https://www.ox.ac.uk/news/2024-01-03-study-shows-way-brain-learns-different-way-artificial-intelligence-systems-learn




이러한 관찰을 통해 연구진은 학습 과정에서 뇌가 사용하는 기본 원리를 규명하고자 했습니다. 그들은 뉴런의 행동과 뉴런 간 시냅스 연결의 변화를 설명하는 기존의 수학 방정식들을 살펴보았습니다. 이러한 정보 처리 모델을 분석하고 시뮬레이션한 결과, 이 모델들이 인공 신경망에서 사용하는 것과는 근본적으로 다른 학습 원리를 사용한다는 것을 발견했습니다.

인공 신경망에서는 외부 알고리즘이 오류를 줄이기 위해 시냅스 연결을 수정하려고 시도하는 반면, 연구진은 인간의 뇌는 시냅스 연결을 조정하기 전에 뉴런의 활동을 최적의 균형 상태로 먼저 안정화시킨다고 주장합니다. 연구진은 이것이 실제로 인간의 뇌가 학습하는 방식의 효율적인 특징이라고 가정합니다. 기존 지식을 보존함으로써 간섭을 줄이고, 결과적으로 학습 속도를 높이기 때문입니다.

연구진은 Nature Neuroscience 에 기고한 글에서 이 새로운 학습 원리를 설명하며, 이를 '전향적 구성(prospective configuration)'이라고 명명했습니다. 그들은 컴퓨터 시뮬레이션을 통해 이 전향적 구성을 적용한 모델이 자연에서 동물과 인간이 일반적으로 직면하는 과제에서 인공 신경망보다 더 빠르고 효과적으로 학습할 수 있음을 입증했습니다.




24년에 올라온 글이긴한데 저 친구가 말하는 함수가 알아서 변하는 가소성이란게 저 연구글에서 말하는 전향적 구성이랑 설명이 비슷한거같은데
이걸 적용하면 인공 신경망보다 효과적으로 학습한다네