당신이 다람쥐 한 마리가 나무 위로 재빨리 올라가는 모습을 지켜보고 있다고 상상해 보십시오. 당신은 다람쥐의 발이 나무껍질을 움켜쥐는 모습, 꼬리가 균형을 잡는 모습, 그리고 근육이 수축하는 모습을 볼 수 있습니다. 하지만 당신이 결코 볼 수 없는 것은 그 다람쥐의 뇌 안에서 일어나고 있는 보이지 않고 번개처럼 빠른 대화입니다. 신경계는 단순히 "위로 움직여라" 또는 "아래로 움직여라"와 같은 단순한 신호를 보내는 리모컨이 아닙니다. 그것은 중력, 마찰력, 그리고 예기치 못한 상황이 가득한 세상 속에서 거대하고 무거운 몸을 조종하는 복잡한 오케스트라와 같습니다. 과학자들은 오랫동안 이 대화를 이해하고 싶어 했지만, 문제가 하나 있었습니다. 살아있는 동물의 뇌 내부를 동물이 달리고 있는 동안 쉽게 들여다볼 수 없으며, 다람쥐에게 균형을 잡는 느낌이 어떤지 물어볼 수도 없다는 점입니다.

이를 해결하기 위해 과학자들은 "뉴로메카니컬 모델링(neuromechanical modeling)"이라는 기술을 사용합니다. 이것은 마치 동물의 '디지털 트윈'을 만드는 것과 같습니다. 즉, 실제 동물과 똑같이 작동하는 근육, 뼈, 물리 법칙을 가진 가상의 몸을 만드는 것입니다. 그런 다음, 컴퓨터 뇌(인공 신경망)가 이 디지털 몸을 제어하여 실제 동물처럼 움직이도록 가르칩니다. 목표는 디지털 몸이 춤을 추게 만들기 위해 어떤 종류의 "생각"(제어 신호)이 필요한지를 확인함으로써 뇌의 비밀을 역설계하는 것입니다. 하지만 지금까지 이러한 디지털 트윈을 구축하는 것은 마치 슈퍼컴퓨터를 토스터기에 연결해 실행하려는 것과 같았습니다. 거대 기술 기업들만이 감당할 수 있는 막대한 비용의 고성능 컴퓨터 클러스터가 필요했기 때문에, 일반적인 생물학 연구실에서는 이러한 아이디어를 시도하기 어려웠습니다.

여기서 MIMIC-MJX라는 새로운 오픈 소스 툴킷이 등장하여 판도를 바꿉니다. 하버드, 삭 연구소(Salk Institute) 등의 팀이 개발한 이 프로젝트의 연구진은 과학자들이 방대한 서버실 대신 일반적인 그래픽 카드(게이밍 컴퓨터에 들어있는 수준) 하나만으로도 이러한 디지털 뇌를 훈련할 수 있는 시스템을 만들었습니다. 그들은 이 프레임워크를 "MIMIC-MJX"라고 부르며, 이는 '마스터 미믹(master mimic, 숙련된 흉내쟁이)' 역할을 합니다. 이 시스템은 실제 동물이 움직이는 영상(달리는 쥐, 걷는 파리, 꿈틀거리는 벌레 등)을 가져와서, 물리 시뮬레이션 속의 가상 버전 동물이 그렇게 움직이도록 가르칩니다.

작동 방식은 다음과 같습니다. 단계별로 살펴보겠습니다. 먼저, 시스템은 실제 동물의 영상을 보고 관절이 어떻게 굽혀지는지, 사지가 공간의 어디에 위치하는지를 정확히 파악합니다. 이는 영상이 털이나 피부의 겉모습만을 보여주더라도, 그 위에 3D 골격을 완벽하게 입히는 것과 같습니다. 이 과정은 stac-mjx라는 도구를 통해 이루어지는데, 이는 2D 또는 3D 영상의 점들을 가상 신체의 정밀한 관절 각도로 변환해 주는 고속 번역기 역할을 합니다.

가상 몸이 실제 동물이 무엇을 했는지 알게 되면, 두 번째 부분인 track-mjx가 투입됩니다. 이것은 "선생님" 역할을 합니다. 이 시스템은 심층 강화 학습(deep reinforcement learning)이라는 방법을 사용하는데, 이는 강아지에게 간식을 주며 훈련시키는 것과 비슷하지만, 여기서는 강아지가 컴퓨터 프로그램이고 간식은 수학적 보상입니다. 프로그램은 영상을 따라 하기 위해 가상의 동물을 움직이려 노력합니다. 만약 가상의 쥐가 잘못된 타이밍에 발을 들면 "나쁜 점수"를 받습니다. 영상과 완벽하게 일치하면 "좋은 점수"를 받습니다. 수백만 번의 시도를 거치며, 컴퓨터 뇌는 움직임을 재현하는 데 필요한 정확한 근육 명령을 학습합니다.

MIMIC-MJX가 특별한 이유는 빠르고 유연하기 때문입니다. 저자들은 쥐, 과일파리, 생쥐의 팔, 매미나 곤충, 그리고 벌레 등 다양한 생물들을 대상으로 테스트했습니다. 그 결과, 시스템이 놀라운 정확도로 동물의 움직임을 모방할 수 있음을 발견했습니다. 예를 들어, 쥐를 훈련시켰을 때 가상의 쥐는 걷기, 몸을 일으키기, 털 고르기 동작을 연필 지우개 너비 정도인 약 7mm의 오차 내에서 재현할 수 있었습니다. 더욱 인상적인 것은, 시스템이 단 몇 초의 영상이 아니라 긴 시간 동안 가상의 쥐를 계속 움직이게 할 수 있었다는 점입니다. 테스트에서 약 83%의 가상의 쥐들이 단 5초짜리 짧은 영상만 학습했음에도 불구하고, 2분 동안 넘어지지 않고 계속 움직일 수 있었습니다. 이는 시스템이 단순히 몇 초의 영상을 암기한 것이 아니라, 움직임의 '원리'를 학습했음을 시사합니다.

연구진은 또한 이 시스템이 다양한 유형의 "몸"과 함께 작동한다는 것을 보여주었습니다. 연구에 참여한 일부 동물(쥐, 파리)은 단순한 "토크(torque, 회전력)" 모터를 통해 제어되었지만, 다른 동물(생쥐의 팔, 벌레)은 실제 근육이 늘어나고 수축하는 방식을 모방하는 더 복적인 "근육" 모델을 사용했습니다. MIMIC-MJX는 두 유형 모두 성공적으로 처리하여, 다양한 생물학적 현실에 적응할 수 있음을 증명했습니다.

이 논문의 가장 흥ile한 부분 중 하나는 이 학습된 "미믹(mimic)"들을 사용하여 실제 삶에서는 불가능한 실험을 수행한 것입니다. 연구진은 저수준 제어기(근육을 움직이는 법을 아는 부분)를 가져와서 이를 고정시킨 뒤, 그 위에 새로운 단순한 뇌를 얹어 새로운 기술을 가르쳤습니다. 그들은 가상의 쥐에게 특정 속도로 달리거나, 그릇 모양의 구덩이로부터 탈출하도록 요청했습니다. MIMIC-MJX 제어기의 안내를 받은 가상의 쥐는 이러한 새로운 과업을 빠르게 학습했으며, 매우 자연스럽게 움직였습니다. 반면, 이 "미믹" 기반 없이 처음부터 로봇을 훈련시키려 했을 때는 실패하거나 부자연스럽고 끊기는 움직임을 보였습니다. 이는 MIMIC-MJX 시스템이 동물의 움직임에 대한 근본적인 무언가, 즉 자연스러운 행동의 '사전 지식(prior)' 또는 기준선을 포착했음을 시사하며, 이것이 새로운 것을 배우는 과정을 훨씬 쉽게 만든다는 것을 보여줍니다.

또한 논문은 이 가상 제어기의 "뇌" 내부를 들여다보며 그들이 무엇을 생각하는지 살펴보았습니다. 네트워크를 통해 흐르는 데이터를 분석한 결과, 시스템이 움직임을 단순하고 낮은 차원의 패턴으로 조직화한다는 것을 발견했습니다. 파리의 경우, 걷기에 대한 "생각"은 데이터상에서 깔끔한 원형 루프를 형성했는데, 이는 걸음의 리듬을 나타냅니다. 생쥐의 팔의 경우, 데이터는 뇌가 복잡한 움직임을 몇 가지 핵심 변수로 압축하고 있음을 보여주었습니다. 이는 인간이 모든 근육의 미세한 떨림을 계산하기보다 "컵을 향해 손을 뻗는다"라고 생각하는 방식과 유사합니다.

하지만 저자들은 이 시스템이 '무엇이 아닌지'에 대해서도 주의를 기울입니다. 그들은 이 시스템이 움직임을 완벽하게 재현할 수는 있지만, 그렇게 하기 위해 생성하는 구체적인 전기 신호가 반드시 실제 동물의 뇌가 사용하는 신호와 동일한 것은 아니라고 명시했습니다. 하나의 움직임을 만드는 방법은 여러 가지이기 때문에(베른슈타인의 자유도 문제), 컴퓨터는 실제 동물이 선택한 것과는 다른 해결책을 찾을 수 있습니다. 이 시스템은 몸이 '어떻게' 움직일 수 있는지에 대한 유효한 시뮬레이션이지만, 동물이 실제로 '어떻게 생각하는지'를 증명하는 것은 아닙니다. 이는 가설을 생성하기 위한 강력한 도구이지, 최종적인 정답지는 아닙니다.

게다가, 이 시스템은 디지털 몸 모델의 품질에 의존합니다. 만약 가상의 쥐의 근육이나 뼈가 올바르게 구축되지 않았다면, 모방은 실패할 것입니다. 저자들은 새로운 종에 대해 이러한 상세한 신체 모델을 구축하는 작업이 여전히 연구자가 직접 수행해야 하는 어렵고 시간이 많이 걸리는 일임을 인정했습니다. 또한 시뮬레이션을 빠르게 유지하기 위해 공기 저항이나 털이 지면과 상호작용하는 복잡한 방식 등을 무시하는 등 물리 법칙을 단순화하기도 했습니다.

이러한 한계에도 불구하고, MIMIC-MJX는 신경과학을 수행하는 방식의 중대한 변화를 의미합니다. 이 강력한 시뮬레이션을 표준 컴퓨터를 가진 어떤 실험실에서도 사용할 수 있게 함으로써, 수천 명의 연구자가 "가상 실험"을 수행할 수 있는 문을 열어주었습니다. 연구자들은 동물을 한 마리도 잡지 않고도 신경계가 새로운 환경에 어떻게 적응하는지, 특정 근육이 제거되면 어떤 일이 일어나는지, 혹은 학습이 어떻게 일어나는지 등을 테스트할 수 있습니다. 이는 가상의 동물을 실질적이고 조작 가능한 피험자로 만들어, 생물학의 복잡한 현실과 컴퓨터 과학의 정밀한 세계 사이의 간극을 메워줍니다. 논문은 이것이 "가상 신경과학"이 실제 세계의 실험과 나란히 협력하는 표준 파트너가 되는 미래를 향한 중요한 단계라고 결론지으며, 뇌와 몸 사이의 복잡한 춤을 마침내 해독하는 데 도움을 줄 것이라고 밝히고 있습니다.