네슘 이온은 문을 막는 작은 문지기 역할을 합니다. 이 이온성 문지기가 물러날 때만 물질이 세포 안으로 흘러들어갈 수 있습니다. 이는 뇌가 기억을 생성하고 유지하는 과정인데, 이 과정에서 게이트키퍼(마그네슘 이온)의 역할은 꽤 구체적이다.

팀은 흥미로운 발견을 했습니다. Transformer 모델은 뇌의 NMDA 수용체와 유사한 게이트키핑 프로세스를 사용하는 것 같습니다. 이 발견으로 인해 연구자들은 Transformer의 메모리 통합이 NMDA 수용체의 게이팅 프로세스와 유사한 메커니즘에 의해 제어될 수 있는지 조사하게 되었습니다.

동물의 뇌에서는 마그네슘 수치가 낮으면 기억 기능이 약화되는 것으로 알려져 있습니다. 연구원들은 Transformer의 장기 기억이 NMDA 수용체를 모방함으로써 향상될 수 있음을 발견했습니다. 마그네슘 수준의 변화가 기억력에 영향을 미치는 뇌에서와 마찬가지로, NMDA 수용체의 게이팅 작용을 반영하도록 Transformer의 매개변수를 조정하면 AI 모델의 기억력이 향상되었습니다. 이 획기적인 발견은 AI 모델이 학습하는 방식이 신경과학 분야의 확립된 지식으로 설명될 수 있음을 시사합니다.

C. 저스틴 리(Justin LEE) 신경과학자 소장은 “이번 연구는 AI와 신경과학의 발전에 중요한 진전을 이룬다”며 “이번 연구를 통해 뇌의 작동 원리를 더 깊이 탐구하고, 이러한 통찰을 바탕으로 더욱 발전된 AI 시스템을 개발할 수 있게 됐다”고 말했다. .”

팀과 KAIST의 데이터 과학자인 차미영은 “인간의 두뇌는 막대한 자원이 필요한 대형 AI 모델과 달리 최소한의 에너지로 작동하는 방식이 놀랍습니다. 우리의 연구는 저비용의 새로운 가능성을 열어줍니다.” 인간처럼 정보를 학습하고 기억하는 고성능 AI 시스템입니다.”

이 연구가 차별화되는 점은 뇌에서 영감을 받은 비선형성을 AI 구성에 통합하려는 시도로, 이는 인간과 유사한 메모리 통합 시뮬레이션에 있어 상당한 발전을 의미합니다. 인간 인지 메커니즘과 AI 설계의 융합은 저비용, 고성능 AI 시스템 구축을 약속할 뿐만 아니라 AI 모델을 통해 뇌의 작동에 대한 귀중한 통찰력을 제공합니다.

출처: https://www.sciencedaily.com/releases/2023/12/231218130031.htm