본 논문은 인간 뇌의 시스템 1과 시스템 2에서 영감을 받은 신경-상징적 뇌 기반 지속 학습(NeSyBiCL) 프레임워크를 제안합니다. NeSyBiCL은 최근 과제에 빠르게 적응하는 신경망 모델과 이전 과제에서 얻은 지식을 유지하는 상징적 추론기의 두 하위 시스템으로 구성됩니다. 두 구성 요소 간의 지식 전달을 용이하게 하는 통합 메커니즘도 설계되었습니다. 기존의 신경망 아키텍처만을 사용하는 지속 학습 방법과 비교하여, 제안된 프레임워크가 더 우수한 성능을 보임을 두 가지 구성 지속 학습 벤치마크를 통해 실증합니다. 핵심은 이전 지식의 손실 없이 새로운 과제를 학습하는 지속 학습의 어려움을, 신경망과 상징적 추론기의 결합을 통해 해결하고자 하는 것입니다.
