보완적 인공지능
본 서비스가 제공하는 내용 및 자료가 사실임을 보증하지 않습니다. 시스템은 언제나 실수를 할 수 있습니다. 중요한 의사결정 및 법리적 해석, 금전적 의사결정에 사용하지 마십시오.
보완적 인공지능은 주된 학습 목표 외에 추가적인 보조 작업이나 구조를 도입하여 시스템의 성능과 안정성을 높이는 방식이다. 이는 깊은 신경망의 학습 신호를 보강하는 보조 분류기, 강화 학습의 보상 희소성 문제를 해결하는 비지도 보조 학습, 그리고 인공지능의 논리적 추론 능력과 신뢰성을 높이는 기술 등을 포괄한다.
보조 분류기
보조 분류기(Auxiliary Classifier)는 깊은 신경망의 중간 계층에 추가되는 작은 분류기이다. 신경망의 층이 깊어질수록 최종 출력에서 계산된 학습 신호가 앞쪽 레이어까지 충분히 전달되지 않는 경향이 있다. 보조 분류기는 네트워크 중간 지점에서 임시 예측을 수행하고 정답 기준의 손실(Loss)을 계산하여 경사(Gradient)를 앞쪽으로 직접 전달한다. 이를 통해 초반 레이어의 특징 학습을 돕고 전체적인 학습 안정성을 높인다.
비지도 보조 학습
강화 학습 분야에서는 보상 희소성 문제를 해결하기 위해 보조 작업이 활용된다. 에이전트가 보상을 받기 어려운 환경에서 학습 신호가 약해지는 문제를 극복하기 위해, 전체 목표 외에 추가적인 비지도 보조 작업을 수행하게 한다.
| 모델 | 특징 |
|---|---|
| A3C | 비지도 보조 학습의 기초가 되는 에이전트 구조 |
| UNREAL | A3C를 개선하여 보조 작업을 추가한 모델로, 보상 없이도 월드 표현을 학습함 |
UNREAL 에이전트는 자신의 액션이 환경의 픽셀값 변화에 어떤 영향을 미치는지 학습하는 등의 보조 작업을 통해 유용한 월드 표현을 습득한다.
추론 능력 및 신뢰성 보완
최근의 인공지능은 단순히 정답을 제시하는 것을 넘어 문제 해결의 중간 과정을 도출하는 추론 능력을 강화하고 있다. 기존 생성형 AI가 방대한 데이터를 바탕으로 가장 그럴듯한 답을 내놓는 방식이었다면, 추론 AI는 문제를 여러 단계로 나누어 순차적으로 해결한다. 이는 복잡한 계산이나 논리적 판단이 필요한 문제에서 오답의 위험을 줄이는 역할을 한다.