신경 집합을 통한 인과 학습

요약

본 논문은 신경 집합(Neural Assemblies)이 변수 간의 인과 관계 방향성을 학습할 수 있는지 탐구하며, 이를 위해 DIRECT(DIRectional Edge Coupling/Training)라는 새로운 메커니즘을 제안합니다. 이 방법은 적응적 가중치 스케줄 하에서 소스 및 타겟 집합의 공발화를 통해 방향성 관계를 체화하는 것이 핵심입니다. 특히 역전파 기반 방식과 달리 국소 가소성에만 의존하여 인과 주장을 기계 수준에서 감사 가능하게 만드는 '설계상 설명 가능한(explainable by design)' 프레임워크를 제공합니다.

핵심 포인트

• 신경 집합의 고유 연산(투영, 국소 가소성 제어, 희소 승자 선택)이 인과 방향성 학습에 충분함을 입증함.
• DIRECT 메커니즘은 적응적 이득 스케줄 하에서 공발화를 통해 방향성 관계를 체화하며, 오직 국소 가소성에만 의존합니다.
• 역전파 기반 방법의 한계를 극복하고 인과 주장을 기계 수준에서 감사할 수 있는 '설계상 설명 가능' 프레임워크를 제공합니다.
• 인과성을 검증하기 위해 시냅스 강도 비대칭성 측정 및 기능적 전파 중첩 정량화라는 이중 판독 검증 전략을 사용했습니다.