안녕하세요. 그림책 비전멘토 박상림입니다.
인공지능과 인간의 뇌는 어떻게 다를까요?
요즘 뇌과학에 관심이 많이 갑니다. 기억법에 관한 것, 학습법에 솔깃해 집니다.
인공지능과 뇌가 가진 불가사의한 생각의 기술을 일곱 가지로 이야기해 주는 책을 소개합니다.
우리 뇌의 특성을 알 수 있고, 인공지능을 좀 더 쉽게 이해할 수 있는 책입니다.
인간에게는 아는 사실과 모르는 사실을 구분할 수 있는 메타인지 능력이 있습니다. 내가 '모르는 사실이 존재한다는 것조차 모를 가능성'이 있습니다. 이 책은 아는 사실, 모르는 사실, 그리고 내가 아직 모른다는 사실조차 모르는 경우로 나뉘는 삼분법적 지식 체계를 의심하는 생각에 출발합니다. 인공지능과 인간지능에 대해 우리가 모른다는 사실조차 몰랐던 것들을 하나씩 앎의 영역으로 옮기는 첫 번째 이야기라고 이상완 작가는 말하고 있습니다.
개념의 추상화 과정에서 발생하는 모순을 극복하기 위해 굳이 단순하게 생각하지 않아도 된다는 것입니다. 이로 인해 인공 신경망은 마음껏 복잡해지면서 무한한 추상화를 꿈꿀 수 있게 되었습니다.
복잡함을 추구할 수 있는 자유와 이를 통해 무한한 개념의 추상화를 이룰 수 있는 가능성이 더해진 상황에서 인공 신경망은 딥러닝이라는 꿈을 꾸기 시작합니다. 필연적으로 신경망은 뇌 신경망과 닮아가기 시작합니다. 딥러닝을 이용해 무한한 세상으로 나아갈 수 있습니다. 딥러닝의 바다에서 파도타기를 해야 합니다
상향식으로 개념을 추상화하는 모델은 '부분'으로부터 '전체'를 보는 것 입니다. 디테일을 이해하는 것에서 시작해서, 이해의 조각들을 하나씩 모아가다 보면 어느새 디테일은 사라지고, 세상 전체가 보이기 시작합니다. 본질적인 개념에 다가갈 수 있습니다.
전체를 파악하려면 디테일을 알아야하고 반대로 디테일을 잘 파악하려면 전체를 알아야 합니다. 하향식 주의 집중을 하여 부분에서 전체를 이해하는 개념의 추상화를 진행하고, 동시에 추상화 된 개념을 즉 전체 그림을 바탕으로 필요 없는 디테일을 골라내는 과정을 진행합니다. 부분과 전체의 선순환을 만들어간다면 문제를 해결할 수 있습니다.
우리의 뇌는 우리가 미처 관심을 가지지 않는다고 생각하는 시야의 가장자리에서도 이 세상이 우리에게 던져주는 모순을 풀기 위해 바쁘게 움직이고 있습니다.
개념의 추상화+구체화를 위한 가장 단순한 방법
= 주성분 분석
=얕은 대칭형 선형 신경망
=생각종이 순서 뒤집기
개념의 추상화 과정은 생각종이를 순서대로 따라가는 것이고, 개념의 구체화 과정은 생각종이의 순서를 뒤집어 따라가는 것입니다. 비대칭적 방법이 가진 가장 큰 장점은 복잡한 문제들을 푸는 능력을 키울 수 있게 된다는 점입니다.
개념의 추상화-구체화 과정에 대한 대칭성 규제의 완화로 자유를 얻게 된 오토 인코더의 구체화 과정은 어떻게 하면 좀 더 발전할 수 있을지를 고민하게 됩니다. 일반적 오토 인코더라는 인공 신경망은 개념의 추상화 과정과 구체화 과정이 반드시 대칭적인 관계여야 한다는 조건을 풀어주어 추상화를 더 크게 할 수 있고 구체화도 더 다양하게 할 수있게 되었습니다.
세상에는 불확실성을 정면으로 마주해야 내포된 문제점들을 명확히 파악하고 해결할 수 있습니다. 변분 오토 인코더라는 인공 신경망은 구체화를 풍부하게 하기 위해서는 추상화 과정에 자유도를 주는 발상의 전환입니다. 추상적 개념이 확률적으로 표현됩니다. 본질이 가진 불확실성과 다양성을 인정하고 확률분포로 표현합니다.
대칭성의 아름다운 단순함을 어느 정도 유지하면서 추상화 과정에 깊이를 더하고, 결과적으로 구체화 과정의 밀도를 높이는 1석 3조로 '신의 한 수'입니다.
"모델 프리와 모델 기반 학습은 둘 다 좋은 카드지만, 잘못 쓰면 오히려 아무것도 안 하느니만 못해. 난 상황에 따라 섞어 사용해." 모델 프리 학습과 모델 기반 학습 대한 우열을 가릴 수 없다는 뜻입니다. 이때는 어떤 상황에서 어떤 카드를 쓰는게 더 좋은지를 판단해야합니다.
모델 기반 학습은 빨리 학습을 할 수 있고, 상황이 변하는 경우에도 빠르게 적응합니다. 새로운 목표에 맞게 계획만 수정하면 되므로 빠른 학습이 가능합니다. 다개체 학습 문제도 잘 다룰 수 있습니다.
모델 프리 학습은 계산이 단순하기 때문에 빠르고, 메모리도 적게 들고, 전기도 적게 씁니다. 단순한 전략이 효과적인 대안이 될 수 있습니다. 복잡한 문제일수록 단순하게 해결하라는 지혜도 있기 때문입니다. 때로는 전략 없는 순수한 결과 지향적 행동이 내 전략을 의도적으로 숨기는 데 도움이 됩니다. 포커페이스 전략입니다.
모델 프리 학습은 모델 기반 학습을 자극해 상대방이 어려운 문제를 대신 풀도록 하여 최소한의 노력으로 최대 이득을 얻고자하는 방법도 있습니다. 이타적 행동 전략의 일종입니다.
인간의 뇌는 계속해서 변화하는 외부 세계의 상황을 '예측의 불확실성'이라는 렌즈로 읽어내고, 상황에 맞는 다양한 학습 전략 카드를 활용하여 벨만 방정식을 풀어냅니다.
이런분들께 권합니다.
인공지능과 뇌의 비밀이 궁금한 분
뇌과학 분야에 관심있는 분
뇌와 인공지능이 어떻게 다른지 알고 싶은 분
인공지능의 새로운 시각을 갖고 싶은 분
인공지능을 통해 인간의 지능을 알고 싶은 분
뇌 과학의 새로운 정보를 알고 싶은 분