muellerberndt/cadence

해결하는 문제

Cadence는 기존의 학습/추론 분리 없이 경험을 통해 실시간으로 학습하는 AI 에이전트인 "지속적인 뇌"를 만들기 위한 프레임워크를 제공합니다. 이는 피드포워드 심층 신경망을 대체하여 세계 해석을 부트스트랩하고, 환경 내에서 행동하며, 경험을 통해 장애를 국소적으로 복구할 수 있는 시스템을 지향합니다.

작동 원리

표준 신경망과 달리 Cadence는 신경 활동이 평형 상태로 "정착"되는 상호 처리 영역을 사용합니다. 다음과 같은 생물학적 영감을 받은 아키텍처를 구현합니다.

• System 1: 지각, 가소적 연결 및 기억을 갖춘 기본 뇌.
• System 2: 관찰 영역이 기본 뇌를 모니터링하고 영향을 주는 선택적 재귀 피드백 계층.
• 국소적 가소성 (Local Plasticity): 학습은 관찰과 보상에 기반한 국소적 업데이트를 통해 발생하며, 딥러닝에서 사용되는 역전파 (backpropagation)를 피합니다.
• 기억 시스템: 최근 활동을 위한 작업 흔적과 단서/결과 연관성을 장기 보존하기 위한 연상 기억을 활용합니다.
• 상상력 (Imagination): 라이브 메모리나 상태를 변경하지 않고 관찰에 대한 반응을 뇌가 평가할 수 있게 하는 개인 모드.

대상 사용자

생물학적 영감을 받은 AI, 온라인 학습, 그리고 지속적인 존재 상태를 유지하며 국소적 복구를 통해 오류로부터 회복할 수 있는 에이전트에 관심이 있는 연구자 및 개발자.

주요 특징

• 학습/추론 분리 없음: 뇌는 단일 연속 스트림 내에서 동시에 학습하고 행동합니다.
• 상호 아키텍처 (Reciprocal Architecture): 피드포워드 패스 대신 평형 기반 처리를 사용합니다.
• 국소적 복구: 목격된 장애를 동일한 평형 내에서 국소적으로 복구합니다.
• 생물학적 추상화: 유한한 용량 및 탐색을 위한 각성 설정 등 인간과 유사한 뇌 기능을 모델링합니다.
• 통합 기억: 작업 흔적과 지속적인 연상 기억을 결합합니다.