AI가 인간처럼 사고하는 법 : RTNet 모델

최근 조지아 공과대학교(Georgia Tech)의 연구자들이 인간의 의사결정 과정을 모방한 새로운 신경망을 개발하면서 머신러닝 분야에서 큰 전환점을 맞이했습니다. 이 신경망은 단순히 데이터 분석과 예측을 넘어, 인간이 의사결정을 내릴 때 보여주는 자신감과 가변성을 적용함으로써 더욱 정확하고 신뢰성 있는 결과를 제공합니다. 이러한 연구 결과는 Nature Human Behaviour에 발표되었으며, 특히 RTNet이라는 모델이 주목받고 있습니다.

RTNet은 “Recurrent Temporal Network”의 약자입니다. 이 모델은 인간의 의사결정 과정을 모방하는 데 초점을 맞춘 신경망으로, 시간적 정보와 반복적인 처리 과정을 통합하여 더 인간적인 의사결정을 할 수 있도록 설계되었습니다. “Recurrent”은 반복적인 정보처리를 의미하고, “Temporal”은 시간적 특성을 고려한 의사결정을 나타냅니다. RTNet은 이러한 특성들을 결합하여 인간의 의사결정 방식과 유사한 결과를 도출합니다.

RTNet은 인간이 노이즈가 포함된 숫자를 인식할 때 보여주는 성능을 따라잡았을 뿐만 아니라, 자신감과 증거 축적이라는 인간적 특성을 적용하여 더욱 정확하고 신뢰성 있는 결과를 도출해내고 있습니다.

 

인간 의사결정의 복잡성 모방

인간은 하루에 약 35,000번의 결정을 내립니다. 도로를 건널 때의 안전 여부를 판단하거나 점심 메뉴를 고르는 등, 모든 결정은 주변 환경에서 얻은 증거를 바탕으로 이루어집니다. 또한, 동일한 상황에서도 사람마다 다른 결정을 내릴 수 있습니다. 이러한 인간의 가변성과 확신을 신경망에 적용함으로써 연구자들은 보다 신뢰성 있는 머신러닝 모델을 만들 수 있을 것으로 기대하고 있습니다.

기존의 신경망은 동일한 상황에서 항상 동일한 결정을 내리지만, 조지아 공대의 연구팀은 이를 넘어 인간처럼 결정을 내리는 신경망을 개발하고 있습니다. 특히, 이 모델은 인간의 두뇌에 더욱 가까워지도록 설계되어, 머신러닝의 신뢰성을 한 단계 높일 수 있을 것으로 보입니다.

 

RTNet의 구조와 작동 원리

RTNet은 두 가지 핵심 요소에 의해 작동합니다. 첫 번째는 베이지안 신경망(Bayesian Neural Network, BNN)으로, 이 신경망은 확률을 기반으로 결정을 내립니다. 두 번째는 증거 축적 프로세스(Evidence Accumulation Process)로, 이는 각 선택에 대한 증거를 추적하는 역할을 합니다. 이 과정에서 BNN은 매번 약간 다른 반응을 생성하며, 축적된 증거가 충분히 쌓이면 RTNet은 결정을 내리게 됩니다.

연구자들은 이 모델의 의사결정 속도도 측정하여, 인간이 빠른 결정을 내릴 때 정확도가 떨어지는 심리적 현상인 “속도-정확도 트레이드오프(speed-accuracy trade-off)”를 따르는지 확인했습니다. 그 결과, RTNet은 인간과 유사한 정확도, 반응 시간, 그리고 자신감 패턴을 보였습니다.

 

인간처럼 행동하는 모델

RTNet은 인간과 유사한 방식으로 작동할 뿐만 아니라, 기존의 다른 결정론적 모델보다도 높은 성능을 보였습니다. 특히, 빠른 상황에서 더욱 정확한 결정을 내릴 수 있었습니다. 이는 인간 심리의 기본 요소 중 하나인 자신감이 모델에 자동으로 적용되었기 때문입니다. 예를 들어, 사람들은 올바른 결정을 내렸을 때 더 큰 자신감을 느끼는데, RTNet 역시 이러한 특성을 보였습니다.

연구팀은 이 신경망을 다양한 데이터셋에 적용하여 그 잠재력을 테스트할 계획입니다. 또한, 다른 신경망에도 이 BNN 모델을 적용함으로써 더욱 인간적인 의사결정을 구현하고자 합니다. 궁극적으로는 알고리즘이 단순히 우리의 의사결정 능력을 모방하는 것을 넘어, 우리가 일상에서 내려야 하는 35,000번의 결정을 덜어줄 수 있을 것으로 기대하고 있습니다.

전망

조지아 공과대학교의 연구는 인간의 의사결정 방식을 머신러닝에 적용하는 첫걸음으로서, AI의 신뢰성과 정확성을 크게 향상시킬 수 있는 잠재력을 보여주고 있습니다. RTNet 모델은 인간처럼 사고하고 결정할 수 있는 AI의 가능성을 열었으며, 향후 더 많은 데이터셋과 상황에서 테스트될 예정입니다. 이러한 발전은 인간과 AI의 상호작용을 더욱 원활하게 만들고, 궁극적으로는 인간의 일상적인 결정을 보다 효과적으로 지원하는 AI 시스템으로 발전할 수 있을 것입니다.

<이하 광고>