양봉 꿀벌 뇌 모델, 차세대 AI에 대한 통찰력 제공
페이지 정보
본문
꿀벌 뇌 모델, 차세대 AI에 대한 통찰력 제공
연구진은 꿀벌 뇌의 디지털 버전인 계산 모델을 구축하여 꿀벌이 비행 중 몸을 움직이는 방식이 시각적 입력을 형성하고 뇌에서 고유한 전기적 메시지를 생성하는 방식을 발견했습니다. 이러한 움직임은 꿀벌이 주변 세계의 예측 가능한 특징을 식별할 수 있도록 하는 신경 신호를 생성합니다. 연구진에 따르면 이러한 능력은 꿀벌이 비행 중 복잡한 시각적 패턴을 학습하고 인식하는 데 놀라운 정확도를 보여준다는 것을 의미합니다.
이 모델은 꿀벌이 움직임을 통해 복잡한 패턴을 학습하고 인식하는 방식에 대한 이해를 심화하고 차세대 AI의 길을 열어줍니다. 이는 미래의 로봇이 상당한 컴퓨팅 성능에 의존하는 대신 움직임을 사용하여 정보를 수집함으로써 더 똑똑하고 효율적일 수 있음을 보여줍니다.
셰필드 대학교 머신 인텔리전스 센터 소장이자 이 연구의 수석 저자인 제임스 마셜 교수는 성명을 통해 "이 연구를 통해 우리는 아주 작은 뇌조차도 주변 세계를 인지하고 이해하기 위해 움직임을 활용할 수 있음을 성공적으로 입증했습니다. 이는 비록 수백만 년의 진화의 산물이지만, 작고 효율적인 시스템이 이전에는 불가능하다고 생각했던 것보다 훨씬 더 복잡한 계산을 수행할 수 있음을 보여줍니다. "라고 밝혔습니다.
"자연이 만들어낸 최고의 지능 설계를 활용하면 차세대 AI의 문을 열고 로봇 공학, 자율주행차, 그리고 실제 학습의 발전을 촉진할 것입니다."
뇌 메커니즘
런던 퀸 메리 대학교와의 협력으로 진행된 이 연구는 eLife에 게재되었습니다 . 이 연구는 벌이 능동적 시각을 어떻게 사용하는지에 대한 이전 연구를 기반으로 합니다. 능동적 시각은 벌의 움직임을 통해 시각 정보를 수집하고 처리하는 과정입니다.
이전 연구에서는 벌이 어떻게 날아다니며 특정 패턴을 관찰하는지 관찰했지만, 이번 새로운 연구는 이러한 행동을 주도하는 뇌의 근본적인 메커니즘에 대한 더 깊은 이해를 제공합니다.
벌의 시각 패턴 학습 능력은 오랫동안 알려져 왔지만, 이번 연구 결과는 벌이 겉보기에 간단해 보이는 효율성으로 세상을 어떻게 탐색하는지에 대한 새로운 시각을 제공합니다.
셰필드 대학교의 주저자이자 연구원인 하디 마부디 박사는 "이전 연구에서 벌이 시각적 퍼즐을 풀기 위해 영리한 스캐닝 단축키를 사용한다는 사실을 발견하고 매료되었습니다. 하지만 이는 벌이 무엇을 하는지 알려주는 것에 불과했습니다. 이번 연구에서는 어떻게 하는지 이해하고 싶었습니다.
"우리가 만든 꿀벌 뇌 모델은 꿀벌의 신경 회로가 시각 정보를 고립된 상태로 처리하는 것이 아니라 자연환경 속의 비행 동작과 적극적으로 상호 작용하여 처리하도록 최적화되어 있다는 것을 보여줍니다. 이는 지능이 뇌, 신체, 환경이 함께 작동하는 방식에서 나온다는 이론을 뒷받침합니다.
"우리는 벌들이 참깨알만한 뇌를 가지고 있음에도 불구하고 세상을 단순히 보는 데 그치지 않고 움직임을 통해 자신이 보는 것을 적극적으로 형성한다는 것을 알게 되었습니다. 이는 최소한의 자원으로 복잡한 문제를 해결하기 위해 행동과 지각이 얼마나 깊이 얽혀 있는지를 보여주는 아름다운 사례입니다. 이는 생물학과 AI에 중요한 의미를 지닙니다."
환경 적응
이 모델은 벌의 뉴런이 다양한 자극에 반복적으로 노출됨에 따라 뇌 네트워크가 점진적으로 적응하면서 특정 방향과 움직임에 맞춰 미세하게 조정되고, 연상이나 강화에 의존하지 않고도 반응을 개선한다는 것을 보여줍니다. 이를 통해 벌의 뇌는 즉각적인 보상 없이도 비행 중에도 관찰하며 환경에 적응할 수 있습니다. 이는 뇌가 매우 효율적이며, 몇 개의 활성 뉴런을 사용하여 사물을 인식하고 에너지와 처리 능력을 절약한다는 것을 의미합니다.
연구진은 계산 모델을 검증하기 위해 실제 벌이 직면하는 것과 동일한 시각적 과제를 모델에 적용했습니다. 한 실험에서 모델은 '더하기' 기호와 '곱하기' 기호를 구별하는 과제를 수행했습니다. 이 모델은 실제 벌의 패턴의 아래쪽 절반만 스캔하는 전략을 모방했을 때 '상당히 향상된' 성능을 보였습니다.
작은 인공 뉴런 네트워크를 통해 이 모델은 벌이 인간의 얼굴을 인식하는 방법을 보여주어 시각 처리의 강도와 유연성을 강조했습니다. 런던 퀸 메리 대학교
감각 및 행동 생태학 교수인 Lars Chittka는 다음과 같이 덧붙였습니다.'과학자들은 뇌 크기가 동물의 지능을 예측하는지에 대한 질문에 매료되었습니다.하지만 주어진 과제의 기초가 되는 신경 계산을 알지 못하면 그러한 추측은 의미가 없습니다. 여기서 우리는 어려운 시각적 구별 과제에 필요한 최소 뉴런 수를 결정하고 그 수가 인간 얼굴 인식과 같은 복잡한 과제에서도 놀라울 정도로 적다는 것을 발견했습니다.따라서 곤충의 미세 뇌는 고급 계산이 가능합니다.'
댓글목록
등록된 댓글이 없습니다.
