AI 시스템이 학습하지 못하는 이유와 해결 방안: 인지 과학에서 얻은 자율 학습에 대한 교훈

Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science

본 연구는 현재 AI 모델이 자율 학습을 달성하는 데 있어 갖는 한계를 비판적으로 검토하고, 인간 및 동물의 인지 과정을 모방한 학습 아키텍처를 제안합니다. 제안된 프레임워크는 관찰을 통한 학습(System A)과 능동적인 행동을 통한 학습(System B)을 통합하며, 내부적으로 생성된 메타 제어 신호(System M)에 따라 이러한 학습 모드 간을 유연하게 전환합니다. 본 연구는 생명체가 진화적 및 발달적 시간 척도에서 실제 환경에 적응하는 방식을 참고하여 이러한 시스템을 어떻게 구축할 수 있는지 논의합니다.

We critically examine the limitations of current AI models in achieving autonomous learning and propose a learning architecture inspired by human and animal cognition. The proposed framework integrates learning from observation (System A) and learning from active behavior (System B) while flexibly switching between these learning modes as a function of internally generated meta-control signals (System M). We discuss how this could be built by taking inspiration on how organisms adapt to real-world, dynamic environments across evolutionary and developmental timescales.