한국과학기술원(KAIST)은 뇌인지과학과 이상완 교수팀이 인간 뇌의 학습 원리를 인공지능(AI) 딥러닝에 적용해 학습 효율을 높이는 기술을 개발했다고 1일 밝혔다.
우리 뇌는 단순히 현재 벌어지는 일을 받아들이는 데 그치지 않고, 다음에 무슨 일이 일어날지를 끊임없이 예측한다. 예측과 실제 결과가 다르면 그 차이를 줄이는 방향으로 스스로 수정한다. 바둑에서 상대 다음 수를 예측하고, 실제 수에 따라 전략을 바꾸는 '수 읽기'와 비슷하다. 이 같은 정보처리 방식을 '예측 부호화'라고 한다.
그동안 이 원리를 AI에 적용하는 시도들이 있었지만, 딥러닝에선 신경망 층이 많아질수록, 학습 신호가 뒤쪽에서 앞쪽으로 전달될 때 점점 약해지면서, 앞쪽 층은 제대로 배우지 못하는 어려움이 있었다.
연구팀은 이 문제를 해결하기 위해 AI가 잘못 예측했을 때 곧바로 수정하는 데 그치지 않고, '이 예측이 앞으로 어떻게 달라질지'를 한 번 더 계산하도록 설계했다. 이 방식을 적용하자 깊은 신경망에서도 학습이 멈추지 않고 안정적으로 진행됐다고 연구팀은 밝혔다.
실제로 성능을 비교하는 총 30가지 실험 중 29가지에서 현재 대부분 AI에 쓰이는 학습법인 '역전파' 방식보다 높은 정확도를 기록했다. 역전파는 AI가 오차를 거꾸로 전달해 전체 네트워크를 한 번에 수정하는 방식이다. 반면 이번 기술은 뇌처럼 분산적ㆍ부분적으로 학습을 진행하면서도 전체 모델 성능을 유지할 수 있는 방식이다.
연구팀은 이번 기술이 전력 효율이 중요한 뉴로모픽 컴퓨팅, 환경에 적응해야 하는 로봇 AI, 기기 내부에서 작동하는 엣지 AI 등 다양한 분야로 활용될 수 있을 것으로 기대한다. 이상완 교수는 "뇌 구조를 단순히 모방한 것이 아니라 뇌의 학습 원리 자체를 AI가 따르도록 만든 것이 이번 연구 핵심"이라며 "뇌처럼 효율적으로 배우는 인공지능의 가능성을 열었다"고 말했다.