본 논문은 인공지능 분야의 핵심 과제인 지속 학습 문제를 다루며, 특히 동적 환경에서 신경망의 활용을 방해하는 '파멸적 망각' 현상을 해결하기 위한 새로운 생성적 리플레이 프레임워크를 제안합니다. 생물학적 기억 통합 메커니즘에서 영감을 얻어, 예측 코딩 원리를 활용하여 망각을 완화하는 방안을 제시합니다. 예측 코딩 기반 및 역전파 기반 생성적 리플레이 전략을 포괄적으로 비교 분석하고, 여러 벤치마크 데이터셋에서 과제 유지 및 전이 효율성을 평가합니다. 실험 결과는 예측 코딩 기반 리플레이가 우수한 유지 성능(평균 15.3% 향상)을 달성하면서 경쟁력 있는 전이 효율성을 유지함을 보여줍니다. 이를 통해 생물학적 메커니즘이 지속 학습 문제에 대한 원리적인 해결책을 제시할 수 있음을 시사하며, 생물학적 기억 과정과 인공 학습 시스템 간의 관계에 대한 통찰력을 제공하여 신경과학 영감 AI 연구의 새로운 방향을 제시합니다.
