본 논문은 컴퓨터 비전 벤치마크에서 성능이 향상됨에 따라 심층 신경망(DNN)이 영장류의 신경 반응과 더욱 일치하는 경향을 보였으나, 최근 DNN이 인간 또는 초인적 수준의 인식 정확도에 도달함에 따라 이러한 경향이 역전되었다는 점을 지적합니다. 이는 최신 DNN이 과제 해결을 위해 영장류와는 다른 시각적 특징에 의존하기 때문일 수 있습니다. 따라서 생물학적 시각의 더 나은 계산 모델은 어디에서 나올까요? 본 논문은 생물학적 시각 시스템을 고려하여 설계된 알고리즘을 개발하기 위해 인공 지능으로부터 벗어나야 한다고 주장합니다. 다음 세대의 생물학적 시각에 대한 심층 학습 모델은 오늘날 사용되는 것보다 인간의 시각을 형성하는 것과 더 유사한 데이터, 훈련 루틴 및 목표를 사용하여 훈련될 것이라고 예측합니다.
시사점, 한계점
•
시사점: 생물학적 시각 시스템을 더 잘 이해하기 위해서는 인공지능의 발전 방향에서 벗어나 생물학적 시각 시스템에 초점을 맞춘 새로운 알고리즘 개발이 필요함을 시사합니다. 인간의 시각 발달 과정을 모방한 데이터와 훈련 방식이 생물학적으로 타당한 모델 구축에 중요함을 강조합니다.
•
한계점: 생물학적 시각 시스템을 완벽하게 모방할 수 있는 데이터, 훈련 루틴 및 목표를 정의하는 것이 어려울 수 있습니다. 인간의 시각 발달 과정에 대한 완벽한 이해가 부족할 수 있으며, 이는 모델의 정확성과 일반화 성능에 영향을 미칠 수 있습니다. 또한, "인간의 시각을 형성하는 것과 더 유사한" 데이터와 훈련 방식을 구체적으로 어떻게 정의하고 구현할 것인지에 대한 명확한 방법론 제시가 부족합니다.
