CNN 학습 규칙과 인간 시각 피질 데이터의 체계적 비교 연구

독립 연구임에도 불구하고 체계적인 실험 설계와 fMRI 데이터 활용에 대해 매우 긍정적인 반응이며, 특히 초기 시각 영역에서 아키텍처의 중요성을 강조한 결과에 주목하고 있습니다.

• 초기 시각 특징 추출이 목적인 경우, 복잡한 학습보다 적절한 컨볼루션 아키텍처 설계에 집중하는 것이 효율적일 수 있다.
• 생물학적으로 타당한 로컬 학습 규칙을 구현하고자 한다면 Predictive Coding 방식이 가장 유망한 대안이다.

• 초기 시각 영역의 정보 처리는 특정 학습 알고리즘보다 CNN의 계층적 구조와 컨볼루션 연산이라는 아키텍처 특성에 더 크게 의존한다.
• Predictive Coding은 국소적 업데이트만으로도 글로벌 최적화 방식인 Backpropagation에 필적하는 시각 표상을 형성할 수 있어 뇌 학습 기전의 유력한 후보로 평가된다.
• 인간의 시각 시스템을 모사하려는 AI 연구에서 학습 규칙의 선택은 하위 계층보다 상위 계층의 추상적 정보 형성 단계에서 더 큰 차이를 만든다.