본 논문은 대규모 언어 모델과 같은 심층 신경망(DNN)의 발전에도 불구하고, 추상적 개념 이해, 추론, 새로운 상황 적응과 같은 인간 인지 능력을 구현하는 데 어려움이 있음을 지적합니다. 이 연구는 소량의 뇌파 신호를 이용한 뇌-컴퓨터 인터페이스(Brain-in-the-loop) 방식의 지도 학습을 통해 인간의 개념 구조를 DNN에 효과적으로 전달하여 추상적이고 미지의 개념에 대한 이해력을 향상시킬 수 있음을 보여줍니다. 실험 결과, 이를 통해 소수 샘플 학습/제로샷 학습 및 분포 외 인식과 같은 어려운 과제에서 성능이 크게 향상되고, 해석 가능한 개념 표현을 얻을 수 있음을 확인했습니다. 이는 인간-컴퓨터 협력적 지도 학습을 통해 대규모 모델의 인지 능력을 효과적으로 증강시킬 수 있으며, 인간과 유사한 인지 능력을 갖춘 인공 시스템 개발에 대한 유망한 방향을 제시합니다.
