AI 연구, 학습에서 해마의 역할에 새로운 이해를 제시하다
- 콜롬비아 대학교와 구글 딥마인드 연구진이 인공 신경망의 학습에서 예측 보조 목표를 추가하는 것이 어떤 영향을 미치는지에 대한 새로운 연구를 진행함.
- 예측 보조 목표가 있는 인공 지능 모델은 이러한 추가 작업이 없는 모델보다 더 빠르게 학습하고 훈련 반복이 더 적게 필요함.
- 예측 학습은 과적합을 방지하고 연산 자원이 제한될 때 학습된 표현의 붕괴를 막는 데 도움이 됨.
- 인공 신경망의 예측 모듈 내 활동 패턴이 동물의 해마에서 볼 수 있는 것과 유사함을 발견함. 특정 가상 공간 위치에서 선호적으로 활성화되는 소위 장소 필드가 형성됨.
- 네트워크의 입력 모듈에서도 학습 관련 변화가 관찰됨. 이는 보상된 시각적 자극에 대해 뉴런이 더 선택적으로 반응하는 것과 유사함.
- 연구진은 예측 학습이 해마가 다른 뇌 영역에 유용하게 구조화된 표현을 제공하는 핵심 메커니즘일 수 있다고 결론지음.
- 연구진은 더 복잡한 작업과 추가적인 학습 지원 목표를 가진 연구를 진행하려고 하며, 이는 모델을 더 생물학적으로 현실적으로 만들고 효율적인 기계 학습 및 더 유연한 인공 지능에 대한 새로운 접근 방식을 제시할 수 있음.
5the-decoder.com링크 복사하기
AI 뉴스 요약은 뉴스의 내용을 AI가 요약(GPT-4 활용)한 것입니다. 따라서 틀린 내용을 포함할 수 있습니다. 뉴스의 자세한 내용을 확인하시려면 해당 뉴스 링크를 클릭해주세요.