저장대학교 연구진은 인간 뇌 신호를 활용하여 모델 분류 능력을 향상시키는 새로운 AI 훈련 방법을 소개했으며, 이는 《네이처 커뮤니케이션즈》에 게재된 논문에서 자세히 설명되었습니다. 연구에 따르면 모델 파라미터를 늘리면 특정 객체 인식 능력은 향상되지만, 추상 개념의 이해는 개선되지 않으며 오히려 저해될 수 있다고 밝혔습니다. 연구팀은 신경 활동 데이터를 통합함으로써 AI 모델이 인간의 인지 구조와 더 밀접하게 일치하도록 하여 개념을 일반화하고 분류하는 능력을 향상시키고자 했습니다. 제안된 방법은 특히 추상 개념 인식이 필요한 작업에서 AI 성능을 크게 향상시켰습니다. 실험 결과, 최소한의 예시만으로도 추상 개념 구분 능력이 20.5% 향상되어 더 큰 모델들을 능가하는 성과를 보였습니다. 이 접근법은 모델 크기 확장이라는 기존 추세에 도전하며, 구조화된 인지 정렬이 단순한 규모 확장보다 인간과 유사한 사고 능력을 갖춘 AI 개발에 더 효과적일 수 있음을 시사합니다.