구글 연구자들은 Nested Learning이라는 새로운 기계 학습 접근 방식을 소개했다. 이 방법은 모델을 하나의 외부 루프로 훈련된 단일 네트워크가 아닌 작은 중첩 최적화 문제의 모음으로 처리한다. 이를 통해 AI 시스템이 시간이 지남에 따라 계속해서 새로운 정보를 학습할 수 있으면서 이전에 학습한 내용을 잊지 않고 다시 처음부터 재학습할 필요가 없게 된다. Nested Learning은 모델을 보다 세부적으로 처리하여 장기적인 컨텍스트 처리를 향상시키는 방식으로 작동한다. 이는 모델을 작은 최적화 문제의 집합으로 분해함으로써 모델이 더 나은 성능을 발휘할 수 있게 한다. 이러한 접근 방식은 기존의 모델 구조와는 다소 차별화된 새로운 관점을 제시하며, 연속 학습을 통해 모델의 성능을 향상시키는 방안으로 주목받고 있다. 이러한 Nested Learning은 AI 시스템이 지속적으로 학습하면서 새로운 정보를 효과적으로 처리할 수 있도록 지원하며, 이전에 학습한 내용을 유지하면서 성능을 향상시킬 수 있는 가능성을 제시하고 있다. 이러한 새로운 기계 학습 접근 방식은 AI 기술의 발전을 촉진하고, 더 나은 지능적 시스템의 구축을 위한 연구와 개발을 촉진할 것으로 기대된다.

<Mark Tech Post 뉴스 본문 전체읽기>