본문 바로가기
대메뉴 바로가기
KAIST
뉴스
유틸열기
홈페이지 통합검색
-
검색
ENGLISH
메뉴 열기
%EA%B3%84%EC%82%B0%EC%8B%A0%EA%B2%BD%EA%B3%BC%ED%95%99
최신순
조회순
백세범 교수, 사이언스 어드밴시스 부편집장 임명
우리 대학 뇌인지과학과 백세범 교수가 세계적 권위의 과학 학술지인 사이언스 어드밴시스 (Science Advances)의 신경과학 (Neuroscience) 분과 부편집장(Associate Editor)으로 임명됐다고 14일 밝혔다. 이는 계산 신경과학 기반의 뇌 연구를 선도하고 있는 연구자인 백세범 교수의 탁월한 학문적 영향력과 학술적 소통 역량이 세계적으로 인정받은 성과다. 백세범 교수는 신경과학의 난제 중 하나였던 시각피질 뇌 지도 발생의 원리*를 세계 최초로 밝힌 이래, 지난 10여 년간의 연구를 통해 독창적인 이론 연구의 전문성을 인정받고 있다. *시각피질 뇌 지도 발생의 원리: 포유류의 시각피질에서는 서로 다른 시각 정보(예: 색상, 방향 등)에 선택적으로 반응하는 신경세포들이 일정한 패턴을 이루며 배치되어 있는데 이를 기능성 뇌 지도(functional map)라고 함. 이 연구에서는 수학적 모델에 기반한 컴퓨터 시뮬레이션을 통하여 망막에 있는 신경세포들이 매우 단순한 물리적 상호작용에 따라 스스로 규칙적인 배열을 형성할 수 있으며 이렇게 형성된 구조가 시각피질에 투영되면서 다양한 기능성 뇌 지도가 만들어진다는 것을 설명하였음. 사이언스 어드밴시스는 미국 과학 진흥 협회(AAAS)가 발행하는 사이언스(Science) 저널의 온라인 자매지로, 과학 전 분야에 걸친 영향력 있는 연구를 다룬다. 2024년 기준 게재 승인 비율(acceptance rate)이 8.2%에 불과할 정도로 높은 수준의 연구 결과를 요구하며, 엄격한 검토 과정을 거친다. 백 교수는 신경과학 분과에서 연구 논문의 심사와 편집 업무에 참여하며, 전 세계 연구자들에게 중요한 과학적 발견을 전파하는 데 핵심적인 역할을 수행한다. 백 교수는 국내 1세대 계산신경과학자로서 이론적 모델 기반의 뇌 연구를 통해 신경과학의 다양한 현상들을 체계적으로 연계하여 설명하는 계산신경과학분야를 개척하고 있다. 최근에는 뇌신경망과 인공신경망의 비교에 기반한 인지 지능 발생 이론 연구들을 진행하며, 인간과 동물의 지능, 그리고 인공지능을 하나의 큰 틀에서 이해하려는 연구를 활발히 진행하고 있다. 백 교수는 그동안 스프링거-네이쳐(Springer-Nature)와 프론티어스(Frontiers) 그룹에서 발행하는 신경과학 저널들의 부편집장 및 편집위원으로 활동해 왔다. 2021년에는 KAIST 특이점 교수(Singularity Professor)에 임명되었으며, 2024년부터는 한국계산뇌과학회(CBrain) 회장직을 맡아 학회를 이끌고 있다. 백세범 교수는 “KAIST 교수진으로서 권위 있는 학술지의 편집위원으로 활동하게 되어 매우 기쁘며, 앞으로 뇌신경과학 분야의 다양한 연구 결과들의 심사 및 출판 과정을 진행하면서, 전 세계 연구자들과 교류를 통해 뇌신경과학 연구의 발전과 방향 설정에 기여하고 싶다”고 소감을 전했다.
2025.03.14
조회수 2819
이상완 교수, 신경과학-인공지능 융합으로 공학적 난제 해결
〈 (왼쪽부터) 안수진 박사과정, 이지항 박사, 이상완 교수 〉 우리 대학 바이오및뇌공학과 이상완 교수 연구팀이 영국 케임브리지 대학, 구글 딥마인드와의 공동 연구를 통해 차세대 뇌 기반 인공지능 시스템 설계의 방향을 제시했다. 이번 연구는 인간의 두뇌가 기존의 인공지능 알고리즘이 해결하지 못하는 부분을 해결할 수 있다는 사실에 기반한 신경과학-인공지능 융합 연구이다. 성능, 효율, 속도의 균형적 설계와 같은 다양한 공학적 난제를 해결할 수 있는 신경과학 기반 강화학습 이론을 제안한 것으로 새로운 인공지능 알고리즘 설계에 긍정적인 영향을 줄 것으로 기대된다. 이상완 교수와 함께 이지항 박사, 안수진 박사과정이 주도한 이번 연구는 국제 학술지 사이언스의 자매지 ‘사이언스 로보틱스(Science Robotics)’ 1월 16일 자 온라인판에 포커스 형식으로 게재됐다. 최적제어 이론에서 출발한 강화학습은 기계 학습의 한 영역으로 지난 20여 년 동안 꾸준히 연구된 분야이다. 특히 지난 5년 동안은 딥러닝 기술을 발전과 맞물려 급격한 성장을 이뤘다. 딥러닝 기반 강화학습 알고리즘은 최근 알파고와 같은 전략 탐색 문제, 로봇 제어, 응급실 비상 대응 시스템과 같은 의료 진단 등 다양한 분야에 적용되고 있다. 그러나 주어진 문제에 맞게 시스템을 설계해야 하는 점, 불확실성이 높은 환경에서는 성능이 보장되지 않는 점 등이 근본적인 해결책으로 남아있다. 강화학습은 의사 결정 및 계산신경과학 분야에서도 지난 20년간 꾸준히 연구되고 있다. 이상완 교수는 2014년 인간의 전두엽-기저핵 뇌 회로에서 이종 강화학습을 제어한다는 신경과학적 증거를 학계에 발표한 바 있다. 2015년에는 같은 뇌 회로에서 고속 추론 과정을 제어한다는 연구를 발표했다. 연구팀은 이번 연구에서 강화학습 등의 개별 인공지능 알고리즘이 해결하지 못하는 공학적 문제를 인간의 두뇌가 이미 해결하고 있다는 사실에 기반한 ‘전두엽 메타 제어’ 이론을 제안했다. 중뇌 도파민-복외측전전두피질 네트워크에서 외부 환경에 대한 학습의 신뢰도를 스스로 평가할 수 있는 보상 예측 신호나 상태 예측 신호와 같은 정보를 처리하며, 인간의 두뇌는 이 정보들을 경쟁적-협력적으로 통합하는 프로세스를 통해 외부 환경에 가장 적합한 학습 및 추론 전략을 찾는다는 것이 이론의 핵심이다. 이러한 원리를 단일 인공지능 알고리즘이나 로봇설계에 적용하면 외부 상황변화에 강인하게 성능, 효율, 속도 세 조건(performance-efficiency-speed tradeoff) 사이의 균형점을 유지하는 최적의 제어 시스템을 설계할 수 있다. 더 나아가 다수의 인공지능 개체가 협력하는 상황에서는 서로의 전략을 이용함으로 협력-경쟁 사이의 균형점을 유지할 수 있다. 1 저자인 이지항 박사는 “현대 인공지능의 우수한 성능은 사람의 행동 수준 관찰뿐 아니라 두뇌의 저수준 신경 시스템을 알고리즘으로 구현해 적극적으로 발전시킨 결과라고 보고 있다”라며 “이번 연구는 계산신경과학에 기반한 결과로 현대 딥러닝과 강화학습에서 겪는 성능, 효율, 속도 사이의 난제를 해결하는 실마리가 될 수 있고, 새로운 인공지능 알고리즘 설계에 많은 영감을 줄 것이다”라고 말했다. 이상완 교수는 “연구를 하다 보면 우리의 두뇌는 공학적 난제를 의외로 쉽게 해결하고 있음을 알 수 있다. 이 원리를 인공지능 알고리즘 설계에 적용하는 뇌 기반 인공지능 연구는 구글 딥마인드, MIT, 캘리포니아 공과대학, UCL 등 해외 유수 기관에서도 관심을 두는 신경과학-인공지능 융합 연구 분야이다”라며 “장기적으로는 차세대 인공지능 핵심 연구 분야 중의 하나로 자리를 잡을 것으로 기대한다”라고 말했다. 이번 연구는 과학기술정보통신부 및 정보통신기술진흥센터 연구개발 사업, 삼성전자 미래기술육성센터의 지원을 받아 수행됐다. □ 그림 설명 그림1. 외부 환경에 따라 성능-효율-속도 문제 균형점을 찾는 뇌기반 강화학습 이론 (좌), 이를 최적 제어하는 ‘전두엽 메타 제어’(중) 및 로보틱스 분야 문제 해결 적용 사례 (우)
2019.01.24
조회수 13907
<<
첫번째페이지
<
이전 페이지
1
>
다음 페이지
>>
마지막 페이지 1