NeSyC: 복잡한 물리적 작업을 위한 신경기호 연속 학습기

KAIST 연구진이 개발한 NeSyC는 대규모 언어 모델과 기호적 도구를 결합하여 복잡한 물리적 작업을 해결하는 신경기호 연속 학습기입니다. 다양한 환경에서의 실험을 통해 우수한 성능을 검증받았으며, 향후 AI 분야에 혁신적인 영향을 미칠 것으로 기대됩니다.

개방형 환경에서 복잡한 물리적 작업을 해결하는 혁신적인 방법

최근 인공지능(AI) 분야에서 물리적 환경(Embodied AI)에서 작동하는 에이전트의 지능 향상에 대한 관심이 높아지고 있습니다. 하지만, 제한된 경험으로 인해 에이전트는 새로운 환경이나 상황에 적응하는 데 어려움을 겪습니다. 이러한 문제를 해결하기 위해, KAIST 연구진(최원제, 박진우, 안상현, 이대희, 우홍욱)은 획기적인 신경기호 연속 학습기인 NeSyC을 개발했습니다.

NeSyC는 대규모 언어 모델(LLM) 과 기호적 도구를 결합하여 가설-연역적 모델을 모방합니다. 제한된 경험으로부터 지식을 지속적으로 형성하고 검증하는 것이 핵심입니다. 이는 마치 인간이 가설을 세우고 실험을 통해 검증하는 과정과 유사합니다.

NeSyC의 핵심은 두 가지 혁신적인 기법에 있습니다. 첫째, 대조적 일반화 개선 기법은 LLM을 이용하여 가설을 생성하고, 기호적 도구를 통해 대조적으로 검증합니다. 이를 통해 허용 가능한 행동에 대한 근거를 강화하고, 허용되지 않는 행동을 최소화합니다. 둘째, 메모리 기반 모니터링 기법은 행동 오류를 효율적으로 감지하고, 여러 영역에 걸쳐 지식 개선 프로세스를 트리거합니다. 이는 에이전트가 자신의 행동을 반추하고 학습하는 메커니즘을 제공합니다.

연구진은 ALFWorld, VirtualHome, Minecraft, RLBench와 같은 다양한 벤치마크와 실제 로봇 시나리오에서 NeSyC의 성능을 검증했습니다. 결과는 NeSyC가 다양한 개방형 환경에서 복잡한 물리적 작업을 해결하는 데 매우 효과적임을 보여줍니다.

NeSyC는 단순한 기술적 발전을 넘어, AI 에이전트의 지능적 행동과 일반화 능력에 대한 새로운 가능성을 제시합니다. 이는 향후 AI 로봇, 자율주행 자동차, 게임 AI 등 다양한 분야에 혁신적인 영향을 미칠 것으로 예상됩니다. 하지만, LLM의 한계나 기호적 도구의 적용 범위 제한 등은 향후 연구에서 고려해야 할 과제입니다. 앞으로 NeSyC가 더욱 발전하여 보다 복잡하고 다양한 환경에서 안전하고 효율적으로 작동하는 AI 에이전트 개발에 기여하기를 기대합니다.