최근 발표된 연구 논문에서 인공지능(AI)이 적응하는 새로운 원리인 '접근성 가소성(Accessibility Plasticity)'이 소개되었습니다. 기존 신경망(neural network)은 주로 매개변수(parameter)를 수정하거나 새로운 모듈을 추가하며 변화에 적응했지만, 이 연구는 AI 시스템이 어떤 계산 능력을 가지고 있는지(computational capability)와 그 계산 능력에 어떻게 접근하는지(computational accessibility)를 별개의 적응 변수로 보고 있습니다. 즉, AI가 새로운 계산을 만들지 않고도 기존 계산 자원 간의 상호작용 방식을 재조직하여 더 효율적으로 적응할 수 있다는 개념입니다.
이 연구는 접근성 가소성을 관계 기반의 운영 방식으로 공식화하고, '재사용 우선(reuse-first)'이라는 적응 계층 구조를 제안합니다. 이는 비용이 많이 드는 계산 능력이나 구조적 변경에 앞서, 기존 계산 자원에 대한 접근성을 먼저 조절하는 것이 더 효율적이라는 의미입니다. 순차 학습(sequential learning) 과제에 대한 개념 증명(proof-of-concept) 평가 결과, 접근성 적응만으로도 계산 능력 변경을 줄이면서 유사한 작업 성능을 유지할 수 있음을 보여주었습니다. 이는 AI가 불필요하게 복잡한 구조를 만들거나 매개변수를 늘리지 않고도 환경 변화에 유연하게 대응할 수 있는 가능성을 시사합니다.
접근성 가소성 원리는 미래의 동적 신경 시스템(dynamic neural system)이 진화하는 환경에 맞춰 계산 관계를 발전시킬 수 있는 중요한 토대를 제공합니다. 이는 AI 모델의 미세조정(fine-tuning)이나 지속적인 학습(continual learning) 과정에서 발생하는 막대한 계산 비용을 줄이는 데 기여할 수 있습니다. 궁극적으로는 AI가 더 적은 자원으로도 복잡한 문제에 적응하고 학습할 수 있도록 하여, 더욱 효율적이고 지속 가능한 인공지능 개발의 방향을 제시할 것으로 기대됩니다.