[📪정보] 의식 중심의 스파이크 타이밍 의존 가소성

[솔담비딸기카나..(rty1x21s8nhq)]

ScienceDirect

요약

 저자들은 뇌가 학습할 때 의식(Consciousness)이 관여한다는 가설을 세우고, CD-STDP를 통해 알고리즘적으로 ‘의식이 학습을 이끈다’는 가설을 구현했다고 주장했다.  

 CD-STDP는 뇌의 ‘깨어 있는 학습’ 과정을 수학적 계수로 흉내 낸 규칙으로 시냅스 강도를 현재 활동(LTP)과 과거 활동(LTD)에 따라 ‘의식 계수’로 자동 조절하는 이론이다.

 이에 따르면 의식은 “현재 자극에 주의를 기울이면서 과거 경험을 함께 고려해 판단을 내리는 능력”으로 해석된다. 

 이 규칙을 단 한 개의 은닉층을 가진 스파이킹 신경망(SNN)에 적용한 결과, MNIST, 패션-MNIST, Caltech 이미지 분류에서 최고 99%의 높은 정확도를 얻었다. 

 이는 이러한 ‘의식을 흉내 낸 가중치 조절’(CD-STDP)이 신경망 이해력과 적응력을 크게 높일 수 있음을 보여준다. 

===

SNN

뉴런이 임계값을 넘을 때만 이산적 스파이크(pulse)를 발화해 정보를 전송하는 ANN의 한 형태다.

계산이 이벤트 기반·희소(sparse) 로 이뤄져 에너지 효율이 높고, 동물 뇌의 동작과 더 가깝다(bio-plausible).

학습은 STDP 같은 스파이크 시점 의존 규칙이나 ANN-to-SNN 변환 등에 의존한다. 

ANN

생물학적 신경망을 본떠 만든 다층 노드(뉴런) 집합으로, 입력‒은닉‒출력층을 거치며 연속값을 주고받는다.

뉴런 출력은 연속적 활성화 함수를 통과하고, 오류는 역전파(back-propagation) 로 가중치를 조정한다.

대용량 데이터 학습에 강해 이미지·음성·NLP 등 거의 모든 딥러닝 응용을 지배한다.