KISTI의 과학향기

기초과학연구원(IBS) ‘인지 및 사회성 연구단’ 이창준 단장과 ‘수리 및 계산 과학 연구단’ 데이터 사이언스 그룹 차미영 CI(Chief Investigator·KAIST 전산학부 교수) 공동 연구팀이 AI의 효율성을 크게 높이는 방법을 찾았다. 바로 뇌의 해마에서 일어나는 기억 통합의 생물학적 특징을 활용하는 것이다.

 

인공지능은 2017년 구글(Google)에서 개발한 트랜스포머(Transformer) 모델을 시작으로 비약적인 발전을 이룩했다. 챗GPT 같은 대규모 언어처리 모델의 토대가 되는 트랜스포머 모델은 장 속 단어와 같은 시계열 데이터 내의 관계를 추적해 맥락과 의미를 학습한다. 

 

인간의 뇌 변연계에 있는 해마에서는 단기 기억이 장기 기억으로 전환되며, NMDA 수용체가 중요한 역할을 한다. NMDA 수용체는 뇌의 학습, 기억, 공간 인식과 관련된 신경세포 연결 부위인 시냅스후 막에 위치한 특별한 종류의 이온채널 글루탐산 수용체다. 평소에는 닫혀있다가 글루탐산과 결합 시에만 이온이 지나가는 통로가 되어 신경 연결의 강도를 조절하고 기억 형성에 관여한다.

 

연구팀은 이 해마에서 단기 기억을 장기 기억으로 전환하는 매커니즘에 주목했다. 특정 조건에서만 통로가 되는 NMDA 수용체의 비선형적인 특징을 모사한 새로운 함수를 개발해 트랜스포머 모델에 적용했다. 그 결과 NMDA 수용체 특징을 모방한 AI 모델은 우리 뇌 속 해마의 장소세포처럼 위치를 인지하는 기능을 형성했고, 기존 모델보다 기억 통합 능력이 크게 향상됐다.

 

연구를 진행한 이창준 단장은 “인간의 뇌의 작동 원리를 더 깊게 이해하는 것을 바탕으로 더 발전된 인공지능 시스템을 개발할 수 있을 것”이라고 말했다. 차미영 CI도 “이번에 개발한 인공지능 모델을 통해 향후 인간과 유사한 방식으로 정보를 처리하고 기억하는 저비용 고성능 인공지능 시스템이 나올 것”이라고 말했다.

 

해당 연구 결과는 미국 AI 학술대회인 ‘신경정보처리시스템학회(NeurIPS)’에 채택됐다.