뇌와 기계를 연결하는 '브레인 머신 인터페이스(BMI: Brain Machine Interface)'가 최근 빠르게 개발되고 있다. 이에 따라 머리로 생각하는 것만으로 컴퓨터를 조작하는 일이 가능해졌다. 예컨대 생각하는 것만으로도 문장을 만들거나, 그림을 그리거나, 로봇을 조종하는 일이 가능해졌다. 앞으로도 '뇌'와 '인공지능(AI)'을 연결하여 인간의 능력이 계속 확장할 수 있을 것으로 기대되고 있다. 과연 인간은 뇌의 기능을 어디까지 확장할 수 있을까? 뇌와 AI가 융합됨으로써 인간은 결국 신이 되는가?
0. 목차
- 뇌와 컴퓨터를 연결·융합해 뇌를 확장한다.
- 뇌에 인공 센서를 달아 뇌의 능력을 확장할 수 있음이 실증되었다.
- 빠르게 진화하는 AI 기술
- 뇌의 전기 신호를 AI로 해독한다.
- BMI에 AI를 활용한 연구
- BMI로 실현되는 미래
- 뇌와 클라우드가 연결된다.
1. 뇌와 컴퓨터를 연결·융합해 뇌를 확장한다.
우리의 사고와 행동은 모두 뇌의 작용에 따른 것이다. 다만 그 능력을 살리기 위해서는 신체와 작용이 필요하다. 한편, 인류는 지금까지 컴퓨터와 인터넷 등 고도의 '기술(Technology)'을 발전시켜왔다. 그리고 이런 '기술'을 사용함으로써 인류가 할 수 있는 일은 비약적으로 늘어났다.
최근 주목받는 기술 중에는 뇌와 기계를 연결한 '브레인 머신 인터페이스(BMI: Brain Machine Interface)'가 있다. 그런데 BMI는 인류가 그동한 개발해 왔던 '기술'과는 그 결이 다르다고 생각된다. 왜냐하면 BMI라는 기술은 우리의 인체 그 자체를 바꿀 가능성이 있다는 점 때문이다. 예를 들어 컴퓨터는 '계산 속도'와 '기억 용량' 모두 뛰어나지만, 그것을 사용하는 인간의 능력 자체에는 변화가 없다. 그러나 BMI를 통해 뇌와 컴퓨터가 연결·융합되면, 그것은 인류가 새로운 뇌를 획득한 것이나 다름없다.
2. 뇌에 인공 센서를 달아 뇌의 능력을 확장할 수 있음이 실증되었다.
맨 처음 소개할 것은 BMI를 통해 인간의 '오감(시각·청각·촉각·후각·미각)'에 없는 새로운 감각을 만들어 낸 연구 성과이다. 일본 도쿄 대학교의 '이케가야 유지(池谷裕二, 1970~)' 교수 연구팀이 2015년에 발표했다. 쥐의 뇌에 '지구 자기 센서(Geomagnetic Sensor)'를 삽입하자, 쥐는 '지구 자기(지구에서 생기는 자기)'를 느끼게 되었다. 철새 등의 일부 동물은 '지구 자기(Geomagnetism)'를 느낄 수 있다. 즉, 동서남북의 방위를 아는 단서인 '방위 자침(Magnetic Bearing)'을 태어날 때부터 몸에 지니고 있다. 반면 인간과 지는 지구 자기를 느낄 수 없다. 하지만 인공적인 지구 자기 센서를 뇌에 삽입하면, 지구 자기를 느낄 수 있을 것이다. '이케가야 유지(池谷裕二, 1970~)' 교수 연구팀은 그렇게 생각하고 다음 실험을 진행했다.
먼저 시각을 잃은 쥐의 뇌에 지구 자기 센서를 삽입했다. 이 센서는 쥐가 북쪽을 향하면 전기로 우뇌를 자극하고, 남쪽을 향하면 전기로 좌뇌를 자극할 수 있다. 이 쥐를 미로에 넣었다. 미로의 일정 위치에는 보상에 해당하는 '먹이'가 놓여 있다. 그러자 쥐는 약 2일의 훈련을 통해 먹이에 접근할 수 있었다. 이것은 시각을 잃지 않은 정상 쥐와 같은 정도의 학습 속도였다. 쥐는 시각을 잃었기 때문에 눈 가리게를 하고 미로를 걷는 것과 같다. 그러나 '지구 자기 센서(Geomagnetic Sensor)'를 삽입함으로써 쥐는 항상 자신이 어느 방향을 향하고 있는지를 센서의 전기 자극을 통해 알 수 있다. 따라서 미로 속에서 먹이를 발견할 때마다 어느 방위에 있는지 학습할 수 있었다.
재밌는 점은 '지구 자기 센서(Geomagnetic Sensor)'를 ON 상태로 실험한 다음 지구 자기 센서의 스위치를 OFF 상태로 미로에 넣어도 쥐는 먹이 장소를 알아낼 수 있었다는 것이다. 이것은 쥐가 '지구 자기 센서'의 정보를 바탕으로 뇌에 미로 지도를 만들었음을 의미한다. 지구 자기 센서의 스위치가 켜져 있을 때보다 먹이를 발견할 때까지의 시간은 길었지만, 쥐는 어슴푸레한 기억에 의지해 어떻게든 먹이를 발견할 수 있었던 것이다.
이 연구는 생물이 원래 지니고 있지 않은 '인공 센서'의 정보에도 뇌가 유연하게 적응할 수 있음을 보여 준다. 기것은 지구의 자기에 국한되지 않고 '적외선', '자외선', 'X선', '초음파' 등 인간이 태생적으로 감지할 수 없는 모든 정보에도 적용할 수 있다. 실제로 뇌에 센서를 삽입해 쥐가 적외선을 감지할 수 있게 되었다는 연구 성과를 미국 듀크 대학교의 '미겔 니코렐리스(Miguel Nicolelis)' 교수 연구팀이 2013년에 보고했다. 뇌에 인공 센서를 연결하여 뇌의 능력이 확장되는 것이 이미 실증된 셈이다.
3. 빠르게 진화하는 AI 기술
그러면 인간의 뇌에 AI를 연결하면 무엇을 할 수 있을까? 이에 대해 설명하기 전에 AI에 대해 먼저 간단히 살펴보자. AI는 최근 빠르게 발전해 우리 생활에도 침투하고 있다. AI에는 다양한 형태가 있는데, 현재는 '기계 학습(Machine Learning)'을 실행하는 프로그램이 AI의 일반적인 요소의 하나가 되었다. '기계 학습'이란 많은 데이터를 바탕으로 컴퓨터가 스스로 학습하는 메커니즘을 가리킨다.
2010년대부터 AI의 붐에 불을 붙인 '딥러닝(Deep Learning)'은 뇌의 메커니즘을 모방한 기계학습의 일종이다. 뇌는 약 1000억 개의 '신경 세포(Neuron)'로 이루어지어져 있으며, 신경 세포끼리 서로 연결되어 복잡한 네트워크를 형성한다. 신경 세포는 '시냅스(Synapse)'라는 접속 부분을 통해 다른 신경 세포로부터 신호를 받는다. 뇌의 활동은 이런 신경 세포 사이의 신호 교환에 바탕을 두고 있다. '딥러닝'은 이런 뇌의 메커니즘을 컴퓨터로 재현한 기술이다. 딥러닝의 우수한 점은 영상 영상 등의 데이터를 포함에 다양한 '특징'을 AI가 스스로 발견하게 한다는 점이다. 이런 장점을 이용해, 예컨대 방대한 수의 영상 데이터를 학습시킴으로써 영상에 반영된 물체가 무엇인지를 판별할 수 있다. 이 '영상 인식 AI'라는 기술은 '안면 인식', '자율 주행', '감시 카메라 영상 분석' 등 다양한 용도로 보급되고 있다.
그리고 최근에 빠르게 개발되고 있는 것 중에 '자연어 처리' 기술이 있다. '자연어 처리(Natural Language Processing)'란 '우리가 평소 사용하는 언어(자연 언어)'를 분석하는 AI 기술을 통틀어 일컫는 말이다. 용도로는 '자동 번역'과 '챗봇(ChatBot)' 등이 잘 알려져 있다. 2020년 6월에는 OpenAI에서 인간이 작성한 것과 같은 문장을 만들 수 있는 'GPT-3(Generative Per-trained Transformer, 생성적 사전 학습 변환기)'라는 기술이 공개되었다. GPT-3는 예를 들어 'AI가 무엇인지를 800자 이내로 설명하라'는 지시를 하는 것만으로 문장을 자동으로 생성할 수 있다. 그 문장의 완성도는 인간이 썼는지 구분하기 어려운 정도이다. 2020년 9월, 미국의 대학생이 GPT-3를 사용해 작성한 블로그를 인터넷에 올렸더니, 어떤 뉴스의 기사 순위에서 1위가 되었다. 그 블로그를 AI가 작성했음을 눈치챈 사람은 거의 없었다고 한다. GPT-3는 인터넷상에 존재하는 방대한 문장을 딥러닝으로 학습함으로써 만들어진다. 학습한 데이터 양은 단어 수로 보면 무려 3000억 개에 이른다.
4. 뇌의 전기 신호를 AI로 해독한다.
2023 현재 나와있는 AI는 모두 '특화형 AI'라고 하며, 특정 과제에만 대응할 수 있다. 이에 비해 다양한 과제에 임기응변으로 대응할 수 있는 AI를 '범용 AI'라고 한다. '범용 AI'야 말로 인간과 같은 지능을 지닌 AI라고 할 수 있다. 하지만 꼭 인간과 같은 지능을 재현할 필요는 없다. 인간의 지능과 AI의 지능에는 각각의 장점이 있기 때문이다. 그래서 지금 주목받는 것이, 인간의 뇌에 AI를 연결해 인간의 지능을 더 확장하는, '브레인 머신 인터페이스(BMI: Brain Machine Interface)'적 접근 방식이다.
BMI에서 AI는 반드시 필요한 기술의 하나이다. 그 이유 중 하나는 뇌 메커니즘의 복잡성에 있다. 뇌의 활동은 신경 세포끼리 전기 신호 교환에 근거한다. 따라서 당장 뇌의 전기 신호를 해독할 수 없으면 고도의 BMI를 실현하기 어렵다. 그렇지만 뇌의 신호는 너무 복자해서 인간의 힘만으로는 해독할 수 없다. 그래서 AI의 힘이 필요하다. '딥러닝'을 탑재한 AI는 대량의 데이터에서 어떤 특징을 자동으로 찾아낸다. 즉, AI에게 대량의 뇌 신호 데이터를 학습시키면, 그 패턴을 추출할 수 있다. 예컨대 '오른손을 움직일 때는 이런 뇌 신호의 특징이 있다.'는 패턴을 AI가 발견해 준다. 이렇게 해서 뇌 신호를 해독할 수 있으며, 다음에는 그 신호를 뇌에 보냇을 때 로봇의 오른손이 움직이게 설정한다. 그렇게 하면, 사람이 '오른손을 움직인다'는 생각만으로 로봇의 오른손을 움직일 수 있다.
AI가 뇌 신호를 해독할 수 있게 하려면 먼저 뇌 신호를 측정해야 하는데, 그 측정 방법에는 '침습형'과 '비침습형' 두 종류가 있다. '침습형'은 뇌에 '전극(electrodes)'을 삽입해 뇌의 '전기 신호(Electrical Signal)'를 측정하는 방법이다. 신호를 측정한다는 목적에는 '침습형'이 효과적이다. 다만 '침습형' 방법은 전극으로 인해 뇌에 상처를 입힐 우려가 있어, 뇌의 질환이나 손상을 치료할 목적 이외에 다른 목적으로 이용하는 것은 현실적으로 어렵다고 여겨져 왔다. '비침습형'은 뇌에 전극을 삽입하지 않고 두피 위에서 뇌 신호를 측정하는 방법이다. 예컨대 '뇌파도(EEG: Electroencephalogram)'를 측정할 때, 두피 위에 붙인 전극에 통해 뇌의 전기 신호를 파형으로 기록한다. 이 방법은 안전하지만, 신경 세포와 전극의 거리가 멀기 때문에 얻어지는 정보의 정확도가 침습형에 비해 낮다는 단점이 있다.
5. BMI에 AI를 활용한 연구
이제부터는 BMI에 AI를 활용한 연구의 구체적인 예를 살펴보자. 'BMI에 AI를 활용한 기술'은 뇌 신호를 AI로 독해하는 '뇌 신호 독해 기술'과 컴퓨터를 통해 뇌에 신호를 보내 정보를 입력하는 '뇌 신호 입력 기술'로 나눌 수 있다.
- 뇌 신호 독해 기술: '뇌 신호 독해 기술'을 사용하면, 뇌가 어떤 생각을 하고 있는지, 무엇을 보고 있는지, 어떤 행동을 했는지 등을 알 수 있다. 뿐만 아니라, 자는 사람의 꿈을 추출하여 어떤 꿈을 알아냈는지 알아내고 그것을 영상으로 기록할 수도 있다.
- 뇌 신호 입력 기술: '뇌 신호 입력 기술'을 기술을 사용하면, 뇌에 정보를 입력할 수 있다. 예컨대 '인공 청각' 기술이 그 하나이다. 청각에 장애가 있는 사람이 귀에 소형 마이크를 끼고, 그 마이크가 모은 소리 정보를 청신경에 삽입한 전극을 통해 '입력'함으로써 청각을 보완할 수 있다.
5-1. 머리로 생각한 내용을 AI로 문장화
- 기술 종류: 뇌 신호 독해 기술
미국 캘리포니아 대학교 샌프란시스코 캠퍼스의 '에드워드 창(Edward Chang)' 교수 연구팀은 2020년 3월에 '머리에 떠올린 내용을 문장화하는 연구 결과'를 발표했다. 이 실험에서는 뇌에 전극을 삽입한 암 환자 4명을 피실험자로 하고, 그들에게 '큰 테이블 위에 먹다 남은 케이크가 있다.', '도둑이 30개의 보석을 훔쳤다.' 같은 단문 50개를 여러 차례 큰 소리를 읽게 했다. 그리고 피실험자가 문장을 읽을 때의 뇌 신호를 뇌에 삽입한 전극으로 측정했다. 그다음에 그 뇌 신호를 AI에게 해독시키고 '이 문장을 읽을 때는 이런 뇌 신호의 특징이 있다'는 규칙성을 학습시켰다. 그리고 마지막으로 피실험자에게 50개의 문장 중 한 문장을 머리에 떠올리게 하고, 그것이 어떤 문장인지 AI에게 맞추게 했다. 처음에는 정답률이 낮았지만, 그때마다 정답인 문장을 AI에게 가르쳐 주자 AI의 예측 정확도는 향상되었다. 정확도는 피실험자에 따라 편차가 있었지만, 어떤 피실험자에서는 97%까지 도달했다. 머리로 생각한 것을 자동으로 문장화하는 기술은 이미 어느 정도 실현되어 있다. 한편, 이 기술에는 몇 가지 과제도 남아 있다. 예컨대 AI가 높은 정확도로 예측할 수 있는 것은 이번에 사용된 50개의 단문에 국한된다. 문장의 수가 늘어나거나 문장이 길어지면, AI 예측 정확도는 점점 낮아진다고 한다.
그렇다면 AI의 예측 정확도를 향상시키기 위해서는 어떻게 하면 좋을까? AI의 예측 정확도를 향상 방법에는 크게 '뇌에 삽입하는 전극의 수 늘리기'과 '최대한 AI가 해독하기 쉬운 데이터를 얻는 방법' 2가지가 있다.
- 뇌에 삽입하는 전극의 수 늘리기: 이 실험에서는 침봉 모양의 전극이 뇌를 향해 내리누르듯이 삽입되어 있다. 그 바늘, 즉 전극의 수는 120~250개이다. 이 전극의 수는 고밀도화하여 더 늘릴 수 있으면, 얻어지는 뇌 신호의 정보도 증가하기 때문에 AI 예측 정확도도 향상될 것으로 기대된다.
- 최대한 AI가 해독하기 쉬운 데이터를 얻기: 이 실험에서는 AI의 예측 정확도는 피실험자에 따라 편차가 있었는데, 이것은 문장을 읽을 때의 뇌 활동이 피실험자에 따라 다르기 때문이다. 따라서 AI가 해독하기 어려운 뇌 활동을 하는 피실험자에서는 AI의 예측 정확도가 낮아진다. 그래서 중요한 점이 AI가 이해하기 쉬운 접속 방식과 뇌 활동을 하게 하는 방법을 인간이 배우는 것이다. 예를 들어 스마트 스피커 등의 음성 입력 AI를 사용하는 상황을 생각해 보자. AI가 모든 대화 방식에 반응하지는 않는다. AI가 듣기 쉬운 대화 방식이 있다. 따라서 모든 것을 AI에만 맡겨서는 제대로 되지 않는다. 인간 쪽에서 다가서는 것이 중요하다.
5-2. 뇌 신호를 통해 게임을 하는 원숭이
- 기술 종류: 뇌 신호 독해 기술
2021년 4월, 뇌공학회사 '뉴럴링크(Neuralink)'에서 '유튜브'에 공개한 연구 성과가 큰 화제가 되었다. 이 동영상을 언뜻 보면, 원숭이가 조이스틱을 조작해 'PONG'이라는 간단한 탁구 게임을 하는 것처럼 보인다. 그러나 사실 조이스틱은 컴퓨터에 연결되어 있지 않으며, 원숭이는 뇌 신호만으로 게임을 하고 있다. 메커니즘은 다음과 같다. '페이저(Pager)'라는 이름의 9살 원숭이의 운동을 담당하는 뇌 영역에 전극이 삽입되어 있다. 거기에서 얻은 뇌 신호를 AI가 해독해 '게임 화면의 라켓이 이리저리 움직일 때, 이러저러한 뇌 신호의 특징이 보인다.'는 규칙성을 찾아낸다. 그들 신호에 따라 라켓을 움직이도록 컴퓨터에 설정되어 있다. 이를 통해 '페이저'가 '라켓을 이곳으로 움직이자'고 생각하는 것만으로, 라켓을 원하는 위치로 움직일 수 있다.
원숭이나 쥐의 뇌에 전극을 삽입하고 로봇 팔을 움직여 물건을 잡거나 게임을 하게 하는 데 성공한 연구의 예는 과거에도 있었다. 하지만 기존의 연구에서는 대규모 장치와 수술이 필요해, 일상적으로 쓸 수 있는 기술이라고는 할 수 없었다. 그런데 '뉴럴링크(Neuralink)'가 공개한 동영상을 보면, 필요한 장치가 모두 원숭이의 머리에 들어 있어, '페이저'의 몸에는 아무 일도 일도 일어나지 않는 것처럼 보인다. 이것은 기존 상식으로는 생각할 수 없는 일이었다. 실제로 '페이저'의 머리에는 'LINK V0.9'라는 작은 BMI 센서가 삽입되어 있다. LINK V0.9는 지름 23mm, 두께 8mm의 동전 모양이다. 거기에 1024개의 가는 전극 다발이 연결되어 페이저의 뇌 운동 영역이 삽입되어 있다. 뉴럴링크의 이 성과는 과학적으로 새로운 점은 거의 없다. 하지만 아직 검증 단계에 있던 침습형 BMI 기술을 상용화할 수 있는 형태로 실현했다는 점에서 매우 획기적이라고 할 수 있다.
한편, 염려되는 점은 '안전성'이다. '뉴럴링크'는 뇌의 혈관을 손상시키지 않고 전극을 삽입할 수 있는 로봇도 개발하고 있어, BMI 수술은 안전하다고 주장한다. 하지만 2022년 12월 뉴럴링크가 동물 실험에서 불필요하게 많은 동물을 숨지게 한 혐의로 미국 연방정부 검찰의 조사를 받고 있다는 뉴스가 나오면서 논란이 되었다. '안전성'은 아직 단정할 수 없지만, 필요 이상으로 무서워할 필요도 없다. 몸에 기계를 넣는 일이 모두 위험하지는 않다. 예컨대 가슴속에 삽입하는 심장 박동기 기술은 이전부터 있었지만, 안전하게 사용되고 있다.
다만 전극은 한 번 삽입하면 영구적으로 사용할 수 없다는 점이 지적되었다. 뇌 안에는 신경 세포 외에 뇌에서 발생한 이물질을 배제하기 위한 '글리아 세포'가 있다. 뇌에 전극을 삽입하면 '글리아 세포(Gliacyte)'가 그것을 이물질로 인식하고 증식해서 전극을 뒤덮어 버린다. 그렇게 되면 뇌 신호의 정확도는 점점 낮아진다. 따라서 전극을 수개월이나 수년마다 교체해야 하는데, 낡은 전극을 뺄 때 뇌에 상처를 입힐 위험도 있다. 인간이 침습형 BMI를 일상적으로 사용할 수 있으려면 여러 가지 과제를 극복해야 한다.
5-3. 뇌에서 떠올린 이미지를 영상화한다.
- 기술 종류: 뇌 신호 독해 기술
2005년에 일본 교토 대학교의 '가미타니 유키야스(神谷之康)' 교수 연구팀은 뇌의 활동을 AI로 해독해, 피실험자가 보고 있는 영상을 뇌의 활동을 통해 재현하는 기술을 보고하였다. 이 기술에서는 'fMRI(기능적 자기 공명 영상)'이라는 비침습형 방법을 사용했다. fMRI는 뇌의 혈류 변화를 읽어 내거나 뇌의 어느 영역이 활발하게 활동하는지 영상화하는 방법이다. fMRI로 상을 찍어 뇌의 다양한 영역의 기능과 역할을 밝힐 수 있다.
2017년에 '가미타니 유키야스(神谷之康)' 교수 연구팀이 발표한 연구에서는, 먼저 피실험자에게 1200장의 다양한 영상을 보여주고, 각각의 영상에 대한 피실험자의 뇌 활동을 포착한 fMRI 영상을 AI에게 학습시켰다. 그러면 AI는 '이런 색깔과 질감의 영상을 보고 있을 때는 이 피실험자는 이런 뇌 활동을 한다.'는 규칙성을 배운다. 그리고 피실험자에게 다른 영상을 보여 주고 그때의 fMRI 영상을 AI가 분석해 피실험자가 보고 있는 영상과 비슷한 영상을 그려내는 데 성공했다.
'가미타니 유키야스(神谷之康)' 교수 연구팀은 피실험자가 뇌에서 떠올린 이미지를 재현하는 데도 성공했다. 먼저 피실험자에게 '○', '+', '×' 등의 간단한 도형을 떠올리게 하고, fMRI로 뇌 활동 영상을 촬영하였다. 그리고 마찬가지로 1200장의 영상에 대한 뇌 활동을 학습한 AI에게 그 fMRI 영상을 분석하게 하고 피실험자가 떠올리는 도형을 재현시켰다. 그러자 도형의 대략적인 특징을 파악할 수 있었다. 그리고 '가마타니 유키야스' 교수 연구팀은 같은 기술을 사용해 '꿈의 해독'에도 성공했다. 피실험자가 자고 있을 때의 fMRI 영상을 AI에게 해독시켜, 피실험자가 어떤 꿈을 꾸는지를 높은 정확도로 예측할 수 있었다.
5-4. 뇌에 입력해 문자를 보게 한다.
- 기술 종류: 뇌 신호 입력 기술
미국 '베일러 의과대학(Baylor College of Medicine)'의 '다니엘 요쇼르(Daniel Yoshor)' 교수 연구팀은 2020년에 다음과 같은 연구 성과를 발표했다. 먼저 시력을 잃은 환자의 뇌 시각 영역에 침봉 모양의 전극을 삽입했다. 전극의 수는 24개이며, 4×6의 직사각형 모양이다. '다니엘 요쇼르' 교수 연구팀은 이 24개의 전극 하나하나에 순서에 따라 전기를 흘림으로써 '뇌의 표면에 문자를 쓰는 작업'을 했다. 예를 들어 알파벳 'Z'와 'W'라는 문자를 전극을 통해 입력했다. 그러자 피실험자는 입력된 문자를 볼 수 있었다. 예를 들어, 'Z'라고 입력했을 때는 'Z'라는 문자가 하얗게 떠올라 보였다.
원리는 다음과 같다. 시각을 잃은 사람의 시각 영역을 전극으로 자극하면, 어둠 속에서 하얀 점이 순간적으로 보인다. 그리고 뇌 시각 영역 신경 회로의 배치는 그 사람이 인식하는 시야의 공간 배치에 대응한다. 즉, 눈앞의 공간에 이웃한 2개의 물체가 있으면, 그것을 처리하는 신경세폳르도 이웃한다. 따라서 예를 들어 시각 영역에 2개의 전극을 삽입하고 각각에 순차적으로 전기를 흘리면 하얀 빛의 점이 이동하는 것처럼 보인다. 이 원리를 응용해 'Z'라는 문자에 따라 순차적으로 시각 영역을 자극하면 'Z'라는 문자가 떠올라 볼 수 있다. 이 연구에서 사용한 전극은 24개이며, 입력된 정보는 간단한 문자에 한정되었다. 그러나 뇌를 자극하는 점의 수를 늘리면, 복잡한 정보를 입력할 수 있을지도 모른다.
5-5. '전극'대신 '레이저'로 세밀하게 뇌를 자극
- 기술 종류: 뇌 신호 입력 기술
'이케가야 유지(池谷裕二, 1970~)' 교수 연구팀은 신경 세포 1개 수준에서 뇌를 자극할 수 있는 장치를 개발해 2022년 8월부터 연구해 사용하고 있다. 이 방법에서는 뇌를 자극하는 데 전극이 아니라 '레이저(Laser)'를 사용한다. 자세한 설명은 생략하지만, 레이저 빛을 쥐의 뇌에 쏘여 신경 세포 1개를 자극할 수 있다. 이 방법이면 전극을 사용하는 것보다 훨씬 세밀하게 뇌를 자극할 수 있다.
'이케가야 유지' 교수는 우선 이 장치를 사용해 쥐의 뇌가 지닌 '공간 분해능(Spatial Resolution, 공간 분해 능력)'을 조사했다. 예를 들어 이웃한 2개의 신경 세포를 차례로 빛을 자극해도, 쥐의 뇌는 그 세세한 차이를 인식하지 못할 수 있다. 즉, 공간적으로 어느 정도 세밀하게 뇌를 자극할 수 있어도, 쥐의 뇌가 지닌 '공간 분해능이 그에 대응할 수 없다면 의미가 없다. 뇌의 공간 분해능은 뇌에 입력할 수 있는 데이터 용량을 의미한다. 그것을 알면 그 데이터 용량에 맞춰 쥐의 뇌에 다양한 정보를 입력할 수 있다고 한다. 이 연구가 발전하면 지식을 뇌에 직접 입력하는 기술이 실현될 것으로 기대된다.
5-6. 쥐가 영어와 스페인어를 구별
- 기술 종류: 뇌 신호 입력 기술
'이케가야 유지(池谷裕二)' 교수 연구팀은 쥐가 영어와 스페인어를 구별하도록 하는 독특한 연구도 진행한다. 연어와 스페인어는 음성의 특징이 다르기 때문에 고막이 받는 진동 패턴도 다르다. 그래서 실제로 쥐에게 영어와 스페인어 음석을 들려주고, 그때의 쥐의 음성이 최초로 도달하는 뇌 영역인 '제1차 청각영역'의 뇌 신호를 전극을 통해 측정했다. 그러자 영어와 스페인어는 뇌 신호의 특징이 다르다는 점이 확인되었다.
즉 쥐의 '제1차 청각 영역'은 영어와 스페인어의 차이를 구별할 수 있다. 그러나 쥐는 그 차이를 인식하지 못한다. 아쉽지만 이것은 뇌가 원래 지닌 능력이 발현되지 않은 것이다. 그래서 '이케가야 유지' 교수 연구팀은 쥐가 영어와 스페인어를 듣고 있을 때 뇌 신호를 AI에게 해독시켰다. 그러자 AI는 쥐가 듣고 있는 언어가 영어인지 스페인어인지를 70%의 정확도로 구분했다. 그래서 이번에는 AI가 구별한 정보를 쥐에게 가르치기로 했다. 구체적으로는 AI가 영어라고 구별했을 때는 '오른쪽 뇌'를, 스페인어로 구별했을 때는 '왼쪽 뇌'를 전극으로 자극했다. 그리고 이때 쥐가 있는 방안에 2개의 스위치를 두고, 영어가 흘렀을 때 왼쪽 스위치를, 스페인어가 흘렀을 때 오른쪽 스위치를 누르면 '보상'을 주었다.
이 훈련을 몇 차례 거듭한 결과, 쥐는 높은 확률로 '보상(Reward)'을 받을 수 있었다. 즉 쥐는 영어와 스페인어를 높은 확률로 구별할 수 있게 된 것이다. 그리고 놀랍게도 쥐는 더 이상 전극으로 뇌를 자극하지 않아도 영어와 스페인어를 구별할 수 있었다. 즉, 영어를 단지 들려주는 것만으로, 그것이 영어인지 알고 정답 스위치를 눌렀다. 이 메커니즘은 아직 완전히 밝혀지지 않았다. 다만, 음성을 듣는 것만으로 맞는 스위치를 누르게 하는 것은 이전에는 연결되지 않았던 '제1차 청각 영역의 신경 활동'과 스위치를 누를 때의 '운동영역의 신경 활동'이 어떤 형태로 새롭게 연결되었기 때문이라고 추측된다.
6. BMI로 실현되는 미래
BMI 기술이 더 발전하면, 어떤 미래를 기대할 수 있을까? BMI로 실현되는 기술 가운데 간단히 몇 가지만 살펴보자.
- 메타버스를 직접 체험: 최근에는 인터넷상의 3차원 가상 세계인 '메타버스(Metaverse)'가 주목받고 있다. 메타버스에 들어가려면 현재는 메타버스 디바이스를 사용해야 하지만, 앞으로는 뇌를 인터넷에 연결해 메타버스를 직접 체험할 수 있게 될 것이다. 물론 가상으로 오감을 느끼는 일도 충분히 가능하다. 예를 들어 미각을 관장하는 영역을 자극해, 일류 레스토랑의 요리를 먹는 듯한 감각을 느낄 수 있다.
- 인터넷에서 기억 수집: 예를 들면 '뇌'와 '인터넷'이 연결된 세계를 실현할 수 있다. 우리는 현재 컴퓨터와 스마트폰 등을 통해 인터넷상에 있는 다양한 정보를 수집하고 있다. 그런데 BMI를 사용하면, 그런 정보를 직접 뇌에 저장할 수도 있다.
- 뇌 상태 체크: 뇌의 신호를 AI로 해독해, 건강을 관리하는 데 도움을 받을 수도 있다. 뇌에 전극을 삽입해 뇌의 상태를 AI가 관리해 주는 것이다. 그 AI는 자신의 뇌 상태를 잘 관리해 주는 파트너 같은 존재이다. 기분이 나빠져 아무 일도 하지 싶지 않을 때, 그것을 알아차린 AI가 뇌를 적절히 자극해 의욕을 북돋을 수 있다. 혹은 뇌 신호를 통해 우울증 등의 조짐을 발견하면, 우울증에 걸리기 전에 대책을 세울 수 있다. 더 나아가 뇌를 전극으로 자극해 편안히 잠들거나 상쾌하게 일어나게 할 수도 있을 것이다.
- 생각만으로 문장 집필: 머리에 떠올린 것을 문장화하는 기술은 어떻게 될까? 손을 사용하지 않고 문장화하는 일이라면 음성 입력 AI로도 가능하다. 그러나 머릿속에 이미지는 있는데 '말로 잘 표현할 수 없는 경우'도 있다. 그때 자신의 사고 경향과 문장 스타일을 잘 아는 AI가 머릿속의 막연한 이미지를 멋있게 언어로 표현해 준다면 큰 도움이 될 것이다.
- 텔레파시: 대화를 통한 음성 커뮤니케이션 대신, 생각만으로 타인과 커뮤니케이션이 가능해질 것이다.
- 기계 조종: 생각만으로 기계를 원하는 데로 조종할 수도 있을 것이다. 원하는 대로 '아바타(Avatar)'도 조종할 수 있을 것이다.
- 의욕 고취: 의욕이 없을 때 의욕을 관장하는 영역을 자극해, 업무를 순조롭게 추진할 수도 있을 것이다.
7. 뇌와 클라우드가 연결된다.
7-1. 인간은 'DNA'와 '신피질'에 학습한 결과를 저장한다.
평생 다른 쥐를 만나본 적이 없는 쥐라고 해도 새끼 쥐를 위해 집을 짓는다. 마찬가지로, 거미는 거미줄을 치고, 애벌레는 고치를 만들며, '비버(Beaver)'는 댐을 만든다. 다른 거미나 애벌레나 비버에게 배우지 않았었음에도 이 복잡한 임무들을 완수해낸다. 하지만 이러한 행동이 학습된 것이 아니라고 말할 수는 없다. 한 세대 안에서 학습된 것이 아닐 뿐, 수천 세대에 걸쳐 학습된 행동이다. 동물에게 이러한 행동의 진화는 하나의 학습으로, 개별적인 개체의 학습이 아니라, 종 차원의 학습이라고 할 수 있다. 무수한 세월에 걸친 학습과정의 결실이 DNA에 코딩된 것이다.
'신피질(Neocortex)'이 진화에서 얼마나 중요한 의미를 갖는지 이해하려면 '신피질에 의한 학습(계층적 지식 학습)'과정이 수천 년에서 수 일~ 수개월로 대폭 단축되었다는 사실을 떠올려보면 된다. '신피질에 의한 학습'이 가능해지면 거의 모든 개체가 문제를 해결하는 데 실패하더라도, 한 개체가 우연히 해결책을 발견하기만 하면 된다. 그 해결 방법은 곧바로 신피질에 의해 복제되어, 전체 개체 사이에 급속도로 퍼져나갈 수 있기 때문이다.
7-2. '인공 신피질'로 '생물학적 지능'의 한계를 뛰어넘는다.
그리고 이제 인류는 '생물학적 지능'의 한계를 넘어 '비생물학적 지능'으로 진화 과정을 확장할 수 있는 위치에 도달했다. 궁극적으로 인류는, 인간의 신피질에 버금가는 기능과 유연성을 가진 '인공 신피질'을 만들어낼 것이다. '인공 신피질'을 만들어내는 데 성공하는 순간, 인간의 학습과정은 곧바로 가속될 것이다. 더 나아가 '인공 신피질'은 기술 하나만 습득하면, 그 노하우를 아주 빠른 속도로 전파할 수 있다.
'전자회로'는 '생물학적 회로'보다 수백만 배 더 빠르게 작동한다. 초창기에는 이러한 속도를 인간의 뇌에 비에 상대적으로 떨어지는 컴퓨터의 병렬처리능력을 보완하는 데 쏟아부었지만, 결국 '인공 신피질'은 '생물학적 신피질'보다 빨라질 것이다. 또한 그 발전 속도도 지속적으로 향상될 것이다. 인공 신피질로 우리의 신피질을 보강한다고 해서, 컴퓨터를 우리의 뇌에 물리적으로 끼워 넣을 필요는 없다. 오늘날 컴퓨터 기술의 대부분이 '클라우드(Cloud)'에 존재하듯이, 인공지능 역시 클라우드에 존재할 것이기 때문이다.
인간의 생물학적 신피질에는 패턴 인식기가 3억 개 정도 있다. 이는 이마를 확장하고 뇌의 80%를 신피질로 덮어버리는 획기적인 진화를 거친 뒤 확보한 최대 용량이다. 하지만 우리가 클라우드의 도움을 받아 생각하기 시작하는 순간, 그러한 자연적 한계 또한 무의미해질 것이다. 물론 '인공 신피질'도 '생물학적 신피질'과 마찬가지로 새로운 기술을 배우려면 수많은 반복 교육을 거쳐야 한다. 하지만 어디선가 인공 신피질 하나만 학습에 성공하기만 하면, 이 신피질은 새롭게 확보한 지식을 다른 '인공 신피질'과 공유할 것이다. 지금 우리가 개인적인 데이터를 모아두는 사적인 저장 공간이 존재하듯이, 클라우드에 자신만의 사적인 신피질 확장자를 가지게 될 수 있다.
그리고 결국 우리는 '자신의 지능'을 '디지털 지능'에 '백업(Back Up)'해서 보관할 수 있게 된다. 이것은 은유적인 표현이 아니라, 실제로 우리 뇌에 있는 데이터들을 컴퓨터에 보관할 수 있게 되는 것이다. 컴퓨터나 스마트폰은 수시로 백업하고 있는 마당에, 우리 머릿속에 담긴 무수한 정보는 하나도 백업이 되어 있지 않고 있다는 사실을 떠올려보면 섬뜩할지도 모른다. 물론 지금도 뇌에 담긴 정보의 일부를 백업하는 방법이 있기는 하다. 글로 적어서 자신의 생각을 기록하는 것이다. 생각의 일부만이라도 글로 기록해두면, 생물학적 뇌에 저장하는 것보다는 훨씬 오래갈 수 있다. 이것은 엄청난 진보였지만, 우리 뇌에 담긴 수많은 데이터는 보존 측면에서 여전히 취약한 상태로 남아있는 것이 사실이다.