우리 뇌에서 일어나는 학습 과정은 매우 효율적인 방식으로 단기 기억을 장기 기억으로 전환하면서 이뤄진다. 이런 인간의 기억 통합 메커니즘을 모방해 인공지능(AI)의 학습 능력을 향상할 수 있다는 연구 결과가 나왔다.

기초과학연구원(IBS)은 인지 및 사회성 연구단 이창준 단장과 수리 및 계산 과학 연구단 데이터 사이언스 그룹 차미영 CI(KAIST 전산학부 교수) 공동 연구팀이 인공지능 모델이 뇌의 기억 통합 메커니즘과 유사하게 작동한다는 것을 밝히고, 뇌의 해마에서 일어나는 기억 통합의 생물학적 특징을 적용해 인공지능 효율성을 크게 높일 수 있다는 것을 확인했다고 30일 밝혔다.

우리 뇌 변연계에 있는 해마는 단기 기억을 장기 기억으로 전환한다고 알려져 있다. 이 기억 통합 과정에서 신경세포에 있는 NMDA 수용체가 중요한 역할을 한다. 이 수용체는 평소에는 닫혀있다가 글루탐산과 결합할 때만 이온이 지나가는 통로가 돼 신경 연결 강도를 조절하고 기억 형성에 관여한다. 연구팀은 특정 조건에서만 통로가 되는 NMDA 수용체의 비선형적 특징에 주목해 이를 모사한 새로운 활성화 함수를 개발해 2017년 구글(Google)에서 개발한 트랜스포머 모델에 적용했다.

또 이 모델의 기억 통합 메커니즘을 확인하기 위해 에이전트(환경을 인식하고, 목표를 달성하기 위해 독립적으로 결정하고 행동하는 프로그램)가 2차원 격자 위에서 경로 탐색을 하도록 작업을 설계했다. 무작위로 움직이는 에이전트에게 다음 장소로 이동할 때 그곳에 놓인 물체가 무엇인지 맞히게 한다. 에이전트가 해당 회차 실험 중 방문한 곳의 물체를 맞히면 단기 기억을, 해당 실험에서 방문하지 않았지만, 이전 실험에서 탐색했던 물체를 맞히면 장기 기억을 사용한 것이다. 이 테스트를 통해 단기 기억이 장기 기억으로 전환되는 기억 통합 메커니즘을 확인할 수 있다.

그 결과, NMDA 수용체 특징을 모방한 인공지능 모델은 우리 뇌 속 해마의 신경세포인 '장소세포'처럼 위치를 인지하는 기능을 형성했고, 기존 모델보다 기억 통합 능력이 크게 향상된 것을 확인했다.이는 트랜스포머 모델에 NMDA 수용체의 비선형성을 도입해 우리 뇌와 유사하게 장기 기억과 공간 표상을 강화할 수 있다는 것을 시사한다고 연구팀은 설명했다.

차미영 CI는 "이번에 개발한 인공지능 모델을 통해 향후 인간과 유사한 방식으로 정보를 처리하고 기억하는 저비용 고성능 인공지능 시스템이 나올 것으로 기대한다"고 말했다.

이번 연구 논문은 다음 달 미국에서 열리는 세계 최고 권위 AI 학술대회 '신경정보처리시스템 학회(NeurIPS)'에 채택됐다.