임페리얼 칼리지 런던(Imperial College London)의 과학자들은 인공 지능(AI) 시스템 생성에 다양한 유형의 인공 뉴런(컴퓨팅 유닛)을 사용하면 신경망의 효율성이 높아진다는 가설을 확인했습니다. 이 아이디어는 인간의 두뇌와 눈송이의 구조에 의해 과학자들에게 전달되었습니다.
자연에서 포유류의 뇌에는 두 개의 동일한 눈송이와 동일한 뉴런이 없습니다. 영국 과학자들에 따르면 인공 네트워크는 정확히 동일한 뉴런을 가지고 있기 때문에 인간의 두뇌는 여러 면에서 여전히 AI를 능가합니다. 더 빨리 배우고, 변화하는 조건에 적응하고, 한 작업에서 다른 작업으로 전환합니다.
네이처 커뮤니케이션즈(Nature Communications) 저널에 실린 연구에 참여한 전산 신경과학자 다니엘 굿맨(Daniel Goodman)은 인간 두뇌와 AI의 학습과 변화하는 상황에 적응하는 것의 차이점을 NEO.LIFE에 설명했다.
예를 들어 AI는 유명한 아케이드 비디오 게임 Pong에서 훈련될 수 있습니다. “필드 가장자리를 따라 움직이며 교대로 공을 치는 두 개의 라켓이 있습니다. 훈련된 AI는 이 게임을 완벽하게 플레이할 것입니다. Goodman은 인간보다 낫다고 말합니다. "그러나 패들을 서로 최소 픽셀 가까이 이동하는 것이 가치가 있으며 AI는 게임의 특정 매개 변수에 대해서만 훈련되고 어떤 것에도 대처할 수 없기 때문에 AI는 그것을 재생할 수 없습니다. 가장 중요하지 않은 변화입니다." 그러한 문제는 인간에게는 존재하지 않으며 과학자에 따르면 그 이유는 인간 두뇌의 모든 뉴런이 다르다는 사실에 있습니다.
Imperial College Intelligent Systems and Networks Lab은 뇌를 모델로 하여 신경망의 모든 구성 요소를 약간 수정했으며, 이를 통해 작업의 효율성과 정확도가 20% 향상되었습니다. 또한 과학자들은 뇌 네트워크의 임펄스 작업을 가능한 한 정확하게 재현하려고 노력했으며 이는 또한 신경망의 효율성을 높였습니다. 음성 인식, 음성 명령 수신 및 해석에서 AI의 성능이 향상되었습니다. 또한 인공뉴런의 활성화 시간을 변경함으로써 연속해서 말하는 숫자를 인식하는 등 시간 성분으로 작업을 수행하는 효율성을 높일 수 있었다.
뉴욕 콜드 스프링 하버 연구소의 신경 과학자인 Parta Mitra는 뉴런이 배열되는 방식이 더 중요하다고 생각합니다. 그리고 뉴런이 정렬된 방식에 따라(동일하더라도) 다른 문제를 해결하는 데 사용할 수 있습니다.
Mitra와 그의 영국 동료 Goodman은 가까운 장래에 다양한 인공 뉴런이 있는 칩에 구축된 플라스틱 AI 시스템인 뉴로모픽 시스템이 있을 것이라고 믿습니다. 그리고 자연 신경망의 중요한 기능인 가소성 덕분에 AI는 예를 들어 변화하는 매개변수로 퐁을 정확하게 연주하는 법을 배울 수 있다고 과학자들은 말합니다.
2021-11-25 06:30:52
작가: Vitalii Babkin