글 수 204
기사
-> http://v.media.daum.net/v/20170315202922921
논문
-> http://www.pnas.org/content/early/2017/03/13/1611835114.full
구글의 딥마인드가 알파고에 이어 또다시 인공지능에 새로운 돌파구를 열었습니다.
딥러닝이 여러 분야에서 뛰어난 성능을 보여주었지만 한가지 큰 단점이 있었습니다.
한번에 한가지만 학습을 할 수 있고 다른 일을 배우면 이전의 일을 잊어버리게 됩니다.
몇년전에 딥마인드가 아타리 게임을 강화학습으로 배우는 딥러닝을 발표한 적이 있습니다.
하나의 신경망으로 여러개의 게임을 학습할 수 있었지만 한번에 한 게임만 가능했습니다.
예를 들어 벽돌깨기를 마스터 한 다음에 다시 퐁 게임을 학습하게 되면
벽돌깨기에 맞추어져 있던 신경망의 가중치들이 퐁 게임에 맞게 변경되어 버립니다.
이를 해결하기 위해 EWC(Elastic Weight Consolidation)이란 기술을 사용하였습니다.
위의 그림처럼 A작업에 속하는 가중치를 강화하여 B작업을 배울때 쉽게 변경이 되지 않도록 합니다.
10개의 아타리 게임을 순차적으로 학습을 했는데 7개는 인간수준으로 플레이 할 수 있었지만
나머지 3개는 잘 학습이 되지 않아서 아직 개선할 점이 많다고 합니다.
그래도 AGI(Artificial General Intelligence)에 한걸음 더 다가간 것이 아닐까요.