Heterogeneous self-couplings enable scale-invariant memory and cognitive flexibility without criticality

인간의 뇌는 시간의 명수입니다. 뇌는 순식간에 일어나는 빛의 번쩍임에 찰나의 순간 동안 반응할 수 있는 동시에, 몇 분 동안 복잡한 생각을 마음속에 간직하거나 수년에 걸쳐 펼쳐지는 이야기를 엮어낼 수도 있습니다. 이처럼 매우 상이한 속도에 걸쳐 작동하는 능력은 결함이 아니라, 우리가 생각하고 학습하며 적응하는 방식의 근본적인 특징입니다. 수십 년 동안 과학자들은 수십억 개의 뉴런 네트워크가 어떻게 먼 과거의 사건들을 추적하면서도 현재의 순간에 여전히 반응할 수 있는지 궁금해해 왔습니다. 한 유력한 이론은 뇌가 이러한 유연성을 달성하기 위해 '임계성(criticality)'이라 불리는 질서와 혼돈 사이의 아주 얇은 경계 위를 끊임없이 떠돌아야 한다고 제안했습니다. 그러나 새로운 연구는 이 오래된 관점에 도전하며, 뇌가 그 자체의 회로 내에 내장된 속도의 다양성을 통해 놀라운 시간 조절 능력과 적응력을 달성할 수도 있다고 제안합니다.

2026년 10월에 발표된 연구에서 프란체스코 다미아니(Francesco Damiani), 가브리엘레 디 안토니오(Gabriele Di Antonio) 및 폼페우 파브라 대학교와 로마의 최고 보건 연구소(Istituto Superiore di San Sì)의 동료 연구자들은 컴퓨터 신경망 모델을 사용하여 이 가능성을 탐구했습니다. 그들은 뇌의 구조를 모방하되 특정한 종류의 변이를 도입한 시스템을 구축했습니다. 모든 네트워크 부분이 정확히 똑같이 작동하는 대신, 각 단위에 서로 다른 강도의 자기 연결(self-connection)을 부여한 것입니다. 모델의 언어로 표현하자면, 어떤 단위들은 자기 자신과 단단하게 연결되어 상태가 변하는 데 느리게 반응하는 반면, 다른 단위들은 느슨하게 연결되어 빠르게 반응할 수 있게 했습니다. 연구팀은 이러한 빠르고 느린 단위들의 단순한 혼합만으로도, 임계점에 맞춰 조정될 필요 없이 광범위한 시간 척도에 걸쳐 과거를 기억하는 시스템을 만들기에 충분하다는 것을 발견했습니다.

연구진은 이러한 단위들이 적절한 자기 연결의 혼합을 가지고 배치될 때, 네트워크의 기억이 예측 가능하고 균일한 방식으로 사라지지 않는다는 것을 발견했습니다. 대신, 과거 입력에 대한 기억은 느리고 꾸준하게 감쇠하며, 먼 과거의 정보가 현재에 미세한 영향을 미치는 패턴을 따릅니다. 이것이 과학자들이 말하는 '척도 불변 기억(scale-invariant memory)'입니다. 이는 시스템이 급격한 클릭 소리의 연속이든 느리고 길게 이어지는 대화이든, 어떤 속도로 들어오는 정보라도 재구성할 필요 없이 처리할 수 있음을 의미합니다. 모델은 실제 뇌 활동에서 자주 관찰되는 이러한 기억의 멱법칙(power-law) 감쇠가, 시스템 전체를 혼돈의 직전에서 아슬아슬하게 균형 잡도록 요구하는 것이 아니라 네트워크 내부 연결의 다양성으로부터 자연스럽게 발생할 수 있음을 보여주었습니다.

이 기억이 실제로 유용한지 테스트하기 위해 연구팀은 모델에 일련의 정신적 과제를 부여했습니다. 먼저, 다양한 속도로 제시되는 6개의 서로 다른 신호 시퀀스를 기억해야 하는 단기 기억 과제를 주었습니다. 모든 부분이 동일한 표준 네트워크는 신호가 더 빠르거나 느려짐에 따라 어려움을 겪으며 본 것을 빠르게 잊어버렸습니다. 안정성의 가장자리로 조정된 네트워크는 더 나은 성능을 보였지만 취약했습니다. 반면, 다양한 자기 연결을 가진 모델은 타이밍에 관계없이 시퀀스를 견고하게 기억했습니다. 이 모델은 단일 단위의 속도보다 간격이 20배 더 길 때조차도 첫 번째 신호를 마지막 신호만큼 잘 유지할 수 있었습니다. 이는 속도의 혼합이 네트워크가 '지금'에 반응하는 능력을 잃지 않으면서도 과거의 기록을 안정적으로 유지할 수 있게 했음을 입증했습니다.

연구진은 한 단계 더 나아가, 인지적 유연성의 고전적인 퍼즐인 위스콘신 카드 분류 검사(Wisconsin Card Sorting Test)를 모델에게 요청했습니다. 이 과제에서 사람은 색상이나 모양을 맞추는 것과 같은 규칙에 따라 카드를 분류해야 합니다. 규칙은 예기치 않게 변하며, 사람은 오류 신호와 같은 피드백을 바탕으로 새로운 규칙을 파악해야 합니다. 이를 위해서는 현재의 맥락을 마음속에 간직하면서도 즉각적으로 기어를 바꿀 준비가 되어 있어야 합니다. 모델은 카드를 보고 즉각적인 결정을 내리기 위해 빠른 단위들을 사용하는 동시에, 느린 자기 연결 단위들이 현재의 규칙을 보유하는 안정적인 저장소 역할을 함으로써 이 과제를 성공적으로 수행했습니다. 오류가 발생했을 때, 네트워크는 자신의 내부 상태를 새로운 '어트랙터(attractor)'로 이동시켜, 전체 구조를 재배선하지 않고도 효과적으로 규칙을 변경할 수 있었습니다. 이러한 맥락 전환 능력은 네트워크의 내부 다양성으로부터 직접적으로 나타났습니다.

연구의 중요한 부분은 이 접근 방식을 네트워크에 서로 다른 속도를 만드는 다른 방법들과 비교하는 것이었습니다. 연구팀은 단위들이 서로 다른 시간 상수(time constants)를 가짐으로써 서로 다른 속도를 갖는 두 번째 모델을 구축했습니다. 이는 다양성을 시뮬레이션하는 흔한 방식입니다. 이 두 번째 모델 역시 퍼즐을 풀 수는 있었지만, 규칙을 학습하기 위해 훨씬 더 크고 급격한 연결 변화가 필요했습니다. 그러나 다양한 자기 연결을 가진 모델은 기존 구조에 아주 미세한 조정만을 가하여 과제를 학습했습니다. 이는 내장된 다양한 속도와 안정적인 상태의 지형을 갖는 것이 시스템이 상황이 변할 때마다 매번 새로운 것을 처음부터 구축하기보다는 기존의 역량을 활용할 수 있게 하는 더 효율적인 방법임을 시사합니다.

이 연구 결과는 임계성에 관한 뇌과학계의 주요 논쟁에 빛을 던져줍니다. 오랫동안 많은 과학자들은 뇌가 유연하고 강력하게 작동하려면 너무 경직된 상태와 너무 혼란스러운 상태 사이의 완벽한 균형점인 '임계점' 근처에서 작동해야 한다고 믿어왔습니다. 새로운 시뮬레이션은 이것이 반드시 필요한 것은 아니라는 점을 시사합니다. 연구진은 자신들의 모델이 임계점으로부터 안전하게 떨어져 있는 안정적인 '아임계(sub-critical)' 상태에 있으면서도, 임계성이 유일한 원천이라고 여겨졌던 복잡하고 척도 없는 역동성과 유연한 행동을 여전히 생성해 낸다는 것을 보여주었습니다. 이는 뇌가 잘 기능하기 위해 외줄 타기를 할 필요가 없을 수도 있음을 암시합니다. 대신, 뇌는 구조적 다양성으로부터 만들어진 풍부하고 다양한 역동성에 의존할 수 있습니다.

이 연구는 뇌가 어떻게 조직되어 있는지에 대한 새로운 관점을 제공합니다. 이는 대뇌 피질이 하위 수준은 빠르고 즉각적인 감각 입력을 다루고, 상위 수준은 느리고 복잡한 맥락을 다루는 계층적 네트워크일 수 있음을 시사합니다. 이러한 계층 구조는 뇌의 처리 과정이 올라감에 따라 자기 연결의 강도가 증가하기 때문에 자연스럽게 발생할 수 있습니다. 높은 영역은 추상적인 아이디어와 규칙을 보유할 수 있는 더 느리고 안정적인 단위들을 자연스럽게 갖게 될 것이고, 낮은 영역은 빠른 반응을 위한 더 빠른 단위들을 갖게 될 것입니다. 이 단일한 원리인 '다양한 자기 연결'은 뇌가 장기간의 정보를 통합하는 능력과 복잡하고 추상적인 사고를 수행하는 능력을 모두 설명할 수 있습니다.

궁극적으로 이 작업은 뇌의 힘이 혼돈의 섬세한 균형에서 온다는 생각에 대한 설득력 있는 대안을 제공합니다. 대신, 이는 다양성의 힘을 가리킵니다. 단순히 각기 다른 속도로 움직이고 서로 다른 시간 동안 정보를 보유하는 부분들을 가짐으로써, 신경망은 과거를 기억하고, 새로운 규칙에 적응하며, 여러 시간 척도에 걸쳐 정보를 처리하는 능력을 자연스럽게 발달시킬 수 있습니다. 연구진의 시뮬레이션은 이 메커니즘이 견고하고 효율적이며, 시스템을 임계점에 맞출 필요 없이 지적 생명체를 정의하는 유연한 행동을 지원할 수 있음을 보여줍니다. 뇌는 어쩌면 외줄 타기를 하는 광대라기보다는, 각자의 속도로 노래하며 안정적이면서도 끝없이 적응 가능한 화음을 만들어내는 합창단에 더 가까울지도 모릅니다.