본 논문은 인공지능(AI)을 활용하여 인간의 인지능력을 향상시키는 프레임워크를 제시한다. 수학 연산 과제에서 사용자의 성능 향상을 위해 심층 강화 학습(DRL)을 활용하여 적응적인 시간 압박 피드백을 제공하는 방법을 제안한다. 시간 압박 피드백은 사용자의 주의력과 불안감을 조절하여 성능을 향상시키거나 저하시킬 수 있으므로, 사용자의 실시간 성과에 따라 DRL 정책으로 제어되는 적응적인 시간 압박 피드백이 이러한 문제를 해결할 수 있다. 그러나 DRL 훈련과 하이퍼파라미터 튜닝에는 많은 양의 데이터와 반복적인 사용자 연구가 필요하므로, 기존 데이터셋에서 사용자 인지 행동을 모방하는 시뮬레이션 DRL 에이전트와 상호 작용하여 사용자 성능을 조절하는 규제 DRL 에이전트를 훈련하는 이중 DRL 프레임워크를 제안한다. 사용자 연구를 통해 제안된 이중 DRL 프레임워크가 기준군에 비해 사용자 성능 향상에 효과적임을 보여준다.
