[논문 리뷰] Neural Networks, Artificial Intelligence and the Computational Brain

Martin C. Nwadiugwu|arXiv (Cornell University)|2020. 12. 25.

EEG and Brain-Computer Interfaces참고 문헌 14인용 수 24

한 줄 요약

이 논문은 생물학적 신경망을 모델로 삼은 인공신경망(ANNs)을 계산 모델로 탐구하며, 뇌 기반 아키텍처를 통해 인공지능의 발전에 기여하는 데 초점을 맞춘다. 기존의 컴퓨팅 프레임워크와 비교하여 이 글은 이상 탐지, 의료 진단, 패턴 인식 분야에서의 응용을 강조하며, 차세대 AI 시스템의 기초로 뇌 유사 지능을 주장한다.

ABSTRACT

In recent years, several studies have provided insight on the functioning of the brain which consists of neurons and form networks via interconnection among them by synapses. Neural networks are formed by interconnected systems of neurons, and are of two types, namely, the Artificial Neural Network (ANNs) and Biological Neural Network (interconnected nerve cells). The ANNs are computationally influenced by human neurons and are used in modelling neural systems. The reasoning foundations of ANNs have been useful in anomaly detection, in areas of medicine such as instant physician, electronic noses, pattern recognition, and modelling biological systems. Advancing research in artificial intelligence using the architecture of the human brain seeks to model systems by studying the brain rather than looking to technology for brain models. This study explores the concept of ANNs as a simulator of the biological neuron, and its area of applications. It also explores why brain-like intelligence is needed and how it differs from computational framework by comparing neural networks to contemporary computers and their modern day implementation.

연구 동기 및 목표

• 인간 뇌의 생물학적 신경망과 인공신경망(ANNs) 간의 개념적 및 功能적 유사성에 대해 검토하기.
• 기존의 계산 모델을 초월해 인공지능을 발전시키기 위해 뇌 기반 지능이 필수적인 이유를 탐구하기.
• 정보 처리 측면에서 인공신경망과 전통적 컴퓨터 아키텍처 간의 구조적 및 작동 원리의 차이를 비교하기.
• 의료, 패턴 인식, 전자 감지와 같은 실제 분야에서 인공신경망의 실용적 응용을 평가하기.
• 기술적 제약이 아닌 신경계 원리에 기반한 시스템 모델링을 통해 향후 AI 연구의 기반을 마련하기.

제안 방법

• 논문은 인공신경망을 생물학적 뉴런의 시뮬레이션으로 모델링하기 위해 개념적 및 비교 분석을 사용하며, 시냅스를 통한 상호 연결에 중점을 둔다.
• 최근 신경과학적 발견을 바탕으로 인공신경망의 설계 및 기능을 정보화하여 생물학적 타당성을 강조한다.
• 인공신경망의 정보 처리 메커니즘을 기존 디지털 컴퓨터와 비교하여 병렬 처리와 적응성의 차이를 부각한다.
• 의료(예: 즉각적인 의사, 전자 코), 이상 탐지, 생물학적 시스템 모델링 분야에서 기존 인공신경망 응용을 검토한다.
• 지능은 네트워크화되고 적응적이며 상호 연결된 처리 단위에서 유래한다는 전제를 바탕으로 프레임워크를 구축한다. 이는 신경계를 반영한다.
• 뇌 기반 AI 개발을 뒷받침하기 위해 신경과학 및 인공지능 문헌의 정성적 종합을 활용한다.

실험 결과

연구 질문

• RQ1 인공신경망은 인간 뇌의 생물학적 신경망의 구조와 기능을 어떻게 모방하는가?
• RQ2 정보 처리 측면에서 인공신경망과 기존 컴퓨팅 아키텍처 간의 주요 차이는 무엇인가?
• RQ3 왜 뇌 유사 지능이 현재의 기술적 범주를 초월해 인공지능을 발전시키는 데 필수적인가?
• RQ4 인공신경망은 이상 탐지, 의료 진단, 패턴 인식 분야에서 어떻게 향상된 성능을 달성하는가?
• RQ5 신경망을 모델로 삼는 AI 시스템은 어떻게 더 적응적이고 생물학적으로 타당한 지능을 이룰 수 있는가?

주요 결과

• 인공신경망은 인간 뇌의 상호 연결된 뉴런과 시냅스에서 영감을 얻은 계산 모델로, 복잡한 신경계 시스템을 모델링할 수 있다.
• ANNs는 특히 즉각적인 의사 시스템과 전자 코와 같은 의료 분야에서 이상 탐지에 뛰어난 성능을 보인다.
• 논문은 뇌 기반 아키텍처가 기존 디지털 컴퓨팅 모델에 비해 적응성과 병렬 처리 능력에서 우수한 점을 입증한다.
• ANNs를 생물학적 시스템 모델링에 통합함으로써 신경 기능과 인지 기능을 더 정확하게 시뮬레이션할 수 있다.
• 연구는 향후 AI 발전이 기술적 제약이 아닌 신경망 아키텍처를 우선시해야 더 견고하고 일반화 가능한 지능을 달성할 수 있다고 결론 내린다.
• 개념적 프레임워크는 신경과학 및 인공지능 연구 전반에 걸쳐 응용 가능한 생물학적 뉴런의 유효한 시뮬레이터로 ANNs의 사용을 지지한다.