인공지능(AI)은 우리가 경험해보지 못한 속도로 발전하고 있다. 개인용 컴퓨터나 휴대전화의 경우, 등장 초기와는 달리 최근에는 소비자들이 신제품과 기존 제품 간 차이를 크게 느끼지 못하는 경우가 많지만, AI는 그렇지 않다. 이전 기술을 크게 압도하는 새로운 AI 기술이 지속적으로 등장하고 있다.

최근 필자를 놀라게 한 것은 ‘파운데이션 모델’이라는 AI 기술이다. 기존 AI는 특정한 목적에 맞추어 모델을 새롭게 개발해야 했다. 반면 파운데이션 모델은 방대한 데이터의 관계를 미리 학습시켜 놓고 필요에 따라 다양한 일을 바로 시킬 수 있다. 챗GPT 같은 언어모델과 비슷한 점도 있다. 하지만 파운데이션 모델은 활자로 만들어진 데이터뿐 아니라 그림이나 음성, 심지어 화학물질의 특성도 미리 학습할 수 있어 활용도가 더욱 높다.

두뇌는 하나의 작은 우주에 비견될 만큼 다양한 신경세포가 많은 정보, 즉 빅데이터를 끊임없이 생성한다. 과학계는 이런 특성을 고려해 최근 파운데이션 모델을 뇌 과학 연구에 접목하는 시도를 했다.

시각 정보처리 분야는 뇌 과학 중 가장 많은 연구가 진행되었고, 가장 많은 정보가 쌓인 분야이기도 하다. 최근 안드레아 토리아스 미국 베일러대 교수가 이끄는 연구진은 방대한 시각 피질의 신경 활동을 바탕으로 파운데이션 모델을 개발했다. 연구진은 달리거나 걷도록 만들어진 틀에서 움직이는 쥐에게 다양한 영상을 보여주며 시각 피질 활성 수준을 측정했다. 14마리 생쥐에게서 시각에 관련된 몇 군데 피질을 대상으로 측정했고, 이를 통해 13만개 이상의 신경세포에서 수백분 분량의 데이터를 모았다. 이를 바탕으로 특정한 장면을 볼 때 발생하는 신경세포 활성 패턴을 학습한 파운데이션 모델을 만들었다.

이 모델은 무슨 일을 할 수 있을까. 예전에는 음성 인식 기능을 쓰기 위해 제시된 단어를 우리가 여러 번 읽어주며 말을 익히도록 했지만, 최신 휴대전화 애플리케이션(앱)은 사람의 일반적 음성 패턴을 미리 알고 있기에 처음 사용해도 잘 알아듣는다. 이런 것처럼 연구진은 새로 개발한 파운데이션 모델이 새로운 생쥐의 신경신호를 예측할 수 있을지 테스트했다. 결과는 성공적이었다. 새로운 생쥐에서 얻은 모든 데이터로 새로운 AI 모델을 학습하는 것보다 파운데이션 모델을 기반으로 얻은 결과가 더 우수했다.

연구진은 신경 활성 예측을 넘어서는 기능을 할 수 있을지도 연구했다. 현재 뇌 분야의 가장 큰 데이터셋인 미국 주도의 ‘마이크론스(MICrONS) 데이터베이스’에는 시각 피질의 신경세포 활성 정보와 함께 전자현미경으로 관찰한 구조 정보가 동시에 담겨 있다.

토리아스 교수 연구진은 파운데이션 모델이 신경 활성 패턴을 보고 신경세포 모양을 맞출 수 있을지 테스트했다. 성공률은 30% 수준으로 어느 정도 성공을 거두었다. 성공률이 아주 높지는 않지만, 뇌 분야에서 한 종류의 데이터를 가지고 다른 종류의 데이터를 맞추는 멀티모달 문제를 처음으로 달성했다는 기념비적인 성취다.

AI 연구가 발전하며 빅데이터를 손에 쥔 국가의 연구진은 더 많은 가능성에 접근할 수 있게 됐다. 커넥톰(신경세포들의 연결을 표현한 뇌 회로도) 정보 등을 바탕으로 뇌 AI 연구의 선두를 달리는 미국이 대표적이다.

최근 국내에서 4개 과학기술원의 관련 분야 연구자들이 뇌 활성에 대한 멀티모달 파운데이션 모델 구축에 도전장을 내민 만큼 향후 결과가 주목된다.

최한경 대구경북과학기술원 뇌과학전공 교수

최한경 대구경북과학기술원 뇌과학전공 교수

Copyright © 경향신문. 무단전재 및 재배포 금지.