https://www.nature.com/articles/s42256-024-00863-1

https://techxplore.com/news/2024-07-neural-network-minecraft.html

최첨단 인공 지능과 신경망이 할 수 있는 모든 것에도 불구하고, 무에서 유를 창조할 수는 없습니다.

"최첨단 AI 모델조차도 여전히 진정으로 지능적이지 않다는 느낌이 있습니다"라고 컴퓨터 생물학 조교수이자 헤리티지 의학 연구소 연구원인 매트 톰슨(Matt Thomson)은 말합니다. "그들은 우리처럼 문제를 해결하지 않습니다. 입증되지 않은 수학 결과를 증명하거나 새로운 아이디어를 창출할 수 없습니다.

"우리는 그들이 개념적 공간을 탐색할 수 없기 때문이라고 생각합니다. 복잡한 문제를 해결하는 것은 탐색과 같은 개념 공간을 이동하는 것과 같습니다. AI는 기계적인 암기와 같은 일을 하고 있습니다—여러분이 AI에 입력을 주면, AI는 여러분에게 응답을 줍니다. 하지만 서로 다른 아이디어를 종합할 수는 없습니다."

톰슨 연구실의 새로운 논문에 따르면 신경망은 예측 코딩이라는 알고리즘 유형을 사용하여 공간 지도를 구축하도록 설계할 수 있습니다. 이 논문은 7월 18일 학술지 '네이처 머신 인텔리전스(Nature Machine Intelligence)'에 게재됐다.

대학원생 제임스 고넷(James Gornet)이 이끄는 두 사람은 나무, 강, 동굴과 같은 복잡한 요소를 통합하여 게임 마인크래프트 내에서 환경을 구축했습니다. 그들은 플레이어가 무작위로 영역을 횡단하는 비디오를 녹화하고 비디오를 사용하여 예측 코딩 알고리즘이 장착된 신경망을 훈련했습니다.

그들은 신경망이 마인크래프트 세계 내의 물체가 서로 어떻게 구성되어 있는지 학습할 수 있고 공간을 돌아다니는 동안 어떤 환경이 나타날지 "예측"할 수 있다는 것을 발견했습니다.

더욱이, 연구팀은 신경망을 "개방"하고(코딩은 "내부를 확인하는 것"에 해당) 다양한 물체의 표현이 서로에 대해 공간적으로 저장된다는 것을 확인했습니다.

신경망은 GPS를 사용하는 자율 주행 자동차와 같이 인간 설계자가 제공한 지도를 탐색할 수 있지만 신경망이 자체 지도를 생성하는 것으로 나타난 것은 이번이 처음입니다. 정보를 공간적으로 저장하고 구성하는 이러한 능력은 궁극적으로 신경망이 "더 똑똑해질" 수 있도록 도와 인간이 할 수 있는 것처럼 진정으로 복잡한 문제를 해결할 수 있도록 할 수 있습니다.

Gornet은 신경 과학, 기계 학습, 수학, 통계 및 생물학을 아우르는 Caltech의 컴퓨터 및 신경 시스템(CNS) 학과에 재학 중인 학생입니다.

"CNS 프로그램은 James에게 다른 곳에서는 불가능한 독특한 작업을 할 수 있는 장소를 제공했습니다"라고 Thomson은 말합니다. "우리는 인공 신경망에서 뇌의 속성을 리버스 엔지니어링할 수 있는 기계 학습에 대한 생체 영감 접근 방식을 취하고 있으며, 차례로 뇌에 대해 배우기를 희망하고 있습니다. 우리는 Caltech에서 이러한 종류의 작업을 매우 수용적인 커뮤니티를 가지고 있습니다."