최근 발표된 연구는 인간의 집단적 지능 행동을 양자역학의 확률파동(probability-wave) 개념으로 모델링하는 새로운 프레임워크를 제안하며, 일반 인공지능(AGI) 개발에 대한 혁신적인 시각을 제시했습니다. 이 프레임워크는 상호작용하는 적응형 에이전트들의 집단 행동을 설명하고, 뇌의 비국소적 얽힘(nonlocal entangled) 신경섬유 가설을 간접적으로 검증하는 데 활용될 수 있음을 보여주었습니다.
연구팀은 일반화된 행동 지능(Generalized Behavioral Intelligence, GBI) 비국소 확률파동 방정식을 통해 테스트 가능한 고유 모드(eigenmodes)를 도출했습니다. 특히 중국 주식 시장의 당일(intraday) 거래 데이터를 분석한 결과, 적응형 얽힘 게임 모드(adaptive entangled game modes)가 관찰된 의사결정 패턴의 82~94%(전체 평균 89%)를 설명하는 것으로 나타났습니다. 이는 독립적인 합리적 에이전트를 가정하는 신고전주의 금융 이론의 예측과 크게 대조되는 결과입니다. 또한, 행동의 2~12%는 당일 뉴스, 이벤트, 환경에 대한 적응을 보여주었으며, 순수하게 독립적인 모드는 5% 미만에 불과했습니다. 이러한 결과는 관찰 가능한 거래 행동이 뇌의 기저 메커니즘과 행동 심리학의 내부 지능 의사결정을 반영한다는 Liu-Chen-Ao(LCA) 가설을 경험적으로 뒷받침합니다.
이번 연구는 수조 개의 불투명한 매개변수에 의존하는 기존 인공신경망(ANN) 기반 인공지능(AI)의 한계를 해결하기 위해 적응형 얽힘 게임 모듈을 AGI 아키텍처에 통합해야 할 필요성을 강조합니다. 확률파동 기반의 얽힌 뇌 시뮬레이션과 ANN 기반 AI를 통합함으로써, 기계 학습(machine learning)은 AGI 기반 모델(Foundation Models, FMs)을 풍부하게 하고 뇌에서 영감을 받은 메커니즘을 활용하는 인간과 유사한 처리 장치(Human-like Processing Units, HPUs) 개발을 촉진할 수 있습니다. 이러한 HPUs는 궁극적으로 특히 체화된 지능(embodied intelligence) 및 로봇 공학 분야에서 더욱 작고 효율적이며 강력한 AGI 시스템을 만드는 데 기여할 수 있을 것입니다.