최근 발표된 연구에 따르면, 인간과 동물이 새로운 상황에서 빠르게 일반화하고 학습하는 능력, 즉 제로샷 추론(ZI)과 지속 학습(CL)을 모방하는 새로운 신경망 모델 '오토헵(AutoHebb)'이 개발되었습니다. 기존 인공지능(AI) 모델들은 이러한 능력을 구현하는 데 한계가 있었는데, 오토헵은 뇌의 핵심 메커니즘을 반영하여 이 문제를 해결하려 합니다.
오토헵은 기존 모델들이 경사 하강법(gradient descent)과 같은 외부 최적화 방식에 의존하는 것과 달리, 내부 활동과 외부 피드백을 결합하여 '신경 조절 물질(neuromodulator)'이라는 전역 학습 신호를 생성합니다. 이 신경 조절 물질은 생물학적으로 근거한 '3인자 헵 학습 규칙(3-factor Hebbian rule)'을 조절하여 네트워크의 가변 가중치(plastic weights)를 업데이트합니다. 메타 학습(meta-learning)을 통해 고정 가중치(non-plastic weights)를 탐색한 결과, 오토헵은 제로샷 추론 과제를 성공적으로 수행하고, 훈련되지 않은 상태에서도 제로샷 추론 및 지속 학습 능력을 보여주며, 심지어 현대 학습 모델보다 뛰어난 성능을 보였습니다. 연구팀은 메타 학습, 헵 가소성(Hebbian plasticity), 그리고 자율적인 학습 제어가 오토헵의 핵심 구성 요소임을 강조했습니다.
이러한 오토헵의 등장은 AI가 인간처럼 유연하게 학습하고 새로운 정보에 적응하는 능력을 갖추는 데 중요한 진전을 의미합니다. 특히, 외부 데이터나 명시적인 프로그래밍 없이도 스스로 학습 방식을 조절하는 자율 학습 능력은 AI 시스템의 범용성과 효율성을 크게 향상시킬 수 있습니다. 이는 복잡하고 예측 불가능한 실제 환경에서 AI가 더 효과적으로 작동할 수 있는 기반을 마련하며, 생물학적 학습 메커니즘에 대한 이해를 높이는 데도 기여할 것으로 기대됩니다.