이스라엘 과학자들이 인간 두뇌 동역학을 기반으로 학습에 보다 뛰어난 새로운 유형의 심층학습(deep learning) 인공지능(AI) 알고리즘을 구현했다.

뇌의 생물학적 하드웨어와 학습 규칙은 비동기식 입력을 처리하고 상대적 정보를 개선하도록 설계됐다. 대조적으로, 전통적인 인공지능 알고리즘은 동기식 입력에 기초, 동일한 프레임을 구성하는 상이한 입력의 상대적인 타이밍은 일반적으로 무시된다.

이 최신 뉴로모픽 기반 알고리즘은 현대 컴퓨터보다 훨씬 느리지만 비동기식 학습에서 복잡하고 효율적인 인간의 두뇌 연산 작동 방식에 착안했다.

연구는 9일(현지시각) 네이처 사이언티픽 리서치(Scientific Reports)에 발표됐다.

이스라엘 바일란대(Bar-Ilan University) 물리학과 곤다종합뇌연구센터(Gonda Multidisciplinary Brain Research Center) 이도 칸터(Ido Kanter) 교수가 이끄는 연구팀은 뉴런 배양과 대규모 시뮬레이션에 대한 고급 실험을 통해 현재까지 달성한 학습 속도를 능가하는 알고리즘 유형을 시연했다.

그는 “현재의 과학 기술 관점은 신경생물학(neurobiology)과 기계학습이 독립적으로 발전한 두 가지 분야라는 것으로 상호 영향이 없다는 것은 당황스럽다”고 말했다.

칸터는 뇌의 뉴런 수는 전형적인 현대 컴퓨터의 비트 수보다 적으며 뇌의 계산 속도는 70년 전에 발명 된 최초의 컴퓨터보다 훨씬 느리다고 설명한다.

그러나 두뇌의 학습 규칙은 현재 AI 알고리즘의 규칙보다 훨씬 복잡하고 차원을 달리한다. 생물학적 구조는 물리적 현실이 발달함에 따라 비동기 입력에 대처해야하기 때문에 뇌 역학은 모든 신경세포에 대해 동시적으로 잘 정의된 시계를 준수하지 않는다.

칸트는“운전 중에는 자동차, 횡단보도 및 도로 표지판을 관찰하고 시간 순서와 상대 위치를 쉽게 식별 할 수 있다. 생물학적 하드웨어 학습 규칙은 비동기 입력을 처리하고 관련 정보를 개선하기 위해 설계됐다”며 “이는 동일한 프레임을 구성하는 서로 다른 입력의 상대적 타이밍을 무시하고 동기식 입력을 기반으로 하는 기존 AI 알고리즘과 대조적이다”고 말했다.

새 연구 결과에 따르면 초고속 학습 속도는 소규모 및 대규모 네트워크에서 놀랍게도 동일하다.

따라서 연구자들은 “복잡한 두뇌 학습 체계의 단점은 실제로 장점”이라고 말한다. 또 다른 중요한 발견은 비동기 입력에 따른 자체 적응을 통한 학습 단계 없이 학습이 발생할 수 있다는 것이다. 학습없이 이러한 유형의 학습은 최근 실험적으로 관찰 된 바와 같이 각 뉴런의 말단 수상돌기에서 발생한다. 또한, 말단 수상돌기 학습 네트워크 역학은 이전에는 중요하지 않은 약한 가중치에 의해 제어된다.

과학자들은 매우 느린 두뇌 역학에 기반한 효율적인 딥러닝 알고리즘 아이디어는 빠른 컴퓨터를 기반 새로운 고급 인공지능을 구현할 수 있는 기회를 제공한다고 강조한다.

신경생물학과 인공지능의 연계, 뇌의 기본 원리에 대한 통찰이 미래 인공지능의 중심에 와야 한다는 지적이다.

*논문 :Adaptive nodes enrich nonlinear cooperative learning beyond traditional adaptation by links