인간의 두뇌만큼 효율적으로 정보를 처리하는 기계를 개발하는 것은 진정한 인공지능을 향한 오랜 연구 목표였다. Mihai Petrovici 박사가 이끄는 하이델베르그 대학과 베른 대학의 학제 간 연구 팀은 생물학적으로 영감을 받은 인공 신경망의 도움으로 이 문제를 해결하고 있다.

자연 신경계의 구조와 기능을 모방한 스파이크 신경망은 강력하고 빠르며 에너지 효율적이기 때문에 유망한 후보이다. 한 가지 핵심 과제는 그러한 복잡한 시스템을 훈련하는 방법이다. 독일-스위스 연구팀은 이제 그러한 훈련을 달성하는 알고리즘을 개발하고 성공적으로 구현했다.

뇌의 신경 세포(또는 뉴런)는 스파이크라고 하는 짧은 전기 펄스를 사용하여 정보를 전송한다. 이러한 스파이크는 특정 자극 임계 값을 초과할 때 트리거된다. 단일 뉴런이 이러한 스파이크를 생성하는 빈도와 개별 스파이크의 시간적 순서는 정보 교환에 중요하다. "생물학적 스파이크 네트워크와 인공 신경망의 주요 차이점은 스파이크 기반 정보 처리를 사용하기 때문에 극도의 에너지 효율성으로 이미지 인식 및 분류와 같은 복잡한 작업을 해결할 수 있다는 것이다."라고 Petrovici 박사의 연구 그룹은 말한다.

인간의 두뇌와 구조적으로 유사한 인공 스파이크 신경망은 개별 뉴런이 서로 적절하게 연결되어 있는 경우에만 잠재력을 최대한 발휘할 수 있다. 그러나 뇌에서 영감을 받은(즉, 뉴로모픽) 시스템을 어떻게 조정하여 스파이크 입력을 올바르게 처리할 수 있을까? "이 질문은 생물학적 모델을 기반으로 하는 강력한 인공 네트워크의 개발을 위한 기본 사항이다."라고 Petrovici 박사의 연구팀 구성원이기도 한 Laura Kriener가 강조한다. 스파이크 신경망의 뉴런이 정확한 시간에 실행되도록 하려면 특수 알고리즘이 필요하다. 이러한 알고리즘은 뉴런 간의 연결을 조정하여 네트워크가 이미지를 고정밀로 분류하는 것과 같은 필요한 작업을 수행할 수 있도록 한다.

Petrovici 박사가 이끄는 팀은 바로 그러한 알고리즘을 개발했다. "이 접근 방식을 사용하여 스파이크 신경망을 훈련하여 단일 스파이크에서만 정보를 코딩하고 전송할 수 있다. 따라서 원하는 결과를 특히 빠르고 효율적으로 생성한다.”라고 Julian Göltz는 설명한다. 또한 연구원들은 하이델베르그 대학에서 개발한 BrainScaleS 2 뉴로모픽 하드웨어 플랫폼인 물리적 플랫폼에서 이 알고리즘으로 훈련된 신경망을 구현하는 데 성공했다.

BrainScalesS 시스템은 인간의 두뇌보다 최대 1000배 빠른 속도로 정보를 처리하고 기존 컴퓨터 시스템보다 훨씬 적은 에너지를 필요로 한다. 이는 뉴로모픽 컴퓨팅과 같은 기술을 EBRAINS라는 개방형 플랫폼에 통합하는 유럽 인간 두뇌 프로젝트에 기여한다.

“그러나 우리의 작업은 뉴로모픽 컴퓨팅과 생물학적으로 영감을 받은 하드웨어에만 흥미로운 것은 아니다. 또한 소위 딥 러닝 접근 방식을 신경 과학으로 이전하여 인간 두뇌의 비밀을 더욱 공개해야 한다는 과학계의 요구를 인정한다.”라고 Dr Petrovici는 강조한다.

이 연구는 Manfred Stärk 재단과 유럽 연합의 Horizon 2020 프레임워크 프로그램에 따라 지원되는 FET(Future and Emerging Technologies)의 세 가지 유럽 대표 이니셔티브 중 하나인 Human Brain Project의 자금 지원을 받았다. 연구 결과는 '네이처 머신 인텔리전스' 저널에 게재됐다.

하이델베르그 대학의 보도 자료 원본: https://www.uni-heidelberg.de/en/newsroom/solve-complex-learning-tasks-in-brain-inspired-computers