자유 의견

인간의 뇌와 기계의 뇌가 서로에게 미치는 영향

2018.08.28 11:16

 

구글 AI 포럼 13강에 참여했습니다. 주제는 ‘AI 혁신과 연결체학(Connectomics)’!

 

연결체학(커넥토믹스)이란 인간의 뇌가 어떻게 작동하는지 더 잘 이해하기 위해 신경계에서 찾을 수 있는 신경망의 구조를 포괄적으로 매핑해 뇌 지도인 커넥톰을 제작하고 이를 연구하는 학문이라고 하네요. 인간의 뇌는 뉴런이라는 신경세포들의 연결, 연결, 연결되는 형태의 시냅스로 구성돼있는데요.(아래 그림을 참고해주세요. 출처=서울아산병원)

 

 

뇌 조직의 3D 이미지를 따서 그 데이터를 양질의 해상도로 해석하는 과정을 통해 기계는 인간의 뇌를 그릴 수 있습니다. 현재 구글에서는 뇌 이미지 데이터 해석 작업을 자동화하고, 효율을 높이는 방식으로 꾸준히 연구가 진행 중이라고 해서 오늘은 현장에서 이 얘기를 들어봤습니다:)

 

구글 리서치 사이언티스트 바이렌 자인(Viren Jain)과의 영상통화로 진행됐는데요. 인간의 뇌를 전선이 복잡하게 연결된 서버라고 이해한다면 신경세포의 연결도 어지러이 얽힌 상태라고 이해할 수 있다고 하네요. 초파리의 뇌도 수십만 개의 뉴런으로 이뤄졌으니 인간의 뇌 구조를 상세하게 추적해서 정확한 지도를 그리는 게 얼마나 어려운 작업인지 짐작이 갑니다@,@

 

하지만 컴퓨터 과학 기술이 개선되면서 인간 뇌 구조를 더 효율적으로 살피는 연구 성과가 꾸준히 나오고 있어요. 구글이 막스 플랑크 신경생물학 연구소와 함께 금화조(예쁜 새)의 뇌를 매핑하는 최적의 방식을 골몰해왔는데요. 뇌의 3D 이미지에 포함된 임의의 신경세포를 거점으로 줬을 때 기계가 실수하기 전까지 뉴런을 추적하는 길이를 측정했고, 이 수치가 신경계의 서로 다른 부분에 있는 뉴런의 평균 경로 길이 같이 생물학적으로 유의미한 양과 연관된다는 걸 밝혔다고 합니다.

 

뭐 이렇게 쓰면 어려운데요. 컴퓨터가 최대한 알아서 신경세포의 연결, 연결, 연결을 가늠한 그 길이가 신경계의 한 영역에 있는 뉴런의 평균 경로, 길이와 관련될 수 있다는 뜻입니다ㅎㅎ 엔지니어의 계산 법을 생물의 뇌에 적용해서 계산 결과로 뇌 지도를 얼추 그린다고나 할까요.

 

 

또한 뇌의 3D 이미지를 기계가 더 재빠르게 훑어보는 방법도 쭉 나온다고 하네요. 프…플러드 필링 네트워크(flood-filling networks)? 연구 이름만 봐선 어마무시한데요ㅠㅜ 원래 기계가 신경 세포 돌기의 경계를 스케치하고 나머지 분리되지 않은 이미지 픽셀을 분류하는 알고리즘으로 이미지를 세분화했다면 2015년부터 구글에서 순환신경망이란 걸 기반으로 두 단계를 합치는 새 접근법을 실험했다는 겁니다.

 

수…순환형 컨볼루셔널 신경망(CNN)..? 뜨악. 쉽게 이해해보자면 알고리즘이 이 알고리즘을 이용해 이미지를 빙빙 도는 것처럼 반복적으로 살펴보는 듯 합니다. 마치 비어있던, 혹은 미지의 영역을 채우는 것처럼 보여요.(아무것도 모르는 기자의 눈에는) 위 사진의 오른쪽 그림에서 노란색 점은 현재 초점이 맞춰진 영역의 중심부고요. 이 노란 점이 빙빙 돌면서 이미지를 검사합니다.

 

음. 뭐랄까요. 마치 갈스패닉이라는 게임 같아요! 까만 화면에서 게임이 시작되고, 게이머는 작은 점처럼 열심히 화면을 구르면서 까만 화면을 ‘닦아내야’ 합니다. 그러다보면 점차 까만 화면 뒤에 어떤 그림이 숨겨있었는지 알 수 있어요. 갈스패닉은 아래와 같은 게임입니다ㅎㅎ(늘 말도 안 되도록 선정적인 여성 캐릭터만 나와서 이상했던 게임;;;ㅎㅎ)

 

 

뭐 아무튼, 기계가 인간 뇌 이미지를 더 섬세하게 살피면서도 자동적으로 그 이미지를 정확하게 인식하는 기술을 듣는 시간이었습니다. 이런 과정을 통해 뇌 이미지를 데이터화하고 그걸 다시 인간이 이해할 수 있게 시각화하는 작업물도 몇 가지 봤습니다. 아직 인간의 뇌는 극히 일부분에 대해서만 접근하고 있고, 조류나 초파리 등의 커넥톰을 활발히 들여다보고 있다고 하네요;) 인간지능과 기계지능이 완전히 동일하진 않지만 특히 인공신경망의 경우 인간지능에게서 영감을 받아 등장한만큼 앞으로 연결체학 연구가 인공지능 분야에도 새 아이디어를 줄지 모른다는 기대도 잇달았습니다.

 

(인공신경망은 마치 인간의 시냅스처럼 여러 단계/층을 거쳐 연산이 이뤄지는 식이니까요! “신경과학의 기본 원리에 근간을 두고 있다”고 볼 수 있고요. CNN이라는 녀석도 6-70년대 신경과학으로부터 기초를 제공받았다고 하니 인간 뇌에 대한 연구와 기계지능 공부 사이의 시너지가 궁금해지죠ㅎㅎ)

 

 

개인적으로 커넥톰에 얕은 관심이 있어서 오전 행사에 참여했고, 훨씬 재밌는 시간을 보냈습니다:) 인간지능과 기계지능이 다르다는 건 이미 많이 알려진 주제인데 현장에선 이 둘이 다른만큼 서로에게 또 다른 영향을 미친다고 긍정하는 게 흥미로웠습니다. 인간의 뇌를 그리는 기계의 뇌, 그로부터 개선의 여지를 찾을 수 있을지 기대되고요. 어쩌면 그간 아웃스탠딩에서 나왔던 인공지능 관련 기사도 꾸준히 이런 이야기를 듣고 담아왔던 듯합니다.

 

(참조 – 인간의 물리적 한계를 완화하는 인공지능 https://outstanding.kr/copykiller20180727/ )

 

(참조 – 인간의 새로운 의족은 인공지능이다 https://outstanding.kr/ainewelectricity20171213/ )

 

(참조 – 인공지능에게 ‘잘 패배하는 법’ https://outstanding.kr/alphagodocu20180220/)

 

마지막으로 지난 주 금요일 ‘인공지능의 시대: 기술 발전에 따른 책임과 규제’ 행사에서 전해 들었던 인간지능과 기계지능에 대한 인사이트를 공유하면서 이 커뮤니티 글을 마칠까 합니다. 기계와 인간의 협업은 끝없이 중요해질테고, 그 둘 사이의 윤활유가 될 교육과 생산적인 노동환경을 고민하던 터. 독자 여러분도 내 주변에 어떤 기계가 있고 나는 그 기계와 어떻게 협업하고 있는지 가늠해보면 어떨까요?^___^

 

 

“튜링이 50년대에 낸 논문에는 가장 위대한 첫 문장이 있습니다. ‘기계가 생각할 수 있는가, 이 질문에 답하고자 한다”

 

“이 논문이 아직도 인공지능 분야에서 중요한 이유는 튜링이 기계지능을 어떻게 정의할지 고민했다는 데 있죠. 그는 지능이란 기계 내부의 상태나 경험이 아니라고 봤습니다. 지능 여부는 순수하게 그 행태를 기준으로 하자고 했고요. 즉 인간과 동일한 지능을 가진 듯한 행동을 만들어내는지에 초점을 뒀습니다. 역사에서 인간 지능과 기계 지능이 구분되는 순간이었습니다”

 

“이처럼 인공지능이라는 것 자체가 인간처럼 생각하지 않습니다. 인간을 재현하려는 목적이 아니라 지능적 사고를 하는 시스템을 만드는 거죠. 뇌에 영감을 받았지 인간처럼 생각하지도, 인간과 같은 오류를 내지도 않습니다. 가끔 이미지 탐색기가 양말을 코끼리라고 판별하거나 말도 안 되게 사람 얼굴을 헷갈리는 걸 보면 알 수 있어요”

 

“인간지능으로 보기엔 전혀 다른 두 가지를 기계는 혼동합니다. 인공지능의 착오와 인간의 착오가 다릅니다. 그리고 이 시스템이 과제를 수행할 때 인간과 다른 스타일로 일하기 때문에 분명 둘이 협업하는 팀워크를 맺기 어려운 겁니다. 마치 전혀 다른 스타일로 일하는 팀원끼리 같이 일하기 어려운 것처럼 말입니다”

 

(프린스턴대 컴퓨터공학과 에드워드 펠튼 교수)

 

(참조 – 인공지능,블록체인 산업에 필요한 ‘데이터 거버넌스’ https://outstanding.kr/datagovernance20180824/ )

 

(참조 – 인간중심의 컴퓨팅과 가상인간에 대해 https://outstanding.kr/virtualhuman20170912/ )

댓글 (0)
Powered by RainBoard

패스워드 확인

X