본문 바로가기주요메뉴 바로가기

주메뉴

IBS Conferences

인공지능(AI) 학습 능력 향상의 열쇠, 뇌과학에서 찾았다

- 뇌의 NMDA 수용체 특징 도입한 트랜스포머 모델의 기억 통합 능력 향상 -

- 뇌와 인공지능 연결성에 대한 이해 확장…세계적 AI 학회 NeurIPS에 논문 채택 -

우리 뇌에서 일어나는 학습 과정은 매우 효율적인 방식으로 단기 기억을 장기 기억으로 전환하며 이루어진다. 이러한 인간의 기억 통합 메커니즘을 모방해 인공지능의 학습 능력을 향상할 수 있다는 연구 결과가 나왔다.

기초과학연구원(IBS, 원장 노도영) 인지 및 사회성 연구단 이창준 단장수리 및 계산 과학 연구단 데이터 사이언스 그룹 차미영 CI(Chief Investigator·KAIST 전산학부 교수) 공동 연구팀은 인공지능(AI) 모델이 뇌의 기억 통합 메커니즘과 유사하게 작동한다는 것을 밝히고, 뇌의 해마에서 일어나는 기억 통합의 생물학적 특징을 적용해 인공지능의 효율성을 크게 높일 수 있음을 확인했다.

현재와 같은 인공지능의 비약적인 발전은 2017년 구글(Google)에서 개발한 트랜스포머(Transformer) 모델로부터 시작됐다. 이 모델은 문장 속 단어와 같은 시계열 데이터 내의 관계를 추적해 맥락과 의미를 학습한다. 기존 모델에 비해 압도적인 성능을 보여주며 챗GPT와 같은 대규모 언어처리 모델의 토대가 되는 등 인공지능 분야에 혁신적인 영향을 미치고 있다.

한편, 우리 뇌 변연계에 있는 해마에서 단기 기억이 장기 기억으로 전환된다고 알려져 있으며 이 기억 통합 과정에서 신경세포에 있는 NMDA 수용체1)가 중요한 역할을 한다. 이 수용체는 평소에는 닫혀있다가 글루탐산과 결합 시에만 이온이 지나가는 통로가 되어 신경 연결의 강도를 조절하고 기억 형성에 관여하게 된다.

연구진은 특정 조건에서만 통로가 되는 NMDA 수용체의 비선형적 특징에 주목해 이를 모사한 새로운 활성화 함수를 개발해 트랜스포머 모델에 적용했다. 또한, 이 모델의 기억 통합 메커니즘을 확인하기 위해 에이전트2)2차원 격자 위에서 경로 탐색을 하도록 작업을 설계했다. 무작위로 움직이는 에이전트에게 다음 장소로 이동할 때 그곳에 놓인 물체가 무엇인지 맞히게 한다. 에이전트가 해당 회차 실험 중 방문한 곳의 물체를 맞히면 단기 기억을, 해당 실험에서 방문하지 않았지만 이전 실험에서 탐색했던 물체를 맞힌다면 장기 기억을 사용한 것이다. 이 테스트를 통해 단기 기억이 장기 기억으로 전환되는 기억 통합 메커니즘을 확인할 수 있다.

그 결과, NMDA 수용체 특징을 모방한 인공지능 모델은 우리 뇌 속 해마의 장소세포3)처럼 위치를 인지하는 기능을 형성했으며, 기존 모델 대비 기억 통합 능력이 크게 향상된 것을 확인했다. 이는 트랜스포머 모델에 NMDA 수용체의 비선형성을 도입함으로써 우리 뇌와 유사하게 장기 기억과 공간 표상을 강화할 수 있다는 것을 시사한다.

이창준 단장은 “이번 연구는 인공지능의 성능 향상뿐 아니라 인간의 뇌와 인공지능 간 연결성에 대한 이해를 확장했다는 점에서 중요한 의미가 있다”라며, “뇌의 작동 원리를 더 깊게 이해하는 것을 바탕으로 더 발전된 인공지능 시스템을 개발할 수 있을 것”이라고 전했다.

차미영 CI는 “이번에 개발한 인공지능 모델을 통해 향후 인간과 유사한 방식으로 정보를 처리하고 기억하는 저비용 고성능 인공지능 시스템이 나올 것을 기대해본다.”라고 말했다.

이번 논문은 오는 12월 미국에서 열리는 세계 최고 권위 AI 학술대회 ‘신경정보처리시스템학회(NeurIPS)’에 채택되었다.



그림 설명


[그림 1] 트랜스포머 모델에서 뇌 NMDA 수용체의 비선형성 활용
            (a) 시냅스 후 신경세포의 이온 채널 활동을 나타내는 도식.
            AMPA 수용체는 시냅스 후 신경세포 활성화에 관여하며, NMDA 수용체는 마그네슘 이온 (Mg2+) 에 의해 차단되어 있으나, 시냅스 후 신경세포가 충분히 활성화되면 칼슘 이온(Ca2+) 유입을 통해 시냅스 가소성을 유도한다.
            (b) 트랜스포머 모델 내에서 계산 과정을 나타낸 흐름도.
            피드포워드층, 계층 정규화, 셀프어텐션층 등의 단계를 통해 정보가 순차적으로 처리된다.
            말풍선 속은 NMDA 수용체의 비선형적 특징을 모사해 연구진이 새로 개발한 함수.
            마그네슘 농도 (α) 값에 따른 입력-출력 그래프는 NMDA 수용체의 비선형성 변화를 보여준다. 이 함수를 기존 트랜스포머 모델에 적용해 인공지능의 기억 통합 능력이 향상됨을 확인했다.
[그림 1] 트랜스포머 모델에서 뇌 NMDA 수용체의 비선형성 활용
(a) 시냅스 후 신경세포의 이온 채널 활동을 나타내는 도식.
AMPA 수용체는 시냅스 후 신경세포 활성화에 관여하며, NMDA 수용체는 마그네슘 이온 (Mg2+) 에 의해 차단되어 있으나, 시냅스 후 신경세포가 충분히 활성화되면 칼슘 이온(Ca2+) 유입을 통해 시냅스 가소성을 유도한다.
(b) 트랜스포머 모델 내에서 계산 과정을 나타낸 흐름도.
피드포워드층, 계층 정규화, 셀프어텐션층 등의 단계를 통해 정보가 순차적으로 처리된다.
말풍선 속은 NMDA 수용체의 비선형적 특징을 모사해 연구진이 새로 개발한 함수.
마그네슘 농도 (α) 값에 따른 입력-출력 그래프는 NMDA 수용체의 비선형성 변화를 보여준다. 이 함수를 기존 트랜스포머 모델에 적용해 인공지능의 기억 통합 능력이 향상됨을 확인했다.


[그림2] AI 기억 통합의 미로: 트랜스포머 모델의 뇌과학적 도전
            뇌를 탑재한 AI가 복잡한 미로의 중심에서 이 미로 안으로 들어가기 위해 준비하고 있다. 이는 트랜스포머 모델이 인간과 뇌의 연관성을 탐구하며, 뇌의 기억 통합 과정에서 영감을 얻어 자신의 기억을 테스트하려는 과정을 상징한다.
[그림2] AI 기억 통합의 미로: 트랜스포머 모델의 뇌과학적 도전
뇌를 탑재한 AI가 복잡한 미로의 중심에서 이 미로 안으로 들어가기 위해 준비하고 있다. 이는 트랜스포머 모델이 인간과 뇌의 연관성을 탐구하며, 뇌의 기억 통합 과정에서 영감을 얻어 자신의 기억을 테스트하려는 과정을 상징한다.


IBS 홍보팀
김규형

1) NMDA 수용체: 뇌의 학습, 기억, 공간 인식과 관련된 신경세포 연결 부위인 시냅스후 막에 위치한 특별한 종류의 이온채널 글루탐산 수용체이다. 이 수용체가 활성화되면, 칼슘 이온이 신경세포 안으로 들어가게 된다. 이 칼슘 이온의 농도 변화는 학습과 기억 형성에 중요한 역할을 하는 시냅스 가소성, 즉 신경 연결의 강도를 조절한다.

2) 에이전트 : 자신의 환경을 인식하고, 그에 따라 목표를 달성하기 위해 독립적으로 결정하고 행동하는 프로그램으로, 본문에서는 미로의 구조를 인식하고, 출구를 찾기 위해 경로를 계획하고 탐색하는 학습자를 의미한다.

3) 장소세포 : 뇌 해마에 존재하는 신경세포로 특정 장소로 이동할 때 활성화된다. 공간상의 위치를 감지해 뇌 속 내비게이션과 같은 역할을 한다.

  • [브레인미디어] 인공지능(AI) 학습 능력 향상의 열쇠, 뇌과학에서 찾았다
  • [연합뉴스] '인공지능 학습 능력 향상' 열쇠, 뇌과학에서 찾았다
  • [이뉴스투데이] 인공지능 학습 능력 향상의 열쇠, 뇌과학에서 찾았다
  • [뉴스1] 인공지능 학습능력 높이는 열쇠 뇌과학서 찾아
  • [YTN사이언스] 뇌의 기억 통합 원리 이용해 인공지능 학습 능력 높인다
  • [코리아헬스로그] IBS, 인간 통합 기억 메커니즘 모방해 인공지능 학습 능력 향상 확인
  • [헤럴드경제] “인간 뇌 기억 매커니즘 모방” AI 학습능력 높인다
  • [조선비즈] AI 학습 능력 향상할 열쇠, 뇌 속에 있었다
  • [동아사이언스] 인간 뇌 '기억 메커니즘' 따르면 AI 학습능력 좋아진다
  • [충남일보] IBS, 뇌과학서 AI 학습 향상 열쇠 찾아
  • [지디넷코리아] 뇌가 기억하는 방식, AI에 적용해 봤더니···
  • 만족도조사

    이 페이지에서 제공하는 정보에 대하여 만족하십니까?

    콘텐츠담당자
    :  
    최종수정일 2023-11-28 14:20