뇌의 숨겨진 학습 블록 발견: 인간의 유연한 지능을 모방하는 AI의 미래

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

인간의 뇌는 새로운 상황에 놀라울 정도로 빠르게 적응하지만, 최첨단 AI 모델은 특정 과제에는 뛰어나도 새로운 과제를 배울 때 이전 지식을 잊어버리는 '파괴적 간섭' 문제를 겪는다. 프린스턴 대학교 연구팀은 원숭이 실험을 통해 뇌의 전전두엽이 '인지 레고(Cognitive Legos)'라고 불리는 모듈화된 신경 활동 패턴을 재사용한다는 것을 확인했다. 이 인지 블록들은 색상 구분이나 안구 운동 제어와 같은 개별 기능을 수행하며, 새로운 과제가 주어지면 기존 블록들을 조합하여 즉각적인 해결책을 만들어낸다. 이러한 구성성(Compositionality) 원리는 AI가 기존 기술을 유지하면서 새로운 기술을 습득하도록 돕는 차세대 아키텍처 설계의 핵심 지표가 될 것으로 기대된다.

배경

인공 신경망 기초 지식, 전이 학습(Transfer Learning) 개념

대상 독자

차세대 AI 아키텍처 설계자 및 뇌과학 기반 머신러닝 연구자

의미 / 영향

뇌의 모듈형 학습 방식을 AI에 이식함으로써 현재 LLM 등이 겪는 고질적인 망각 문제를 해결하고, 적은 데이터로도 새로운 환경에 즉각 적응하는 인간 수준의 유연성을 갖춘 AI 개발의 토대를 마련할 수 있다.

섹션별 상세

구성성(Compositionality)은 이미 알고 있는 기술을 바탕으로 새로운 기술을 배울 때 처음부터 다시 시작하지 않고 기존 모듈을 재활용하는 뇌의 유연성의 핵심이다.

뇌의 실루엣 안에 다양한 색상의 레고 블록들이 채워져 있는 개념도이다. — Infographic뇌가 복잡한 인지 기능을 수행하기 위해 개별적인 '인지 블록'들을 레고처럼 조립하여 사용한다는 이 연구의 핵심 비유를 시각적으로 나타낸다. 전전두엽에서 일어나는 모듈형 지식 재사용 과정을 상징한다.

붉은털원숭이를 대상으로 한 시각 분류 실험 결과, 전전두엽(Prefrontal Cortex)에서 특정 목표를 위해 반복적으로 나타나는 신경 활동 패턴인 '인지 블록'이 발견되었다.

뇌는 새로운 과제를 수행할 때 필요한 인지 블록을 순차적으로 활성화하고 연결하며, 예를 들어 색상 판별 블록과 안구 운동 제어 블록을 조합하여 즉각적인 대응이 가능하다.

전전두엽은 현재 과제에 불필요한 인지 블록의 활동을 억제함으로써 인지 자원의 과부하를 방지하고 특정 목표에 집중할 수 있도록 제어하는 기능을 수행한다.

현재의 인공 신경망은 새로운 데이터를 학습할 때 기존 가중치를 덮어씌워 이전 기억을 잃어버리지만, 뇌의 모듈형 구조를 AI에 도입하면 기존 기술을 보존하며 새로운 능력을 확장할 수 있다.

실무 Takeaway

AI 모델 설계 시 기능을 독립적인 모듈로 분리하고 이를 재조합하는 방식을 도입하여 새로운 과제 학습 시 발생하는 파괴적 간섭을 방지해야 한다.
복잡한 추론이 필요한 에이전트 시스템에서 상황에 따라 필요한 기능 블록을 동적으로 활성화 및 억제하는 제어 계층을 강화함으로써 적응성을 높일 수 있다.
뇌의 구성성 원리를 활용하여 학습된 파라미터를 고정하고 새로운 과제에 필요한 최소한의 모듈만 추가하거나 조합하는 방식으로 효율적인 지속 학습 시스템을 구축할 수 있다.

언급된 리소스

논문Building compositional tasks with shared neural subspaces (Nature, 2025)