15세의 독일 개발자 'Mojo'가 부동 소수점(floating-point) 연산 없이 오직 정수(integer)만을 사용하는 신경망 학습 알고리즘 'ABSL(Adaptive Bitshift Learning)'을 공개했습니다. 러스트(Rust) 언어로 처음부터 구현된 이 실험적인 알고리즘은 일반적으로 부동 소수점 연산을 사용하는 인공지능 분야에서 새로운 접근 방식을 제시하며 주목받고 있습니다.
ABSL은 기존 신경망이 고정된 학습률(learning rate)을 사용하는 것과 달리, 정수 오차 크기(error magnitude)에 기반한 적응형 비트 시프트(bit-shift) 방식을 통해 가중치(weight) 업데이트를 조절합니다. 이를 통해 부동 소수점 장치(FPU)가 필요 없어 저전력 임베디드 시스템, 8비트/16비트 마이크로컨트롤러, 그리고 뉴로모픽(neuromorphic) 하드웨어와 같은 제한된 환경에서 인공지능을 구현하는 데 유리합니다. 개발자는 XOR 문제 해결을 통해 이 알고리즘의 유효성을 입증했으며, 2-4-1 아키텍처(2개 입력, 4개 은닉 뉴런, 1개 출력)를 사용하여 99.7%의 전역 정확도(global accuracy)를 달성했습니다.
ABSL의 성공적인 XOR 문제 해결은 순수 정수 기반 접근 방식이 복잡한 인공지능 학습 문제를 해결할 수 있음을 보여줍니다. 이는 특히 에너지 효율성과 하드웨어 제약이 중요한 엣지 컴퓨팅(edge computing) 및 사물 인터넷(IoT) 장치에 인공지능 기능을 확장하는 데 중요한 의미를 가집니다. 부동 소수점 연산이 불가능하거나 비효율적인 환경에서 AI 모델을 배포해야 하는 개발자들에게 새로운 대안을 제공하며, 향후 MNIST 데이터셋과 같은 더 복잡한 문제로의 확장 가능성도 기대됩니다.