새 연구: 신경망, 인간과 유사한 의사결정 방식 모방 성공

Seoul조지아 공과대학교의 연구원들이 인간의 의사 결정을 모방하는 새로운 신경망을 개발했습니다. 기존의 신경망과 달리 이 새로운 모델, RTNet은 과거 사건이나 신뢰도를 고려하지 않고 결정을 반복하는 것이 아니라 다르게 작동합니다.

인간은 매일 약 35,000개의 결정을 내립니다. 각 결정은 선택지, 과거 경험, 그리고 확신을 고려하면서 이루어집니다. 신경망은 보통 이러한 방식으로 결정을 내리지 않습니다. 조지아 공대 팀, 도브로미르 라네프 부교수가 이끄는 이 팀은 이를 변화시키고자 합니다. 그들의 연구는 네이처 휴먼 비헤이비어(Nature Human Behaviour)에 게재되었습니다.

인간과 기계의 의사 결정 방식의 주요 차이점은 다음과 같습니다:

• 인간은 과거 경험을 바탕으로 옵션을 평가하고 증거를 분석합니다.
• 인간은 자신이 결정을 내리기 어려울 때 이를 인정합니다.
• 전통적인 신경망은 일관되고 변함없는 결정을 내립니다.

연구팀은 손글씨 숫자 모음집인 MNIST 데이터셋을 사용하여 새로운 신경망을 훈련시켰습니다. 그들은 이 숫자들에 잡음을 추가하여 사람들이 읽기 더 어렵게 만들었습니다. 과학자들은 그런 후 이 잡음이 추가된 데이터셋으로 모델을 테스트하여 인간과 비교했을 때 얼마나 잘 성능을 발휘하는지 확인했습니다.

연구진은 베이지안 신경망(BNN)과 증거 축적 과정을 사용하여 모델을 개선했습니다. BNN은 확률에 기반하여 선택을 하며, 이로 인해 매번 응답이 다르게 나타납니다. 증거 축적 과정은 충분한 결정을 내릴 때까지 데이터를 계속 수집합니다. 이러한 접근 방식은 RTNet을 보다 유연하게 하고 인간의 행동에 더 가깝게 만듭니다.

더 읽기:

오늘 · 오후 5:14

기후 변화, 종 진화 가능성 위협한다

과학자들은 모델이 결정을 내리는 데 걸리는 시간을 측정했습니다. 그들은 더 빠른 결정이 더 낮은 정확성을 초래하는 패턴을 발견했습니다. 이는 인간에게서도 나타나는 현상입니다. RTNet도 같은 방식으로 작동했습니다.

연구에 따르면, RTNet은 정확성, 속도 그리고 자신감 면에서 인간과 비슷한 성과를 보였습니다. 조지아 공대의 60명의 학생들이 동일한 잡음이 섞인 데이터를 검토하고 그들의 자신감 수준을 보고했습니다. 결과는 RTNet이 인간 참가자들과 매우 유사하다는 것을 보여주었습니다. 특히 빠른 결정을 내려야 할 때, RTNet은 다른 모델들보다 뛰어난 성과를 자주 보였습니다.

다음의 발전은 여러 이유에서 중요합니다:

• 현재 대부분의 모델은 비교를 위한 광범위한 인간 데이터가 부족합니다.
• 기존 모델들은 인간과 유사한 자신감 수준을 보이지 않습니다.
• 새로운 신경망은 인간의 의사결정 과정을 모방하고 잠재적으로 개선하는 데 도움을 줄 수 있습니다.

이 의사결정 모델은 매우 유망합니다. 신경망은 이제 인간 두뇌처럼 작동할 수 있으며, 세밀한 조정이 덜 필요합니다. 팀은 RTNet을 다양한 데이터 세트로 훈련시켜 그 가능성을 확인할 계획입니다. 이러한 모델들은 미래에 다른 분야에서도 활용되어 사람들이 매일 겪는 정신적 노력을 줄이는 데 도움이 될 수 있습니다.

RTNet의 인간 모방 기술은 중요한 발전입니다. 미래에는 신경망이 인간처럼 사고하고 결정을 내릴 수 있을 것입니다. 이는 AI 기술을 향상시켜 기술과의 상호작용을 더 쉽고 효과적으로 만들 수 있습니다.