%eb%87%8c%ec%9d%b8%ec%a7%80%ea%b3%bc%ed%95%99%ea%b3%bc
-
AI도 ‘모른다’고 말한다... 과신 줄이고 신뢰성 높여
“AI도 스스로‘모른다’고 말할 수 있어야 한다.”
자율주행과 의료 진단 등에서 인공지능(AI)의 가장 큰 위험으로 지적돼 온‘과도한 확신(overconfidence·틀린 예측에 대하여 높은 확신을 보이는 현상)’문제를 해결할 새로운 접근법이 제시됐다. 우리 대학 연구진은 AI가 스스로 모르는 상황을 인식하도록 하는 학습 방법을 개발해, 과신을 줄이고 신뢰성을 높일 수 있는 기반을 마련했다.
우리 대학은 뇌인지과학과 백세범 석좌교수 연구팀이 딥러닝(deep learning·인공신경망을 활용해 데이터를 학습하는 인공지능 기술)에서 널리 사용돼 온 무작위 가중치 초기화(random initialization·신경망 학습 시작 시 가중치를 확률 분포에 따라 무작위로 설정하는 방식)가 인공지능의 과신을 유발하는 근본적인 원인일 수 있음을 규명했다고 27일 밝혔다.
연구팀은 이를 해결하기 위해 실제 데이터를 학습하기 전, 무작위 노이즈(random noise·의미 없는 임의의 입력 데이터)로 신경망을 짧게 학습시키는 ‘예열(warm-up)’ 전략을 제안했다.
연구팀은 AI의 과신 문제가 학습 이후만이 아니라, 학습의 출발점인 초기화 단계에서부터 이미 나타난다는 점에 주목했다.
실제로 무작위로 초기화된 신경망에 임의의 데이터를 입력한 결과, 아직 아무것도 배우지 않은 상태임에도 불구하고 높은 확신도를 보이는 현상이 확인됐다. 이러한 특성은 생성형 AI에서 사실과 다른 내용을 만들어내는 환각(hallucination·존재하지 않는 정보를 그럴듯하게 만들어내는 현상) 문제로 이어질 수 있다.
연구팀은 해결의 실마리를 생물학적 두뇌에서 찾았다. 인간의 두뇌는 태어나기 전부터 외부 자극 없이도 ‘자발적 신경 활동(spontaneous neural activity·외부 입력 없이 스스로 발생하는 뇌 신호)’을 통해 신경회로를 형성한다.
연구팀은 이 개념을 인공신경망에 적용해, 실제 학습에 앞서 무작위 노이즈 입력으로 짧은 사전 학습을 수행하는‘예열 단계’를 도입했다. 이는 인공지능이 본격적으로 학습을 시작하기 전에, 스스로의 불확실성을 먼저 조정하는 과정에 해당한다. 예열 과정을 거친 AI 모델은 초기 확신도가 우연 수준에 가까운 낮은 값으로 정렬되며, 기존 초기화에서 나타나던 과신 편향이 크게 완화됐다.
즉, 실제 데이터를 배우기 전에 ‘나는 아직 아무것도 모른다’는 상태를 먼저 학습하게 되는 것이다. 그 결과, 모델의 정확도(예측이 맞는 비율)와 확신도(모델이 스스로 맞다고 믿는 정도)가 자연스럽게 일치하는 방향으로 개선됐다.
특히 처음 보는 데이터에 대한 반응에서도 차이가 나타났다. 기존 모델은 학습하지 않은 데이터에도 높은 확신을 보이며 잘못된 답을 제시하는 경향이 있었지만, 예열 학습을 적용한 모델은 확신도를 낮춰‘모른다’고 판단하는 능력이 뚜렷하게 향상됐다.
이를 통해 학습 데이터와 다른 분포를 가진 데이터를 구별하는 분포 밖 데이터 탐지(out-of-distribution detection·훈련에 사용되지 않은 새로운 유형의 데이터를 구분하는 기술)에서도 높은 성능을 보였다.
이번 연구는 AI가 단순히 정답을 맞히는 수준을 넘어, ‘무엇을 아는가’와 ‘무엇을 모르는가’를 구분하는 능력, 즉 메타 인지(meta-cognition·자신의 인지 상태를 스스로 인식하는 능력)를 갖출 수 있는 가능성을 제시했다.
백세범 석좌교수는 “이번 연구는 두뇌 발달 과정을 모사함으로써 AI가 인간과 좀 더 유사하게 자신의 지식 상태를 인식할 수 있음을 보여준 사례”라며, “정확도를 높이는 것을 넘어 인공지능이 스스로의 불확실성을 판단하는 원리를 제시했다는 데 의의가 있다”고 설명했다.
이번 기술은 자율주행, 의료 AI, 생성형 AI 등 높은 신뢰성이 요구되는 분야는 물론, 거의 모든 딥러닝 모델의 초기화 방식에 적용될 수 있어 AI 전반의 신뢰성을 높이는 핵심 기술로 활용될 것으로 기대된다.
KAIST 천정환 뇌인지과학과 석사(現 육군 일병)가 제1저자로 참여한 이번 연구는 인공지능 분야 국제 학술지 ‘네이처 머신 인텔리전스(Nature Machine Intelligence)’에 2026년 4월 9일자로 온라인 게재됐으며, 주목할 만한 논문으로 선정되어 ‘뉴스 앤 뷰스(News & Views)’에도 소개되었다.
※ 논문명: Brain-inspired warm-up training with random noise for uncertainty calibration, DOI: 10.1038/s42256-026-01215-x
※ 뉴스 앤 뷰스 소개: Learning to be uncertain before learning from data, DOI: 10.1038/s42256-026-01205-z
한편 이번 연구는 한국연구재단의 이공분야기초연구사업과 KAIST 싱귤래러티 연구사업의 지원을 받아 수행됐다.
2026.04.27 조회수 1834 -
마약 중독 재발 비밀 찾았다...뇌 속 ‘중독 회로’ 발견
마약 중독은 약물을 끊은 뒤 오랜 시간이 지나도 사소한 자극에 다시 갈망이 되살아나 재발 위험이 매우 높다. 그동안 이러한 현상은 충동을 조절하는 전전두엽 피질(PFC)의 기능 저하 때문으로 여겨졌다. 하지만 최근 국내외 공동 연구진은 중독 재발의 원인이 단순한 뇌 기능 저하가 아니라 특정 신경세포 회로의 불균형이라는 사실을 밝혀냈다.
우리 대학은 뇌인지과학과 백세범 석좌교수와 미국 캘리포니아 주립 샌디에이고 대학(UCSD) 임병국 교수 연구팀이 전전두엽 내 특정 억제성 신경세포가 코카인 중독 행동을 조절하는 핵심 원리를 규명했다고 9일 밝혔다.
특히 연구팀은 뇌에서 다른 신경세포의 활동을 억제해 신경 신호의 균형을 조절하는 파발부민 양성(Parvalbumin-positive, PV) 억제성 신경세포에 주목했다. 이 세포는 뇌의 흥분 신호를 조절하는 일종의 ‘브레이크 게이트(brake gate)’ 역할을 하며, 금단 이후 나타나는 마약 탐색 행동을 결정짓는 중요한 요소임을 확인했다.
우리 뇌의 전전두엽 피질(PFC)은 흥분 신호와 억제 신호가 균형을 이뤄야 충동을 억제하는 ‘브레이크’ 기능을 수행할 수 있다. 연구팀은 만성 약물 노출이 이러한 균형을 어떻게 무너뜨리는지 확인하기 위해 쥐를 대상으로 코카인 투여 실험을 진행했다. 이 과정에서 전전두엽 내 억제성 신경세포들이 언제 활성화되고 하위 뇌 영역으로 어떻게 신호를 보내는지 추적했다.
실험 결과, 전전두엽 피질 내 억제성 신경세포의 약 60~70%를 차지하는 파발부민(Parvalbumin, PV) 세포는 쥐가 코카인을 찾으려 할 때 활발하게 작동했다. 하지만 더 이상 약물을 찾지 않도록 훈련하는 ‘소거 훈련(extinction training)’을 진행하자 이 세포의 활동은 눈에 띄게 줄어들었다. 이는 PV 세포의 활동 양상이 중독에 의해 고정되는 것이 아니라 소거 과정을 통해 다시 조절될 수 있음을 보여준다.
연구팀은 신경 활동을 인위적으로 조절해 PV 세포의 활동을 억제하자 쥐의 코카인 탐색 행동이 크게 감소하는 것을 확인했다. 반대로 이 세포를 활성화하면 소거 과정 이후에도 약물을 다시 찾는 행동이 지속됐다. 이러한 효과는 설탕물과 같은 일반적인 보상에는 나타나지 않았으며, 마약 중독 행동에서만 특이적으로 관찰됐다. 이는 같은 억제성 신경세포인 소마토스타틴(SOM) 세포에서는 나타나지 않는 현상으로, 파발부민(PV) 세포가 마약 중독 행동을 선택적으로 조절한다는 점을 보여준다.
연구팀은 이러한 PV 세포의 조절 작용이 어떤 뇌 회로를 통해 이루어지는지도 확인했다. 전전두엽에서 시작된 신호는 보상과 관련된 핵심 뇌 영역인 복측피개영역(Ventral Tegmental Area, VTA)의 보상회로로 전달되며, 이 경로가 마약을 다시 찾을지 말지를 결정하는 중독 행동 조절의 핵심 통로로 나타났다. 이때 PV 신경세포는 이 신호의 흐름을 조절해 도파민(Dopamine) 신호에 영향을 주며, 중독 행동을 유지할지 억제할지를 결정하는 ‘조절 스위치’ 역할을 한다.
즉, 중독 재발은 전전두엽 전체의 기능 저하 때문이 아니라 특정 신경세포인 파발부민(PV) 신경세포가 전전두엽과 보상 회로를 잇는 신경 경로의 조절여부에 따라 결정되는 현상이라는 것을 밝혀낸 것이다.
백세범 석좌교수는 “이번 연구는 약물 중독이 특정 신경세포와 하위 신경 회로의 조절 균형이 붕괴되면서 나타나는 회로 수준의 문제임을 보여준다”며 “파발부민(PV) 세포가 중독 행동의 ‘게이트’ 역할을 한다는 발견은 향후 정밀 표적 치료 전략 개발에 중요한 단서가 될 것”이라고 밝혔다.
이번 연구는 UCSD 정민주 박사가 1저자로, UCSD 임병국 교수와 KAIST 백세범 석좌교수가 공동 교신저자로 연구를 주도하였으며, 신경과학 분야 최고 권위의 학술지인 뉴런(Neuron) 에 2월 26일 온라인 게재되었다.
※ 논문명: Distinct Interneuronal Dynamics Selectively Gate Target-Specific Cortical Projections in Drug Seeking, DOI: 10.1016/j.neuron.2026.01.002)
한편 이번 연구는 한국연구재단의 이공분야기초연구사업의 지원을 받아 수행됐다.
2026.03.09 조회수 2192 -
'뇌를 닮은 AI’ 개발.. 예측이 틀려도 한번 더 생각한다
인공지능은 이제 바둑을 두고, 그림을 그리고, 사람처럼 대화까지 한다. 하지만 결정적인 차이가 있다. AI는 인간의 뇌보다 훨씬 많은 전기를 써야 작동한다는 점이다. 과학자들이 오랫동안 던져온 질문은 이것이다. “뇌는 어떻게 이렇게 적은 에너지로도 똑똑하게 학습할 수 있을까?”우리 대학 연구진이 그 답에 한 걸음 다가섰다.
우리 대학은 뇌인지과학과 이상완 교수 연구팀이 인간 뇌의 학습 원리를 딥러닝에 적용해, 깊은 인공지능 모델도 안정적으로 학습시키는 새로운 기술을 개발했다고 1일 밝혔다.
우리 뇌는 세상을 수동적으로 받아들이지 않는다. 현재 벌어지는 일을 단순히 인식하는데서 그치지 않고‘다음에 무슨 일이 일어날까?’를 먼저 예측하고, 실제 결과가 다르면 그 차이(오차)를 줄이는 방향으로 스스로를 수정한다. 바둑에서 상대의 다음 수를 예상했다가 빗나가면 전략을 바꾸는 것과 비슷하다. 이 같은 정보처리 방식을 ‘예측 부호화(Predictive Coding)’라고 한다.
과학자들은 이 원리를 AI에 적용하려 했지만, 난관이 있었다. 신경망이 깊어질수록 오차가 특정 부위에 몰리거나 아예 사라져 성능이 떨어지는 문제가 반복됐기 때문이다.
연구팀은 그 원인을 수학적으로 규명하고 새로운 해법을 제시했다. 핵심은 단순하다. AI가 결과만 예측하는 것이 아니라, ‘예측 오차가 앞으로 어떻게 변할지’까지 다시 예측하도록 만든 것이다. 연구팀은 이를 ‘메타 예측(Meta Prediction)’이라 설명한다. 쉽게 말해, ‘틀림을 한 번 더 생각하는 AI’다. 이 방식을 적용하자, 깊은 신경망에서도 학습이 멈추지 않고 안정적으로 진행됐다.
실험 결과도 인상적이다. 총 30가지 실험 중 29개에서, 현재 AI의 표준 학습법인 ‘역전파(Backpropagation)’보다 높은 정확도를 기록했다. 역전파는 AI가 ‘틀린 만큼 거꾸로 되돌아가며 고치는’ 현재의 대표적 학습 방법이다.
기존 AI 학습방식(역전파)는 모든 층이 서로 긴밀하게 연결돼 있어, 전체 네트워크를 한 번에 계산하고 한 번에 수정해야 하지만 이 방법은 이 방식은 뇌처럼 분산적·부분적으로 학습해도 큰 AI 모델을 잘 학습시킬 수 있음을 입증한 것이다.
이번 기술은 전력 효율이 중요한 뉴로모픽 컴퓨팅, 환경에 적응해야 하는 로봇 AI, 기기 내부에서 작동하는 엣지 AI 등 다양한 분야로 확장될 것으로 기대된다.
이상완 석좌교수는 “뇌의 구조를 단순히 모방한 것이 아니라, 뇌의 학습 원리 자체를 AI가 따르도록 만든 것이 이번 연구의 핵심”이라며 “뇌처럼 효율적으로 배우는 인공지능의 가능성을 열었다”고 말했다.
이번 연구는 하명훈 박사가 제1저자, 이상완 교수가 교신저자로 참여했으며, 인공지능 국제학회 ICLR 2026(International Conference on Learning Representations)에 채택돼 1월 26일 온라인 게재됐다.
※ 논문명: Stable and Scalable Deep Predictive Coding Networks with Meta Prediction Errors, 논문 원본: https://openreview.net/forum?id=kE5jJUHl9i¬eId=e6T5T9cYqO
본 연구는 과학기술정보통신부·정보통신기획평가원 디지털분야글로벌연구지원사업(마이크로소프트연구소 공동연구), 삼성전자 SAIT NPRC 사업, SW스타랩 사업의 지원을 받아 수행됐다.
2026.03.03 조회수 2472 -
‘뇌처럼 배우는 AI’ 가능성 열렸다...인간 전두엽의 학습 비밀 규명
사람은 갑작스러운 변화가 닥쳐도 금세 계획을 새로 세우고 목표를 조정하는 안정성과 유연성을 동시에 갖추고 있다. 그러나 이세돌 기사와 대국을 펼친 알파고를 비롯해 로봇 분야에 널리 사용되는 모델 프리 AI는 이러한 두 능력을 함께 구현하지 못한다. 우리 대 연구팀은 그 이유가 전두엽의 독특한 정보 처리 방식에 있으며, 이 원리가 ‘뇌처럼 유연하고 안정적인 AI’를 만들 핵심 열쇠가 될 수 있음을 규명했다.
우리 대학은 뇌인지과학과 이상완 교수 연구팀이 IBM AI 연구소와 함께 인간의 뇌가 목표 변화와 불확실한 상황을 처리하는 방식을 규명하고, 차세대 AI 강화학습이 나아가야 할 방향을 제시했다고 14일 밝혔다.
연구팀은 기존 강화학습 모델들이 목표가 바뀌는 상황에서는 안정성이 떨어지고, 환경이 불확실하면 유연성이 부족해지는 한계가 있지만 인간은 두 요소를 동시에 달성한다는 점을 집중했다. 연구팀은 이 차이가 전두엽이 정보를 표현하는 방식 자체에서 비롯된다고 보았다.
뇌 기능 MRI(fMRI) 실험, 강화학습 모델, AI 분석 기법을 활용한 결과, 인간 전두엽은 ‘목표 정보’와 ‘불확실성 정보’를 서로 간섭하지 않도록 분리해 저장하는 특별한 구조를 가지고 있음이 밝혀졌다. 이런 구조가 뚜렷할수록 사람은 목표가 바뀌면 빠르게 전략을 바꾸고, 환경이 불확실해도 안정적인 판단을 유지했다. 연구팀은 이를 통신 기술의 멀티플렉싱(multiplexing)처럼 서로 다른 정보를 한 번에 처리하는 특징을 갖는다는 점도 확인했다.
이렇게 인간의 전두엽은 목표가 바뀔 때마다 그 변화를 민감하게 추적해 의사결정의 유동성을 확보하는 ‘채널’이 있고, 동시에 또 다른 채널을 통해 환경의 불확실성을 분리해 안정적인 판단을 유지한다.
흥미로운 점은 전두엽이 첫 번째 채널을 통해 단순히 학습을 실행하는 수준을 넘어서, 두 번째 채널을 활용하여 상황에 따라 어떤 학습 전략을 쓸지 스스로 고르는 역할까지 한다는 것이다.
연구팀은 전두엽이 단순히 학습을 실행하는 수준을 넘어, 상황에 따라 어떤 학습 전략을 사용할지 스스로 선택하는 ‘메타학습 능력’을 갖고 있다는 점을 보여줬다.
즉, 전두엽은 무엇을 배울지뿐 아니라 어떻게 배울지도 학습하는 구조를 가지고 있으며, 이것이 인간이 끊임없이 바뀌는 상황에서도 흔들리지 않는 이유다.
이 연구는 개인의 강화학습·메타학습 능력 분석, 맞춤형 교육 설계, 인지 능력 진단, 인간-컴퓨터 상호작용 등 다양한 분야에 활용될 수 있으며, 뇌 기반 표현 구조를 활용하면 ‘뇌처럼 생각하는 AI’기술로서 AI가 인간의 의도와 가치를 더 잘 이해해 위험한 판단을 줄이고 사람과 더 안전하게 협력하는 기술로 이어질 수 있다.
연구 책임자인 이상완 교수는 “이번 연구는 변화하는 목표를 유연하게 따라가면서도 안정적으로 계획을 세우는 뇌의 작동 원리를 AI 관점에서 규명한 성과이며, 이러한 원리가 앞으로 AI가 사람처럼 변화에 적응하고 더 안전하고 똑똑하게 학습하는 차세대 AI의 핵심 기반이 될 것”이라고 말했다.
이 연구는 성윤도 박사과정 학생이 1 저자, IBM AI 연구소 마티아 리고티(Mattia Rigotti) 박사가 2저자로 참여했으며, 이상완 교수가 교신저자를 맡았다. 연구 결과는 국제 학술지 `네이처 커뮤니케이션스 (Nature Communications)‘ 11월 26일 자 게재됐다.
(논문명: Factorized embedding of goal and uncertainty in the lateral prefrontal cortex guides stably flexible learning) DOI: 10.1038/s41467-025-66677-w)
특히 이번 연구는 과학기술정보통신부 한계도전 R&D 프로젝트 사업 지원을 받아 수행됐다.
2025.12.15 조회수 2600 -
면역 신호, 뇌 감정 회로 직접 조절..불안 행동 유발 기전 최초 규명
우리 대학 뇌인지과학과 권정태 교수가 MIT, 하버드 의과대학과의 공동연구를 통해, 면역 반응에서 분비되는 사이토카인이 뇌 감정 회로에 직접 작용하여 불안 행동을 조절한다는 사실을 세계 최초로 규명했다.
염증성 사이토카인 IL-17A와 IL-17C가 정서를 조절하는 것으로 알려진 편도체의 특정 뉴런에 작용해 흥분성을 증가시킴으로써 불안을 유발하며, 반대로 항염증성 사이토카인 IL-10은 같은 뉴런에서 흥분성을 억제해 불안 완화에 기여하는 양방향 조절 메커니즘을 실험적으로 입증했다.
연구팀은 쥐 모델에서 피부 염증을 유발한 후, 면역치료제 (IL-17RA 항체)를 투여해 피부 증상은 완화되었으나 불안 수준이 높아진 현상을 관찰하였다. 이는 IL-17 계열 사이토카인의 순환 농도가 높아지며 편도체 뉴런이 과활성화된 데 따른 결과로 분석됐다.
연구진은 또한, 항염증 사이토카인 IL-10이 같은 편도체 뉴런의 흥분성을 낮추는 작용을 하며 불안 반응을 완화할 수 있음을 밝혀냈다.
이번 연구는 감염이나 염증과 같은 면역 반응이 단순한 신체 반응을 넘어서, 뇌 회로 수준의 정서 조절 기능에 직접적으로 영향을 미친다는 사실을 최초로 입증한 사례다. 정서와 면역이 뇌 속 동일한 뉴런을 통해 연결되어 작동할 수 있다는 점에서, 면역-정서-행동을 연결하는 생물학적 메커니즘을 제시한 매우 중요한 성과다.
이번 연구 결과는 올해 4월 17일 국제학술지 Cell에 게재됐다.
논문 정보
- 논문명: Inflammatory and anti-inflammatory cytokines bidirectionally modulate amygdala circuits regulating anxiety
- 게재지: Cell (188권, 2190–2202), 2025년 4월 17일
DOI: https://doi.org/10.1016/j.cell.2025.03.005
- 교신저자: 글로리아 최 교수 (MIT), 허준 교수 (Harvard Medical School),
2025.07.24 조회수 3703 -
"파킨슨병을 편집하다” 염증 RNA 편집 효소 세계 최초 발견
파킨슨병(PD)은 알파시누클린(α-synuclein) 단백질이 뇌세포 내에서 비정상적으로 응집되어 신경세포를 손상시키는 퇴행성 신경질환이다. KAIST 연구진은 파킨슨병의 핵심 병리 중 하나인 신경염증 조절에 있어 RNA 편집(RNA editing)이 중요한 역할을 한다는 사실을 세계 최초로 밝혀냈다.
우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 UCL 국립신경전문병원 연구소 및 프랜시스 크릭 연구소와의 공동 연구를 통해, 뇌를 보호하고자 염증 반응을 일으키는 교세포(astrocyte)에 대해 RNA 편집 효소인 에이다원(ADAR1)이 면역 반응을 조절하는 중요한 역할을 한다는 것을 밝혀내고 파킨슨병의 병리 진행에 핵심적인 역할을 한다는 사실을 입증했다.
최민이 교수 연구팀은 뇌 면역세포의 염증반응을 알아보고자 파킨슨 환자에게서 유래한 줄기세포를 이용해 뇌의 신경세포를 돕는 교세포와 신경세포로 구성된 세포 모델을 만들고, 파킨슨병의 원인이 된다고 알려진 알파시뉴클레인(α-synuclein) 응집체를 처리한 뒤, 뇌 면역세포의 염증 반응이 어떻게 되는지 분석했다.
그 결과, 알파시뉴클레인 응집체 초기 병리형태인 알파시뉴클레인 단량체(oligomer)가 교세포 내 세포가 위험을 감지하는 센서처럼 작동하는 통로(Toll-like receptor) 경로 및 바이러스나 병원균과 싸우는 면역 신호 네트워크인 인터페론 반응 경로를 활성화하였다. 이 과정에서 RNA 편집 효소인 에이다원이 발현하면서 기능과 구조 등 단백질 성질이 바뀌는 아이소폼으로 변형되는것을 확인했다.
특히, 바이러스 감염시 면역 반응을 조절하기 위해 기능을 발휘하던 에이다원이 수행하는 RNA의 편집 활동이 ‘A(아데노신)’를 ‘I(이노신)’으로 바꾸는, 일종의 유전자 명령 수정 작업인 ‘A-to-I RNA 편집’이 일어난다. 이는 RNA 편집 활동이 정상적인 상황이 아니라, 염증을 일으키는 유전자들에 비정상적으로 집중되어 있다는 걸 발견했다. 이 현상은 환자 유래 줄기세포 분화 신경세포에서뿐만 아니라 실제 파킨슨병 환자 뇌의 부검 조직에서도 동일하게 관찰되었다.
이는 RNA 편집의 이상 조절이 교세포의 만성 염증 반응을 유도하고, 결과적으로 신경세포 독성과 병리 진행으로 이어질 수 있음을 직접적으로 입증한 것이다.
이번 연구는 신경 면역 세포인 교세포 내 RNA 편집 조절이 신경염증 반응의 핵심 기전이라는 사실을 새롭게 밝혔다는 데 의의가 크다. 특히 에이다원이 파킨슨병 치료의 새로운 타깃 유전자로 작용할 수 있음을 제시했다는 점에서 주목된다.
또한, 환자 맞춤형 유도 줄기세포 기반의 정밀의학적 뇌 질환 모델을 통해 실제 환자의 병리 특성을 반영한 점도 주목된다.
최민이 교수는 “이번 연구는 단백질 응집으로 인한 염증 반응의 조절자가 RNA 편집이라는 새로운 층위에서 작동함을 입증한 것으로, 기존의 파킨슨병 치료 접근과는 전혀 다른 치료 전략을 제시할 수 있다”고 밝혔다. 이어 “RNA 편집 기술은 신경염증 치료제 개발의 중요한 전환점이 될 수 있을 것”이라고 강조했다.
이번 연구에는 최민이 교수가 제1 저자로 참여했으며 사이언스 어드밴스드(Science Advances)에 4월 11일 자로 게재되었다.
※ 논문 제목: Astrocytic RNA editing regulates the host immune response to alpha-synuclein, Science Advances Vol11,Issue15 DOI:10.1126/sciadv.adp8504
※ 주저자: Karishma D’Sa(UCL, 제1저자), Minee L. Choi(KAIST, 제1저자), Mina Ryten(UCL, 교신저자), Sonia Gandhi(크릭 연구소, 캠브리지 대학, 교신저자)
이번 연구는 한국연구재단의 뇌과학선도융합, 우수신진연구사업과 KAIST의 대교 인지 향상 프로그램의 지원을 받아 수행되었다.
2025.04.28 조회수 8963 -
스스로 가설을 세워 검증하는 뇌 기반 AI 기술
뇌의 맥락 추론 방식이 챗지피티 같은 대규모 인공지능 모델과 어떻게 다를까? 우리 연구진이 ‘뇌처럼 생각하는 인공지능’기술로서 과도한 자신감을 보이는 인공지능의 할루시네이션(Hallucination) 현상을 완화하거나 인간이나 동물과 유사하게 스스로 가설을 세워 검증하는 신개념 인공지능 모델을 개발하는데 성공했다.
우리 대학 뇌인지과학과 이상완 교수(신경과학-인공지능 융합연구센터장)와 생명과학과 정민환 교수(IBS 시냅스 뇌질환 연구단 부연구단장) 연구팀이 동물이 가설을 세워 일관된 행동 전략을 유지함과 동시에, 본인의 가설을 스스로 의심하고 검증하면서 상황에 빠르게 적응하는 새로운 강화학습 이론을 제시하고 뇌과학적 원리를 규명했다고 20일 밝혔다.
현재 상황에 맞게 행동의 일관성과 유동성 사이의 적절한 균형점을 찾아가는 문제를 ‘안정성-유동성의 딜레마(Stability-flexibility dilemma)’라 한다. 이를 위해서는 현재 본인의 판단이 맞는지를 계속 검증하고 수정할 수 있어야 한하는데 뇌과학 및 인공지능 분야에서 다양한 연구가 있었으나 아직까지 완벽한 해법이 알려진 바가 없다.
연구팀은 스스로 세운 가설을 바탕으로 다음 상황을 예측하고 확인하는 행동 패턴을 동역학적으로 프로파일링 할 수 있는 새로운 방식을 고안했고, 이를 바탕으로 전통적인 강화학습 이론과 최신 인공지능 알고리즘 모두 동물의 관련 행동을 제대로 설명하지 못한다는 것을 발견했다.
이어 연구팀은 동물의 현재 상황에 대한 가설을 세우고, 가설의 예측 오류를 바탕으로 행동 전략을 비대칭적으로 업데이트하는 새로운 적응형 강화학습 이론과 모델을 제안했다.
최신 인공지능 모델은 효율적 문제 해결에 집중하다 보니 인간이나 동물의 행동을 잘 설명하지 못하는 경우가 많은 반면, 제안 모델은 예상치 못한 사건에 대한 동물의 행동을 최신 인공지능 모델 대비 최대 31%, 평균 15% 더 잘 예측함을 보였다.
특히, 이 결과는 기존 연구에서 발표된 네 가지 서로 다른 동물 실험 데이터(two-step task, two-armed bandit task, T-maze task, two-armed bandit task with MSN inactivation) 분석을 통해 일관성 있게 재현되었다.
연구팀은 더 나아가 중뇌 기저핵* 선조체**속 중간크기 가시뉴런***이 가설 기반 적응형 강화학습 과정에 관여함을 밝혔다. 직접 경로 가시뉴런들은 예상한 사건을 마주한 경험을, 간접 경로 가시뉴런들은 예상하지 못한 사건을 마주한 경험을 부호화해 행동 전략을 조절함을 보였다.
*기저핵(Basal Ganglia): 대뇌피질, 시상, 뇌간 등 운동 조절 및 학습하는 기능을 담당하는 뇌 부위
**선조체(Striatum): 기저핵의 일부로 가치 평가 및 강화학습 능력과 관련된 부위
***가시뉴런Medium Spiny Neuron, MSN): 선조체의 약 90%를 차지하는 대표적 신경세포로 신경활동을 억제하는 특징을 가지고 있음
본 연구 결과는 뇌의 맥락 추론 방식이 대규모 인공지능 모델과 근본적으로 다르다는 것을 보여준다. 챗지피티(ChatGPT)나 딥시크와 같은 인공지능 모델은 사용자 입력으로부터 맥락 정보를 추정하고 이를 바탕으로 필요한 전문가 시스템에 매칭하며 (딥시크 모델은 강화학습을 사용하여 매칭), 새로운 정보가 들어올 때까지는 이것이 맞다고 가정한다.
이와 달리 뇌는 스스로 추정한 맥락(가설)을 의심하고, 의심이 확인되는 즉시 새로운 맥락을 적극 받아들인다. 이는 과도한 자신감을 보이는 인공지능의 할루시네이션(Hallucination) 현상을 완화하거나 인간과 유사한 추론엔진을 구성할 수 있는 새로운 방향성을 제시한다.
본 연구는 뇌과학-인공지능 융합연구로서, 실제 분야에 널리 활용될 수 있다. 예를 들어, 인간의 동역학적 행동 프로파일링 기술을 이용하면 개개인의 가설 수립, 검증 학습 능력 분석이 가능하므로, 맞춤형 교육 커리큘럼 디자인, 인사 및 인력관리 시스템, 인간-컴퓨터 상호작용 분야에 바로 적용할 수 있다.
제안된 적응형 강화학습 모델은 ‘뇌처럼 생각하는 인공지능’기술로서 인간-인공지능 가치 정렬 (Value alignment) 문제 해결에 활용될 수 있다. 또한 이 과정에 관여하는 것으로 알려진 기저핵 내 보상학습 회로와 관련된 중독이나 강박증과 같은 정신질환의 뇌과학적 원인 규명에 활용될 수 있다.
연구 책임자인 이상완 교수는 "이번 연구는 인공지능의 강화학습 이론만으로 설명할 수 없는 뇌의 가설 기반 적응학습 원리를 밝혀낸 흥미로운 사례ˮ라면서 "스스로 의심하고 검증하는 뇌과학 이론을 대규모 인공지능 시스템 설계와 학습 과정에 반영하면 신뢰성을 높일 수 있을 것ˮ이라고 말했다.
뇌인지공학 프로그램 양민수 박사과정 학생이 1 저자, 생명과학과 정민환 교수가 공동 저자, 뇌인지과학과 이상완 교수가 교신저자로 참여한 이번 연구는 국제 학술지 `네이처 커뮤니케이션스 (Nature Communications)‘ 2월 20일자로 게재됐다. (논문명: Striatal arbitration between choice strategies guides few-shot adaptation) DOI: 10.1038/s41467-025-57049-5)
한편 이번 연구는 과학기술정보통신부 정보통신기획평가원 SW스타랩, 한계도전 R&D 프로젝트, 한국연구재단 중견연구자 및 KAIST 김재철AI대학원 사업 지원을 받아 수행됐다.
2025.02.27 조회수 15816 -
정확한 우울증 예측 이제는 손목에서 가능하다
정신질환 팬데믹이 발생했다. 전 세계적으로 약 10억 명이 크고 작은 정신질환을 앓고 있다. 한국도 더욱 심각하여 현재 우울증 및 불안장애 환자는 약 180만 명이며 총 정신질환자는 5년 새 37% 증가하여 약 465만 명이다. 한미 공동 연구진이 웨어러블 기기를 통해 수집되는 생체 데이터를 활용해 내일의 기분을 예측하고, 나아가 우울증 증상의 발현 가능성을 예측하는 기술을 개발했다.
우리 대학 뇌인지과학과 김대욱 교수 연구팀이 미국 미시간 대학교 수학과 대니엘 포저(Daniel B. Forger) 교수팀과 공동연구로 스마트워치로부터 수집되는 활동량, 심박수 데이터로부터 교대 근무자의 수면 장애, 우울감, 식욕부진, 과식, 집중력 저하와 같은 우울증 관련 증상을 예측하는 기술을 개발했다고 15일 밝혔다.
WHO에 따르면 정신질환의 새로운 유망한 치료 방향은 충동성, 감정 반응, 의사 결정 및 전반적인 기분에 직접적인 영향을 주는 뇌 시상하부에 위치한 생체시계(circadian clock)와 수면(sleep stage)에 중점을 두는 것이다.
하지만 현재 내재적 생체리듬(endogenous circadian rhythms)과 수면 상태를 측정하기 위해서는 하룻밤 동안 30분 간격으로 피를 뽑아 우리 몸의 멜라토닌 호르몬 농도 변화를 측정하고 수면다원검사(polysomnography, PSG)를 수행해야 한다. 이 때문에 병원 입원이 불가피하여, 통원 치료를 받는 정신질환자가 대부분인 실제 의료 현장에서 두 요소를 고려한 치료법 개발은 지난 반세기 동안 큰 진전이 없었다. 더불어 검사 비용 또한 무시할 수 없어(PSG: 보험료 적용 없을 시 약 100만원) 사회적 약자는 현재 정신건강치료의 사각지대에 있다.
이러한 문제를 극복하기 위한 해결책은 공간의 제약 없이 실시간으로 심박수, 체온, 활동량 등 다양한 생체 데이터를 손쉽게 수집할 수 있다는 웨어러블 기기다. 그러나 현재 웨어러블 기기는 생체시계의 위상과 같은 의료 현장에서 필요로 하는 바이오마커(Biomarker)의 간접적인 정보만을 제공하는 한계를 가지고 있다.
공동연구팀은 스마트워치로부터 수집된 심박수와 활동량 시계열 데이터 등 매일 변화하는 생체시계의 위상을 정확히 추정하는 필터링(Filtering) 기술을 개발했다. 이는 뇌 속 일주기 리듬을 정밀하게 묘사하는 디지털 트윈(Digital twin)을 구현한 것으로, 이를 활용해 일주기 리듬 교란을 추정하는 데 활용될 수 있다.
이 생체시계 디지털 트윈의 우울증 증상 예측 활용 가능성을 미시간 대학교 신경과학 연구소의 스리잔 센(Srijan Sen) 교수 및 정신건강의학과의 에이미 보너트(Amy Bohnert) 교수 연구팀과의 협업을 통해 검증했다.
협업 연구팀은 약 800명의 교대 근무자가 참여한 대규모 전향 코호트 연구를 수행해 해당 기술을 통해 추정된 일주기 리듬 교란 디지털 바이오마커가 내일의 기분과 우울증의 대표적인 증상인 수면 문제, 식욕 변화, 집중력 저하, 자살 생각을 포함한 총 6가지 증상을 예측할 수 있음을 보였다.
김대욱 교수는 “수학을 활용해 그동안 잘 활용되지 못했던 웨어러블 생체 데이터를 실제 질병 관리에 적용할 수 있는 실마리를 제공하는 연구를 진행할 수 있어 매우 뜻깊다”라며, “이번 연구를 통해 연속적이고 비침습적인 정신건강 모니터링 기술을 제시할 수 있을 것으로 기대된다. 이는 현재 사회적 약자들이 우울증 증상을 경험할 때 상담센터에 연락하는 등 스스로 능동적인 행동을 취해야만 도움을 받을 수 있는 문제를 해결해, 정신건강 관리의 새로운 패러다임을 제시할 것으로 보인다”고 말했다.
뇌인지과학과 김대욱 교수가 공동 제1 저자 및 교신저자로 참여한 이번 연구 결과는 국제 학술지 ‘npj Digital Medicine’ 12월 5일 온라인판에 게재됐다. (논문명: The real-world association between digital markers of circadian disruption and mental health risks) DOI: 10.1038/s41746-024-01348-6
한편 이번 연구는 KAIST 신임교원 연구지원사업, 미국 국립과학재단, 미국 국립보건원, 미국 육군연구소 MURI 프로그램의 지원을 받아 수행됐다.
2025.01.15 조회수 9968 -
뇌 신경활동의 시간적 스케일 규명
두뇌가 수행해야 하는 여러 가지 기능 중에는 감각 정보 처리와 같이 순간적인 것에서부터 기억과 같이 상대적으로 긴 시간 동안 그 내용이 보존되어야 하는 것도 있다. 한미 공동 연구진은 이런 뇌 신경 활동이 이루어지는 다양한 시간적 스케일에 대한 보편적 패턴을 파악하여 뇌의 다양한 기능을 가능하게 하는 신경망 회로 구조를 이해하는 길을 열었다.
우리 대학 뇌인지과학과 백세범 교수와 생명과학과 정민환 교수, 존스홉킨스대학교 이대열 교수 연구팀이 다양한 포유류 종의 뇌에서 공통적으로 나타나는 영역별 신경 활동의 시간적 스케일 패턴을 확인함으로써 뇌가 정보를 표상하는 원리를 이해하는 데에 한 걸음 더 나아갔다고 24일 밝혔다.
인간의 뇌에서 가장 두드러지는 영역인 대뇌피질은 시각피질과 같이 감각 정보를 담당하는 영역부터 전전두엽 피질과 같이 고등 인지를 담당하는 영역까지 순차적인 위계 구조로 되어있다.
연구팀은 신경 활동의 시간적 스케일이 위계가 낮은 영역에서부터 위계가 높은 영역에 이르기까지 점점 증가하는 것을 관측했다. 즉, 뇌의 상위 영역으로 갈수록 정보처리를 위해 상대적으로 긴 시간적 스케일을 사용하는 신경 활동이 나타난다는 것이다.
또한 연구팀은 이와 같은 경향성이 영장류와 설치류에서 공통적으로 존재함을 확인함으로써, 포유류의 뇌 진화에서 다양한 과제 처리를 위한 시간적 스케일이 중요한 공통의 변수였음을 밝혀냈다.
한편 시상(thalamus)*과 같은 영역은 대뇌피질과 강하게 연결돼 있음에도 시간적 스케일의 위계적 변화가 나타나지 않는다는 점도 알아냈다.
*시상: 대뇌 깊은 곳에 위치한 타원형의 핵 집합체로서, 감각 정보를 대뇌피질로 전달하는 ‘중계국’ 역할을 함. 시상을 통해 들어온 정보는 대뇌피질의 각 부분으로 전달되어, 인식·판단·조절과 같은 더 높은 수준의 처리 과정을 거치게 됨.
이전의 연구들은 인간, 원숭이, 설치류 뇌의 대뇌피질 영역에서 자발적 신경 활동의 시간 스케일이 해부학적 계층이 높을수록 길어지는 상관관계를 보였다. 그러나 실제로 정보를 표상하는 활동을 할 때 시간 스케일이 어떻게 달라지는지는 알려진 바가 없었다.
연구팀은 의사 결정 행동을 수행하고 있는 원숭이, 쥐(rat), 생쥐(mouse)의 뇌에서 측정한 신경 활동을 자발적 요소와 행동 관련 요소로 나눠 두 유형의 시간 스케일의 변화가 여러 대뇌피질 영역에서 계층이 높아질수록 길어지는 양상을 나타내는지 분석했다. 나아가 대뇌피질과 직접적인 연결이 존재하는 영역인 시상까지 분석의 범위를 확장하여 신경 활동의 시간적 스케일을 비교했다.
연구 결과, 연구팀은 뉴런의 자발적 활동뿐 아니라 의사 결정 행동 관련 활동의 시간 스케일 역시 세 종의 대뇌피질에서 상위 정보 처리 영역으로 올라갈수록, 즉 해부학적 계층이 높아질수록 길어지는 반면, 뇌의 다른 영역인 시상에서의 신경 활동 시간 스케일은 대뇌피질의 신경 활동의 시간보다 전반적으로 짧고, 계층적 변화의 양상이 없는 것을 확인했다.
백세범 교수는 “포유류의 뇌가 정보를 처리하는 원리를 이해하는데 중요한 단서인 신경 활동의 시간적 스케일이 해부학적 계층에 따라 변하는 보편적인 구조적 패턴을 밝힘으로써, 뇌의 다양한 기능을 구현하기 위해 필요한 신경망 구조에 대한 구체적인 설명이 가능해질 것으로 기대된다”고 말하며 “이번 성과는 연구진들의 밀접한 국제적 협력을 통한 결과이기에 더 뜻깊다”고 덧붙였다.
이번 연구는 미국국립과학원회보 (Proceedings of the National Academy of Sciences, PNAS)에 지난 13일 게재됐다. (논문명: Hierarchical gradients of multiple timescales in the mammalian forebrain, DOI: 10.1073/pnas.2415695121)
한편 이번 연구는 한국연구재단의 이공분야기초연구사업, KAIST 특이점교수 사업 및 기초과학연구원의 지원을 받아 수행됐다.
2024.12.24 조회수 7411 -
뇌 기반 인공지능의 난제 해결
인간의 두뇌는 외부 세상으로부터 감각 정보를 받아들이기 이전부터 자발적인 무작위 활동을 통해 학습을 시작한다. 우리 연구진이 개발한 기술은 뇌 모방 인공신경망에서 무작위 정보를 사전 학습시켜 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 가능하게 하며, 향후 뇌 기반 인공지능 및 뉴로모픽 컴퓨팅 기술 개발의 돌파구를 열어줄 것으로 기대된다.
우리 대학 뇌인지과학과 백세범 교수 연구팀이 뇌 모방 인공신경망 학습의 오래된 난제였던 가중치 수송 문제(weight transport problem)*를 해결하고, 이를 통해 생물학적 뇌 신경망에서 자원 효율적 학습이 가능한 원리를 설명했다고 23일 밝혔다.
*가중치 수송 문제: 생물학적 뇌를 모방한 인공지능 개발에 가장 큰 장애물이 되는 난제로, 현재 일반적인 인공신경망의 학습에서 생물학적 뇌와 달리 대규모의 메모리와 계산 작업이 필요한 근본적인 이유임.
지난 수십 년간 인공지능의 발전은 올해 노벨 물리학상을 받은 제프리 힌튼(Geoffery Hinton)이 제시한 오류 역전파(error backpropagation) 학습에 기반한다. 그러나 오류 역전파 학습은 생물학적 뇌에서는 가능하지 않다고 생각되어 왔는데, 이는 학습을 위한 오류 신호를 계산하기 위해 개별 뉴런들이 다음 계층의 모든 연결 정보를 알고 있어야 하는 비현실적인 가정이 필요하기 때문이다.
가중치 수송 문제라고 불리는 이 난제는 1986년 힌튼에 의해 오류 역전파 학습이 제안된 이후, DNA 구조의 발견으로 노벨 생리의학상을 받은 프랜시스 크릭(Francis Crick)에 의해 제기됐으며, 이후 자연신경망과 인공신경망 작동 원리가 근본적으로 다를 수밖에 없는 이유로 여겨진다.
인공지능과 신경과학의 경계선에서, 힌튼을 비롯한 연구자들은 가중치 수송 문제를 해결함으로써 뇌의 학습 원리를 구현할 수 있는, 생물학적으로 타당한 모델을 만들고자 하는 시도를 계속해 왔다.
지난 2016년, 영국 옥스퍼드(Oxford) 대학과 딥마인드(DeepMind) 공동 연구진은 가중치 수송을 사용하지 않고도 오류 역전파 학습이 가능하다는 개념을 최초로 제시해 학계의 주목을 받았다. 그러나, 가중치 수송을 사용하지 않는 생물학적으로 타당한 오류 역전파 학습은 학습 속도가 느리고 정확도가 낮은 등 효율성이 떨어져, 현실적인 적용에는 문제가 있었다.
연구팀은 생물학적 뇌가 외부적인 감각 경험을 하기 이전부터 내부의 자발적인 무작위 신경 활동을 통해 이미 학습을 시작한다는 점에 주목했다. 이를 모방해 연구팀은 가중치 수송이 없는 생물학적으로 타당한 신경망에 의미 없는 무작위 정보(random noise)를 사전 학습시켰다.
그 결과, 오류 역전파 학습을 위해 필수적 조건인 신경망의 순방향과 역방향 신경세포 연결 구조의 대칭성이 만들어질 수 있음을 보였다. 즉, 무작위적 사전 학습을 통해 가중치 수송 없이 학습이 가능해진 것이다.
연구팀은 실제 데이터 학습에 앞서 무작위 정보를 학습하는 것이 ‘배우는 방법을 배우는’메타 학습(meta learning)의 성질을 가진다는 것을 밝혔다. 무작위 정보를 사전 학습한 신경망은 실제 데이터를 접했을 때 훨씬 빠르고 정확한 학습을 수행하며, 가중치 수송 없이 높은 학습 효율성을 얻을 수 있음을 보였다.
백세범 교수는 “데이터 학습만이 중요하다는 기존 기계학습의 통념을 깨고, 학습 전부터 적절한 조건을 만드는 뇌신경과학적 원리에 주목하는 새로운 관점을 제공하는 것”이라며 “발달 신경과학으로부터의 단서를 통해 인공신경망 학습의 중요한 문제를 해결함과 동시에, 인공신경망 모델을 통해 뇌의 학습 원리에 대한 통찰을 제공한다는 점에서 중요한 의미를 가진다”고 언급했다.
뇌인지과학과 천정환 석사과정이 제1 저자로, 같은 학과 이상완 교수가 공동 저자로 참여한 이번 연구는 12월 10일부터 15일까지 캐나다 벤쿠버에서 열리는 세계 최고 수준의 인공지능 학회인 제38회 신경정보처리학회(NeurIPS)에서 발표될 예정이다. (논문명: Pretraining with random noise for fast and robust learning without weight transport (가중치 수송 없는 빠르고 안정적인 신경망 학습을 위한 무작위 사전 훈련))
한편 이번 연구는 한국연구재단의 이공분야기초연구사업, 정보통신기획평가원 인재양성사업 및 KAIST 특이점교수 사업의 지원을 받아 수행됐다.
2024.10.23 조회수 11079 -
인공지능으로 인간 추론 능력 극대화시키다
최근 인공지능 기술이 인식, 생성, 제어, 대화와 같은 실제 문제를 빠르게 해결해 나감에 따라 인간의 역할과 일자리 생태계가 변화하고 있다. 인공지능의 발전 속도를 본다면 가까운 미래에는 인공지능이 인간보다 똑똑해질 수도 있다. 이와 반대로 인공지능을 이용해 인간의 사고력 자체를 향상시킬 순 없을까?
우리 대학 뇌인지과학과 이상완 교수(신경과학-인공지능 융합연구센터장) 연구팀이 인간의 빠른 추론 능력을 유도해 인과관계의 학습 효율을 향상할 수 있는 뇌 기반 인공지능 기술 개발에 성공했다고 31일 밝혔다.
우리는 일상생활에서 다양한 사건을 경험하며 세상의 다양한 요소에 대한 인과관계를 학습해 나가고, 공부할 때는 지식 조각들을 조합하며 통합적인 지식을 습득한다. 이러한 과정은 점진적으로 추론하는 베이시안 모델 또는 특정한 상황에서 한 번의 경험으로부터 빠르게 결론을 도출하는 고속추론 또는 원샷 추론이 있다.
연구팀은 이전 연구에서 인간의 원샷 추론 과정을 모델링하고 전두엽과 해마가 이러한 과정에 관여하고 있음을 규명한 바 있다. 이번 연구에서 이 모델에 인간의 원샷 추론 과정을 특정한 상태로 유도하기 위해 알파고에 사용된 바 있는 심층 강화학습 기술을 접목했다. 이는 강화학습 알고리즘이 인간의 원샷 추론 과정을 수없이 시뮬레이션하면서 전두엽과 해마가 가장 효율적으로 학습할 수 있는 최적의 조건을 탐색하는 과정으로 볼 수 있다.
연구팀은 126명의 인간 피험자를 대상으로 한 인과관계 학습 및 추론 실험에서 제안 기술을 사용해 학습했을 때 단순 반복 학습 대비 최대 약 40%까지 학습 효율이 향상됨을 보였다. 더 나아가 오랜 시간에 걸쳐 신중하게 학습하거나 몇 가지 단서만을 조합해 빠르게 결론을 도출하는 것 같은 개인별 학습 성향을 고려한 맞춤형 설계가 가능함을 보였다.
인간의 사고체계에 대한 뇌과학적인 이해를 바탕으로 원샷 추론과 같은 인간의 잠재적 능력을 극대화하는 이 기술은 차세대 인공지능의 중요한 도전과제 중 하나이며, 뇌 기반 인공지능 기술은 인간과 유사한 사고체계를 바탕으로 가치판단을 할 수 있으므로 장기적으로 인간과 인공지능이 협업하는 분야에서 인공지능의 신뢰성 및 윤리성을 높이는 데도 기여할 수 있을 것으로 기대된다.
개발 기술은 스마트 교육, 게임 콘텐츠 개발, 추론 능력 측정, 인지훈련 등 인간의 추론 학습과 관련된 모든 분야에 적용될 수 있다. 기존 기술은 단편적인 기억회상, 특정 인지기능, 정답률 증가와 같은 행동적 측면에 집중해 왔다면, 이번 기술은 인공지능을 이용해 과거의 경험을 일반화시키는 인간의 사고체계 자체를 높이는 가능성을 확인한 최초의 사례로 평가된다.
KAIST에서 연구를 주도한 제1 저자 이지항 교수(현 상명대 서울캠퍼스 조교수)는 "이번 연구를 통해 인간의 인지기능을 인공지능에 이식하여 뇌 기반 인공지능을 실현하는 사례를 보였고, 이를 통해 인간의 고위 수준 인지를 적절한 방향으로 유도할 수 있는 새로운 인간-인공지능 상호작용 패러다임을 제시했다ˮ라고 강조하며, 추후 "인간중심 인공지능 연구 개발뿐만 아니라 바이오메디컬 분야, 특히 정신 건강과 관련된 디지털 치료 분야에 적용했을 때 큰 파급력을 보일 것ˮ이라고 말했다.
연구 책임자인 이상완 교수는 "이번 기술의 잠재력은 인공지능의 방대한 지식을 인간이 빠르게 흡수할 수 있는 형태로 변환할 수 있다는 데 있다ˮ며, "챗 GPT, GPT-4와 같은 언어 인공지능에서 추출되는 다양한 정보를 인간이 빠르게 추론 학습할 수 있게 변환하거나, 게임이나 가상현실의 콘텐츠를 인간의 추론 과정에 맞게 최적화해 몰입도를 높일 수 있고, 반대로 몰입도를 적절한 수준에서 제어할 경우 중독을 완화하는 효과를 기대할 수 있다ˮ라고 말했다.
관련 기술은 국내 및 해외에 특허 출원된 상태이며, KAIST 기술설명회(테크페어)에 소개된 바 있다. 이상완 교수 연구팀은 이러한 뇌 기반 인공지능 원천기술의 파급력을 높이기 위해 2019년 KAIST 신경과학-인공지능 융합연구센터를 설립하고, 구글 딥마인드, 마이크로소프트 연구소, IBM 연구소, 옥스퍼드 대학 등 다양한 해외 연구팀들과 함께 국제공동연구를 수행해 오고 있다.
이번 연구는 `시뮬레이션 기반 실험 디자인을 이용한 인간의 인과관계 추론과정 제어'라는 제목으로 국제 학술지 셀(Cell)의 오픈 액세스 저널인 `셀 리포트(Cell Reports)'에 1월 호 온라인판에 1월 30일 자 게재됐다. (논문명: Controlling human causal inference through in-silico task design)
한편 이번 연구는 삼성전자 미래기술육성센터, 과학기술정보통신부 정보통신기획평가원 SW스타랩 및 한국연구재단의 지원을 받아 수행됐다.
2024.01.31 조회수 11108 -
인공지능으로 파킨슨병 맞춤형 치료 가능
파킨슨병 같은 만성 퇴행성 뇌 질환의 경우, 생존 환자의 뇌세포에 직접 접근이 제한적이기 때문에, 뇌 질환 환자의 세포 데이터를 토대로 환자 질병의 메커니즘 하위 유형을 인공지능으로 예측하는 것은 시도된 바가 없다.
우리 대학 뇌인지과학과 최민이 교수 연구팀이 영국 프랜시스 크릭 연구소(Francis Crick Institute)와의 공동 연구로 파킨슨병 환자의 개인별 질병 하위 유형을 예측하는 인공지능 기반의 플랫폼을 개발했다고 15일 밝혔다.
최민이 교수 연구팀이 개발한 플랫폼은 파킨슨병 환자의 역분화 만능 줄기세포(hiPSC)에서 분화된 신경 세포의 핵, 미토콘드리아, 리보솜 이미지 정보만 학습해 파킨슨 환자의 병리적 하위 유형을 정확하게 예측한다.
이 기술을 활용하면 환자별로 다르게 나타나는 파킨슨병 양상을 겉으로 보이는 발현형이 아닌 생물학적 메커니즘별로 분류할 수 있다. 이를 통해 원인 미상의 파킨슨병 환자가 속한 분자 세포적 하위 유형별로 진단이 가능해져 환자 맞춤형 치료의 길을 열 수 있다. 또 이 플랫폼은 고속의 대량 스크리닝 시스템을 사용하기 때문에 병리적 하위 유형에 적합한 맞춤형 약물 개발 파이프라인으로도 활용될 수 있다.
지금까지 파킨슨병의 치료는 환자 개별의 병리 상태를 고려하지 않고 확률에 기댄 ‘일률적 접근’ 방식을 사용해 왔다. 이러한 접근 방식은 병리적 원인과 치료 방법 사이의 불일치로 인해 치료 효과를 향상하기 어려웠다.
최민이 교수 연구팀이 개발한 플랫폼을 사용하면 개별 환자 뇌세포의 분자 및 세포 정보를 정밀하게 프로파일링할 수 있다. 이를 토대로 환자들의 질병 하위 유형을 정확히 진단할 수 있어서 궁극적으로 ‘정밀 의학 (Precise medicine)’이 가능해진다. 이는 각 개인에게 맞춤화된 치료 (Personalized medicine)로 이어져 치료 효과를 크게 향상할 수 있을 것으로 기대된다.
이 플랫폼은 2012년 노벨의학상 수상 기술인 유도만능줄기세포(iPSC: 성인 피부세포나 혈액에서 얻은 체세포를 태아기의 미분화 상태로 리프로그래밍한 세포. 어떤 장기 세포로도 분화가 가능)를 분화시켜 얻은 뇌세포를 사용하는 ‘접시 속 질병(disease in a dish)’ 패러다임이다. 이는 퇴행성 뇌 질환처럼 병변을 직접 얻을 수 없거나, 인간의 뇌를 정확하게 모사할 수 없는 동물 모델의 한계점을 극복할 수 있는 기술 중 하나로 주목받고 있다. 특히, 접시 속에 배양한 자신의 표적 질병 세포를 순차적으로 이미징하면 일련의 병리적 사건을 추적할 수 있어 질병 진행에 따른 약물 반응 결과를 예측할 수 있다는 이점이 있다.
교신 저자인 최민이 교수는 "이번 연구는 실험실에서 얻은 생물학적 데이터를 인공지능에 효과적으로 학습시켜, 정확도가 높은 질병 하위 유형 분류 모델을 생성하는 방법을 구체적으로 소개했다”며, "이 플랫폼은 자폐 스펙트럼과 같이 환자 개인별 증상이 뚜렷하게 다른 뇌 질환의 하위 유형을 분류하는 데에도 유용할 것이며, 이를 통해 효과적인 치료법 개발도 가능해질 것이다”라고 연구의 의의를 설명했다.
이번 논문은 영국 Medical Research Council (MRC)와 대교-KAIST 인지 향상 연구센터의 지원으로 수행됐으며, 국제 학술지 ‘네이처 머신 인텔리젼스 (Nature Machine Intelligence, IF = 25.8) 8월호에 출판됐다 (논문명: Prediction of mechanistic subtypes of Parkinson’s using patient-derived stem cell model)
2023.08.16 조회수 14101