뇌는 예측하는 기계다: 맥스 베넷이 말하는 6억 년 뇌 진화와 언어 모델의 결정적 차이
뇌를 감각을 받아들이는 기관이 아니라 세계를 미리 그려 보는 시뮬레이터로 설명하고, 그 관점에서 오늘의 언어 모델에 무엇이 빠져 있는지 짚은 네 시간 반짜리 대담의 핵심 논지를 순서대로 따라가며 정리했다.
핵심 내용 읽기 →
AI TOPIC
인지과학 최신 뉴스와 핵심 해설
인지과학 관련 핵심 뉴스와 활용 인사이트 17편을 최신순으로 모았습니다.
앨리슨 고프닉 강연: 아이의 능동적 탐색과 임파워먼트 보상으로 다시 본 인과 학습의 원리
UC 버클리 앨리슨 고프닉이 아이의 능동적 탐색을 설명하는 임파워먼트 개념을 소개했다. 행동과 결과의 연결을 최대화하는 보상이 인과 지식을 만들고, 대규모 모델이 약한 지점도 함께 드러난다는 주장이다.
핵심 내용 읽기 →
AI 언어 모델로 인간의 언어 학습을 실험하는 인지과학, TEDx 제니퍼 후 강연 정리
인지과학자 제니퍼 후는 인간 언어 연구가 통제 실험도 동물 모델도 쓸 수 없다는 한계에서 출발해, 언어 모델을 실험 대상으로 삼아 연관 학습만으로 어디까지 배울 수 있는지 확인하는 연구를 소개한다.
핵심 내용 읽기 →
멜라니 미첼 강연: 벤치마크 점수와 실제 추론 능력의 간극, AI 평가에 필요한 6가지 원칙
AI가 벤치마크에서 높은 점수를 받아도 의도한 추론을 하고 있다는 보장은 없다. 멜라니 미첼은 영리한 한스와 ARC 실험을 근거로, 인지과학의 통제 실험 문화를 AI 평가에 들여와야 한다고 말한다.
핵심 내용 읽기 →
딥러닝 시각 모델과 인간 시각의 정렬 문제, 성능이 오를수록 멀어지는 이유와 해법
브라운대 토마 세르 교수가 MIT 강연에서 이미지 분류 정확도가 인간을 넘어선 딥러닝 모델들이 오히려 사람과 전혀 다른 단서를 본다는 측정 결과와, 이 어긋남을 되돌리는 학습 기법 및 새로운 데이터 설계 방향을 함께 설명했다.
핵심 내용 읽기 →
지능은 곧 예측이다: 구글 기초 연구 책임자가 MIT 강연에서 말한 생명·계산·의식의 연결고리
구글 기초 연구 책임자가 MIT 강연에서 다음 단어 예측 모델이 준 충격, 생명이 처음부터 계산이었다는 주장, 공생으로 복잡해지는 진화, 그리고 의식이 협력에 필요하다는 기능적 설명을 하나의 이야기로 엮어 설명했다.
핵심 내용 읽기 →
생성형 AI 적절성 이론: 사회 규범과 제재로 본 AI 안전, 구글 딥마인드 조엘 라이보 강연 정리
구글 딥마인드 조엘 라이보가 MIT CBMM 세미나에서 발표한 적절성 이론을 정리했다. 사회 규범이 관습적인 제재 패턴으로 유지된다는 관점에서 생성형 AI의 맥락 의존적 행동과 균형 선택 위험을 설명한다.
핵심 내용 읽기 →
뇌는 컴퓨터라는 은유의 함정, 자유에너지 원리와 과학적 단순화가 놓치는 것들 정리
머신러닝 스트리트 토크가 뇌를 수압 장치·전신망·컴퓨터에 빗대 온 과학사를 되짚는다. 자유에너지 원리와 소프트웨어 은유가 왜 모델일 뿐인지, AI 필연론이 어디서 왔는지 짚는 특별편 요약.
핵심 내용 읽기 →
AI가 못 하는 일: 스탠퍼드 GSB 길보 교수가 짚은 인간 지능과 LLM의 결정적 차이
스탠퍼드 GSB 더글러스 길보 교수는 인간이 기억과 주의의 제약 속에서도 적은 정보로 깊은 이해에 도달하는 반면, 현재의 AI는 막대한 연산과 데이터를 쏟아붓고도 상대적으로 적은 일을 해낸다고 지적하며 인간 학습의 '도약'을 설명한다.
핵심 내용 읽기 →
AI는 어떻게 생각하는가 - 브라운대 엘리 파블릭이 짚은 언어모델의 구조와 맥락 의존성
브라운대 엘리 파블릭 교수의 NYU 강연 정리. 언어모델 내부에는 재사용되는 회로와 방향 벡터 같은 뚜렷한 구조가 있지만, 동시에 같은 문제도 상황에 따라 다른 방식으로 푸는 맥락 의존성이 공존한다.
핵심 내용 읽기 →
딥러닝 한계 정리: 기계 번역과 알파고는 넘어섰지만 상식과 열린 세계는 여전히 인공지능의 숙제
기계 번역과 알파고로 성과를 낸 딥러닝이 왜 상식과 실시간 판단 앞에서는 멈추는지, 그리고 인간 수준 인공지능이 풀어야 할 열린 세계 문제는 무엇인지 국내 AI 연구자의 강연 내용을 바탕으로 정리했다.
핵심 내용 읽기 →
데이터 시각화와 텍스트 결합 연구 정리 — 스탠퍼드 CS547 HCI 세미나 강연
스탠퍼드 CS547 HCI 세미나 강연은 차트에 글을 많이 넣을수록 사람들이 더 선호했고 상당수는 그래프 없이 문장만 원했다는 실험 결과를 소개하며, 이를 설명하려는 인지 이론들과 멀티모달 언어 모델의 결합 구조까지 함께 짚었다.
핵심 내용 읽기 →
역전파는 어떻게 태어났나: 인지과학자 제이 맥클렐런드가 회고한 신경망 연구 40년
인지과학자 제이 맥클렐런드가 1982년 UCSD 연구 모임에서 역전파가 나온 과정, 언어의 준규칙적 구조, 그리고 기호적 규칙이 지능의 토대가 아니라 인간 이해의 산물이라는 자신의 관점을 풀어놨다.
핵심 내용 읽기 →
네이처 연구: 사람은 한 수 앞만 보는 빠르고 얕은 시뮬레이션으로 처음 보는 게임을 판단한다
한 수 앞만 대여섯 번 상상하는 단순 모델이 사람들의 게임 평가를 81% 설명했고, 수십만 판을 돌리는 무거운 모델보다 오히려 정확했다. 네이처에 실린 이 연구가 처음 보는 문제에 강한 AI 설계에 던지는 힌트를 정리했다.
핵심 내용 읽기 →
AI가 사고력을 위축시키는 이유: 생성 효과와 '질문의 가치'로 본 AI 시대의 역설
소크라테스의 문자 비판부터 생성 효과, GPS·AI 의존에 따른 인지 위축, MIT EEG 에세이 실험까지 짚으며, 답이 흔해질수록 인간의 '질문'과 씨앗 생각이 왜 더 값져지는지 설명한다.
핵심 내용 읽기 →
표기 지능이란 무엇인가: 좋은 기호의 네 가지 조건과 딥러닝으로 만드는 새 표기법
긴 덧셈과 좌표평면, 1737년에야 등장한 화살표까지, 우리가 무언가를 적어 두는 방식이 지능을 끌어올린다는 '표기 지능' 개념을 살펴본다. 좋은 표기법의 네 가지 속성과, 딥러닝으로 인간 지각과 무관한 새 기호 체계를 만드는 실험까지 한국어로 정리했다.
핵심 내용 읽기 →
LLM vs 인간 사고: AI는 정말 생각하는가, 학습·기억·추론 6가지 차이
IBM 테크놀로지가 학습·정보처리·기억·추론·오류·체화 6가지 측면에서 대규모 언어모델(LLM)과 인간 두뇌를 비교한다. AI의 '생각'이 인간 사고와 근본적으로 어떻게 다른지 짚는다.
핵심 내용 읽기 →