Brain-inspired Computational Intelligence via Predictive Coding
Created by
- Haebom
Category
Empty
저자
Tommaso Salvatori, Ankur Mali, Christopher L. Buckley, Thomas Lukasiewicz, Rajesh P. N. Rao, Karl Friston, Alexander Ororbia
개요
인공지능(AI)은 21세기의 핵심 기술로 부상하고 있으며, 오류 역전파를 통해 훈련된 딥 뉴럴 네트워크를 사용하여 AI 연구의 대부분의 성과를 거두었습니다. 이와 관련하여, 최근 연구는 신경과학에서 영감을 받은 딥 뉴럴 네트워크 학습 알고리즘을 연구하고 있습니다. 예측 코딩(PC)이라고 불리는 한 이론은 기계 학습 커뮤니티에 잠재적으로 가치 있는 다음과 같은 유망한 속성을 보여주었습니다: 뇌의 다양한 영역에서 정보 처리를 모델링할 수 있으며, 제어 및 로봇 공학에 사용될 수 있으며, 변분 추론에서 견고한 수학적 기반을 가지고 있으며, 비동기적으로 계산을 수행합니다. 이러한 속성에서 영감을 받아, 새로운 PC 유사 알고리즘을 제안하는 연구가 기계 학습 및 AI의 여러 하위 분야에서 나타나고 있습니다. 이 논문은 이러한 노력을 조사하기 위해 PC의 역사를 광범위하게 개괄하여 최근 개발에 대한 이해의 공통 기반을 제공하고, 현재의 노력과 결과를 설명하며, 가능한 시사점과 앞으로의 방향에 대한 논의로 결론을 맺습니다.
시사점, 한계점
•
시사점:
◦
예측 코딩(PC) 기반 알고리즘은 뇌의 정보 처리 방식을 모델링할 수 있습니다.
◦
제어 및 로봇 공학 분야에 적용 가능합니다.
◦
변분 추론에 기반한 수학적 토대를 가집니다.
◦
비동기적 계산을 수행합니다.
◦
기계 학습 및 AI의 다양한 하위 분야에서 활용될 수 있습니다.
•
한계점:
◦
논문에 구체적인 한계점에 대한 언급은 없음. (논문의 범위를 개괄 및 최신 연구 동향 조사를 중심으로 하고 있기 때문)
