Cognitive cartography of mammalian brains using meta-analysis of AI experts

인간의 뇌는 수십억 개의 세포가 함께 협력하여 사고, 감정, 행동을 만들어내는 거대하고 복잡한 풍경입니다. 수십 년 동안 과학자들은 특정 뇌 영역을 이름 기억하기나 공포 느끼기와 같은 특정 과업과 연결하며 이 지형을 지도화하기 위해 노력해 왔습니다. 그들은 이름 하나를 기억하는 것과 같은 작은 조각들을 설명하는 수천 편의 연구 논문을 읽음으로써 이를 수행해 왔습니다. 그러나 이러한 연구의 양이 너무 방대해져서 어떤 단일한 인간의 정신도 그 모든 것을 다 읽을 수 없게 되었습니다. 문헌들은 인간에서 생쥐에 이르기까지 다양한 종에 걸쳐 흩어져 있으며, 뇌 스캔에서 전기 자극에 이르기까지 다양한 방법론을 사용합니다. 이러한 파편화는 동물계 전체에서 뇌가 어떻게 작동하는지에 대한 전체적인 그림을 보는 것을 어렵게 만듭니다.

이를 해결하기 위해 연구진은 인간 과학자를 대체하기 위해서가 아니라, 지치지 않는 초강력 독서 보조원 역할을 할 인공지능을 활용했습니다. 그들은 대규모 언어 모델(방대한 텍스트 라이브러리를 학습한 고급 컴퓨터 프로그램)을 사용하여 신경과학 문헌 전체를 읽고 요약하는 '뉴로넛(NeuroNaut)'이라는 시스템을 개발했습니다. 연구진은 AI에게 수동으로 논문을 훑어보는 대신, AI가 과학 텍아가 학습한 모든 내용을 바탕으로 특정 뇌 영역이 특정 기능에 관여할 가능성이 얼마나 높은지 추정하도록 요청했습니다. 이 접근 방식은 인간, 원숭이, 생쥐를 모두 아우르는 포괄적인 뇌 인지 기능 지도를 구축할 수 있게 해줍니다.

연구진은 먼저 이 AI 전문가들이 인간의 뇌 기능적 지형을 정확하게 설명할 수 있는지 테스트했습니다. 그들은 모델에게 68개의 서로 다른 뇌 영역이 감정, 기억, 언어, 시각과 같은 8가지 주요 사고 영역에서 수행하는 역할을 평가하도록 요청했습니다. AI는 각 과업과 가장 밀접하게 연관된 뇌 부위를 보여주는 상세한 지도를 생성했습니다. 연구진이 AI가 생성한 지도를 기존의 전통적인 인간 주도 검토를 통해 만들어진 최선의 지도와 비교했을 때, 강력한 일치성을 발견했습니다. AI는 언어가 주로 좌뇌의 기능이며 시각이 뇌의 뒷부분에 집중되어 있다는 점을 정확히 식별했습니다. 이는 AI가 해당 분야의 핵심 지식을 성공적으로 흡수했음을 확인시켜 주었습니다.

그러나 이 방법의 진정한 힘은 연구진이 전통적인 도구들이 볼 수 있는 범위를 넘어섰을 때 나타났습니다. 표준 뇌 지도는 대개 뇌 스캔 데이터에 국한되어 있는데, 이는 사람이 특정 과업을 수행하는 동안의 활동만을 보여줍니다. 반면, 신경과학의 역사를 통째로 읽은 AI는 뇌 병변과 직접적인 전기 자극으로부터 얻은 증거 또한 활용할 수 있었습니다. 연구진이 AI 지도를 뇌 자극이나 손상을 입은 환자들로부터 유도된 인과적 증거와 비교했을 때, AI 지도는 전통적인 스캔 기반 지도보다 이러한 인과적 증거와 훨씬 더 잘 일치했습니다. 이는 AI가 단순한 상관관계를 넘어, 뇌 영역이 어떻게 행동을 유발하는지에 대한 더 깊고 인과적인 이해를 합성할 수 있음을 시사합니다.

가장 중요한 돌파구는 연구진이 이 방법을 다른 종에 적용했을 때 나타났습니다. 전통적인 뇌 매핑 도구는 특정 좌표계를 사용하기 때문에 거의 예외 없이 인간만을 위해 설계되었습니다. 하지만 좌표가 아닌 텍스트를 읽는 AI의 능력을 활용함으로써, 연구진은 마카크 원숭이와 생쥐에 대한 인지 지도를 성공적으로 생성했습니다. 연구진은 이 동물들의 뇌 조직이 인간의 뇌와 놀라울 정도로 유사하다는 것을 발견했습니다. 예를 들어, AI는 생쥐의 시각 피질이 시각과 연결되어 있고 운동 영역이 움직임과 연결되어 있다는 점을 인간의 경우와 마찬가지로 정확히 식별했습니다. 결정적으로, AI는 '언어'가 생쥐나 원숭이의 뇌와 관련된 기능이 아님을 인식하여 거의 제로에 가까운 중요도를 부여하면서도, 그들의 발성(vocalizations)을 담당하는 청각 영역은 식별해 냈습니다.

AI의 지도가 단순히 무작위적인 추측이 아님을 보장하기 위해, 연구진은 이를 실제 생물학적 데이터와 대조했습니다. 그들은 생쥐에 대한 AI의 인지 지도를 의사 결정 과업 중 기록된 수천 개의 개별 뉴런 데이터와 비교했습니다. AI의 예측은 실제 뇌의 전기적 활동과 밀접하게 일치했습니다. 마찬가지로, 원숭이의 경우 AI의 작업 기억 지도는 인간이 정교하게 큐레이션한 원숭이 연구 요약본과, 인간의 뇌 지도를 원숭이 뇌에 투영한 결과보다 더 잘 일치했습니다. 이는 AI가 단순히 인간의 데이터를 복제하는 것이 아니라, 문헌으로부터 종 특이적인 지식을 실제로 합성하고 있음을 증명했습니다.

연구진은 또한 뇌의 구조가 기능을 어떻게 뒷받침하는지도 탐구했습니다. 그들은 AI에게 모든 뇌 영역의 주요 기능을 설명하도록 요청했고, 그 설명을 사용하여 서로 다른 영역들이 얼마나 유사한지를 계산했습니다. 그 결과, 유사한 기능적 프로필을 가진 영역들은 유사한 패턴의 뇌파 및 혈류와도 연결되어 있다는 것을 발견했습니다 인지 기능을 지원하기 위해 뇌가 배선되는 방식은 진화론적 불변성임을 보여주었습니다. AI는 심지어 뇌의 숨겨진 계층 구조를 밝혀내어, 단순한 감각 영역에서 복잡한 연합 영역에 이르기까지 영역들을 체계화했는데, 이 패턴은 뇌 층(layers)의 물리적 측정값과도 일치했습니다.

마지막으로, 팀은 이 접근 방식을 뇌 질환 연구에 사용했습니다. 그들은 AI에게 우울증, 조현병, 자폐증과 같은 질환에 관여하는 뇌 영역을 매핑하도록 요청했습니다. 이렇게 만들어진 지도를 유전 데이터 및 환자의 뇌 스캔과 비교했습니다. AI 지도는 전통적인 뇌 스캔보다 이러한 질환들과 관련된 유전적 위험 요소들과 더 강력한 연관성을 보였습니다. 더욱이, AI는 수면 장애를 정신 질환과 연결하는 등 증상을 공유하는 질병들을 명시적인 학습 없이도 정확하게 그룹화했습니다. 다양한 유형의 데이터를 가로질러 숨겨진 패턴을 찾아내는 이러한 능력은 AI가 정신 질환의 복잡하고 다면적인 본질을 이해하는 데 도움을 줄 수 있음을 시사합니다.

이 연구는 인공지능이 인간의 지식 전체를 소화하여 단일 연구자가 볼 수 없는 패턴을 드러낼 수 있는 강력한 과학적 발견 도구가 될 수 있음을 보여줍니다. 종과 방법론 사이의 간극을 메움으로써, AI는 포유류의 뇌에 대한 통합된 관점을 제공했으며, 인지의 분자적 및 기능적 구조가 진화 과정에서 깊이 보존되어 있음을 보여주었습니다. 연구진은 이 도구인 뉴로넛을 대중에게 무료로 공개하여, 누구나 뇌에 대해 질문하고 과학 공동체의 집단 지성으로부터 합성된 답변을 받을 수 있도록 했습니다. 이 접근 방식은 인간의 전문성을 대체하는 것이 아니라 증폭시키는 것이며, 흩어진 사실의 도서관을 마음의 일관되고 탐색 가능한 지도로 바꾸어 놓는 것입니다.