인공지능의 과소적합·과적합 문제 해결할 열쇠
상충적 상황 풀어낼 '전두엽 메타 학습 이론' 정립
국내·해외 특허 출원 완료, 국제 학술지에 게재
인공지능 모델들은 다양한 실제 문제들에 대해 최적의 해법을 제시하지만 상황변화에 유동적으로 대응하는 부분에서는 여전히 어려움을 겪고 있다.
기계학습에서는 이를 과소적합-과적합의 위험성(underfitting-overfitting risk) 또는 편향-분산 상충 문제(bias-variance tradeoff)로 규정하고 오랫동안 연구를 진행중이지만 실제 세계와 같이 상충 조건이 계속 변하는 상황에서 명확한 해법은 아직 제시되지 못하고 있다.
반면 인간은 주어진 문제에 집중하면서도(과소적합 문제 해결), 당면 문제에 과하게 집착하지 않고(과적합 문제 해결) 변하는 상황에 맞게 유동적으로 대처할 수 있다.
연구팀은 뇌 데이터, 확률과정 추론 모형, 강화학습 알고리즘을 이용해 인간의 뇌가 과적합-과소적합을 어떻게 해결하는지에 대한 이론적 틀을 마련하고 이를 통해 유동적인 메타 강화학습 모델을 도출해냈다.
연구팀은 이번에 인간의 뇌가 중뇌 도파민 회로와 전두엽에서 처리되는 '`예측 오차'의 하한선(prediction error lower bound)이란 정보만을 이용해 과적합-과소적합 문제를 해결함을 규명했다.
또 인간 전두엽, 특히 복외측전전두피질은 주어진 문제를 얼마나 잘 풀 수 있을지에 대한 기대치의 한계를 추정하고 변화하는 상황에 맞춰 최적인 문제 해결전략을 유동적으로 선택하는 과정을 통해 과소적합-과적합의 위험을 최소화한다는 사실을 확인했다.
이에 앞서 이상완 교수 연구팀은 지난 2014년 해당 전두엽 영역이 환경의 불확실성을 바탕으로 강화학습전략을 유동적으로 조절하는 데 관여한다는 사실을 처음 발견했고 2015년에는 인과관계 추론 과정에도 관여한다는 사실을 발견했다.
이어 2019년에는 해당 뇌 영역이 문제의 복잡도까지 고려할 수 있다는 사실을 확인하고 네이처 커뮤니케이션즈(Nature Communications)'에 발표했다.
이런 일련의 연구 결과들은 자신의 학습 및 추론 능력을 스스로 평가하는 인간의 메타 인지능력을 보여주는 증거로, 연구팀은 이 능력을 바탕으로 인공지능이 풀기 어려워하는 현실 세계의 다양한 상충적 상황들을 풀어낼 수 있다는 '전두엽 메타 학습 이론'을 정립했다.
이번 연구는 기존 이론에 기반해 인공지능의 오랜 난제 중 하나인 과소적합-과적합 상충 문제를 실제로 풀어낸 최초의 사례로 평가된다.
연구를 통해 개발된 메타 강화학습 모델을 이용하면 간단한 게임을 통해 인간의 유동적 문제해결 능력을 간접적으로 측정할 수 있고 스마트 교육이나 중독과 관련된 인지행동치료에 적용할 경우 상황변화에 유동적으로 대처하는 인간의 문제 해결 능력 자체를 향상할 수도 있다.
차세대 인공지능, 스마트 교육, 인지 행동치료 등 다양한 분야에 파급력이 큰 원천 기술로 최근 국내 및 해외 특허출원이 완료됐다.
KAIST 이상완 교수와 김동재 박사가 주도하고 정재승 교수가 참여한 이번 연구는 '강화학습 중 편향-분산 상충 문제에 대한 전두엽의 해법'이라는 제목으로 국제 학술지 셀(Cell)의 오픈 액세스 저널인 '셀 리포트(Cell Reports)' 온라인판에 지난해 12월 28일 게재됐다.
연구 책임자인 이상완 교수는 "인공지능이 우리보다 잘 푸는 문제가 많지만 반대로 인공지능으로 풀기 어려운 문제들이 우리에게는 정말 쉽게 느껴지는 경우들이 많다"며 "인간의 다양한 고위 수준 능력을 인공지능 이론 관점에서 형식화하는 연구를 통해 인간 지능의 비밀을 하나씩 풀어나갈 수 있을 것으로 기대한다"고 말했다.
◎공감언론 뉴시스 kys0505@newsis.com