콜모고로프-아르놀드 네트워크: 더 과학적인 신경망?

이 글에서는 콜모고로프-아르놀드 네트워크(KANs)와 다층 퍼셉트론(MLPs)의 철학적 차이점을 탐구합니다. 표현력이 같다는 점을 인정하면서도, 최적화, 일반화, 해석 가능성 측면에서 차이가 발생한다고 저자는 주장합니다. KANs는 환원론에 더 가깝고, MLPs는 전체론에 더 가까운 경향이 있습니다. 저자는 과학 연구가 환원론적 접근 방식에 기반하고 있다는 점을 들어, KANs가 과학 현상 모델링에 더 적합할 수 있다고 제안하며, 기호 공식 컴파일을 예로 듭니다. 하지만 경험적 실험의 중요성도 강조하고, 비과학적 작업에서 KANs의 잠재적 약점도 인정합니다.