Born wired: innate cortical connectivity plus local plasticity is enough to stand, walk and look
이 논문은 시뮬레이션된 4족 보행 로봇이 전역적 보상 신호, 경사도 또는 학습 루프 없이 오직 선천적인 피질 배선과 국소적 상관관계 기반 가소성만을 사용하여 서 있거나, 시각적 목표를 향해 걷거나, 시선 추적을 수행할 수 있음을 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
우리가 인공지능에서의 "학습"이라고 생각하는 것의 대부분은 시스템이 수백만 가지의 변형을 시도하고, 실패하고, 마침내 정답을 맞힐 때까지 내부 설정을 천천히 조정하는 과정을 포함합니다. 이는 마치 학생이 답이 머릿속에 박힐 때까지 단원을 반복하며 교과서를 암기하는 것처럼, 전역적인 목표에 의해 유도되는 시행착오의 과정입니다. 하지만 자연은 이런 방식으로 작동하지 않는 것처럼 보입니다. 갓 태어난 동물은 백지 상태로 시작하지 않습니다. 그것은 서는 법을 아는 몸과 무언가를 추적할 줄 아는 눈을 가지고 태어납니다. 이는 뇌 과학자들이 뇌의 작동 방식을 연구할 때 던지는 근본적인 질문을 제기합니다. 우리의 행동 중 얼마나 많은 부분이 진정으로 학습된 것이며, 얼마나 많은 부분이 처음부터 배선 속에 내장된 것인가 하는 점입니다. 현대 머신러닝의 지배적인 견해는 복잡한 행동을 위해서는 방대한 양의 훈련 데이터와 실수를 바로잡기 위한 지속적인 피드백 루프가 필요하다고 제안합니다. 그러나 새로운 연구 흐름은 뇌가 어떤 스승이나 전역적인 점수표 없이도, 단순히 어떤 뉴런들이 함께 발화하는지를 관찰하는 국소적인 규칙만으로도 미리 그려진 연결 지도를 가지고 태어날 수 있는지를 묻고 있습니다.
지위엔 리(Zhiwen Li)라는 연구자는 바로 이 아이디어를 테스트하기 위해 디지털 뇌를 구축했습니다. 시스템을 처음부터 훈련시키는 대신, 그들은 존재의 첫 순간부터 존재했던 약 144,000개의 뉴런과 30만 개 이상의 구체적인 연결을 가진 시뮬레이션된 뇌를 구성했습니다. 저자가 "본능 테이블(instinct table)"이라고 부르는 이 초기 연결들은 무작위가 아니었습니다. 그것들은 빨간 형체를 보거나 몸이 평평하게 누워 있는 것을 느끼는 것과 같은 감각 입력이, 일어서는 데 필요한 근육이나 걷는 것과 같은 운동 출력으로 직접 연결되도록 정교하게 설계되었습니다. 결정적으로, 이 시스템에는 보상 신호도, 오류 수정도, 훈련 루프도 없었습니다. 그것은 단순히 4족 보행 로봇 몸체를 가진 시뮬레이션 세계에 놓였고, 살아남으라는 명령을 받았습니다. 결과는 즉각적이고 놀라웠습니다. 로봇은 배를 바닥에 대고 있을 때 스스로 일어섰습니다. 빨간 물체를 보여주자 로봇은 그쪽을 향해 걸어갔습니다. 이러한 행동은 반복을 통해 학습된 것이 아니라, 미리 배선된 연결들이 올바른 순서로 발화한 직접적인 결과였습니다.
실험은 이러한 행동들이 우연이 아님을 증명하기 위해 더 나아갔습니다. 연구진이 감각 입력을 완전히 제거했을 때 로봇은 쓰러졌는데, 이는 행동이 실시간 정보를 처리하는 것에 의존하고 있음을 증명했습니다. 특정 "본능" 연결을 제거하고 무작위 배경 배선은 그대로 두었을 때, 로봇은 서지도 걷지도 못했는데, 이는 행동이 우연이 아닌 지정된 지도에서 비롯되었음을 확인시켜 주었습니다. 또한 연구는 뇌의 특정 부분이 특정 행동을 담당한다는 것을 보여주었습니다. 계획이나 의사결정과 관련된 부분인 전전두엽 영역의 뉴런 집단을 비활성화하자, 연구진은 로봇이 파란 화면에는 여 still 반응할 수 있지만, 빨간 물체를 향해 걷는 능력은 완전히 상실했다는 것을 발견했습니다. 이는 빨간 물체를 향해 걷는다는 "생각"이 해당 세포 집단의 특정한 활동 패턴이었으며, 그것이 없으면 기본 반사 기능은 남아 있더라도 행동 자체가 사라진다는 것을 보여주었습니다.
아마도 가장 놀라운 발견은 이 시스템이 외부의 스승 없이도 생애 동안 새로운 기술을 배울 수 있었다는 점일 것입니다. 연구진은 보상 신호처럼 작동하는 작은 세포 집단을 추가했습니다. 로봇이 서 있는 상태에서 특정 소리를 들으며 빨간 물체를 볼 때 이 신호가 발화했습니다. 그 순간, 뇌의 국소적인 변화 규칙이 작동했습니다. 즉, 소리가 들리기 직전에 활성화되었던 세포들과 소리가 들릴 때 활성화되었던 세포들 사이의 연결을 강화한 것입니다. 단 한 번의 사건 이후, 로브는 빨간 물체가 보이지 않더라도 소리만 듣고 그쪽으로 걷는 법을 배웠습니다. 이 새로운 능력은 전역적인 목적 함수에 의해 유도되지 않고, 오직 사건의 일치와 보상 신호의 존재에 의해 실시간으로 뇌의 배선에 기록되었습니다.
하지만 이 연구는 이 접근 방식의 한계도 드러냈습니다. 로봇은 걷는 법을 배울 수는 있었지만, 보상 신호가 너무 오랫동안 활성화되어 있으면 오랫동안 똑바로 서 있는 데 어려움을 겪었습니다. 생각을 유지하거나 계획을 세우도록 하는 내부 루프가 과도한 활동을 축적하게 만들어 결국 로봇을 넘어뜨리게 만들었습니다. 이는 미리 배선된 뇌가 단순한 국소 규칙을 통해 복잡한 행동을 생성하고 새로운 연상을 학습할 수는 있지만, 여전히 잊거나 재설정하는 방법, 즉 현재 모델에는 결여된 메커니즘이 필요함을 시사합니다. 또한 연구진은 "본능" 테이블 자체가 이전에 훈련된 머신러닝 시스템의 데이터를 사용하여 구축되었다는 점을 언급했는데, 이는 초기 움직임의 레퍼토리가 뇌가 생성되기 전 이미 학습된 정책으로부터 추출되었음을 의미합니다. 이러한 인정은 이 시스템이 아무것도 없는 상태에서 걷기를 발명한 것이 아니라, 움직임의 라이브러리를 물려받아 이를 새로운 맥락에서 트리거하는 법을 배웠음을 강조합니다.
이 연구는 지능을 위해 거대한 하향식 최적화 과정이 필요하다는 생각에 도전합니다. 대신, 유기체가 하는 행동의 상당 부분이 태어날 때 결정되는 특정 구조에 의해 결정된다는 점을 시사합니다. 뇌는 소프트웨어를 기다리는 빈 컴퓨터가 아닙니다. 뇌는 세상과 상호작용함에 따라 국소적으로 업데이트될 수 있는 하드와이어드(hard-wired) 운영 체제를 가진 기계입니다. 이 연구는 적절한 초기 연결이 있다면, 시스템이 "정답"이 무엇인지 배우지 않고도 서고, 걷고, 바라볼 수 있음을 보여줍니다. 이것이 일반 지능의 미스터리를 풀었다고 주장하는 것은 아니지만, 올바른 초기 배선이 갖춰진다면 고정된 규칙과 단순한 국소 학습 메커니즘으로부터 복잡하고 목표 지향적인 행동이 창발할 수 있다는 구체적인 증거를 제시합니다. 이 발견은 생물학적 지능의 결핍이 학습 능력 자체에 있는 것이 아니라, 학습을 가능하게 하는 초기 구조에 있을 수 있음을 시사합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.