A numerical bias in honeybees: Numerousness is more salient than space and size non-numerical cues during quantity discrimination.

이 연구는 꿀벌이 크기나 공간적 단서보다 개체 수에 더 의존하는 수치 편향을 보이며, 개체마다 수량 판별을 위해 '수치 편향' 또는 '일반적 전략'이라는 서로 다른 방식을 사용한다는 것을 밝혀냈습니다.

핵심

🐝 꿀벌의 숫자 능력: "숫자" vs "크기"

상상해 보세요. 꿀벌 두 마리가 있습니다. 한 마리는 2 개의 점이 있고, 다른 한 마리는 4 개의 점이 있습니다.

• 숫자 (Numerousness): 점의 개수 (2 개 vs 4 개)
• 크기 (Size): 점들이 차지하는 전체 넓이
• 공간 (Space): 점들이 퍼져 있는 범위

연구자들은 꿀벌에게 "4 개가 있는 쪽으로 가면 달콤한 설탕물을 주고, 2 개가 있는 쪽으로 가면 쓴 물 (퀴닌) 을 준다"고 가르쳤습니다. 이때 중요한 건, 4 개가 있는 쪽이 자연스럽게 넓이도 더 크고 공간도 더 넓게 퍼져 있었다는 점입니다. 꿀벌은 숫자를 세기보다, "넓이가 더 넓은 쪽"이나 "공간이 더 큰 쪽"을 선택하는 게 훨씬 쉬울 텐데도, 실험 결과 꿀벌들은 숫자 (개수) 에 더 집중했습니다.

🧪 실험의 핵심: "속임수"를 당하다

연구자들은 꿀벌의 진짜 능력을 보기 위해 두 가지 놀라운 실험을 했습니다.

1. 숫자만 남기고 나머지는 지우기 (Transfer Test)

• 상황: 2 개와 4 개의 점 사이에서 선택하게 하는데, 넓이와 공간은 똑같게 만들었습니다. (예: 4 개는 아주 작은 점으로, 2 개는 아주 큰 점으로)
• 결과: 꿀벌들은 여전히 **숫자 (개수) 가 더 많은 쪽 (4 개)**을 선택했습니다.
• 의미: 꿀벌은 단순히 "넓은 것"을 고르는 게 아니라, 진짜로 '개수'를 인식하고 있었다는 뜻입니다.

2. 숫자와 크기가 정반대가 될 때 (Conflict Test)

• 상황: 2 개는 아주 크고 넓게, 4 개는 아주 작고 좁게 배치했습니다. (숫자는 4 가 많지만, 크기는 2 가 더 큽니다.)
• 결과: 꿀벌들은 숫자가 더 많은 4 개를 선택했습니다.
• 의미: 눈앞에 보이는 '크기'라는 강력한 유혹을 이겨내고, 추상적인 숫자 개념을 선택한 것입니다.

🧠 꿀벌 두 부류의 성격: "숫자 마니아" vs "다재다능한 실용주의자"

흥미롭게도 모든 꿀벌이 똑같이 행동한 것은 아닙니다. 연구진은 꿀벌들을 두 가지 유형으로 나눌 수 있었습니다.

1. 숫자 마니아 (Numerical Bias):
   • 이 꿀벌들은 오직 숫자만 보고 결정합니다. 크기가 어떻든, 공간이 어떻든 상관없이 "개수가 더 많은 쪽"을 고릅니다. 마치 숫자만 보는 안경을 쓴 것처럼요.
2. 다재다능한 실용주의자 (Generalist):
   • 이 꿀벌들은 상황에 따라 유연하게 행동합니다. 숫자가 명확할 때는 숫자를 따르지만, 숫자가 안 보일 때는 크기를 보고 결정합니다. 하지만 숫자와 크기가 충돌할 때는 크기 (시각적 단서) 를 더 신뢰하는 경향이 있습니다.

이는 마치 같은 반 친구들 중에는 수학 문제만 풀고 싶은 친구와 상황을 보고 가장 쉬운 방법을 찾는 친구가 있는 것과 비슷합니다.

🧭 꿀벌의 '숫자 지도' (Mental Number Line)

또 다른 놀라운 발견은 꿀벌도 인간처럼 공간과 숫자를 연결한다는 점입니다.

• **작은 숫자 (2 개)**는 왼쪽에 있을 때,
• **큰 숫자 (4 개)**는 오른쪽에 있을 때
  꿀벌이 더 잘 기억하고 선택했습니다.

이는 마치 우리가 숫자 1 을 왼쪽, 10 을 오른쪽에 두고 숫자를 읽는 것처럼, 꿀벌의 뇌에도 "왼쪽은 작고, 오른쪽은 크다"는 invisible 한 숫자 지도가 그려져 있다는 뜻입니다.

🌟 결론: 왜 이 연구가 중요한가요?

이 연구는 꿀벌의 뇌가 100 만 개도 안 되는 작은 신경 세포로 이루어져 있음에도 불구하고, 인간이나 영장류처럼 추상적인 숫자 개념을 다룰 수 있음을 보여줍니다.

• 비유하자면: 꿀벌은 거대한 슈퍼컴퓨터가 아니라, 작은 계산기 같은 뇌를 가지고 있지만, **수학의 기본 원리 (숫자 개념)**를 스스로 터득해낸 것입니다.
• 의미: 이는 숫자를 이해하는 능력이 인간이나 포유류에게만 특별한 것이 아니라, 진화 과정에서 멀리 떨어진 종 (벌과 인간) 이 각자 독립적으로 비슷한 지능을 발달시켰을 가능성을 시사합니다.

한 줄 요약:

꿀벌은 단순히 '많아 보이는 것'을 고르는 게 아니라, 진짜로 숫자를 세고 이해할 수 있으며, 심지어 숫자마다 왼쪽과 오른쪽을 구분하는 '숫자 지도'까지 가지고 있는 똑똑한 친구들입니다!

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

동물들은 '더 많은 것'과 '더 적은 것'을 구별하는 능력 (수량 변별) 을 진화시켜 왔으나, 이들이 추상적인 개수 (Numerousness) 자체를 인식하는지, 아니면 개수와 함께 변하는 비수적 단서 (Non-numerical cues, 예: 총 면적, 둘레, 밀도, 공간 배치) 에 의존하는지는 여전히 논쟁의 여지가 있습니다.

• 핵심 질문: 계산적으로 더 복잡하고 추상적인 '개수' 정보를 처리하기 위해, 시각 처리 초기 단계에서 추출 가능한 더 간단한 비수적 단서들이 존재할 때, 동물들은 여전히 개수에 의존할까?
• 기존 연구의 한계: 대부분의 연구는 비수적 단서를 통제하거나 무작위화하여 개수만 남기는 방식을 사용했으나, 이는 자연스러운 환경 (단서들이 공변하는 상황) 을 반영하지 못하며, 개수와 비수적 단서의 상대적 중요성 (Saliency) 을 명확히 비교하기 어렵게 만들었습니다.
• 연구 목표: 꿀벌 (Apis mellifera) 을 대상으로 훈련 단계에서 개수와 비수적 단서 (크기 또는 공간) 가 완벽하게 공변하도록 설계한 실험을 통해, 꿀벌이 학습 후 어떤 단서를 우선적으로 사용하는지 (수적 편향, Numerical Bias) 를 규명하고, 개체 간 전략의 차이를 분석하는 것.

2. 연구 방법론 (Methodology)

연구는 두 가지 보완적인 실험 (Experiment Size 와 Experiment Space) 으로 구성되었으며, 모두 자유 비행 꿀벌을 대상으로 한 Y-미로 (Y-maze) 조건부 학습 과제를 사용했습니다.

• 실험 설계:
  • 학습 단계 (Training): 꿀벌은 2 개와 4 개의 점 (dots) 이 있는 자극을 구별하도록 훈련받았습니다.
    • Experiment Size: 점의 크기를 고정하여 **개수 (Numerosity)**와 **크기 단서 (Size cues: 총 면적, 총 둘레)**가 완벽하게 공변하도록 설계. 공간 단서 (convex hull, 밀도 등) 는 통제됨.
    • Experiment Space: 점 사이의 평균 거리를 고정하여 개수와 **공간 단서 (Space cues: convex hull)**가 공변하도록 설계. 크기 단서는 통제됨.
  • 학습 테스트 (Learning Tests): 훈련과 유사하지만 새로운 자극을 사용하여 학습 유지 여부를 확인.
  • 전이 테스트 (Transfer Tests): 학습된 규칙이 유지되는지 확인하기 위해 단서를 분리.
    • 수적 전이 (Numerical Transfer): 비수적 단서 (면적 또는 convex hull) 를 동일하게 만들고 개수만 다르게 하여, 꿀벌이 개수만 인식하는지 확인.
    • 비수적 전이 (Non-numerical Transfer): 개수를 동일하게 (3 개) 만들고 비수적 단서만 다르게 하여, 꿀벌이 비수적 단서에 의존하는지 확인.
    • 갈등 테스트 (Conflict Test): 개수와 비수적 단서의 상관관계를 반전 (예: 개수는 적지만 면적은 큰 자극 vs 개수는 많지만 면적은 작은 자극). 이 경우 꿀벌이 어떤 단서를 선택하는지 확인.
• 데이터 분석: 일반화 선형 혼합 모델 (GLMM) 을 사용하여 학습 곡선과 테스트 성능을 분석하고, 군집 분석 (Clustering) 을 통해 개체별 전략을 분류했습니다.

3. 주요 결과 (Key Results)

A. 꿀벌의 자발적 수적 인코딩 및 수적 편향

• 수적 전이 테스트: 두 실험 모두에서 꿀벌은 비수적 단서가 무의미해졌음에도 불구하고 (면적이나 공간이 동일해짐), **개수 (2 vs 4)**에 기반하여 정답을 선택하는 데 성공했습니다 (우연 수준 이상). 이는 꿀벌이 훈련 중 비수적 단서와 공변했음에도 불구하고 개수 정보를 자발적으로 인코딩했음을 의미합니다.
• 비수적 전이 테스트: 개수가 동일하고 비수적 단서만 다른 경우, 꿀벌은 우연 수준 (Chance level) 의 성능을 보였습니다. 이는 꿀벌이 훈련 중 비수적 단서를 주된 단서로 사용하지 않았음을 시사합니다.
• 갈등 테스트: 개수와 비수적 단서가 상충될 때, 집단 평균은 우연 수준이었으나, 이는 두 가지 상반된 전략을 가진 개체군이 공존했기 때문임이 밝혀졌습니다.

B. 개체 간 전략의 이질성 (Inter-individual Variability)

군집 분석을 통해 꿀벌 집단 내에서 두 가지 명확한 전략이 발견되었습니다:

1. 수적 편향 전략 (Numerical Bias Strategy, 약 50%):
   • 개수가 제공될 때 (수적 전이, 갈등 테스트) 높은 정확도를 보였습니다.
   • 비수적 단서만 제공될 때 (비수적 전이) 성능이 우연 수준 이하로 떨어졌습니다.
   • 비수적 단서가 개수와 상충될 때에도 개수를 우선시했습니다.
2. 일반주의 전략 (Generalist Strategy, 약 50%):
   • 수적 전이와 비수적 전이 테스트 모두에서 우연 수준 이상으로 성공했습니다 (다양한 단서를 학습).
   • 그러나 갈등 테스트에서는 비수적 단서 (면적 또는 공간) 에 더 의존하여 개수가 틀린 쪽을 선택하는 경향을 보였습니다.

C. 공간 - 수량 연관성 (Spatial-Numerical Association, SNA)

• 멘탈 넘버 라인 (Mental Number Line) 효과: 꿀벌은 작은 수량이 왼쪽, 큰 수량이 오른쪽에 위치할 때 성능이 향상되는 경향을 보였습니다.
• 이는 인간과 조류 등에서 관찰되는 '좌 - 우 수량 연관성 (SNARC 효과)'과 유사하며, 꿀벌에게도 방향성을 가진 수량 표현 체계가 존재할 가능성을 시사합니다.

D. 학습 과정의 변화

• 훈련 초기에는 꿀벌이 단순한 공간적 휴리스틱 (이전 보상 위치로 돌아가기, 같은 쪽 선택 등) 을 사용했으나, 훈련이 진행됨에 따라 점차 시각적 자극 (점의 개수) 에 기반한 규칙 학습으로 전환되었습니다.

4. 연구의 의의 및 기여 (Significance)

1. 비척추동물의 수적 능력 재조명: 척추동물 (영장류, 조류 등) 에서만 보고되던 '수적 편향 (Numerical Bias)'이 척추동물과 6 억 년 이상 분기된 꿀벌에서도 발견되었습니다. 이는 수량 평가 메커니즘이 **수렴 진화 (Convergent Evolution)**를 통해 독립적으로 발달했을 가능성을 강력하게 시사합니다.
2. 뇌 크기와 인지 능력의 관계: 100 만 개 미만의 뉴런을 가진 꿀벌이 복잡한 비수적 단서를 무시하고 추상적인 개수 개념을 우선시할 수 있다는 사실은, 수적 인지가 복잡한 대뇌 피질이 필수적이지 않을 수 있음을 보여줍니다.
3. 개체 간 변이의 중요성: 종 수준의 평균 데이터만으로는 놓칠 수 있는 개체 간 전략의 차이를 규명했습니다. 일부 개체는 순수한 수적 처리를, 다른 개체는 유연한 다중 단서 처리를 사용한다는 발견은 동물 인지 연구에서 '개체 중심 접근'의 필요성을 강조합니다.
4. 이론적 함의: '수량 이론 (Theory of Magnitude, ATOM)'과 관련하여, 수량이 시간과 공간과 공유되는 단일 시스템의 일부일 수 있음을 보여주면서도, 꿀벌이 비수적 단서와 분리된 독립적인 수량 표현을 가질 수 있음을 입증했습니다.

5. 결론

이 연구는 꿀벌이 비수적 단서 (크기, 공간) 가 이용 가능함에도 불구하고 자발적으로 개수 (Numerousness) 를 인식하고 이를 우선시하는 수적 편향을 가지고 있음을 증명했습니다. 또한, 같은 종 내에서도 개체마다 수량을 평가하는 전략 (수적 편향형 vs 일반주의형) 이 다르고, 좌 - 우 공간적 수량 연관성 (Mental Number Line) 을 보인다는 점을 규명하여, 곤충의 인지 능력과 진화적 기원에 대한 새로운 통찰을 제공했습니다.