호주 시드니 공과대학교(UTS)의 린 친텅 교수 연구팀이 물리학의 원리를 적용한 새로운 AI 알고리즘인 '토크 클러스터링(Torque Clustering)'을 개발했습니다. 이 알고리즘은 인간의 개입 없이도 데이터 내 패턴을 자율적으로 학습할 수 있어, AI 분야의 혁신적인 진전을 이끌 것으로 기대됩니다.

우주에서 영감을 받은 AI 알고리즘

연구팀은 은하들이 중력에 의해 서로를 끌어당겨 더 큰 구조를 형성하는 우주의 현상에서 영감을 받아, 데이터 포인트 간의 상호 작용을 분석하는 '토크' 개념을 도입했습니다. 이를 통해 데이터의 형태, 밀도, 노이즈에 관계없이 유연하게 적용되는 자율 파라미터 프리(parameter-free) 알고리즘을 개발했습니다.

뛰어난 정확도의 자율 학습

토크 클러스터링은 1,000개 이상의 다양한 데이터셋에서 97.7%의 정확도를 기록하며, 기존 기술들의 80%대 성능을 크게 상회했습니다. 특히, 복잡한 매개변수 조정이나 사전 설정 없이도 이러한 성과를 달성하여, AI 시스템의 효율성과 신뢰성을 높였습니다.

다양한 분야에서의 응용 가능성

이 알고리즘은 의료 분야에서 유전자 발현 데이터 분석, 금융 분야에서 이상 거래 탐지, 천문학 분야에서 우주 관측 데이터 분석 등 다양한 영역에서 활용되고 있습니다. 특히, 천문학 분야에서는 은하의 움직임에서 영감을 받은 알고리즘이 다시 우주 연구에 적용되는 흥미로운 사례를 보여주고 있습니다.

미래의 도전과 전망

토크 클러스터링은 AI의 자율 학습 능력을 향상시키는 데 중요한 기여를 하고 있지만, 실시간 스트리밍 데이터 처리나 초대규모 데이터셋의 효율성 등 해결해야 할 과제도 남아 있습니다. 그러나 이러한 도전은 AI 기술의 지속적인 발전과 혁신을 위한 기회로 작용할 것입니다.

이번 연구는 자연 법칙에서 영감을 받은 접근법이 AI 발전의 새로운 돌파구가 될 수 있음을 보여주며, 완전 자율적인 AI 시스템 구현에 한 걸음 더 다가가는 계기가 될 것으로 기대됩니다.

출처: https://news.aikoreacommunity.com/future-ai-physics-principles-autonomous-learning/