| 연구목표 |
자연 지능의 다양한 본능과정(회피 및 도망?욕구 등)에 의한 환경 탐색을 모방, 메타인지 인공지능 기술을 개발함이를 통해 끊임없이 변화하는 환경에 효율적으로 대처하며 환경 고유의 불확성을 제어할 수 있음기존 인공지능의 수동적 패러다임에서 벗어나, 능동적으로 정보를 탐색할 수 있는 심층 강화학습 모듈을 연구하고자 함개발한 인공지능은 자연 지능에서 설명 불가능... |
| 연구내용 |
본 연구에서는 본능선택 신경 네트워크의 모방을 통해 다양한 문맥에 적합한 심층 강화학습 프레임워크를 개발하고 범용적인 분야에 다각도로 적용할 수 있는 자연 지능 수준의 인공지능을 연구본 연구 과제에서 크게 두 가지 핵심 기술을 개발하고자 한다. 우선 실제 환경에서의 동적 문맥 변화를 모사하여 불확실성(uncertainty)이 포함된 과제를 정의하고, 기존 ... |
| 기대효과 |
정량적 기대효과실제 환경과 유사한 마르코프 의사결정 프로세스를 설계하고, 가상 환경 시뮬레이터를 도입함으로써 다양한 동적 환경에서 인공지능의 성능을 평가할 수 있는 기준을 구축. 또한 불확실성을 정량화하고 범용적으로 적용 가능한 심층 강화학습 알고리즘을 설계정성적 기대효과 다양한 모달리티의 자연 지능 뇌 신경망이 가지는 범용적인 활용성을 인공지능에 적용함으... |
| 키워드 |
본능선택,딥 러닝,심층 강화학습,불확실성,설명 가능 딥 러닝,메타인지,뇌 기반 인공지능,범용성 |