연구실 및 주제 소개 본 연구실은 신경과학을 기반으로 인공지능 알고리듬을 탐구하고, 계산과학 기법을 이용해 신경현상을 탐구하는 양방향의 연구를 수행하고 있습니다. 동물의 길찾기(navigation) 기전과 관련해 생물학적 기전과 강화학습 알고리듬 연결하기 위해 승계표상 알고리듬과 해마 장소세포의 예측코딩 현상에 대해 연구합니다. 뇌신경과학 현상 및 신경질환의 계산 모델 개발 및 탐구를 수행하고 있습니다. 유연한 의사결정을 내리는데 세로토닌이 전두엽에 어떤 … 계속 읽기 부산의대 생리학교실 신경인공지능 연구실 학부 인턴 및 대학원생 모집
[카테고리:] 연구
강화학습은 게임환경 밖 실제 환경에서 사용될 수 있을 것인가
OpenAI에서 최근 마인크래프트를 Video-pretraining을 통해 다이아몬드 곡괭이까지 만드는 것에 성공했다. Atari보다 훨씬 큰 latent space(state, action 모두)에서 이것을 성공한 것은 대단한 일이다. 이전 OpenAI에서는 로봇손으로 루빅큐브를 푸는 것도 성공한 바 있다. 위 두 가지 접근은 현실에 어떻게 강화학습이 적용될 수 있을까에 대한 두 가지 접근방식을 보여준다. 사람이 플레이한 게임 화면을 그대로 보여주어 사전 학습을 시킨 … 계속 읽기 강화학습은 게임환경 밖 실제 환경에서 사용될 수 있을 것인가
왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 3)
왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 1) 왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 2) 위 글들에 이어지는 글이다. 미첼이 지적하는 세번째 오류는 인공지능 연구자들이 스스로가 만든 인공지능 알고리즘에 과잉해석을 덧붙인다는 점이다. 멋들어진 약어를 쓰고(예를 들어 UNDERSTAND, GOAL같은), 알고리즘을 인간적으로 비유하는 것이 대중 뿐만 아니라, 연구자들 스스로로 함정에 빠뜨리게 된다는 점을 지적한다. 예전 대략 … 계속 읽기 왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 3)
왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 2)
왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 1) 에서 이어지는 내용이다. 네가지 요소 중 두번째 문제인 모라벡의 역설에 대해 다루겠다. 모라벡의 역설은 한스 모라벡이 그의 저서 Mind Children (1988년)에서 처음 제기한 역설이다. 간단히 설명하면 인공지능으로 체스를 잘 두는 것을 만드는 것은 상대적으로 쉽지만, 체스말을 정교하게 움직이게 하는 것은 아주 어렵다는 역설이다. 실제로 우리는 이제 바둑을 … 계속 읽기 왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 2)
왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 1)
Mitchell M. (2021). Why AI is Harder Than We Think. arXiv 2104.12871v2. 인공지능의 발전 속도가 아주 빠른 것은 사실이나, 사람들이 기대한 만큼은 아니다. 우리는 아직 완전 자율주행차를 가지지 못 했고, 각종 집안일을 대신 해줄 수 있는 로봇도 없다. 인공지능 비서 역시 아직은 믿을만 하지 않다. 대신 우리에게 있는 것은 반자율주행차, 로봇청소기, 식기세척기 등이다. 그리고 가끔 … 계속 읽기 왜 인공지능 만들기는 생각보다 어려운가?(Mitchell 논문 리뷰 1)
승계 표상 학습 행위자에 대해 연구한 제 새 논문이 공개되었습니다.
가중치 행렬을 다른 방식으로 초기화한 승계 표상 학습 행위자들의 학습 효율에 대해 연구한 논문입니다.
Reinforcement learning in artificial and biological systems
Reinforcement learning in artificial and biological systems 리뷰논문에 대한 글. 저자들은 biological inspired RL 개발쪽에 관심이 많은듯하다. 본인들이 개발한 RL 시스템은 spike-based deep, continuous local learning(DCLL)이다. 그래서 machine RL의 한계에 대해 지적하는데, 환경이 제한되어있고 정적이라는 점이 큰 한계라고 한다. Open AI Gym, game environment 등 모두 크지 않고, 정적이다. 하지만 biology의 learning enviroment는 아주 dynamic하다. 대신 … 계속 읽기 Reinforcement learning in artificial and biological systems
Distributional Reinforcement Learning in the Brain 리뷰논문(TINS 2020) 요약
Distributional Reinforcement Learning in the Brain Lowet et al. 2020 리뷰논문 요약. 이 논문이 나오게 된 계기 또는 이전의 흐름은 Deep mind에서 발표한 distributional RL 논문 두개. Bellamare et al. 2017, Dabney et al. 2017, 그리고 이 두 논문의 computational 효과, 그리고 biological implementation에 대한 논문. Dabney et al. 2020. 이 세 논문이 전제되어 … 계속 읽기 Distributional Reinforcement Learning in the Brain 리뷰논문(TINS 2020) 요약
How to write a great research paper by Simon PJ
Microsoft research Simon PJ의 강연 요약 먼저 쓰기 시작해라. 쓰다보면 아이디어가 발전한다. 연구를 진행하고 나서의 결과물이 논문이 아니다. 논문을 쓰는 과정 자체가 연구다. 쓰다보면 부족한 부분, 개선해야할 점이 보이고, 그러면서 연구를 진행하자. 키 아이디어를 잡자. 논문을 쓰는 목적은 아이디어를 전달하는 것이다. 아이디어는 프로그램 같은 것보다 생명력이 길다. 모짜르트의 악보를 생각해봐라. 실현한 연주는 오래가지 않지만, 악보에 … 계속 읽기 How to write a great research paper by Simon PJ
preprint 논문이 나왔습니다.
아직 투고한 저널에서는 결정을 기다리고 있지만, arXiv에 먼저 공개했습니다. 여기 링크가 있으니 많이들 보시고 코멘트 주세요. ^^ 이미 제 블로그에 학회 포스터 형식으로 포스팅한 내용을 논문으로 정리한겁니다. 포스터는 여기에서 볼 수 있습니다.