벅샷 룰렛 나무 위키 - 벅샷 룰렛 나무 위키

NO.1: 벅샷 룰렛 나무 위키

KAIST 연구진,피망슬롯 칩AI 환각현상 해결 실마리 제시[이데일리 강민구 기자] 국내 연구진이 인공지능의 환각현상(할루시네이션)을 완화하고,인간·동물과 유사하게 스스로 가설을 세워 검증하는 인공지능 모델을 개발했다.

한국과학기술원(KAIST)은 이상완 뇌인지과학과 교수와 정민환 생명과학과 교수 연구팀이 동물이 가설을 세워 일관된 행동 전략을 유지하면서 본인의 가설을 스스로 의심하고 검증하면서 상황에 빠르게 적응하는 강화학습 이론을 제시했다고 20일 밝혔다.

KAIST 연구진.(왼쪽부터)이상완 교수,해외 경마양민수 박사과정.(사진=KAIST) 현재 상황에 맞게 행동의 일관성과 유동성 사이의 적절한 균형점을 찾아가는 문제를‘안정성-유동성의 딜레마’라 한다.이를 위해 현재 본인의 판단이 맞는지 계속 검증하고 수정할 수 있어야 한다.뇌과학·인공지능 분야에서 다양한 연구가 있었으나 아직 완벽한 해법이 알려진 바가 없다.

연구팀은 스스로 세운 가설을 바탕으로 다음 상황을 예측하고 확인하는 행동 패턴을 동역학적으로 프로파일링할 수 있는 새 방식을 고안했고,이를 바탕으로 전통적인 강화학습 이론과 최신 인공지능 알고리즘 모두 동물의 관련 행동을 제대로 설명하지 못한다는 것을 발견했다.

이후 동물의 현재 상황에 대한 가설을 세우고,외국에서 한국 드라마 보는 사이트가설의 예측 오류를 바탕으로 행동 전략을 비대칭적으로 업데이트하는 새로운 적응형 강화학습 이론과 모델을 제안했다.

최신 인공지능 모델은 효율적 문제 해결에 집중하다 보니 인간이나 동물의 행동을 잘 설명하지 못하는 경우가 많은 반면,제안 모델은 예상치 못한 사건에 대한 동물의 행동을 최신 인공지능 모델 대비 최대 31%,평균 15% 더 잘 예측했다.

연구팀은 또 중뇌 기저핵 선조체 속 중간크기 가시뉴런이 가설 기반 적응형 강화학습 과정에 관여함을 밝혔다.직접 경로 가시뉴런들은 예상한 사건을 마주한 경험을,간접 경로 가시뉴런들은 예상하지 못한 사건을 마주한 경험을 부호화해 행동 전략을 조절했다.

이번 연구 결과는 뇌의 맥락 추론 방식이 대규모 인공지능 모델과 근본적으로 다르다는 것을 보여준다.챗지피티나 딥시크와 같은 인공지능 모델은 사용자 입력으로부터 맥락 정보를 추정한다.이후 필요한 전문가 시스템에 매칭하며,새로운 정보가 들어올 때까지 이것이 맞다고 가정한다.

반면 뇌는 스스로 추정한 맥락(가설)을 의심하고,블랙 잭 족보 베스트 온라인 카지노카지노사이트검증사이트의심이 확인되는 즉시 새로운 맥락을 받아들인다.이는 과도한 자신감을 보이는 인공지능의 환각 현상을 완화하거나 인간과 유사한 추론엔진을 구성할 수 있는 새로운 방향성을 제시한다.

이상완 교수는 “인공지능의 강화학습 이론만으로 설명할 수 없는 뇌의 가설 기반 적응학습 원리를 밝혀낸 사례”라며 “스스로 의심하고 검증하는 뇌과학 이론을 대규모 인공지능 시스템 설계와 학습 과정에 반영하면 신뢰성을 높일 수 있다”고 말했다.

연구 결과는 국제 학술지‘네이처 커뮤니케이션스(Nature Communications)’에 지난 20일자로 게재됐다.

The 100% privacy-safe noise & occupancy solution