딥러닝 모델, 비디오 학습으로 '직관적 물리학' 이해 능력 획득

뉴욕대, ENS 등 연구진의 연구 결과, 자가 지도 학습 기반의 비디오 예측 모델이 직관적 물리학 이해 능력을 획득. 예측 코딩 유사 메커니즘과 1주일치 비디오 데이터로도 우연 이상 성능 달성. 선천적 지식의 중요성에 대한 기존 가설에 도전하는 결과.

뉴욕대, ENS 등 연구진, 놀라운 결과 발표

인간이 세상을 이해하는 데 기본이 되는 '직관적 물리학' 능력. 이 능력은 선천적으로 타고나는 것일까요? 아니면 후천적으로 학습되는 것일까요? 최근, 이 질문에 대한 흥미로운 답을 제시하는 연구 결과가 발표되었습니다.

Quentin Garrido를 비롯한 뉴욕대, 프랑스 고등과학원(ENS) 등의 연구진은 자연 영상 데이터를 이용한 자가 지도 학습을 통해 딥러닝 모델이 놀랍게도 '직관적 물리학' 이해 능력을 갖추게 되었다는 연구 결과를 발표했습니다. 이는 기존의 상식을 뒤엎는 결과입니다. 그동안 자연어 처리 모델이나 단순한 픽셀 공간에서의 비디오 예측 모델은 기대치에 미치지 못했지만, 연구진이 개발한 모델은 물체의 영속성 및 형태 일관성과 같은 직관적 물리학적 특성을 이해하는 모습을 보였습니다.

연구진은 이러한 성과가 '예측 코딩'과 유사한 메커니즘 때문이라고 분석합니다. 감각 입력의 누락된 부분을 예측하면서 추상적인 표현 공간을 동시에 학습하는 것이, 직관적 물리학 이해 능력을 습득하는 데 중요한 역할을 했다는 것입니다. 더욱 놀라운 것은, 단 1주일치의 독특한 비디오 데이터만으로도 우연 이상의 성능을 달성했다는 점입니다. 이는 '핵심 지식'이라는 선천적인 시스템이 직관적 물리학 이해에 필수적이라는 기존의 가설에 정면으로 도전하는 결과입니다.

이 연구는 딥러닝 모델의 놀라운 학습 능력을 보여주는 동시에, 인간 지능의 본질에 대한 새로운 질문을 던져줍니다. 단순히 엄청난 데이터와 복잡한 알고리즘만으로는 설명할 수 없는, 새로운 형태의 지능이 딥러닝 모델 안에서 발현되고 있는 것일까요? 후속 연구를 통해 그 비밀이 더욱 명확하게 밝혀지기를 기대해 봅니다.

참고: 본 기사는 연구 논문의 내용을 바탕으로 작성되었으며, 연구진의 이름과 주요 내용을 정확하게 반영하였습니다.