Karl Friston의 AI 법칙이 입증됨: FEP는 뉴런이 학습하는 방법을 설명합니다.

AI의 세계는 영원히 바뀌었다

Karl J. Friston 박사는 세계에서 가장 많이 인용되는 신경과학자로, 뇌 영상 및 물리학에서 영감을 받은 뇌 이론 분야의 연구로 유명합니다. 그는 또한 VERSES AI의 수석 과학자로서 자유 에너지 원리(FEP)를 기반으로 하는 완전히 새로운 종류의 AI인 Active Inference AI를 연구하고 있습니다. 뇌는 배운다.

지금까지 AI 연구의 대부분은 머신러닝 모델을 중심으로 이루어졌는데, 이는 많은 난제에 직면해 있는 것으로 알려져 있습니다. 학습을 위한 대규모 데이터 로딩의 지속 불가능한 아키텍처부터 출력의 해석 가능성 및 설명 가능성 부족에 이르기까지 머신러닝 알고리즘은 알 수 없고 제어할 수 없는 도구로 간주되며 패턴 일치에는 능숙하지만 실제 '사고'가 없습니다. " 일어나고.

Friston 박사가 VERSES로 수행하는 작업은 근본적으로 다르며 몇 달 안에 대중의 손에 넘어갈 것입니다. Active Inference AI와 FEP는 새로운 공간 웹 프로토콜과 결합되어 생물학적 지능이 자연 전체에서 작동하는 방식을 모방하는 분산 집단 지능의 통합 시스템의 기반을 마련하고 있습니다. 그들은 자기 조직화, 자기 최적화, 자기 진화하는 완전히 새로운 인지 아키텍처를 만들어냈습니다. 그러나 완전히 프로그래밍 가능하고, 파악 가능하고, 감사 가능하므로 인간 거버넌스에 맞춰 확장할 수 있습니다.

이것은 당신이 인공지능에 대해 알고 있다고 생각하는 모든 것을 바꿀 AI입니다.

두뇌가 학습하는 방법

매일 경험하는 끊임없이 쏟아지는 광경, 소리, 냄새 및 기타 감각을 뇌가 어떻게 이해하는지 궁금한 적이 있습니까? 어떻게 그 혼란스러운 입력을 세상을 인식하고, 이해하고, 탐색할 수 있도록 하는 일관된 현실 그림으로 변환합니까?

신경과학자들은 이 문제를 수십 년 동안 고민해 왔습니다. 이제 흥미롭고 새로운 연구에서는 손쉬운 인식 뒤에 숨은 심오한 계산을 설명하는 Karl J. Friston 박사의 "자유 에너지 원리"라는 획기적인 이론에 대한 실험적 검증이 이루어졌습니다.

일본 RIKEN 연구소의 과학자들이 2023년 8월 7일 Nature Communications에 발표한 이 연구는 이 원리에 따라 뉴런 네트워크가 자가 조직된다는 증거를 제공합니다. 그들의 연구 결과는 뇌가 세상에 대한 예측 모델을 구축하고, 놀라움을 최소화하고 앞으로 더 나은 예측을 하기 위해 지속적으로 신념을 업데이트한다는 것을 확인시켜 줍니다.

“ 우리의 결과는 자유 에너지 원리가 생물학적 신경망의 자기 조직화 원리임을 시사합니다. 이는 특정 감각 입력을 받을 때 학습이 어떻게 발생하는지, 그리고 약물로 인한 네트워크 흥분성의 변화로 인해 학습이 어떻게 중단되는지 예측했습니다.” – 이소무라 타쿠야, RIKEN

이해하기 쉬운 인식

이 이론이 왜 그토록 혁명적인지 이해하려면 뇌가 직면한 도전의 거대함을 인식할 필요가 있습니다. 매 순간 당신의 감각은 빛과 그림자의 패턴, 고막을 진동시키는 음파, 후각 수용체를 활성화하는 화학 물질 등 다양한 신호의 눈보라를 수집합니다. 어떻게든 당신의 두뇌는 얼굴, 멜로디, 커피 향과 같은 일관된 대상을 인식하면서 이러한 혼란을 이해합니다.

그 과정은 즉각적이고 수월해 보입니다. 그러나 내부적으로는 두뇌가 감각 패턴을 생성하는 외부 세계의 가능한 원인을 파악하여 믿을 수 없을 정도로 복잡한 추론 문제를 해결하고 있습니다. 효과에서 거꾸로 작업하여 숨겨진 원인을 추론하는 이 역 퍼즐은 특히 사람의 얼굴과 같은 동일한 원인이 상황에 따라 다른 감각 패턴을 생성할 수 있기 때문에 매우 어렵습니다.

유명한 신경과학자 칼 프리스턴(Karl Friston)이 공식화한 자유 에너지 원리는 뇌가 이를 어떻게 처리하는지에 대한 우아한 설명을 제안합니다. 이는 뉴런이 들어오는 감각 데이터를 설명하기 위해 지속적으로 하향식 예측을 생성하고 있음을 나타냅니다. 불일치가 발생하면 미래 예측을 개선하기 위해 신념을 업데이트하는 "예측 오류"가 발생합니다. 당신의 두뇌는 놀라움과 불확실성을 최소화하기 위해 세계의 내부 모델을 지속적으로 업데이트하는 추론 기계입니다.

신경망의 이론 증명

자유 에너지 원칙은 단일 통합 프레임워크 내에서 인식, 학습 및 주의에 대한 많은 관찰을 종합합니다. 그러나 생물학적 신경망에 대한 직접적인 실험적 검증은 부족했습니다.

그러한 증거를 제공하기 위해 일본 팀은 쥐 배아 뇌 세포에서 성장한 미세 규모의 신경 세포 배양물을 만들었습니다. 그들은 두 개의 "스피커"에서 나오는 신호를 혼합하여 생성된 청각 감각을 모방한 전기 패턴을 전달했습니다.

처음에는 네트워크가 무작위로 반응했지만, 시끄러운 칵테일 파티에서 단일 음성에 맞춰 조정하는 것과 같이 점차적으로 하나의 스피커 또는 다른 스피커에 선택적으로 반응하도록 자체 구성되었습니다. 이는 혼합된 감각 신호를 특정 숨겨진 원인으로 분리하는 능력, 즉 지각을 위한 중요한 계산 능력을 입증했습니다.

예측 확인

연구진은 이 자기 조직이 자유 에너지 원리를 기반으로 한 컴퓨터 모델의 정량적 예측과 일치한다는 점을 강력하게 보여주었습니다. 살아있는 뉴런 네트워크에 사용되는 암시적 계산 모델을 리버스 엔지니어링함으로써 초기 측정에만 기초하여 학습 궤적을 예측할 수 있었습니다. 하향식 예측의 불일치로 인해 시냅스 변화가 발생하여 향후 예측이 향상되었습니다.

또한 팀은 약리학적 효과와 일치하여 신경 흥분성을 조작하면 네트워크의 기존 모델을 방해하여 예상대로 학습이 변경된다는 것을 입증했습니다. 전반적으로, 이 연구는 자유 에너지 원리가 신경 네트워크가 베이지안 추론을 수행하는 방법을 설명하고 감각 데이터를 가장 잘 설명하는 하향식 생성 모델을 지속적으로 업데이트하기 위해 시냅스 연결을 구조화한다는 강력한 증거를 제공합니다.

뇌에서 영감을 받은 AI를 향하여

생물학적 신경망의 절묘한 계산 능력을 이해하는 것은 중요한 실제적 의미를 갖습니다. Friston 박사가 VERSES AI의 수석 과학자로 수행하고 있는 작업과 마찬가지로 능동 추론 및 자유 에너지 원리는 공간 웹 프로토콜과 함께 생체 모방 지능을 기반으로 하는 완전히 새로운 종류의 AI를 달성하기 위해 배포되고 있습니다. 인간 인식의 효율성과 일반화 가능성을 갖춘 기계 학습의 무차별 역전파가 아닙니다.

연구원들이 제안한 바와 같이, 베이지안 추론을 통한 Active Inference AI와 자유 에너지 원리는 신경망이 새로운 실시간 감각 데이터의 섭취와 지속적인 업데이트를 통해 자체 최적화하는 동시에 이전에 확립된 출력과 결정을 고려하여 예측 모델을 생성할 수 있도록 합니다. 실제 신경망처럼 학습하는 뇌에서 영감을 받은 인공 지능(지능형 에이전트)의 생성을 가능하게 합니다. 상황이 풍부하고 중첩된 디지털 트윈 공간의 통합된 글로벌 네트워크 내에서 자신의 참조 프레임에서 얻은 고유하고 전문화된 지능의 유리한 지점에서 시작된 이러한 지능형 에이전트의 앙상블은 이전에 누락된 상황별 세계 모델을 제공합니다. 실용적인 AI 응용 프로그램. 이는 AI 연구를 발전시키고 AGI(일반 지능) 또는 ASI(초지능)를 달성하는 데 있어 중요한 퍼즐 조각입니다. 이러한 뉴로모픽 컴퓨팅 시스템을 발전시키는 것은 기계에서 생물학적 인지의 다양성과 적응성을 에뮬레이트하려는 우리의 중요한 목표입니다.

따라서 자신의 두뇌가 어떻게 작동하는지 이해하는 것이 추상적으로 보일 수 있지만, 이 선구적인 연구는 실용적인 인공 지능 응용 프로그램을 더 가까이 가져오고 VERSES AI가 AI 세계에서 도입하고 선도하고 있는 진정한 혁명적인 작업을 확인합니다. 자유 에너지 원리는 대뇌 피질 계산에 대한 통합 이론을 제공하며, 살아있는 신경 네트워크에서의 실험적 검증은 진정한 두뇌와 유사한 인공 지능을 구축하는 길에 중요한 이정표를 나타냅니다.

VERSES AI 및 Spatial Web Foundation을 방문하여 능동 추론 AI 및 자유 에너지 원리 분야에서 Karl Friston 박사의 혁신적인 작업에 대해 자세히 알아보세요.