KAIST, 인간 뇌 기반 상황 대처 모델 활용 인공지능 난제 풀었다

▲인공지능에게 인간의 유동성을 주는 메타 강화 학습 설명

[에너지경제신문 김다니엘 기자] 인공지능(AI) 관련 난제 중 하나로 사람과 달리 상황 변화에 유연하게 대응하지 못하는 AI모델 문제점을 해결 수 있는 길이 열렸다.

KAIST는 이상완 바이오및뇌공학과 교수 연구팀이 뇌 기반 인공지능(AI) 기술을 이용해 인공지능 모델의 수동적 대응을 일컫는 과소적합-과적합의 위험성에 대한 해법을 찾아냈다고 5일 밝혔다.

인간은 현재 주어진 문제에 집중(과소적합 문제 해결)하는 동시에 당면 문제에 집착(과적합문제 해결)하지 않고 변하는 상황에 유동적으로 대처한다. 중뇌 도파민 회로와 전두엽에서 처리되는 ‘예측 오차’의 하한선이라는 한가지 정보를 통해 이러한 문제 대응·대처가 가능하다. 이를 통해 인간은 사용하고 있는 방식에 대한 기대치의 한계를 추정하고 변하는 상황에 맞춰 유동적으로 방식을 변경한다.

인공지능 모델들은 다양한 문제에 있어 최적의 해법을 제시하지만 상황 변화에 따라 유동적인 대응이 어렵다. 한가지에 집중하면 다른 것에 대한 성능이 떨어지고 상황이 변화하면 대처 능력이 급격하게 하락하기 때문이다. 기계학습에서는 이를 과소적합-과적합의 위험성 또는 편향-분산 상층 문제라고 불리며 이는 인공지능 관련 난제 중 하나로 꼽혔다.

이상완 교수 연구팀은 2014년 해당 전두엽 영역이 인간의 유동적인 문제해결에 관여한다는 것을 처음 발견했고 인과관계 추론과정에 관여한다는 사실 또한 찾아냈다. 2019년에는 전두엽 영역을 통해 문제의 복잡도까지 고려한다는 사실을 알아냈다.

연구팀은 이러한 연구 결과를 종합해 인공지능에 상황의 유동성을 주는 ‘전두엽 메타 학습 이론’을 정립했다. 이 이론은 과소적합-과적합 상층 문제를 실제 풀어낸 최초의 사례가 평가됐다. 이는 차세대 인공지능, 스마트 교육, 인지 행동치료 등 다양한 분야에 적용할 수 있는 원천 기술로 최근 국내외 특허 출원이 완료됐다.

이번 연구의 제1 저자인 김동재 KAIST 박사는 "인간 지능의 특장점에 대한 이해의 중요성을 보여주는 연구 중 하나"라며 "뇌 기반 인공지능 연구는 인간과 인공지능간 상호 성장에 명확한 기준점을 마련할 것"이라고 밝혔다.