Curiosity shapes brain-like architectures and functions
이 논문은 영아와 같은 호기심과 뇌와 같은 생물물리학적 제약을 결합하는 것이 인공 신경망에서 복잡한 신경 구조와 구성적 일반화와 같은 인지 능력을 유도하기에 충분하다는 것을 입증한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
인간의 정신은 무한한 가능성의 공간입니다. 몇 가지 단순한 구성 요소로부터 우리는 무한한 생각을 구축하고, 먼 미래를 계획하며, 끊임없이 변화하는 세상을 이해할 수 있습니다. 한 세기 넘게 과학자들은 이러한 현상을 가능하게 하는 행동과 뇌 회로를 지도화해 왔지만, 근본적인 미스터리는 여전히 남아 있습니다. 어떻게 단순한 부분들로 이루어진 시스템이 이토록 심오한 복잡성을 가진 정신이 될 수 있는가 하는 점입니다. 하나의 오래된 이론은 뇌가 모든 해답을 미리 갖추고 태어나는 것이 아니라고 제안합니다. 대신, 뇌는 생물학적 한계와 시간이 흐르며 축적된 경험 사이의 상호작용을 통해 스스로를 형성하며 자기 조직화될 수도 있다는 것입니다. 그러나 살아있는 인간의 뇌를 대상으로 이 이론을 테스트하는 것은 불가능합니다. 아이의 호기심을 제거하거나 뇌의 배선을 재배치하여 어떤 일이 일어나는지 관찰할 수는 없기 때문입니다. 이 수수께끼를 풀기 위해 연구자들은 다른 종류의 실험실, 즉 컴퓨터 시뮬레이션으로 눈을 돌렸습니다. 특정 규칙을 따르는 인공 뇌를 구축함으로써, 과학자들은 단순함으로부터 복잡성이 어떻게 출현하는지 관찰하며 우리 자신의 마음이 어떻게 형성되었을지에 대한 창을 제공받을 수 있습니다.
새로운 연구에서 연구진은 두 가지 특정한 요소만으로도 마음을 닮은 기계를 만들 수 있는지 확인하고자 했습니다. 그들은 인공 신경망(뉴런이 연결되는 방식을 모방하도록 설계된 컴퓨터 프로그램) 집단을 가져와 두 가지 인간적인 특성을 부여했습니다. 첫 번째는 영아가 세상을 탐색하는 방식을 모델링한 일종의 호기심였습니다. 두 번째는 멀리 떨어진 부분들 사이의 긴 연결을 구축하고 유지하는 데 드는 에너지와 같이 실제 뇌가 직면하는 생물학적 비용을 모방한 물리적 제약 조건이었습니다. 연구진은 이 두 요인이 함께 작용하여 인공 신경망이 인간의 뇌에서 볼 수 있는 것과 동일한 복잡한 구조와 능력을 발달시킬 수 있는지 알고 싶었습니다.
호기심의 본질을 포착하기 위해 연구팀은 먼저 8개월에서 15개월 사이의 영아 275명을 연구했습니다. 그들은 아기들이 화면상의 시각적 패턴을 바라보는 모습을 관찰하며, 정확히 언제 시선을 돌리는지를 기록했습니다. 연구진은 아기들이 무작위로 보는 것이 아님을 발견했습니다. 대신, 아기들은 마치 먹이를 찾는 채집가처럼 행동했는데, 그들의 '먹이'는 새로운 정보였습니다. 아기들은 어떤 패턴이 자신에게 새로운 것을 가르쳐주는 동안에는 그 패턴에 계속 몰입했습니다. 패턴이 더 이상 신선한 통찰을 제공하지 않고 학습 속도가 느려지는 순간, 아기들은 관심을 끊고 다른 곳으로 이동했습니다. 이 행동은 대리인이 환경에서 얻을 수 있는 평균적인 수익보다 국지적인 수익이 낮아질 때 자원을 떠나야 한다고 예측하는 생태학의 '한계 가치 정리(marginal value theorem)' 원리에 부합합니다. 연구진은 이 규칙을 컴퓨터 알고리즘으로 변환하여, 인공 신경망이 현재 얼마나 많이 배우고 있는지에 따라 작업 전환 여부를 결정할 수 있도록 했습니다.
두 번째 요소는 네트워크의 물리적 배치와 관련되었습니다. 실제 뇌는 단순히 뉴런이 담긴 주머니가 아닙니다. 뇌는 긴 연결을 만드는 데 많은 비용이 드는 두개골 안에 밀집되어 있습니다. 이를 모방하기 위해 연구진은 인공 신경망을 실제 인간 뇌의 기하학적 구조와 일치하는 가상 공간에 배치했습니다. 그들은 네트워크가 장거리 연결을 만드는 것에 대해 벌점을 부여함으로써, 진화가 인간의 뇌에 강요한 것처럼 효율적이도록 강제했습니다. 그런 다음 연구진은 단순한 매칭 게임부터 복잡한 의사결정 과제에 이르기까지 20가지의 다양한 인지 과제를 통해 이 네트워크들을 훈련시켰습니다. 네트워크는 호기심 알고리즘에 따라 다음에 연습할 과제를 자유롭게 선택할 수 있었던 반면, 물리적 배선 비용에 의한 제약을 받았습니다.
결과는 놀라웠습니다. 호기심과 물리적 제약을 결합한 네트워크는 단순히 과제를 학습하는 데 그치지 않고, 인간의 뇌와 매우 흡사한 내부 구조를 발달시켰습니다. 그들의 연결은 인간 뇌의 전문화된 영역들과 유사하게 뚜렷한 모듈로 스스로 조직되었으며, 인간 정신의 효율적인 통신에 필수적인 특징인 고도로 연결된 허브인 '리치 클럽(rich club)'을 형성했습니다. 또한 이 네트워크들은 인간의 성장 과정을 거울처럼 반영하는 발달 경로를 따랐습니다. 인간의 뇌가 유아기에 연결의 폭발적인 증가를 경험한 뒤 성인기까지 이어지는 신중한 가지치기 단계를 거치는 것처럼, 이 인공 네트워크들도 연결 밀도의 상승과 하락을 유사하게 보여주었습니다. 인간의 뇌 구조와 가장 잘 일치하는 네트워크들은 인지적 수행 능력에서도 가장 인간다운 패턴을 보였는데, 즉 인간의 능력이 평생에 걸쳐 그러하듯 '나이가 들수록' 능력이 향상되었다가 점차 감소하는 양상을 보였습니다.
아마도 가장 중요한 점은, 이 인간을 닮은 네트워크들이 복잡한 인간적 사고의 특징인 '학습한 내용을 재조합하는 능력'을 보여주었다는 것입니다. 연구진은 네트워크의 내부 연결을 고정시킨 상태에서, 기존 과제들이 혼합된 새로운 문제를 해결하도록 요청함으로써 이를 테스트했습니다. 예를 들어, 만약 네트워크가 주의 산만 요소를 피하는 법을 배웠고 결정을 내리는 법을 배웠다면, 이 두 가지가 모두 필요한 새로운 과제를 즉각적으로 해결할 수 있을까요? 호기심과 물리적 제약에 의해 구동된 네트워크들은 이러한 새로운 조합들을 빠르게 해결했습니다. 그들은 기초적인 것을 다시 배울 필요 없이, 이미 구축한 내부 도구들을 단순히 재조합하기만 하면 되었습니다. 반면, 호기심이나 물리적 제약 없이 학습한 네트워크들은 이러한 연결을 만드는 데 어려움을 겪었습니다.
이 연구는 호기심이 단순히 복잡한 뇌의 부산물이 아니라, 그 복잡성을 구축하는 데 도움을 주는 동력임을 시사합니다. 새로운 정보를 적극적으로 찾고 더 이상 유용하지 않을 때 멈춤으로써, 개체는 자신의 내부 구조를 스스로 형성합니다. 이러한 호기심이 생물학적 시스템의 물리적 한계와 결합될 때, 그 결과는 유연하고 인간적인 사고가 가능한 구조를 만들어냅니다. 이 연구 결과는 마음이 어떻게 출현하는지에 대한 새로운 관점을 제공하며, 복잡한 인지의 경로가 더 크거나 강력한 시스템을 구축하는 것이 아니라, 단순한 제약과 능동적인 탐색이 시간이 흐름에 따라 펼쳐지도록 하는 것임을 시사합니다. 이 접근 방식은 생물학적 요소와 경험의 상호작용이 어떻게 인간의 경험을 정의하는 무한한 범위의 생각들을 만들어내는지 이해하기 위한 검증 가능한 틀을 제공합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.