통증 신호 활용, 생존 지향 지속 학습

본 논문은 인공지능의 핵심 한계인 신규 정보 학습과 기존 지식 유지의 동시 달성 문제를 해결하기 위해 생물학적 통증 신호 및 선택적 기억 통합 메커니즘을 모방한 스파이킹 신경망(SNN) 아키텍처 'Maya'를 제안한다. Maya는 공유 시냅스 가중치 행렬에서 두 가지 동시 프로세스를 구현한다. 첫째, '통각성 메타가소성(nociceptive metaplasticity)'은 통증과 유사한 신호를 활용하여 위협 관련 경로의 학습을 가속화한다. 둘째, 'Vairagya 기반 이종 시냅스 쇠퇴(Vairagya-governed heterosynaptic decay)'는 중요도가 높은 연결은 선택적으로 보호하고, 중요도가 낮은 연결은 점진적으로 약화시킨다. 4단계 통제 프로토콜(N=3) 실험 결과, 통증 유발 메타가소성 하에서 '두려움→신뢰' 경로가 0에서 0.191로 강화되는 비대칭적 시냅스 보호가 관찰되었다. 동시에 활성화된 '신뢰→생동감' 경로는 독립적으로 0.497까지 강화되었으며, 이는 동일한 가중치 행렬 및 시간 창 내에서 위협 관련 경로의 학습 속도가 66.6% 증가했음을 의미한다. 이 연구는 Advaita Vedantic Antahkarana를 SNN의 계산 기본 요소로 구현하는 13편의 Maya 연구 시리즈 중 하나이다. Bhaya Quiescence Law (β* ≤ 0.32%) 및 Buddhi S-Curve Determinism (R²=1.0000)이 시리즈 전반에 걸쳐 확인되었다.