중국 연구진이 인공지능이 인간처럼 ‘개념’을 형성하도록 하는 신경망 구조를 제안했다는 뉴스입니다. 중국과학자동화연구소와 베이징대학 연구팀이 공동 개발한 CATS Net(Concept Abstraction and Task Solving Network)은 경험으로부터 추상 개념을 스스로 형성하고, 이를 활용해 과제를 해결하며, 나아가 다른 시스템과 개념을 공유할 수 있도록 설계된 프레임워크입니다. 연구 결과는 Nature Computational Science에 온라인 게재되었습니다.
핵심은 ‘개념 추상화 모듈’과 ‘과제 해결 모듈’을 분리하고, 이 둘을 동적으로 연결한 구조에 있습니다. 시각 정보를 입력받으면 고차원 데이터를 ‘개념 벡터’로 압축하고, 이 개념이 다시 문제 해결 과정의 신경 활동을 조절하는 방식입니다. 이는 인간이 구체적 경험을 통해 개념을 만들고, 다시 그 개념을 활용해 사고와 행동을 조직하는 양방향 인지 과정을 모사하려는 시도로 보입니다.
특히 주목할 부분은 시스템이 환경과의 상호작용을 통해 새로운 개념을 자율적으로 생성하고, 서로 다른 네트워크 간 개념 공간을 정렬하면 별도의 재학습 없이 지식을 전달할 수 있다는 점입니다. 이는 인간이 언어를 통해 개념을 공유하는 방식과 유사한 구조를 계산적으로 구현했다는 의미를 갖습니다.
또한 연구팀은 CATS Net이 형성한 개념 표현을 인간의 뇌 활동 데이터와 비교했습니다. 기능적 자기공명영상(fMRI) 분석 결과, 해당 네트워크의 개념 공간은 인간의 시각·의미 처리와 관련된 복측 후두측두 피질 활동과 유의미한 상관성을 보였다고 합니다. 더 나아가, 네트워크의 동적 게이팅 메커니즘이 인간의 의미 통제 네트워크와도 유사한 패턴을 나타냈다는 점은, 인지과학과 계산모델 사이의 연결 고리를 제시한다는 점에서 학문적 가치가 큽니다.
다만 이러한 성과를 곧바로 ‘인간 수준의 개념 이해’로 확대 해석하는 것은 신중할 필요가 있습니다. 현재 단계는 특정 과제 환경에서의 실험적 검증에 가깝고, 복잡한 사회적·언어적 맥락에서의 일반화 능력은 추가 검증이 필요해 보입니다. 또한 연구진이 언급했듯, 자율적으로 개념을 형성하는 AI가 인간의 가치 체계와 어떻게 정렬될 것인지 역시 중요한 과제로 남아 있습니다.