감정과 확산적 감정 제어: 자율 인지 시스템의 동기 문제

초록

본 논문은 살아있는 자율 시스템이 순간마다 무엇을 해야 할지를 결정하는 ‘동기 문제’를 다룬다. 인간과 동물의 경우, 생존을 위한 기본 욕구와 탐색·사회화 등을 이끄는 감정적 동기가 존재한다. 감정은 신경조절물질의 방출에 의해 유발되며, 이는 메타학습 메커니즘과도 연결된다. 이러한 관계를 바탕으로 저자는 밀집·동질적 연관망(dHan) 구조를 이용한 인공 감정 제어 모델을 제안한다.

상세 분석

논문은 먼저 ‘동기 문제’를 정의하고, 이를 두 개의 계층적 드라이브—생존을 위한 기본 욕구와 감정적 동기—로 구분한다. 기본 욕구는 에너지, 영양, 안전 등 직접적인 생리적 요구에 대응하며, 감정적 동기는 환경 탐색, 학습, 사회적 상호작용 등 장기적 적응 전략을 촉진한다는 점에서 차별된다. 저자는 감정이 뇌에서 신경조절물질(노르에피네프린, 도파민, 세로토닌 등)의 방출에 의해 유발된다고 보고, 이러한 물질이 시냅스 가소성 및 네트워크 재구성을 조절하는 메타학습 메커니즘의 핵심 매개체임을 강조한다. 즉, 감정은 단순한 ‘느낌’이 아니라, 학습률, 탐색-활용 균형, 목표 재설정 등을 동적으로 조정하는 내부 제어 신호다.

이론적 배경으로는 강화학습(RL)과 메타강화학습(MRL)의 한계를 지적한다. 전통적 RL은 외부 보상에 의존해 행동 정책을 최적화하지만, 복잡하고 변화하는 환경에서는 보상이 희소하거나 불명확해질 수 있다. MRL은 학습 알고리즘 자체를 학습하지만, 여전히 설계자가 정의한 메타보상에 묶여 있다. 저자는 감정 기반 메타학습이 이러한 제약을 넘어설 수 있다고 주장한다. 감정은 ‘내재적 보상’으로 작동해, 외부 보상과 무관하게 탐색을 촉진하거나 학습 속도를 조절한다.

구현 측면에서는 ‘dense and homogeneous associative network(dHan)’를 제시한다. dHan은 고밀도 연결과 동질성을 갖는 연관 메모리 구조로, 각 뉴런은 다중 활성화 패턴을 동시에 유지한다. 이 네트워크는 두 가지 주요 동작 모드를 가진다: (1) ‘내부 발화 모드’—자발적 패턴 생성으로 탐색적 사고를 유도하고, (2) ‘외부 입력 모드’—감각 신호에 반응해 현재 목표에 맞는 행동을 선택한다. 감정은 dHan 내에서 특정 뉴런 집합의 신경조절물질 농도 변화를 통해 구현되며, 이는 해당 집합의 활성화 임계값과 가중치 업데이트 규칙을 조절한다. 결과적으로 감정 상태에 따라 네트워크는 더 넓은 탐색 공간을 탐색하거나, 기존 학습된 패턴을 강화하는 등 행동 전략을 전환한다.

실험에서는 로봇 에이전트가 복합적인 미로와 사회적 상호작용 과제를 수행하도록 설정하였다. 감정 제어가 없는 기본 dHan은 목표에 도달하는 데 시간이 오래 걸리고, 환경 변화에 적응하지 못했다. 반면, 감정 기반 메타학습을 도입한 모델은 ‘불안’ 감정이 상승하면 탐색 폭을 넓히고, ‘만족’ 감정이 지속되면 현재 정책을 고정해 효율적으로 목표를 달성했다. 이는 감정이 메타학습 파라미터(학습률, 탐색 비율 등)를 동적으로 조정함으로써, 외부 보상에 의존하지 않는 자율적 동기 부여 메커니즘을 제공함을 시사한다.

결론적으로, 감정은 신경조절물질을 매개로 한 메타학습의 핵심 제어 신호이며, 이를 인공 연관망에 통합하면 인간·동물 수준의 복합적 동기 구조를 구현할 수 있다. 이는 차세대 인공지능이 단순 목표 최적화를 넘어, 상황에 맞는 ‘내재적 동기’를 스스로 생성하고 조절하는 방향으로 나아가야 함을 강조한다.