# \#biologically-plausible

**URL:** https://discuss.pytorch.kr/tag/biologically-plausible/8606.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [Error Diffusion: 역전파 없이 Dale의 원리를 지키는 이중 스트림 신경망 (feat. Sakana AI)](https://discuss.pytorch.kr/t/error-diffusion-dale-feat-sakana-ai/11365)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [7월 21, 2026, 1:00오후 UTC](https://discuss.pytorch.kr/t/error-diffusion-dale-feat-sakana-ai/11365 "2026-07-21T13:00:36Z")

</div>

Error Diffusion 소개 우리 뇌 속의 뉴런에게는 한 가지 엄격한 규칙이 있습니다. 어떤 뉴런은 다른 뉴런을 흥분시키기만 하고, 어떤 뉴런은 억제시키기만 합니다. 한 뉴런이 상황에 따라 어떤 연결은 흥분성으로, 어떤 연결은 억제성으로 자유롭게 바꾸는 일은 일어나지 않습니다. 마치 자동차의 가속 페달과 브레이크 페달이 물리적으로 분리되어 있는 것처럼, 생물학적 신경망은 흥분과 억제라는 두 역할을 별도의 뉴런 집단으로 나누어 담당합니다. 이것이 신경과학의 오래된 원칙인 Dale의 원리(Dale's principle) 입니다. 이 논문은 Sakana AI가 발표한 연구로, "역전파(Backpropagation) 없이, 그리고 이 Dale의 원리를 엄격히 지키면서도 신경망을 제대로 학습시킬 수 있는가?" 라는 질문에 답합니다. 연구팀은 Error Diffusion(ED) 이라는 생물학적으로 타당한 학습 규칙을 이중 스트림(dual-stream) 구조로 확장하여, 지도 학습 기반 이미지 분류와 강화학습(Reinforcement Learning)이라는 두 상반된 영역에서 모두 작동함을 보였습니다. 나아가 어떤 구성 요소가 학습에 결정적인지가 과제에 따라 완전히 뒤바뀐다는 흥미로운 현상을 발견했습니다. 역전파는 왜 생물학적으로 타당하지 않은가 현대 인공 신경망(Artificial Neural Network)은 하나의 연결에 양수든 음수든 자유롭게 가중치를 부여합니다. 이 단순화 덕분에 역전파를 통한 효율적인 학습이 가능하지만, 실제 생물학적 학습과는 거리가 멉니다. 특히 역전파에는 가중치 수송 문제(weight transport problem) 라는 근본적인 생물학적 비현실성이 존재합니다. 역전파의 역방향 경로는 순방향 가중치 행렬의 정확한 전치(transpose)를 그대로 사용해야 합니다. 마치 목적지까지 가는 길에 사용한 모든 도로 지도의 완벽한 거울상 사본을 뉴런이 어딘가에 따로 보관하고 있어야 한다는 뜻인데, 실제 뇌에는 이런 대칭적인 역방향 배…
