단국대학교는 대학원 인공지능융합학과 김동재 교수가 뉴욕대 웨이지마(Wei Ji Ma) 교수, 룩셈부르크대 하이코 슈(Heiko Schutt) 교수와 공동으로 인공지능 연구에 활용되는 뇌의 학습 원리를 새롭게 규명했다고 16일 밝혔다.

인공지능 연구는 뇌의 학습 원리를 모방해 많은 정보를 효율적으로 처리하는 형태로 발전하고 있다.

기존 학계에서는 지각과 학습은 같은 뇌에서 일어나지만, 다른 원리로 작동된다고 알려져 있다.

김 교수 연구팀은 뇌의 지각과 학습은 같은 원리로 작동하고 이 메커니즘을 활용해 인공지능의 성능을 높일 수 있음을 밝혔다.

뇌를 구성하는 신경세포인 뉴런은 외부 정보를 지각하는 과정과 학습으로 나눈다.

학습을 담당하는 뉴런은 가장 높은 보상이 예측되는 행동을 선택해 정보 받아들인다. 이를 강화학습이라 한다. 기존 학계에선 두 이론의 연결점이 없었다.

김 교수 연구팀은 쥐와 원숭이 실험을 통해 지각과 학습 뉴런의 데이터 값을 분석했다. 학습을 담당하는 도파민 뉴런 값이 지각을 담당하는 뉴런과 같이 효율 코딩 가설로 구성된 것을 검증했다.

김 교수는 지각과 학습은 다른 원리로 작동되고 연결점이 없다는 기존의 통념을 뒤집은 것이다.

김 교수는 “인간의 뇌와 같이 강화학습 원리는 현재 인공지능에 널리 사용되고 있다”며 “새롭게 규명한 알고리즘을 인공지능 연구에 적용하면 보다 적은 에너지와 전력으로 더 많은 정보를 처리할 수 있게 된다”고 설명했다.

이번 연구는 신경과학 분야 국제 저명 학술지 ‘네이쳐 뉴로사이언스(Nature Neuroscience, IF: 25.0)’에 6월 19일 자로 온라인 게재됐다. 논문명은 “Reward prediction error neurons implement an efficient code for reward”이다.

천안 이종익 기자