- 존스 홉킨스 대학교의 새로운 연구에 따르면, AI는 어떤 데이터로도 훈련받지 않은 상태에서 인간의 뇌와 유사한 행동을 보이기 시작할 수 있습니다.
- 이 발견은 거대한 데이터셋, 수개월의 훈련 시간, 수천억 달러 규모의 컴퓨팅 인프라에 의존하는 현재의 보편적인 접근 방식에 도전장을 내밉니다.
- 과학자들은 데이터를 더 ‘주입’하는 대신, AI 아키텍처를 생물학적 뇌와 더 유사하게 바꾸는 데 집중하고 있습니다.
- Nature Machine Intelligence에 발표된 이 연구는 시스템 구조가 입력 데이터의 양만큼 중요하다는 점을 강조합니다.
- 연구팀은 트랜스포머(transformers), 전결합 네트워크(fully connected networks), 합성곱 신경망(CNN)의 세 가지 주요 AI 아키텍처를 비교했습니다.
- 사전 훈련되지 않은 수십 개의 모델을 제작한 후 사물, 사람, 동물의 이미지를 보여주었습니다.
- 이 모델들의 내부 활동을 동일한 이미지를 볼 때의 인간 및 영장류의 뇌 반응과 비교했습니다.
- 트랜스포머와 전결합 네트워크에서 뉴런 수를 늘리는 것은 거의 유의미한 차이를 만들지 못했습니다.
- 반면, 훈련되지 않은 CNN은 인간의 뇌와 매우 유사한 활동 패턴을 생성했습니다.
- 이 모델들의 효율성은 수백만에서 수십억 개의 이미지를 훈련해야 하는 기존 AI와 대등한 수준이었습니다.
- 결과는 AI 아키텍처가 데이터보다 더 강력하게 ‘뇌와 유사한’ 행동을 결정할 수 있음을 시사합니다.
- 연구팀은 더 효율적인 새로운 딥러닝 프레임워크를 만들기 위해 생물학에서 영감을 얻은 단순한 학습 방법을 계속 탐구하고 있습니다.
📌 결론: 존스 홉킨스 대학의 연구는 AI가 훈련 데이터 없이도 뇌와 유사한 특성을 보일 수 있음을 입증했습니다. 과학자들은 데이터 집약적 모델 대신 생물학적 구조를 모방한 아키텍처로 초점을 옮기고 있습니다. 이는 AI의 새로운 길을 열어줄 뿐만 아니라, 방대한 데이터에 의존하는 현재의 생성형 AI 모델에 큰 의문을 제기합니다.
