KMCRIC

기억력 향상법을 배운 인공지능

AI JUST LEARNED HOW TO BOOST THE BRAIN'S MEMORY

인간의 뇌보다 더 블랙박스에 가까운 것은 없다. 과학자들도 인간의 회백질은 매우 복잡하여 잘 이해하지 못하고 있음을 탄식하고 있다.

하지만 우리가 우리 뇌를 이해하지 못한다고 해도 기계라면 대신해줄 수도 있을 것이다. 최근 네이처 커뮤니케이션스에 게재된 펜실베이니아 대학 심리학자 마이클 카하나(Michael Kahana)가 주도한 연구에 따르면, 이해할 수 없기로 악명 높은 머신러닝 알고리즘을 인간의 기억을 해독하고 향상하는데 사용할 수 있는 것으로 알려졌다. 이 발견은 정확한 시간에 뇌에 전기 펄스를 가하는 방법으로 이루어진 것이다.

다시 말하자면, 하나의 블랙박스를 다른 블랙박스로 해독한 것이다. 한편으로는 매우 어려운 문제에 대한 우아한 해법으로 들리지만 다른 한편으로는 기술적 종말을 가져올 공포의 시작처럼 들린다.

뇌의 신호를 측정하는 데 있어 가장 좋은 기록은 두개골 안쪽에서 얻을 수 있다. 하지만 과학이라는 이름으로 두개골을 개방하는 것은 사람은 물론이고 검토 위원회에서도 설득하기 어렵다. 이를 극복하는 방법으로 카하나 연구팀은 발작 관련 전기 활동을 모니터링하기 위해 이미 뇌에 100~200개의 전극을 이식한 25명의 간질 환자와 협력하는 방법을 택했다. 연구팀은 전극을 이용해 기억력 활동 과정에서 일어나는 고해상도의 뇌 활동을 기록했다.

첫째, 연구팀은 뇌가 물건을 기억하는 것이 어떤 것인지를 알 수 있었다. 환자가 단어 목록을 읽고 내재화하는 가운데 이식된 전극에서 초당 수천 개의 전압 측정값을 수집했다. 이후 연구팀은 연상 테스트를 통해 기억한 단어와 잊어버린 단어와 관련된 뇌 활동 패턴을 기록했다. 연구팀은 이런 과정을 반복적으로 수행했다. 환자당 2~3회의 테스트 후에 각 환자가 기억할 단어를 예측할 수 있는 개별 알고리즘을 생성하는데 충분한 학습 데이터를 수집할 수 있었다.

중요한 발견은 전극은 단지 신경세포의 활동만 읽는 것이 아니라 그 활동을 자극한다는 점이다. 연구팀은 뇌를 자극하여 실시간으로 기억 형성을 향상하거나 망각에서 구조할 수 있었다. 매초 새로운 단어를 제시하면서 새롭게 학습된 알고리즘을 통해 뇌가 그 단어를 기억할 준비가 되어 있는지를 결정했다. 이 폐쇄 루프 시스템은 뇌 상태를 기록하고, 분석하고, 자극을 줄 것인지를 수백 밀리 초 내에 결정한다. 그리고 그 시스템은 작동했으며, 연구팀은 환자의 단어 기억 능력 평균 15%까지 향상할 수 있었다.

카하나 연구팀이 기억에 대한 뇌 자극의 영향을 연구한 것은 이번이 처음은 아니다. 작년에도 전극을 통한 펄스를 전달하면 그 시점에 따라 기억력을 향상하거나 악화시킬 수 있는 것을 보여준 바 있다. 그 실험에서는 뇌 기능이 낮은 동안 기억 관련 영역을 자극했을 때 연상 점수가 높게 나왔으며, 뇌 기능이 높을 때는 반대의 결과가 나왔다. 그것은 중요한 발견이었지만 치료에 적용할 수 있는 것은 아니었으며 단지 기억력 테스트를 수행한 후에 기억과 뇌 상태 간에 연관성이 있음을 보여준 것이었다. 정말 필요한 것은 기억이 형성될 때 펄스를 전달하여 기억력을 향상하는 것이다.

이제 카하나 연구팀은 머신러닝 알고리즘의 도움으로 시스템의 루프를 닫을 수 있게 된 것으로 보인다. 머신러닝이 고양이를 식별하는데 사용한 것을 대체하여 해독기를 만들어 뇌의 전기적 활동과 학습 상태에 있는지를 볼 수 있게 되었다. 만약 뇌가 효과적으로 기억을 부호화하고 있는 것으로 보이면 그냥 내버려 두지만 그렇지 않을 경우 뇌의 심박 조절기처럼 작용하는 자극을 주어 고기능 상태로 만드는 것이다.

샌디에이고 대학의 신경과학자 브래들리 보이텍은 이 발견이 매우 획기적인 것은 아니지만 확실 유망한 것이라고 평가했다. 문제는 향후 연구에서도 더 좋은 결과를 가져올 것인가 하는 점이다. 더 많은 전극을 시술하면 더 많은 신경 정보를 더 정확하고 구체적으로 더 짧은 간격으로 수집할 수 있을 것이다. 간질 환자의 실험 참가 기간이 짧았고 반복 실험도 3번에 그쳤기 때문에 더 많은 학습 데이터를 얻는다면 도움을 줄 수 있을 것이다.

문제는 더 좋은 해상도의 학습 데이터가 있더라도 여전히 이해할 수 없는 알고리즘을 가지고 뇌를 연구해야 하는 문제가 있다. 사실상 카하나의 시스템도 특정 환경에서는 단어 기억을 향상할 수 있지만 왜 그런 효과를 가져오는지 알지 못한다. 이것은 머신러닝의 본질이다.

운 좋게도 카하나 팀은 어떤 알고리즘은 다른 것보다 자세히 조사하기가 쉽다는 것을 발견했다. 특정 연구에 있어 과학자들은 더 간단한 선형 분류기를 사용하여 개별 전극의 활동이 모델의 뇌 패턴을 구분하는 능력에 기여하는지 추론할 수 있었다. 이 연구의 머신러닝을 총괄한 유세프 이지엇은 현시점에서는 뇌 활동을 기록하는데 사용한 기능 간에 어떤 상호작용이 있었는지를 말하기 어렵다고 말했다.

인지력 향상을 더 높이는데 더 복잡한 딥러닝 기술이 필요하지 않을 수 있다. 하지만 그렇게 된다면 기계의 결정을 이해하는 데 어려움을 겪을 수 있거나 정말로 알 수 없는 파국적인 기계를 만들 수도 있기 때문에 주의가 필요하다.

관련연구자: Michael Kahana

관련기관: University of Pennsylvania

본문키워드(한글): 인공지능, 머신러닝, 전극, 신경세포, 기억

본문키워드(영문): AI, machine learning, electrodes, neurons, memory

국가: 미국

원문출판일: 2018-02-06

출처: https://www.wired.com/story/ml-brain-boost/