💡 인터뷰는 '뇌는 어떻게 적은 데이터로도 인간 수준의 능력을 만들까'라는 질문에서 출발해, 현재 LLM이 보여주는 능력과 인간 뇌의 학습 효율 격차를 핵심 문제로 제기합니다.
대화는 아키텍처, 학습 알고리즘(역전파·경사하강 등), 초기화와 함께, 특히 **손실 함수(loss function)/비용 함수(cost function)**의 역할이 과소평가되었을 가
🗣️ 인터뷰는 LLM 스케일링의 성과를 인정하면서도, 뇌가 가진 손실/보상 설계의 복잡성과 전방위 추론 같은 요소가 현재 AI에 결여되어 있을 수 있다는 관점을 제시합니다. 해법으로는 신경과학 기술과 인프라를 대규모로 강화해, 뇌의 학습 메커니즘을 더 직접적으로 규명·활용해
뇌 vs LLM의 데이터(샘플) 효율 격차손실 함수/보상 설계의 진화적 복잡성전방위 추론(omnidirectional inference)과 확률적 AILearning Subsystem–Steering Subsystem 및 정렬(alignment) 함의신경과학 인프라(커넥토믹스 등) 스케일업 논리