KAIST, 뇌 닮은 AI 시스템 설계 방향 제시

뇌의 전두엽이 하는 기능을 인공지능(AI)에 접목해 기존 AI 알고리즘으로는 해결할 수 없는 문제를 해소할 수 있다는 이론이 나왔다. 차세대 뇌 기반 AI 시스템 설계 방향을 제시한 것으로 평가된다.

한국과학기술원(KAIST·총장 신성철)은 이상완 바이오 및 뇌공학과 교수와 이지항 박사팀이 영국 케임브리지대 및 구글 딥마인드와 함께 딥러닝 기반 강화학습 알고리즘에 유연성을 더하는 아이디어로 '전두엽 메타 제어' 이론을 만들었다고 24일 밝혔다.

강화학습 난제 해결 아이디어를 담은 연구에 참여한 KAIST 연구진. 왼쪽부터 안수진 박사과정, 이지항 박사, 이상완 교수
강화학습 난제 해결 아이디어를 담은 연구에 참여한 KAIST 연구진. 왼쪽부터 안수진 박사과정, 이지항 박사, 이상완 교수

AI는 성능·효율·속도가 서로 상충해 어느 하나를 강화하면 다른 요소가 약화되는 공학 난제가 있는데, 이 이론을 적용하면 상충 현상을 해결할 수 있다.

이번 연구 결과는 AI에 신경과학 요소를 더한 것이다. 연구팀은 지난 2014년 전두엽-기저핵 뇌 회로가 이종 강화학습을 제어한다는 증거를 확보해 발표했고, 이듬해 같은 뇌 회로가 고속 추론 과정을 제어한다는 연구결과를 발표했다.

이번에는 사람 두뇌가 외부 환경에 맞춰 자율적으로 성능·효율·속도를 조절하고 가장 적합한 학습이나 추론 전략을 찾는다는 내용을 더했다. 중뇌 도파민-복외측전전두피질 네트워크가 각종 예측 신호를 처리해, 최적의 성능·효율·속도 균형점을 찾는다는 것이다.

이 학습 추론구조를 AI 알고리즘이나 로봇설계에 적용하면 최적 제어 시스템을 설계할 수 있다. 많은 AI 개체가 서로 협력하거나 경쟁해 높은 성과를 내도록 유도할 수 있다.

이지항 박사는 “현대 AI는 두뇌 저수준 신경 시스템을 알고리즘으로 구현하고 적극 발전시켜 지금의 우수한 성능을 구현할 수 있었다”며 “이번 연구도 계산신경 과학에 뿌리를 둔 연구로 현대 딥러닝과 강화학습 난제를 해결하는 실마리가 될 것”이라고 말했다.

대전=김영준기자 kyj85@etnews.com