수 세기 동안 과학자들은 인간의 정신이 어떻게 작동하는지, 그리고 우리처럼 생각하는 기계를 만들 수 있는지라는 동일한 미스터리에 대한 두 가지 서로 다른 버전을 쫓아왔습니다. 한쪽에서는 인지 신경과학이 살아있는 뇌 내부를 들여다보며, 수십억 개의 작은 세포들이 어떻게 함께 작동하여 기억, 감정, 의사결정을 만들어내는지 그 지도를 그려냅니다. 다른 한쪽에서는 인공지능이 문제를 해결하거나, 얼굴을 인식하거나, 이야기를 쓰는 컴퓨터 프로그램을 구축합니다. 오랫동안 이 두 분야는 서로 대화하는 일이 거의 없이 평행선을 달려왔습니다. 하지만 최근 이들은 하나의 강력한 힘으로 합쳐지기 시작했습니다. 뇌는 더 이상 연구 대상에 머물지 않고, 더 나은 컴퓨터를 만들기 위한 청사진이 되었습니다. 동시에 컴퓨터는 과학자들이 뇌의 가장 복잡한 신호들을 해독하는 데 도움을 줄 수 있을 만큼 강력해졌습니다. 이 새로운 파트너십은 질병을 치료하고, 우리 자신의 마음을 이해하며, 우리를 위해 일할 뿐만 아니라 우리와 함께 작동하는 기술을 만드는 방식을 혁신할 것을 약속합니다.

연구자 우웸 존슨 우콤포(Uwem Johnson Ukpong)와 오투투 마그렛 체타치(Otutu Margret Chetachi)의 최근 체계적 문헌 고찰은 이러한 융합을 선명하게 보여줍니다. 저자들은 100개의 서로 다른 연구를 조사하여 이 두 학문이 정확히 어떻게 상호작용하고 있는지, 어디에서 성공하고 있으며, 어디에서 여전히 어려움을 겪고 있는지를 지도화했습니다. 그들은 직접 새로운 실험을 수행한 것이 아니라, 대신 기존의 지형을 상세히 그리는 지도 제작자 역할을 하여 가장 중요한 작업이 어디에서 일어나고 있는지를 보여주었습니다. 그들의 분석은 두 분야가 깊게 얽혀 있지만, 연구가 고르게 퍼져 있지는 않다는 점을 밝혀냈습니다. 과학자들은 기억이 검토된 연구의 20%를 차지할 정도로 가장 많이 연구된 분야라는 것을 발견했습니다. 주의력, 감정, 그리고 계획을 세우고 충동을 조절하는 능력인 실행 기능이 그 뒤를 바짝 쫓고 있습니다. 이러한 분포는 연구자들이 현재 뇌가 정보를 저장하는 방식과 특정 과업에 집중하는 방식에 가장 큰 관심을 두고 있음을 시사하는데, 아마도 이는 컴퓨터 모델이 가장 많은 진전을 이룬 영역이기 때문일 것입니다.

이 검토는 흥미로운 양방향 영감의 길을 강조합니다. 수십 년 동안 컴퓨터 과학자들은 아이디어를 얻기 위해 뇌를 바라보았습니다. 가장 유명한 예는 생물학적 뉴런이 연결되고 학습하는 방식을 모방하도록 설계된 컴퓨터 시스템인 인공 신경망입니다. 인간의 뇌가 새로운 기술을 배울 때 세포 사이의 연결을 강화하는 것처럼, 이러한 컴퓨터 시스템은 과업을 더 잘 수행하기 위해 내부 수치를 조정합니다. 연구자들은 이러한 생물학적 영감이 이미지 인식과 언어 이해를 놀라운 정확도로 수행할 수 있는 인공지능의 한 형태인 딥러닝으로 이어졌다고 언급했습니다. 그 보답으로, 이 스마트한 컴퓨터 시스템들은 이제 신경과학자들을 돕고 있습니다. 인간의 뇌는 과학자들이 스캔할 때 엄청난 양의 데이터를 생성하며, 전통적인 수학 도구들은 이를 해석하는 데 어려움을 겪는 경우가 많습니다. 그러나 인공지능은 이러한 복잡한 패턴을 훑어내어 숨겨진 단서를 찾아낼 수 있습니다. 검토 결과, 이러한 도구들이 이미 의사들이 알츠하이머병, 파킨슨병, 간질과 같은 신경계 질환을 높은 정확도로 예측하는 데 도움을 주고 있으며, 종종 증상이 나타나기 훨씬 전부터 질병의 징후를 포착하고 있다는 것을 보여주었습니다.

이러한 성공에도 불구하고, 저자들은 생물학과 기술의 결합이 아직 완벽하지 않다고 지적합니다. 현대 인공지능을 구동하는 컴퓨터는 여전히 인간의 뇌와 매우 다릅니다. 인간의 뇌는 약 20와트의 전력, 즉 희미한 전구 하나 정도의 에너지만 사용하는 반면, 대규모 인공지능 모델을 훈련하는 데는 작은 마을 하나에 전력을 공급할 수 있을 만큼의 수십만 와트가 필요할 수 있습니다. 더욱이 생물학적 뇌는 믿을 수 없을 정도로 적응력이 뛰어납니다. 뇌는 평생 동안 새로운 것을 배울 수 있고 손상되었을 때 스스로를 복구할 수 있습니다. 현재의 컴퓨터 시스템은 훨씬 더 경직되어 있어, 새로운 것을 배우기 위해 완전히 재학습해야 하는 경우가 많고 실패했을 때 스스로를 고치는 능력이 부족합니다. 이 검토는 차세대 기술로 알려진 뉴로모픽 컴퓨팅(neuromorphic computing)이 이 격차를 좁히는 것을 목표로 한다고 제안합니다. 이 시스템은 뇌처럼 작동하도록, 즉 꼭 필요할 때만 신호를 발생시키는 이벤트 기반 방식으로 구축되어 훨씬 더 에너지 효율적이고 적응력이 높을 수 있습니다.

그러나 이러한 기술이 발전함에 따라, 저자들은 과학적 발견과 동일한 비중으로 심각한 윤리적 문제들도 다룹니다. 저자들은 뇌 데이터가 다른 어떤 개인 정보와도 다르다는 점을 강조합니다. 만약 컴퓨터 시스템이 뇌 스캔을 통해 당신의 생각, 감정, 또는 의도를 읽을 수 있다면, 프라이버시에 대한 이해관계는 매우 높아집니다. 검토는 '뉴로프라이버시(neuroprivacy)'를 핵심적인 관심사로 식별하며, 엄격한 법률이 없다면 이 민감한 데이터가 오용되거나 허가 없이 접근될 수 있다고 경고합니다. 또한 편향에 대한 우려도 있습니다. 만약 컴퓨터 프로그램이 소수의 집단으로부터 얻은 데이터로 훈련된다면, 다른 사람들에게 불공정하거나 부정확한 진단을 내릴 수 있습니다. 연구자들은 이 기술이 안전하고 유용하기 위해서는 투명해야 한다고 주장합니다. 의사와 환자는 아무도 설명할 수 없는 '블랙박스' 답변을 수용하는 것이 아니라, 컴퓨터가 어떻게 결론에 도달했는지 이해할 수 있어야 합니다.

미래를 내다보며, 이 논문은 이러한 협력이 이끌 수 있는 몇 가지 흥럽고 유망한 방향을 제시합니다. 한 가지 유망한 경로는 마비 환자들이 로봇 팔을 제어하거나 생각만으로 소통할 수 있게 해주는 뇌-컴퓨터 인터페이스의 개발입니다. 또 다른 경로는 인공지능의 패턴 인식 능력과 인간 사고의 논리적 추론을 결합하여, 기계를 더 설명 가능하고 신뢰할 수 있게 만드는 '뉴로-심볼릭(neuro-symbolic)' 시스템의 창조입니다. 저자들은 또한 기계가 어떤 과업도 배울 수 있는 유연하고 인간과 유사한 정신을 갖게 되는 이론적 목표인 인공 일반 지능(AGI)에 대해서도 언급합니다. 이것이 여전히 멀고 실험적인 목표이긴 하지만, 이 검토는 생물학적 뇌를 이해하는 것이 그곳에 도달하는 유일한 길임을 시사합니다.

궁극적으로, 이 연구는 지능의 미래가 협력에 있다고 결론짓습니다. 컴퓨터 과학자도 신경과학자도 혼자서는 마음이라는 퍼즐을 풀 수 없습니다. 앞으로의 길은 생물학에서 영감을 받은 기계를 만드는 엔지니어와, 그 기계를 사용하여 뇌를 이해하는 생물학자가 지속적인 파트너십을 유지하는 것을 요구합니다. 이 관계는 의료 분야를 변화시켜 신경계 질환에 대한 조기 진단과 개인 맞춤형 치료를 제공할 잠재력을 가지고 있습니다. 또한 인간의 자율성과 프라이버시를 존중하는 새로운 종류의 기술을 만들 것을 약속합니다. 저자들이 언급했듯이, 여정은 이제 시작되었으며, 가장 중요한 단계는 우리가 더 똑똑한 기계를 만들 때, 그 기계가 봉사해야 할 인간의 가치를 명확히 이해하는 것입니다.