초록 ▼

□ 연구개요
인지 능력과 복잡한 추론(complex reasoning)능력을 적절히 결합한 시스템이 출현하여야만 인공지능의 궁극적인 진보가 이루어 질 수 있을 것이라고 생각된다. 따라서 본 연구는 탁월한 표현 학습 능력과 인지 능력을 갖춘 인공 신경망에게 알고리즘과 같은 논리적 문제 풀이 과정을 학습시키는 방법을 연구함으로써 복잡한 추론과 표현 학습의 조화로운 결합을 달성하기 위한 연구를 수행하였다. 본 연구에서 어떤 주어진 문제에 대한 알고리즘을 학습하고 그 알고리즘을 직접 실행할 수 있는 인공신경망을 구현하였다. 이를 위해

□ 연구개요
인지 능력과 복잡한 추론(complex reasoning)능력을 적절히 결합한 시스템이 출현하여야만 인공지능의 궁극적인 진보가 이루어 질 수 있을 것이라고 생각된다. 따라서 본 연구는 탁월한 표현 학습 능력과 인지 능력을 갖춘 인공 신경망에게 알고리즘과 같은 논리적 문제 풀이 과정을 학습시키는 방법을 연구함으로써 복잡한 추론과 표현 학습의 조화로운 결합을 달성하기 위한 연구를 수행하였다. 본 연구에서 어떤 주어진 문제에 대한 알고리즘을 학습하고 그 알고리즘을 직접 실행할 수 있는 인공신경망을 구현하였다. 이를 위해 새로운 학습 패러다임인 Learning Problem Solving Procedure 학습법을 제안하였고, 이를 구현하는 LPS Architecture를 설계하였다. 구현된 최종 LPS Architecture는 어떤 문제의 알려져 있는 알고리즘에 대해서 학습하고 실행할 수 있다. 향후에 더 연구가 진척되면 알고리즘이 알려져 있지 않는 문제에 대해서도 경험적 풀이과정이 충분히 확보된 경우에 그 문제에 대한 알고리즘을 학습할 수 있을 것으로 예상된다.

□ 연구 목표대비 연구결과
1. 덧셈과 곱셈을 지원하는 LPS Architecture 연구
LPS의 기본 구조를 이용하여 덧셈과 곱셈을 수행하는 LPS를 설계하고 실험하여 LPS가 덧셈 곱셈을 잘 수행하는 것을 확인하였다.
2. Dynamic Memory를 지원하는 LPS Architecture 및 학습 난이도 연구
Random Accesss Memory와 기본 자료구조를 지원하는 방법을 연구하여 LPS가 기본 알고리즘을 학습하고 실행할 수 있도록 설계하였다. LSTM과 DNN이 Variable binding을 학습할 때 발생되는 에러율을 축소시키기 위한 방법을 연구하였다.
3. Algorithm Learning LPS (LPS-AL) 연구
LPS가 임의 문제에 대한 새로운 알고리즘을 스스로 학습할 수 있게 하는 방법에 대해 연구하였다.

□ 연구개발결과의 중요성
본 연구는 인공지능의 궁극적인 진보를 위한 복잡한 추론 기능과 인지 기능의 조화로운 결합을 추구하기 위해서 인지 능력이 탁월한 인공 신경망에게 복잡한 추론 기능을 부여하는 기초 연구이다. 연구 계획들의 성공적인 수행은 인공 신경망이 복잡한 알고리즘을 배우고 실행할 수 있을 뿐만 아니라 복잡한 추론 기능들을 학습할 수 있는 시스템의 개발의 기초를 다지는 결과를 얻게 될 것이다. 이러한 아이디어가 성공적으로 실현된다면 인공지능 연구에 한 큰 전환점이 되는 매우 중요한 연구 주제가 될 수 있을 것이다.

(출처 : 연구결과 요약문 2p)

목차 Contents

• 표지 ... 1
• 연구결과 요약문 ... 2
• 목차 ... 3
• 1. 연구개발과제의 개요 ... 3
• 1.1 연구 목표 ... 3
• 1.2 연구 내용 및 범위 ... 3
• 1.3 본 연구의 가설 및 근거 ... 3
• 2. 연구수행내용 및 연구결과 ... 4
• 2.1 덧셈과 곱셈을 지원하는 LPS Architecture 연구 ... 4
• 2.2. Dynamic Memory를 지원하는 LPS Architecture 및 학습 난이도 연구 ... 6
• 3. 연구개발결과의 중요성 ... 12
• 4. 참고문헌 ... 14
• 5. 연구성과 ... 15
• 끝페이지 ... 15