이미지를 활용한 신경세포 발화 동물 실험에서 인공지능(AI) 알고리즘이 만들어낸 이미지가 더 많은 뇌 신경을 자극하는데 성공했다.

하버드의대 연구결과 AI기반 ‘XDREAM’ 알고리즘 생성 이미지는 진화를 거듭하면서 시각피질 뉴런이 발화하는 실제 세계 시각자극의 다른 버전처럼 보이기 시작했다. 이 연구는 5월 2일 Cell 저널에 실렸다.

당시 하버드의대 연구원이던 공동저자 카를로스 폰스(Carlos Ponce) 세인트루이스 워싱턴대(Washington University) 교수는 “가장 높은 발화 속도를 이끌어 내기 위한 이 도구로 신경세포는 미리 선택된 보통 이미지로도 이전 수준 이상으로 발화 속도를 증대했다”고 말했다.

각 실험에서는 실제 세계의 대상물을 연상케 하지만 실제가 아닌 그림을 제시, 언어 세포 상호간 반응과 유사한 뉴런 반응을 확인했다. 영장류 뇌의 시각피질에 있는 뉴런은 얼굴과 같은 복잡한 이미지에 반응한다. 대부분의 뉴런이 이미지 선호도에서 선택적이다.

앞선 신경세포 선호도에 관한 연구는 많은 자연 이미지를 사용해 어떤 이미지가 뉴런을 가장 많이 발화하게 하는 지 알아보았다. 그러나 이 접근법은 세포를 정확히 자극하는 것이 무엇인지를 이해하기 위해 가능한 모든 이미지를 제시 할 수 없다는 한계가 있었다.

그림은 자연 이미지(오른쪽)와 원숭이의 내측두엽 피질 (왼쪽)에서 뉴런에 의해 진화된 이미지를 보여준다. credit: Ponce, Xiao, Schade /Cell.

XDREAM 알고리즘은 뉴런의 발화를 위한 새로운 합성 이미지를 만들었다. 몇 분 동안 일련의 이미지가 변형되고 합성된 후 새로운 이미지를 제시했다. 처음에는 이미지가 노이즈처럼 보였지만 점차 얼굴이나 주변 환경에서 볼 수있는 것과 비슷한 모양으로 변했다.

알고리즘은 하버드의대 어린이병원 가브리엘 크레이먼(Gabriel Kreiman) 실험실 윌 샤오(Will Xiao)박사가 개발했다.

폰스 교수는 “실제 뉴런 테스트에서 이 접근법의 가장 큰 장점은 제한이 적은 툴로 처음부터 뉴런이 스스로 선호하는 이미지를 만들 수 있다는 것”이라 “세상에 없는 것을 포함해 세계에서 무엇이든 만들 수 있는 도구”라고 말했다.

하버드의대 마가렛 리빙스톤(Margaret Livingstone) 교수는 “이런 방식으로 우리는 추측할 수 있는 자연스러운 자극보다 세포를 잘 움직이는 초자극을 발전시켰다”라며 “이 접근법은 실제로 무엇을 원하는지 신경세포에 물어보는 매우 공정한 방법으로 어떤 이미지에 뉴런이 가장 잘 발화하는 원인을 파악할 수 있게 해준다”고 말했다.

연구는 원숭이의 뇌가 통계적으로 관련성이 높은 세계의 특징을 추상화하는 작업을 익히는 과정을 보여준다.

폰스는 “우리 뇌는 시각적 경험에서 이미지를 분석하고 시간이 지남에 따라 개인에게 중요한 정보를 추출해낸다”며 “두뇌는 환경에 적응하고 생물학적으로 중요한 정보를 예측할 수 없는 방식으로 인코딩 한다”고 말했다.

연구진은 이 기술이 청각 뉴런, 해마 뉴런 및 기억이 액세스 될 수 있는 전두엽 피질 뉴런과 같은 감각 정보에 반응하는 뇌의 모든 뉴런에 적용될 수 있다고 믿고 있다.

폰스는 “이 인공지능 기반 연구는 뇌뿐만 아니라 더 나은 모델을 개발할 때 중요하다. 우리는 여전히 어떤 신경망이 안전하고 목표를 보다 잘 수행 할 수 있는지 이해해야한다”며 “보다 효율적인 인공지능은 뇌가 어떻게 작동하는지에 대한 지식에 기반 할 수 있다”고 말했다.

연구는 국립 보건원(National Institutes of Health)과 국립 과학재단(National Science Foundation)지 지원했다.

*논문제목

Evolving Images for Visual Neurons Using a Deep Generative Network Reveals Coding Principles and Neuronal Preferences.

*저자

Carlos R. Ponce, Will Xiao, Peter F. Schade, Till S. Hartmann, Gabriel Kreiman, Margaret S. Livingstone.