본 논문은 인공 일반 지능(AGI)에 접근하기 위한 새로운 관점으로 지능 기초 모델(IFM)을 제안합니다. 기존의 특정 도메인(언어, 시각, 시계열 등)의 패턴 학습에 특화된 기초 모델(FM)과 달리, IFM은 다양한 지능적 행동으로부터 직접 학습하여 지능의 근본적인 메커니즘을 획득하는 것을 목표로 합니다. 시각, 언어 및 기타 인지 능력은 지능적 행동의 발현이며, 이러한 광범위한 행동으로부터 학습함으로써 시스템은 지능의 일반적인 원리를 내면화할 수 있습니다. IFM은 지능적 행동이 생물학적 신경 시스템의 집단적 역학에서 발생한다는 사실에 기반하여, 신경 세포와 유사한 동적 프로세스를 포착하는 새로운 네트워크 아키텍처인 상태 신경망과 집단적 역학으로부터 신경 출력 예측을 통해 시스템을 훈련시키는 새로운 학습 목표인 신경 출력 예측으로 구성됩니다. 상태 신경망은 생물학적 뉴런의 시간적 역학을 모방하여 시스템이 시간에 걸쳐 정보를 저장, 통합 및 처리할 수 있도록 하며, 신경 출력 예측 목표는 이러한 구조적 역학을 지능적 행동으로부터 학습하기 위한 통일된 계산 원리를 제공합니다. 이러한 혁신은 도메인 전반에 걸쳐 일반화, 추론 및 적응 학습이 가능한 시스템 구축을 위한 생물학적으로 기반하고 계산적으로 확장 가능한 기반을 구축하며, 진정한 AGI를 향한 한 걸음을 내딛습니다.
