구글의 ‘Nested Learning’ 패러다임으로 AI의 기억력과 지속적인 학습 문제 해결 가능

Google 연구원들은 오늘날 대규모 언어 모델의 가장 큰 한계 중 하나인 훈련 후 지식을 학습하거나 업데이트할 수 없다는 문제를 해결하기 위한 새로운 AI 패러다임을 개발했습니다. 중첩 학습(Nested Learning)이라는 패러다임은 모델과 해당 훈련을 단일 프로세스가 아닌 중첩된 다중 레벨 최적화 문제 시스템으로 재구성합니다. 연구원들은 이 접근 방식이 보다 표현적인 학습 알고리즘을 잠금 해제하여 더 나은 상황 내 학습과 기억으로 이어질 수 있다고 주장합니다. 그들의 개념을 증명하기 위해 연구원들은 Nested Learning을 사용하여 Hope라는 새로운 모델을 개발했습니다. 초기 실험에서는 언어 모델링, 지속적인 학습 및 장기 상황 추론 작업에서 우수한 성능을 보여 잠재적으로 실제 환경에 적응할 수 있는 효율적인 AI 시스템의 길을 열었습니다. 대규모 언어 모델의 메모리 문제 딥 러닝 알고리즘은 기존 기계에 필요한 신중한 엔지니어링 및 도메인 전문 지식의 필요성을 없애는 데 도움이 되었습니다.