미국 뉴욕대와 스페인 폼페우 파브라대 공동 연구진이 인간의 사고방식을 모방하는 메타학습(meta-learning) 기술을 개발했다. 인간의 명령 없이도 스스로 사고하는 ‘완전 인공지능(AI)’에 한 걸음 더 다가섰다는 평가가 나온다.
인간은 새로운 단어를 학습하면 이를 다양한 문장에 응용하며 개념의 사용법을 익힌다. 예를 들어 ‘뛰다’라는 단어를 배우면 ‘방을 두 번 뛰어다니다’ ‘손을 들고 건너뛰다’ 등 문장을 만들면서 단어의 의미를 이해한다. 전문가들은 이처럼 기존에 배운 요소로 새로운 조합을 만들거나 이해하는 과정을 ‘합성적 일반화(compositional generalization)’라고 한다.
브렌든 레이크 뉴욕대 교수와 마르코 바로니 폼페우 파브라대 교수 연구진은 신경망 관련 기술에 합성 일반화를 구현할 수 있는 메타학습 기술을 개발했다. 메타학습은 ‘학습하는 법을 학습한다’라는 의미로, 데이터를 학습하는 알고리즘을 스스로 개선하도록 하는 기술이다. 연구진은 문장의 구성성분을 조합하고 의미를 이해하는 ‘합성성’을 위한 기술을 만들어 신경망에 도입했다. 신경망에 새로운 단어를 입력하면 단어를 여러 방식으로 조합하며 스스로 문장 구성 기술을 높일 수 있다.
연구진이 이 기술을 도입한 결과, 챗GPT나 GPT-4보다 합성적 일반화 성능이 뛰어난 AI를 구현할 수 있었다. 연구자가 새로 만든 무의미한 용어를 배우고 활용하는 테스트에서는 인간 참가자보다도 일반화 능력이 높았다. 레이크 교수는 “처음으로 신경망이 인간의 일반화를 모방하거나 능가할 수 있다는 것을 보여줬다”고 밝혔다.
1980년대 후반 제리 포더나 제논 필리신 등 인지 과학, AI, 언어학 분야의 전문가들은 인공 신경망이 합성적 일반화를 할 수 없을 것이라 예상했다. 그러나 이번 연구로 합성적 일반화를 기술적으로 모방할 수 있다는 것을 증명했다.
바로니 교수는 “챗GPT와 같은 대규모 언어 모델은 최근 몇 년 동안 성능이 나아졌지만 여전히 합성적 일반화에 어려움을 겪고 있다”며 “이번에 개발한 기술로 대규모 언어 모델의 합성 기술을 높일 수 있을 거라 본다”고 밝혔다.
연구 결과는 국제 학술지 네이처에 25일(현지 시각) 게재됐다.
참고 자료
Nature(2023), DOI: https://doi.org/10.1038/s41586-023-06668-3