Intelligence from Learnable Novelty

'배울 수 있는 새로움(learnable novelty)'이라는 단일 수학적 양으로 압축·계산·탐색이라는 지능의 세 가지 모습을 통일한 이론 논문이다.

이 논문은 한마디로 지능의 여러 정의(압축, 계산, 적응)를 '배울 수 있는 새로움'이라는 하나의 양으로 통합한 것이다. 노이즈 TV에 빠지는 novelty search와 어두운 방에 숨는 free-energy principle의 실패가 같은 원인에서 온다는 걸 보였다. 저자는 리저버 컴퓨팅 기반의 미분 가능한 추정량을 만들어, 이 값을 측정 도구로도, 최적화 목표로도 쓸 수 있게 했다.

핵심 요약

• 지능의 세 가지 모습(데이터 압축, 보편 계산, 적응 행동)이 '배울 수 있는 새로움' 극대화라는 단일 원리에서 나온다는 걸 보였다.
• 튜링 완전한 rule 110을 1차원 세포자동자 중 1위로 복원했다 (복잡도 순위 수십 년 연구와 일치).
• 레이블 없이 MNIST 숫자 클래스를 분리하는 표현 학습을 달성했다 (완전 비지도).
• 강화학습 내재 보상으로 쓰면 10개 환경 중 9개에서 성능이 올라간다.
• 노이즈 TV 함정과 어두운 방 함정을 동시에 회피하는 수학적 구조를 갖추고 있다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.