왕하오난 연구팀이 개발한 NEURONS 모델은 인간 시각 피질의 구조를 모방하여 fMRI 데이터로부터 동영상을 재구성하는 혁신적인 AI 모델입니다. 기존 기술 대비 비디오 일관성과 의미 수준 정확도를 크게 향상시켰으며, 뇌-컴퓨터 인터페이스 및 임상 응용 분야에 큰 가능성을 제시합니다.

본 기사는 Guanhua Zheng, Jitao Sang, Changsheng Xu 세 연구자의 논문을 바탕으로, 기존의 수정된 역전파(BP) 기반 설명가능성 방법론들의 한계를 극복하고 통합적 이해를 제시하는 새로운 연구 결과를 소개합니다. 활성화된 뉴런의 가중치 결합을 통한 입력 정렬이라는 핵심 개념을 통해, 다양한 방법론들의 공통점을 밝히고, AI 모델의 의사결정 과정에 대한 더욱 명확한 이해를 제공합니다.

Yan Shaotian 등 연구진은 LLM의 추론 과정에서 발생하는 '맥락 벗어난 정보' 문제를 해결하기 위해 Few-shot Attention Intervention (FAI) 기법을 개발했습니다. FAI는 LLM의 주의 메커니즘을 조정하여 오류를 감소시키고, AQuA 데이터셋에서 5.91%의 성능 향상을 달성했습니다.

Rachel S. Y. Teo와 Tan M. Nguyen이 개발한 MoLEx는 계층을 전문가로 활용하는 희소 혼합 전문가 모델로, 기존 PEFT 방법의 한계를 극복하고 GLUE 및 E2E 과제에서 우수한 성능을 보였습니다. GitHub에 공개된 코드를 통해 더욱 많은 연구자들의 활용이 기대됩니다.

중국과학원 연구팀의 획기적인 연구를 통해 초저전력 고속 광학 신경망 활성기(AONA)가 개발되었습니다. Fano 공명 현상을 이용한 AONA는 재구성 가능한 비선형 함수를 제공하며, 손글씨 숫자 및 이미지 인식 작업에서 향상된 정확도를 보였습니다. 이는 에너지 효율적인 고성능 AI 시스템 개발에 중요한 이정표가 될 것으로 기대됩니다.