바이오및뇌공학과 이상완 교수 연구팀이 인간의 문제 해결 과정의 뇌 정보처리 과정을 규명하였다.

불확실성과 복잡도가 변화하는 상황에서 달성 가능한 목표를 설정하고 계획을 세우고 실행에 옮겨 전략을 수정해 나가는 일련의 과정은 인간이 가진 고유한 문제 해결 능력 중 하나이다. 최근 인공지능 알고리즘이 다양한 분야에서 인간의 작업 수행 능력을 넘어서고 있으나, 이러한 문제에 대한 완벽한 해결방법은 제시하지 못하고 있다. 본 연구에서는 신경과학-인공지능 융합연구를 이용하여 인간의 문제 해결 과정을 이론적, 신경과학적으로 규명함으로써, 인간 지능의 핵심 요소들을 인공지능 알고리즘으로 이식할 수 있는 가능성을 크게 높였다.

이상완 교수와 함께 KAIST 김동재, 박건영 학생이 주도하고, 미국 캘리포니아 공과대학(Caltech)과의 국제 공동연구를 통해 진행된 이번 연구는 국제 학술지 네이쳐 자매지 ‘네이처 커뮤니케이션즈(Nature Communications)’12월 16일 자 논문으로 게재됐다.

인간의 문제 해결 과정은 목표설정-전략수립-실행-전략수정을 반복하는 과정으로 볼 수 있으며, 이는 상태 의존적인 복잡한 시간의 함수이다. 일반적으로 인간의 문제 해결 과정은 많은 양의 데이터를 모으기 어렵고 패턴의 불확실성과 복잡도가 높아 빅데이터 기반의 전통적인 딥러닝 설계 방식으로는 구현하기 어렵다.

이러한 한계를 극복하기 위해 본 연구에서는 “강화학습 이론 기반 실험 디자인”이라는 새로운 기술을 사용하였다. 인간의 일반적 문제해결과정은 마르코프 의사결정 과정이라 불리우는 수학적 틀로 변환할 수 있으며, 이 틀을 이용하면 복잡한 가설도 한 두 개의 변수로 요약될 수 있다. 결과적으로 뇌과학 실험자가 통제하기 어려운 수준의 매우 복잡한 실험 디자인을 할 수 있다.

연구팀은 보다 엄밀한 검증을 위해 “정밀 행동 프로파일링”이라는 새로운 방법을 적용하였다. 이는 문제 해결 과정의 최적성을 판단할 수 있는 행동 지표 발굴, 실험 변수와 뇌 모델의 행동 연관성 분석, 파라미터 재현성 등 추가적인 분석을 포함한다. 알고리즘 학습에 이은 정밀 행동 프로파일링 과정은 개념적으로 무한히 반복할 수 있다. 이렇게 알고리즘 학습과 정밀 프로파일링 검증 과정을 반복하게 되면 겉으로 보이는 행동이 인간과 유사할 뿐만 아니라, 실제로 인간과 같은 원리로 문제를 해결하는 모델을 도출할 수 있게 된다.

1 저자인 김동재 박사과정 학생은 “다양한 가설을 엄밀히 검증하는 과정에 많은 시간이 소요되었지만, ‘정밀 행동 프로파일링’ 방법론을 통해 실제 인간의 행동 원리를 재현하는 모델을 찾아낸 것은 추후 인공지능으로의 이식에도 큰 도움이 될 것 같아 뿌듯합니다.” 라고 말했다.

논문 정보 : https://www.nature.com/articles/s41467-019-13632-1