본 세미나는 AI 학습 이론을 뇌과학에 적용하여 소뇌의 기억 저장 메커니즘을 새롭게 규명한 연구성과를 소개합니다.

소뇌에서는 소뇌 피질에서 학습된 기억이 공고화 되는 단계에서 소뇌 핵으로 이전되는데, 그동안 일부 기억은 완전히 전달되고 다른 기억은 선택적으로만 전달되는 등 일관되지 않은 현상에 대한 명확한 설명이 부재했습니다. 
본 연구에서는 소뇌를 이중 학습 시스템(Dual Learning System)으로 모델링했습니다. 소뇌 피질은 정교하지만 운영비용이 큰 ‘복잡 시스템’, 소뇌 핵은 단순하지만 효율적인 ‘단순 시스템’으로 설정했습니다. AI의 ‘편향-분산 트레이드오프(bias-variance tradeoff)’이론을 적용하여 뇌가 시스템의 전체 비용을 최소화하는 최적화 전략을 사용했을 때, 쉬운 과제는 단순 시스템만으로도 충분하여 기억이 소뇌 핵으로 완전히 전달되지만, 어려운 과제는 정확도 확보를 위해 복잡 시스템에 기억을 남겨둘 것이라 예측했습니다. 이 원리를 인공신경망 기반의 시뮬레이션과 실제 생쥐모델 실험으로 검증했습니다. 

이 발견은 AI의 평생 학습과 에너지 효율 문제 해결의 실마리를 제공하며, 뇌과학과 AI가 상호 발전할 수 있는 NeuroAI 접근의 가능성을 보여줍니다.