Local recurrence accounts for extended processing during occluded-object recognition
MEG, 계산 모델링, 그리고 다양한 신경 영상 기술을 통합함으로써, 본 연구는 가려진 객체의 인식을 가능하게 하는 주요 기제가 장거리 하향식 피드백이 아니라 지속적인 국소 재귀적 처리임을 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
우리의 뇌는 눈이 단편적인 정보만을 받아들일 때조차 세상을 하나의 완전한 그림으로 보는 데 매우 탁월합니다. 나뭇가지가 새의 일부를 가리거나 주차된 차가 트럭의 뒷부분을 가릴 때, 우리는 분절된 조각들을 보는 것이 아니라 전체 동물이나 차량을 봅니다. 불완전한 시각적 입력으로부터 사물을 인식하는 이 능력은 인간 지각의 근본적인 부분입니다. 과학자들은 이 과정이 눈에서 뇌로 전달되는 단 한 번의 빠른 정보 스캔 그 이상을 필요로 한다는 사실을 오래전부터 알고 있었습니다. 시각적 증거가 모호하거나 누락되었을 때, 뇌는 빈틈을 채우기 위해 추가적이고 더 느린 처리를 수행해야 합니다. 그러나 핵심적인 질문은 여전히 해결되지 않은 채 남아 있었습니다. 뇌가 이 일을 어떻게 완수하는가 하는 점입니다. 뇌가 서로 다른 전문화된 영역들 사이의 빠르고 왕복적인 대화에 의존하는 것일까요, 아니면 단일 영역이 이미지를 완성하기 위해 스스로 더 오래, 더 열심히 작동하는 것에 의존하는 것일까요?
연구팀은 사람들이 부분적으로 가려진 물체를 바라보는 동안 인간의 뇌가 어떻게 작동하는지 관찰함으로써 이 미스터리를 풀기 위해 나섰습니다. 그들은 뇌의 전기적 활동에 의해 생성되는 미세한 자기장을 측정하여 뇌의 신경 사건들을 밀리초 단위의 정밀도로 추적할 수 있는 뇌자기도법(magnetoencephalography)이라는 기술을 사용했습니다. 연구진은 참가자들에게 낙타, 사슴, 자동차, 오토바이라는 네 가지 유형의 이미지를 보여주었으며, 일부 이미지는 가려짐을 시뮬레이션하기 위해 검은색 도형으로 부분적으로 가려져 있었습니다. 뇌가 이러한 이미지를 어떻게 처리하는지 이해하기 위해, 그들은 두 가지 주요 이론을 비교했습니다. 한 이론은 큰 그림을 보유하고 있는 상위 수준의 영역에서 초기 시각 영역으로 '하향식(top-down)' 신호를 보내 흐릿하거나 숨겨진 부분을 명확히 하는 데 도움을 준다고 제안했습니다. 다른 이론은 초기 시각 영역이 상위로부터의 긴 거리 메시지 없이도, 국소적으로 파편들을 반복적으로 처리하며 이미지를 정교화하는 과정을 단순히 더 많은 시간을 들여 수행한다고 제안했습니다.
연구진은 물체가 가려졌을 때 뇌가 실제로 물체를 인식하는 데 더 오랜 시간이 걸렸으며, 이 추가적인 시간이 성공에 결정적이었다는 것을 발견했습니다. 그들은 물체 직후에 빠르고 혼란스러운 패턴을 즉시 노출하는 역마스킹(backward masking) 기법을 사용하여, 이 추가적인 처리 시간이 정말 필요한지를 테스트했습니다. 그들은 만약 마스크에 의해 이 추가적인 처리 시간이 단축되면 뇌가 가려진 물체를 인식하는 데 실패한다는 것을 발견했습니다. 이는 가려진 사물을 인식하는 데 초기 응시 이후에도 지속적이고 능동적인 작업이 필요함을 확인시켜 주었습니다. 그러나 뇌의 서로 다른 영역 간의 정보 흐름을 면밀히 조사했을으로, 새로운 긴급 피드백 루프가 구축되는 것을 시사하는 방식으로 정보의 타이밍이나 통신 방향이 변하지 않는다는 것을 발견했습니다. 뇌 영역들은 서로 대화를 나누고 있었지만, 물체가 가려졌다고 해서 그 대화가 특별히 더 커지거나 패턴이 바뀌지는 않았습니다.
연구진은 뇌 내부에서 정확히 어떤 일이 일어나고 있는지 이해하기 위해 뇌의 구조를 모방한 컴퓨터 모델을 구축했습니다. 그들은 세 가지 버전의 모델을 만들었습니다. 하나는 정보를 단 한 번의 순방향 통과로만 처리하는 모델, 다른 하나는 초기 영역이 국소적으로 정보를 스스로 루프시키는 것을 허용하는 모델, 그리고 마지막은 뇌의 상단에서 하단으로 이어지는 장거리 피드백 경로를 포함하는 모델입니다. 이 모델들을 동일한 가려진 물체들에 대해 테스트했을 때, 로컬 루프(local loops)를 가진 모델이 단순한 순방향 전용 모델보다 훨씬 더 우수한 성능을 보였습니다. 이 모델은 가려진 물체의 정체를 성공적으로 복구해냈는데, 이는 인간의 뇌가 하는 방식과 일치했습니다. 반면, 장거리 피드백 경로를 포함한 버전은 로컬 루프 버전보다 유의미한 이점을 제공하지 못했습니다. 실제로 장거리 연결을 추가하는 것은 로컬 루프만 있을 때보다 가려진 물체를 인식하는 데 있어 모델을 더 낫게 만들지 못했습니다.
이 연구는 가려진 물체를 인식하는 뇌의 능력이 주로 시각 영역 자체 내에서의 지속적인 국소적 처리에 의존한다는 결론을 내립니다. 이미지를 수정하기 위해 뇌의 상위 중심부로부터 특별한 신호를 보내기보다는, 초기 시각 영역이 스스로 더 열심히, 더 오래 작동하며 물체가 명확해질 때까지 파편들을 반복적으로 정교화하는 것으로 보입니다. 뇌가 정보를 주고받을 수 있는 장거리 연결을 분명히 가지고 있기는 하지만, 연구진은 이 특정 경로들이 이 맥락에서의 가려짐 문제를 해결하는 핵심 열쇠라는 증거를 찾지 못했습니다. 해결책은 국소적인 회로에 있었으며, 이 회로는 가려진 물체가 드러날 때까지 분석을 지속하고 심화할 수 있었습니다. 이 발견은 시각적 지각에 대한 우리의 이해를 전환시키며, 장애물을 뚫고 보는 뇌의 능력이 상위로부터의 구조 작업이 아닌, 국소적이고 반복적인 계산의 힘에 대한 증거임을 시사합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.