알파경제
•
AI 신경망의 일시적 망각 현상, 인간 뇌 학습 원리 밝힐 단서 될까
최신 의학 정보와 근거 중심의 검증 과정을 바탕으로 독자 여러분께 정확하고 신뢰할 수 있는 건강 정보를 제공합니다.
네덜란드 흐로닝언대학교와 벨기에 루뱅가톨릭대학교(KU Leuven) 공동연구팀은 인공신경망에서 나타나는 일시적인 망각 현상을 분석하고, 유사한 현상이 인간에게도 존재하는지 확인할 필요가 있다고 제안했다.
연구 결과는 국제학술지 '트렌즈 인 코그니티브 사이언시스(Trends in Cognitive Sciences)'에 발표됐으며, 흐로닝언대학교는 17일 주요 내용을 공개했다.
인간의 뇌가 새로운 지식과 기술을 습득하는 과정은 신경과학의 주요 연구 과제 가운데 하나다.
특히 새로운 정보를 학습하면서 이전에 습득한 지식을 어떻게 유지하는지는 아직 충분히 규명되지 않았다.
연구팀은 이러한 문제를 이해하기 위한 도구로 인공신경망에 주목했다.
인공신경망은 인간 뇌의 신경세포 연결 구조에서 착안한 컴퓨터 모델로, 여러 계산 단위 사이의 연결 강도를 조절하면서 새로운 작업을 학습한다.
대표적인 학습 방식은 경사하강법(gradient descent)이다.
경사하강법은 예측 결과와 정답 사이의 오차를 줄이는 방향으로 신경망의 매개변수를 반복적으로 조정하는 방법이다.
그러나 인공신경망에는 새로운 작업을 학습할 때 기존에 습득한 능력이 급격히 저하되는 문제가 있다.
이를 '파국적 망각(catastrophic forgetting)'이라고 한다.
예를 들어 인공신경망이 배의 이미지를 구분하도록 학습한 뒤 자동차 이미지를 구분하는 새로운 작업을 학습하면, 이전에 익힌 배의 이미지 분류 능력이 크게 떨어질 수 있다.
이러한 문제를 완화하기 위해 AI 연구에서는 '재현 학습(replay)'이라는 방법을 사용한다.
새로운 작업을 학습하는 동안 이전 작업의 학습자료도 반복적으로 제공해 기존 지식을 유지하도록 하는 방식이다.
이는 프랑스어를 배운 학생이 스페인어를 새로 공부하면서 프랑스어 복습을 병행하는 상황과 비슷하다.
재현 학습을 적용하면 인공신경망은 최종적으로 기존 작업과 새로운 작업을 모두 수행할 수 있다.
그런데 연구자들은 학습이 끝난 시점이 아니라 학습이 진행되는 전체 과정을 관찰하면서 예상하지 못했던 현상을 발견했다.
기존 작업을 계속 복습하고 있는데도 새로운 작업을 배우기 시작하면 이전 작업의 수행 능력이 일시적으로 떨어졌다가 이후 다시 회복된 것이다.
연구팀은 이러한 현상을 '안정성 격차(stability gap)'라고 설명했다.
파국적 망각이 기존 지식의 지속적인 손실을 의미한다면, 안정성 격차는 학습 도중 일시적으로 성능이 저하됐다가 다시 회복되는 현상이라는 점에서 차이가 있다.
연구진은 이 현상이 인간의 학습 과정에서도 나타나는지 확인하기 위해 기존 인지과학 연구들을 검토했다.
그 결과 사람에게도 여러 형태의 일시적인 망각이 나타난다는 사실을 확인했다.
그러나 인공신경망에서 관찰되는 안정성 격차와 정확히 일치하는 현상이 인간에게서 나타난다는 직접적인 증거는 발견하지 못했다.
반대로 인간에게 안정성 격차가 존재하지 않는다는 명확한 증거도 확인되지 않았다.
이에 연구팀은 향후 인간을 대상으로 새로운 작업을 학습하는 동안 기존 작업의 수행 능력을 반복적으로 측정하는 실험이 필요하다고 제안했다.
연구진이 안정성 격차에 주목한 이유는 이 현상이 인공신경망의 학습 방식과 밀접하게 관련돼 있기 때문이다.
연구팀은 경사하강법을 이용하는 신경망에서 안정성 격차가 나타나는 원리를 분석하고, 이를 학습 알고리즘의 특징을 보여주는 일종의 지표로 제시했다.
인간의 뇌가 경사하강법과 유사한 원리로 학습하는지는 신경과학에서 오랫동안 논쟁이 이어져 온 문제다.
인공신경망에서는 오차를 계산하고 연결 강도를 조정하는 수학적 절차가 명확하지만, 실제 뇌의 신경세포가 동일한 방식으로 학습한다는 사실은 입증되지 않았다.
연구팀은 인간에게서 안정성 격차가 확인된다면 뇌가 인공신경망과 유사한 학습 원리를 활용한다는 가설을 뒷받침할 수 있다고 설명했다.
반면 적절하게 설계된 실험에서도 이러한 현상이 나타나지 않는다면 인간의 뇌가 인공신경망과 다른 방식으로 학습할 가능성을 검토할 수 있다.
다만 안정성 격차가 인간에게서 관찰되더라도 그것만으로 뇌가 경사하강법을 사용한다는 사실이 확정되는 것은 아니다.
서로 다른 학습 기전에서도 비슷한 행동 양상이 나타날 수 있기 때문이다.
연구진은 이번 연구가 인공지능의 학습 문제를 해결하는 데 그치지 않고 인간의 기억과 학습을 이해하기 위한 새로운 실험 방향을 제시한다는 점에서 의미가 있다고 평가했다.
특히 인간과 인공신경망의 학습 과정을 비교할 때 최종적인 학습 성과뿐 아니라 학습 도중 나타나는 일시적인 수행 능력의 변화까지 관찰해야 한다고 강조했다.
다만 이번 연구는 인간을 대상으로 안정성 격차를 직접 확인한 임상시험이나 신경영상 연구가 아니다.
기존 인지과학 문헌과 인공신경망의 학습 특성을 분석한 이론적 연구로, 인간 뇌의 실제 학습 기전을 확정한 것은 아니다.
또한 일시적인 수행 능력 저하가 반드시 기억 자체의 소실을 의미하는 것은 아니며, 정보 인출이나 작업 간 간섭 등 다른 요인에 의해서도 발생할 수 있다.
연구팀은 향후 인간의 연속 학습 과정에서 안정성 격차가 나타나는지 검증하고, 이를 통해 생물학적 뇌와 인공신경망의 공통점과 차이점을 규명할 필요가 있다고 설명했다.
이번 연구는 인공지능의 망각 현상을 인간의 학습 원리를 탐구하는 연구 도구로 활용할 수 있다는 가능성을 제시했다.
