과일파리처럼, 새로운 알고리즘은 잊지 않는다 오래된 냄새를

(arstechnica.com)

Ars Technica2026년 9월 3일AI 모델

초파리의 후각 시스템을 모방한 새로운 알고리즘 'Spi-fly'는 기존 인공지능의 고질적 문제인 치명적 망각을 극복하고, 매우 적은 데이터만으로도 새로운 냄새를 빠르게 학습하며 기존 정보를 유지하는 혁신적인 성과를 보여주었습니다.

이 글의 핵심 포인트

1Spi-Fly 알고리즘은 초파리의 후각 시스템에 있는 '희소 코딩(sparse coding)' 방식을 모방함
2기존 역전파(backpropagation) 방식이 70번의 노출을 필요로 할 때, Spi-Fly는 단 3번의 노출만으로 학습 가능함
3새로운 냄새를 학습할 때 기존에 학습한 정보를 잃어버리는 '치명적 망각(catastrophic forgetting)' 문제를 효과적으로 억제함
4복잡한 역전파 연산 없이, 함께 활성화되는 뉴런 간의 연결을 강화하는 단순한 규칙을 사용함
5초파리의 Kenyon 세포와 APL 뉴런의 억제 메커니즘을 시뮬레이션에 적용하여 냄새를 '바코드' 형태로 식별함

이 글에 대한 공공지능 분석

왜 중요한가?

기존 딥러닝의 핵심인 역전파 방식이 가진 막대한 연산 비용과 데이터 의존성, 그리고 새로운 학습 시 기존 지식을 잃어버리는 '치명적 망각' 문제를 생물학적 영감을 통해 해결할 가능성을 제시했기 때문입니다.

어떤 배경과 맥락이 있나?

현재 전자 코 기술은 특정 냄새에만 국한되거나 재학습 시 막대한 비용이 드는 한계가 있으며, 이는 식품 품질 관리나 보안 등 광범위한 산업 적용을 어렵게 만드는 병목 현상으로 작용해 왔습니다.

업계에 어떤 영향을 주나?

저전력·고효율 뉴로모픽 컴퓨팅 및 센서 산업에 큰 변화를 불러올 수 있으며, 특히 데이터 레이블링 비용을 획기적으로 줄여 엣지 디바이스(Edge Device) 기반의 실시간 감지 솔루션 개발을 가속화할 것입니다.

한국 시장에 어떤 시사점이 있나?

센서 및 스마트 팩토리 솔루션을 개발하는 국내 스타트업들에게는 적은 데이터로도 높은 범용성을 갖춘 AI 모델을 구축할 수 있는 기술적 돌파구를 제공하며, 글로벌 경쟁력을 확보할 기회가 될 것입니다.

이 글에 대한 큐레이터 의견

Spi-Fly의 등장은 '더 큰 모델, 더 많은 데이터'라는 현재의 AI 패러다임에 대한 중요한 반론입니다. 초파리라는 아주 작은 뇌를 가진 생명체의 메커니즘을 통해, 연산 효율성과 학습 속도를 동시에 잡을 수 있음을 증명한 것은 엣지 AI(Edge AI) 시대를 준비하는 창업자들에게 매우 고무적인 신호입니다.

다만, 이 알고리즘이 냄새라는 특정 도메인을 넘어 복잡한 다차원 데이터(예: 고해상도 영상)에서도 동일한 효율성을 유지할 수 있을지는 미지수입니다. 냄새라는 특정 감각에서의 성공이 범용 인공지능(AGAI)으로 이어지기 위해서는 구조적 복잡성을 어떻게 처리할 것인가라는 기술적 난제가 남아 있습니다. 따라서 스타트업들은 이 기술을 모든 분야에 적용하려 하기보다, 센서 데이터 기반의 특정 산업군(식품, 환경, 보안)에 특화된 '경량화된 지능형 센서' 시장을 선점하는 전략을 취해야 합니다.

원문 보기 →