과학자들은 로봇을 유아처럼 호기심을 갖도록 만들어 언어를 두 배 더 빨리 배울 수 있도록 도왔습니다.

과학자들은 아이들이 어떻게 그렇게 빨리 언어를 수십 년 동안 습득하는지 알아내려고 노력해 왔으며, 오키나와 과학 기술 연구소(OIST)의 새로운 연구에서 그 퍼즐의 일부인 호기심이 풀렸을 수도 있습니다.

연구원들은 뇌에서 영감을 받은 신경망을 갖춘 가상 로봇을 구축하고 모양, 색상, “왼쪽 마젠타색 덤벨을 밀어라”와 같은 간단한 명령으로 가득한 시뮬레이션된 3D 세계에서 로봇을 풀어 놓았습니다.

일부 로봇은 작업을 올바르게 완료한 경우에만 보상을 받았습니다. 다른 사람들은 호기심에 대한 추가 보상을 얻었습니다. 본질적으로 세상에 대한 기존 이해에 도전하는 무언가를 만날 때마다 약간의 내부 고조를 얻습니다.

호기심은 로봇이 언어를 배우는 데 어떻게 도움이 되나요?

호기심 많은 로봇은 무관심한 로봇을 단순히 앞지르지 못했습니다. 그들은 그들을 지나쳐 날아갔습니다. Science Advances에 발표된 연구에 따르면, 호기심 많은 로봇은 약 절반의 시간 만에 언어를 진정으로 이해하는 데 도달했습니다.

연구 저자인 Theodore Tinker는 이미 다크 초콜릿을 좋아하지만 이를 처음으로 화이트 초콜릿을 맛보는 것과 비교했습니다. 어쨌든 당신은 위험을 감수하고 일반적으로 초콜릿에 대해 더 많이 알게 됩니다.

훈련 중간에 상황이 더욱 흥미로워졌습니다. 호기심 많은 로봇들은 물건을 넘어뜨리고 아무도 요구하지 않는 행동, 즉 기본적으로 놀이를 실험하기 시작했습니다. 아무도 그 행동을 프로그래밍하지 않았습니다. 그것은 단지 저절로 나타났습니다.

로봇도 정말 유아와 같은 실수를 저지를까요?

로봇은 또한 아이들이 언어를 배우는 방식에 있어서 잘 알려진 기이함을 모방했습니다. 아이들은 처음에는 특정 동사 형태를 바로 이해한 다음 문법 규칙을 너무 광범위하게 적용하기 시작하고 이전에 올바르게 사용했던 동사에 실수를 한 다음 결국 예외를 분류하고 스스로 수정하는 경우가 많습니다. 로봇은 동일한 U자형 성능 하락을 따랐습니다.

이는 오늘날의 챗봇이 학습하는 방식과도 대조됩니다. ChatGPT와 같은 대규모 언어 모델은 대규모 데이터 세트를 학습하고 통계적으로 가능성이 높은 다음 단어를 뱉어냅니다. 이 로봇의 두뇌는 우리의 두뇌와 더 유사하게 작동하여 신념을 그대로 유지하면서 정확성을 우선시하며, 문제를 해결할 만큼 놀라운 일이 있을 때만 업데이트합니다.

이는 로봇이 우리처럼 언어를 이해한다는 의미는 아닙니다. 그러나 이는 다양한 경험과 결합된 호기심이 유아가 더 이상 할 일이 거의 없이 언어 코드를 해독하는 데 큰 부분을 차지할 수 있음을 시사합니다.