A Drosophila connectome prior enables adaptable embodied control
본 연구는 성체 초파리의 뇌 커넥톰을 체화된 제어를 위한 고정된 구조적 사전 정보로 사용하는 것이 표준 인공 신경망에 비해 다양한 이동 과업, 신체 형태 및 환경 복잡성에 대해 더 우수한 적응성과 강건성을 가능하게 함을 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
지능은 단순히 뇌 안에서 일어나는 현상이 아니라, 몸과 세상 사이의 대화입니다. 동물이 움직이기 위해서는 신경계가 자신이 느끼고 보는 것을 균형을 잡고 앞으로 나아가는 동작으로 끊임없이 번역해야 합니다. '체화된 제어(embodied control)'라고 알려진 이 과정은 세상이 결코 정지해 있지 않기 때문에 매우 어렵습니다. 생명체는 지면이 고르지 않을 때 발걸음을 조절하거나, 포식자가 나타났을 때 급격히 방향을 틀거나, 먹이가 느껴질 때 속도를 높여야 합니다. 엔지니어들이 거친 지형을 걸을 수 있는 로봇을 만들어 왔지만, 이들은 종종 특정 신체 형태나 특정 유형의 환경에 맞춰 특별히 훈련된 복잡한 컴퓨터 프로그램에 의존합니다. 만약 로봇의 다리를 바꾸거나 바닥의 질감을 바꾸면, 그 프로그램은 종종 실패합니다. 이는 과학자들에게 근본적인 질문을 던집니다. 생물학적 신경계가 연결된 특정한 방식이 인공 시스템에는 부족한 특별한 적응 능력을 부여하는가 하는 점입니다. 이를 알아내기 위해 연구자들은 초파리에 주목했습니다. 초파리는 신경 세포 사이의 모든 연결까지 아주 정밀하게 지도가 그려진 생물입니다.
연구진은 성체 초파리의 뇌에서 추출한 완전한 연결 지도인 '커넥톰(connectome)'을 가져와 디지털 파리의 컴퓨터 시뮬레이션을 위한 고정된 '뇌'로 사용했습니다. 이 디지털 파리는 여섯 개의 다리, 지면을 느끼는 센서, 그리고 움직임을 위한 근육을 가진 몸을 가졌습니다. 연구팀은 뇌 지도를 재배선하지 않았습니다. 대신 자연 상태 그대로의 연결을 유지한 채, 센서를 읽는 법과 근육에 신호를 보내는 법만을 학습시켰습니다. 그런 다음 이 디지털 파리를 일련의 테스트에 투입하여 평평한 땅을 걷고, 점점 높아지는 블록을 기어오르고, 다양한 방향으로 회전하며, 속도를 변화시키도록 했습니다. 연구진은 자연적인 뇌 지도를 사용한 이 파리를, 처음부터 학습하도록 설계된 표준 인공지능 프로그램에 의해 제어되는 디지털 파리와 비교했습니다.
디지털 파리들이 평평한 땅에서 일정한 속도로 걸을 때는 두 경우 모두 잘 수행했습니다. 이는 단순하고 변하지 않는 작업에서는 자연적인 뇌 지도가 본질적으로 더 우월하지는 않다는 것을 보여주었습니다. 그러나 상황이 변하는 순간 차이가 명확해졌습니다. 디지털 파리가 높이가 거의 0.5밀리미터에 달하는 블록을 넘어야 했을 때, 자연적인 뇌 지도를 가진 파리가 인공적인 것보다 훨씬 더 자주 성공적으로 통과했습니다. 또한 이 파리는 움직임이 덜 끊기고 더 부드럽게 움직였으며, 가속하거나 특정 패턴으로 속도를 줄이는 것과 같은 속도 변화를 추적하는 데 더 뛰어났습니다. 파리가 회전해야 할 때, 자연적인 뇌 지도는 몸의 방향을 더 정밀하게 재설정하고 낭비되는 움직임을 줄일 수 있게 해주었습니다. 인공 프로그램은 이러한 조정을 하는 데 어려움을 겪었으며, 종종 목표치를 지나치거나 균형을 잃었습니다.
왜 자연적인 지도가 더 잘 작동했는지 이해하기 위해, 연구진은 시뮬레이션 내부를 들여다보며 정보가 어떻게 흐르는지 살펴보았습니다. 그들은 파리가 어려운 장애물을 만났을 때, 자연적인 뇌 지도가 다리의 센서와 운동 명령을 연결하는 특정 경로를 자발적으로 활성화한다는 것을 발견했습니다. 몸으로부터 신호를 전달하는 뉴런과 뇌로부터 명령을 전달하는 뉴런을 포함하는 이 경로들은, 인공 프로그램이 복제할 수 없는 방식으로 조화롭게 함께 작동하는 것처럼 보였습니다. 자연적인 시스템은 내장된 유연성을 갖추고 있어, 명시적으로 지시받지 않아도 당면한 과제를 수행하기 위해 네트워크의 적절한 부분을 동원할 수 있는 것으로 보였습니다. 더욱이, 연구진은 자연적인 뇌 지도가 작은 오류나 설정 변경에 더 강건하다는 것을 발견했는데, 이는 그 구조가 새로운 행동을 학습하기 위한 안정적인 토대를 형성함을 시사합니다.
연구의 가장 놀라운 부분은 신체 자체가 변했을 때도 이 장점이 유지되는지 테스트했을 때 나타났습니다. 연구진은 동일한 고정된 파리 뇌 지도를 가져와 매우 다른 동물들의 몸에 연결했습니다: 네 발 달린 개미, 두 발 로봇, 세 발 지지대(tripod), 그리고 여섯 발 육각보행 동물(hexapod)입니다. 모든 경우에서, 파리를 위해 진화한 뇌 지도는 새로운 몸들이 인공 프로그램보다 더 잘 움직이도록 도왔습니다. 이 장점은 동물들이 복잡한 미로를 통과해야 할 때 특히 분명해졌습니다. 미로가 회전과 막다른 길로 인해 더 어려워질수록, 파리 뇌 제어기는 인공 제어기에 비해 길을 찾는 데 점점 더 뛰어난 모습을 보였습니다. 비록 파리의 뇌가 여섯 다리 곤충을 위해 설계되었음에도 불구하고, 그것은 두 발 로봇이 똑바로 서 있게 하고 네 발 개미가 더 빠르고 직접적으로 달리게 도와주었습니다. 이 연구는 초파리의 뇌가 가진 특정 연결 방식이 서로 다른 신체 형태에도 전이될 수 있는 일반적인 적응 원리를 포함하고 있음을 시사합니다.
이 연구는 우리가 단순히 파리의 뇌를 복사해서 어떤 로봇에도 집어넣을 수 있다고 주장하는 것이 아닙니다. 시뮬레이션 결과, 자연적인 배선은 새로운 움직임을 더 쉽고 안정적으로 학습할 수 있게 하는 강력한 시작점, 즉 '사전 지식(prior)'을 제공한다는 것을 보여주었습니다. 인공 프로그램 역시 센서를 읽고 새로운 몸의 근육을 움직이는 법을 배워야 했지만, 처음부터 시작할 때보다 파리의 뇌 지도를 바탕으로 시작했을 때 훨씬 더 빠르게 학습하고 더 나은 성능을 보였습니다. 이 결과는 진화가 신경계를 단순히 특정 과업을 수행하기 위해서가 아니라, 현실 세계의 예기치 못한 변화를 처리할 수 있는 유연한 구조를 제공하기 위해 형성해 왔음을 시사합니다. 연구진은 초파리의 뇌를 가이드로 삼음으로써, 뉴런이 어떻게 연결되어 있는지가 뉴런 그 자체만큼이나 중요하다는 것을 보여주었으며, 변화하는 세상에 적응할 수 있는 기계를 만들기 위한 새로운 청사진을 제시했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.