기술의 성숙도와 복잡도가 점점 높아짐에 따라 그 모사의 정도가 희미해져 왔고, 최근 딥러닝을 비롯한 AI 첨단기술은 뇌과학과 뚜렷하게 구분되는 독자적인 영역을 구축하고 있다[1].
하지만 지난 10여 년간 AI 분야의 비약적인 발전을 주도했던 딥러닝 기반 기술은 최근 계산 측면에서 한계(Computational Limit)에 도달하고 있을 뿐 아니라[2], 블랙박스 성질에 의한 불투명성(Opacity), 보편 학습에 대한 취약성(Lack of Com？mon Sense), 학습 영역에 대한 협소성(Narrow？ness), 환경 변화에 대한 불안정성(Brittleness) 등 주요 한계점들이 아직 근본적으로 해결되지 않고 있다[3,4].
AI 기술이 마주한 이러한 한계를 효과적으로 해결하기 위해 뇌과학적 원리를 보다 구체적으로 모사하려는 연구가 활발히 진행되고 있다[1]. 뇌는 인간의 경우 약 1천억 개의 뉴런으로 이루어진 매우 복잡하면서도 역동적인 기관이기 때문에 모사의 관점이 매우 다양할 수밖에 없다. 우선 개별적인 뉴런의 기작으로부터 출발하려는 마이크로스케일의 뉴런 네트워크(Neuronal Network)(그림 1(a))[5]와 뇌를 유의미한 영역으로 나누어 이들의 역동적 결합으로 이해하려는 메조스케일 또는 매크로스케일의 영역 네트워크(Regional Network)(그림 1(b))[6] 관점이 존재한다. 한편 뉴런이나 뇌 영역의 물리화학적 구조에 대한 해부학적(Anatomical) 모사(그림 1(c))[7]와 그들의 작동방식에 대한 기능적(Functional) 모사(그림 1(d))[8]로 나눌 수도 있다.
본 고에서는 이러한 다양한 뇌 모사의 관점에서 AI 기술을 고찰하고, 뇌를 어떠한 방식으로 모사하여 인간의 지적 수준에 보다 가까운 AI를 실현하고자 하는지 살펴보고자 한다.
ABSTRACT
The field of brain science (or neuroscience in a broader sense) has inspired researchers in artificial intelligence
(AI) for a long time. The outcomes of neuroscience such as Hebb’s rule had profound effects on the early AI
models, and the models have developed to become the current state-of-the-art artificial neural networks.
However, the recent progress in AI led by deep learning architectures is mainly due to elaborate mathematical
methods and the rapid growth of computing power rather than neuroscientific inspiration. Meanwhile, major
limitations such as opacity, lack of common sense, narrowness, and brittleness have not been thoroughly
resolved. To address those problems, many AI researchers turn their attention to neuroscience to get insights
and inspirations again. Biologically plausible neural networks, spiking neural networks, and connectome？based networks exemplify such neuroscience-inspired approaches. In addition, the more recent field of brain
network analysis is unveiling complex brain mechanisms by handling the brain as dynamic graph models. We
argue that the progress toward the human-level AI, which is the goal of AI, can be accelerated by leveraging
the novel findings of the human brain network.
KEYWORDS
인공지능, 인공신경망, 심층신경망, 신경과학, 브레인 네트워크, 생물학적 근사성, 스파이킹 신경망, 레저버
컴퓨팅, 커넥톰
* 출처 : ETRI 전자통신동향분석 제36권 제3호
* 자세한 내용은 첨부파일을 참고하여 주시기 바랍니다.
추천 리포트
-
[동향보고서] 초기 알츠하이머 병의 염증성 견해 (An Inflammatory View of Early Alzheimer’s Disease)
-
[코센리포트] 인공지능(AI)을 활용한 신약개발 연구 동향
-
[코센리포트] 알츠하이머병 진단법에 대한 최근 동향
-
[동향보고서] 커넥티드 의료기기 비침습적 해킹 대응 솔루션
-
[동향보고서] 인공지능의 윤리적 문제와 해결방안 모색
-
[동향보고서] 인공지능의 혁신 특성과 한국 스타트업 사례연구
-
[코센리포트] [해외 연구소]미국 기초과학 분야 연구기관 조사 보고서
-
리포트 평점
해당 콘텐츠에 대한 회원님의 소중한 평가를 부탁드립니다. -
0.0 (0개의 평가)