스스로 대화하는 AI는 더 빠르고 똑똑하게 학습합니다.

인공지능에 내면의 목소리를 부여하면 더욱 유연하게 사고하고 새로운 작업을 더 빠르게 학습할 수 있습니다. 이러한 자기 대화는 작업 기억과 결합되어 기계가 더 적은 데이터에 의존하면서도 더 나은 일반화 능력을 발휘할 수 있도록 합니다. (사진 제공: Shutterstock)

혼잣말을 하는 것은 인간만의 독특한 습관처럼 느껴질 수 있지만, 놀랍게도 이 습관은 기계의 학습에도 도움이 될 수 있습니다. 내면의 대화는 사람들이 아이디어를 정리하고, 선택지를 저울질하고, 감정을 이해하는 데 도움을 줍니다. 새로운 연구에 따르면 이와 유사한 과정이 인공지능의 학습 및 적응력을 향상시킬 수 있다고 합니다. 신경 컴퓨팅(Neural Computation) 저널 에 발표된 연구에서 오키나와 과학기술대학교(OIST) 연구진은 인공지능 시스템이 단기 기억과 함께 내면의 대화를 활용하도록 훈련받았을 때 다양한 작업에서 더 나은 성능을 보인다는 사실을 발견했습니다.

이번 연구 결과는 학습이 인공지능 시스템의 구조뿐만 아니라 훈련 과정에서 시스템 스스로와의 상호작용 방식에 의해서도 영향을 받는다는 점을 시사합니다. 제1저자인 제프리 퀘이서 박사(OIST 인지신경로봇공학 연구소 연구원)는 "이번 연구는 학습 과정에서 자기 상호작용의 중요성을 강조합니다. 시스템이 스스로와 소통하도록 훈련 데이터를 구성함으로써, 학습이 인공지능 시스템의 아키텍처뿐만 아니라 훈련 절차에 내재된 상호작용 역학에 의해서도 결정된다는 것을 보여줍니다."라고 설명합니다.

자기 대화가 AI 성능을 향상시키는 방법

이 아이디어를 검증하기 위해 연구진은 조용한 "중얼거림"으로 묘사되는 자기 지향적 내부 언어와 특수 작업 기억 시스템을 결합했습니다. 이러한 접근 방식을 통해 AI 모델은 더욱 효율적으로 학습하고, 낯선 상황에 적응하며, 여러 작업을 동시에 처리할 수 있었습니다. 그 결과, 기억에만 의존하는 시스템에 비해 유연성과 전반적인 성능 면에서 뚜렷한 향상을 보였습니다.

일반화 능력을 갖춘 AI 구축

팀 업무의 핵심 목표는 내용에 구애받지 않는 정보 처리 능력입니다. 이는 훈련 중에 접했던 특정 상황을 넘어, 암기한 예시보다는 일반적인 규칙을 사용하여 학습한 기술을 적용할 수 있는 능력을 의미합니다.

"빠른 작업 전환과 낯선 문제 해결은 우리 인간이 매일 쉽게 하는 일입니다. 하지만 인공지능에게는 훨씬 더 어려운 일이죠."라고 퀘이서 박사는 말합니다. "그래서 우리는 발달 신경과학과 심리학을 머신러닝, 로봇공학 등 다양한 분야와 융합하는 학제적 접근 방식을 통해 학습에 대한 새로운 사고방식을 찾고 인공지능의 미래를 설계하고자 합니다."

작업 기억이 중요한 이유

연구진은 인공지능 모델의 메모리 설계를 살펴보는 것으로 연구를 시작했으며, 특히 작업 메모리와 일반화에서의 역할에 초점을 맞췄습니다. 작업 메모리는 지시를 따르거나 빠른 암산을 하는 등 단기적으로 정보를 저장하고 활용하는 능력입니다. 연구팀은 난이도가 다른 과제를 통해 다양한 메모리 구조를 비교했습니다.

연구진은 작업 메모리 슬롯(정보를 임시로 저장하는 공간)이 여러 개인 모델이 순서 바꾸기나 패턴 재구성 같은 까다로운 문제에서 더 나은 성능을 보였다는 사실을 발견했습니다. 이러한 작업들은 여러 정보를 동시에 처리하고 올바른 순서로 조작해야 하기 때문입니다.

팀이 시스템이 특정 횟수만큼 자체적으로 통신하도록 유도하는 목표를 추가하자 성능이 더욱 향상되었습니다. 특히 멀티태스킹 작업과 여러 단계를 거쳐야 하는 작업에서 가장 큰 성능 향상이 나타났습니다.

"저희가 개발한 통합 시스템은 일반적으로 일반화 모델 학습에 필요한 방대한 데이터 세트 대신 희소 데이터로도 작동할 수 있다는 점에서 특히 흥미롭습니다. 이는 보완적이고 간편한 대안을 제공합니다."라고 퀘이서 박사는 말합니다.

실생활에서 학습하는 법 배우기

연구진은 이제 깨끗하고 통제된 환경에서의 실험을 넘어 보다 현실적인 조건을 탐구할 계획입니다. 퀘이서 박사는 "실제 세상에서 우리는 복잡하고 시끄럽고 역동적인 환경 속에서 결정을 내리고 문제를 해결합니다. 인간의 발달 학습 과정을 더 잘 반영하려면 이러한 외부 요인들을 고려해야 합니다."라고 말했습니다.

이러한 연구 방향은 인간의 학습이 신경 수준에서 어떻게 작동하는지 이해하려는 연구팀의 더 큰 목표를 뒷받침합니다. 퀘이서 박사는 "내면의 언어와 같은 현상을 탐구하고 이러한 과정의 메커니즘을 이해함으로써 인간의 생물학과 행동에 대한 근본적으로 새로운 통찰력을 얻을 수 있습니다."라고 결론지었습니다. "또한 이러한 지식을 활용하여 복잡하고 역동적인 현대 사회에서 작동할 수 있는 가정용 또는 농업용 로봇을 개발할 수도 있습니다."

출처: https://www.sciencedaily.com/releases/2026/01/260127112130.htm