Proposing an Artificial Neural Networks-based Model to Simulate Human Visual Cortex

당신의 뇌를 실리콘 칩과 전선 대신, 뉴런이라고 불리는 수십억 개의 작은 살아있는 세포들로 이루어진 궁극의 초고성능 컴퓨터라고 상상해 보세요. 이 뉴로들은 전기적 스파크와 화학적 신호를 사용하여 서로 대화하는 작은 메신저와 같습니다. 오랫동안 과학자들은 우리처럼 생각하는 인공 컴퓨터를 만들기 위해 노력해 왔으며, 이를 "인공 신경망(Artificial Neural Networks)"이라고 부릅니다. 이것은 우리의 뇌 구조를 디지털로 복제한 것이라고 생각하면 됩니다. 보통 우리는 이러한 디지털 복제본을 얼굴 인식이나 자율 주행 자동차가 도로를 보는 것을 돕는 것과 같은 멋진 일에 사용합니다. 하지만 이 연구는 조금 더 호기심 어린 다른 질문을 던집니다. 만약 우리가 컴퓨터를 단순히 어떤 일을 수행하는 도구로 쓰는 것이 아니라, 우리 자신을 이해하기 위한 도구로 사용한다면 어떨까? 구체적으로, 우리의 뇌가 실제로 세상을 어떻게 보고, 기억하며, 때때로 어떻게 압도당하는가에 대한 질문입니다. 인간의 지각 과정을 모델링하기 위해 뇌의 시각 중추를 디지털 모델로 구축함으로써, 과학자들은 우리가 왜 사물을 기억하는 방식과 편두통 같은 특정 상태가 왜 세상을 고통스러울 정도로 밝게 느끼게 만드는지에 대한 베일을 벗겨내고자 합니다.

---

디지털 브레인: 보는 것, 기억하는 것, 그리고 편두절에 관한 이야기

이 연구에서 시나 사다티(Sina Saadati)라는 연구자는 빛이 눈에 닿아 당신이 보는 그림으로 변환되는 과정, 즉 인간의 시각 피질(visual cortex)의 "디지털 쌍둥이"를 구축하는 방법을 제안합니다. 목표는 단순히 더 나은 카메라를 만드는 것이 아닙니다. 뇌가 무엇을 보았는지 어떻게 '느끼고' '기억하는지'를 시뮬레이션하는 것입니다. 논문은 특정 유형의 컴퓨터 네트워크를 사용함으로써, 우리 뇌가 이미지를 처리하는 방식, 편두통 중에 어떻게 망가지는지, 그리고 노래 한 곡이 어떻게 갑자기 전체 기억을 불러일절 수 있는지 재현할 수 있다고 제안합니다.

파트 1: 뇌의 카메라와 "잔상"의 기술

먼저, 이 논문은 **합성곱 신경망(Convolutional Neural Network, CNN)**이라는 것을 사용하여 모델을 구축합니다. CNN은 층(layer) 단위로 작동하는 작은 전문 탐정 팀이라고 생각하면 됩니다. 첫 번째 층은 픽셀과 같은 단순한 것들, 즉 가장자리와 색상을 봅니다. 다음 층은 그 가장자리들을 보고 "헤이, 이건 곡선처럼 보이는데!"라고 말합니다. 그다음 층은 "그 곡선은 얼굴의 일부야!"라고 말할 수도 있습니다. 이것이 바로 우리 뇌가 층을 쌓아가며 그림을 만들어내는 방식입니다.

연구진은 이 디지털 팀을 사용하여 우리가 기억을 저장하는 방식을 시뮬레이션했습니다. 그들은 모델이 이미지에 오랫동안 "응시"할 때(컴퓨터 용어로는 학습할 때), 모델의 내부 설정이 변한다는 것을 발견했습니다. 만약 그 후에 완전히 새로운 사진을 보여준다면, 이전의 기억이 여전히 새어 나옵니다. 이는 밝은 빛을 오랫동안 바라본 후 눈을 감았을 때, 잠시 동안 빛의 형태가 보이는 것과 같습니다. 시뮬레이션은 우리 뇌도 이와 유사하게 작동함을 시사합니다. 무언가를 바라보는 것은 뇌세포의 물리적 구조를 변화시키며(모델에서는 이를 연결의 중요도인 "가중치"를 변경하는 것으로 나타냅니다), 이것이 우리가 이미지가 존재하지 않을 때도 그것을 회상할 수 있는 이유입니다. 또한 논문은 만약 새로운 것을 충분히 오래 바라본다면, 이전의 기억은 사라지고 새로운 것으로 대체된다는 점을 언급하는데, 이는 우리의 기분과 기억이 시간이 흐름에 따라 변화하는 방식과 같습니다.

파트 2: 뇌의 경보가 울릴 때 (편두통)

다음으로, 논문은 뇌가 정상적으로 작동하지 않을 때는 어떤 일이 벌어지는지 묻습니다. 연구진은 편두통 공격을 시뮬레이션하기로 했습니다. 실제 생활에서 편두통을 앓는 사람들은 종-종 광공포증(photophobia), 즉 빛에 대한 극도로 예민한 반응을 겪습니다. 작은 램프나 휴대폰 화면이 눈을 멀게 하는 스포트라이트처럼 느껴질 수 있습니다.

이를 시뮬레이션하기 위해 연구진은 디지털 뇌를 미세하게 조정했습니다. 그들은 뉴런의 "민감도"를 높였는데, 이는 컴퓨터 모델에서 세포 간의 연결 볼륨을 높이는 것을 의미했습니다. 실제 뇌에서 이는 글루타메이트(glutamate)라는 화학 물질이 더 많이 방출되어 뉴런이 너무 쉽게 발화하게 만드는 현상에 의해 발생합니다.

결과는 매우 흥istic했습니다. 모델이 "정상"일 때는 어두운 방 안의 작은 노트북 화면은 어둡게 보였습니다. 하지만 모델이 "편두통 모드"로 설정되었을 때, 동일한 작은 화면이 마치 한낮의 태양처럼 디지털 뇌 전체를 환하게 밝혔습니다. 시뮬레이션은 약한 신호조차도 어떻게 고통스럽고 압도적인 섬광으로 증폭될 수 있는지를 보여주었습니다. 저자는 이 모델이 신뢰할 만하다고 제며, 왜냐하면 벽에 반사된 빛조차 눈을 긁는 듯한 느낌을 받는다는 편두통 환자들의 실제 보고와 일치하기 때문이라고 설명합니다. 이 디지털 실험은 왜 통증이 발생하는지에 대한 이유를 설명하는 데 도움을 줍니다. 즉, 뇌의 경보 시스템이 너무 높게 설정되어 있는 것입니다.

파트 3: 노래의 힘 (시청각 기억)

마지막으로, 논문은 우리가 서로 다른 감각을 어떻게 혼합하여 기억하는지를 탐구합니다. 노래를 듣자마자 당신이 정확히 어디에 있었는지, 누구와 함께 있었는지, 그리고 그 방이 어떻게 생겼는지를 갑자기 기억해 낸 적이 있나요? 연구진은 이를 시뮬레이션할 수 있는지 알고 싶었습니다.

그들은 모델에 **홉필드 네트워크(Hopfield Network)**라고 불리는 두 번째 시스템을 추가했습니다. 이것은 뇌의 "장기 저장소" 또는 모든 것이 서로 연결된 거대한 웹이라고 생각하면 됩니다. 이 웹 안에서 시각적 기억(사진)과 청각적 기억(노래)은 하나로 묶입니다.

실험은 다음과 같이 진행되었습니다:

1. 모델은 특정 음악적 음의 배열을 "들으면서" 장면(예: 얼굴이나 나무)을 "보았습니다".
2. 모델은 이 결합된 경험을 홉필드 웹에 저장했습니다.
3. 그 후, 연구진은 기억에서 사진을 삭제하고 오직 음악만을 제공했습니다.
4. 결과: 모델은 음악만으로 시각적 이미지를 성공적으로 "재구성"해 냈습니다!

37가지의 서로 다른 실험에서, 모델은 놀라운 정확도로 시각적 세부 사항을 회상해 냈습니다. 평균적으로 모델은 사진의 **98.35%**를 정확하게 맞혔습니다. 예를 들어, 모델이 선글라스를 쓴 사람의 사진과 관련된 음악을 들었다면, 음악만으로도 선글라스의 형상을 다시 "그려낼" 수 있었습니다. 논문은 이것이 우리의 뇌가 시각과 청각을 별도로 저장하는 것이 아니라, 하나의 풍부한 태피스트리처럼 함께 엮어서 저장한다는 것을 증명한다고 제안합니다.

이 모든 것이 의미하는 바

이 연구는 실제 인간의 뇌를 만들었거나 의식의 미스터리를 풀었다고 주장하는 것이 아닙니다. 대신, 이러한 특정 컴퓨터 모델을 사용함으로써 우리의 시각 피질이 어떻게 작동하는지 시뮬레이션할 수 있는 신뢰할 수 있는 방법을 만들 수 있음을 시사합니다. 이는 다음을 보여줍니다:

• 기억은 물리적이다: 무언가를 응시하는 것은 뇌의 구조를 변화시키며, 이것이 우리가 그것을 기억하는 이유입니다.
• 편두통은 증폭의 문제이다: 통증은 뉴런이 너무 민감해져서 작은 빛을 눈을 멀게 하는 섬광으로 바꾸기 때문에 발생합니다.
• 감각은 연결되어 있다: 뇌가 시각과 청각을 하나의 연결된 패키지로 저장하기 때문에 노래가 시각적 기억을 촉발할 수 있습니다.

저자는 이러한 시뮬레이션이 실제 세계의 보고 및 심리학적 원칙과 일치하지만, 여로 여전히 모델일 뿐이라는 점을 주의 깊게 명시합니다. 이것들은 뇌를 이해하기 위한 강력한 도구이지만, 실제 영토 자체가 아닌 지도일 뿐입니다. 향후 연구에서는 촉각이나 통증 신호가 이 그림에 어떻게 들어맞는지, 혹은 호르몬이 뇌의 신호 처리 방식을 어떻게 바꾸는지와 같은 더 세부적인 내용을 추가해야 할 수도 있습니다. 하지만 현재로서는, 시각 피질로 떠나는 이 디지털 여정은 우리가 세상을 어떻게 보고, 기억하고, 느끼는지에 대해 더 명확하고 생생한 그림을 제공합니다.