최근 발표된 연구 보고서에 따르면, 인공지능(AI)이 '숨겨진 규칙 게임(Game of Hidden Rules, GOHR)'이라는 환경에서 복잡한 개념을 학습하고 이를 다른 상황에 전이하는 능력을 심층적으로 분석했습니다. 이 연구는 AI 에이전트가 시행착오를 통해 보이지 않는 규칙을 스스로 발견하고, 이를 바탕으로 일반화된 지식을 습득하는 과정에 초점을 맞추고 있습니다.
연구팀은 트랜스포머(Transformer) 기반의 A2C(Advantage Actor-Critic) 프레임워크를 활용하여 강화 학습 에이전트를 훈련시켰습니다. 특히, 특징 중심(Feature-Centric) 및 객체 중심(Object-Centric) 표현 방식을 설계하여 AI가 규칙을 어떻게 인지하고 내부적으로 표현하는지 탐구했습니다. 이를 통해 규칙의 난이도 분석, 전이 학습(Transfer Learning) 및 일반화(Generalization) 능력을 평가했으며, 나아가 의사 봇(pseudo-bot)을 활용한 인간 학습 데이터 분석을 통해 AI와 인간의 학습 방식 간의 유사점과 차이점도 분류했습니다.
이 연구는 AI가 단순히 주어진 데이터를 암기하는 것을 넘어, 추상적인 규칙을 이해하고 새로운 상황에 적용하는 인지 능력을 향상시키는 데 중요한 의미를 가집니다. 이는 향후 더 복잡하고 예측 불가능한 실제 환경에서 AI가 자율적으로 문제를 해결하고 학습하는 데 필수적인 기반 기술이 될 것입니다. 또한, AI의 학습 과정을 분석함으로써 인간의 인지 학습 메커니즘을 이해하는 데도 새로운 통찰을 제공할 수 있을 것으로 기대됩니다.