MD & PhD

출처 : http://www3.eng.cam.ac.uk/~jptp2/Research.html

  시냅스 전 신경세포(presynaptic neuron)와 시냅스 후 신경세포(postsynaptic neuron)이 보이는가? 이 둘 사이의 화학적 신경전달이 일어나는 곳이 synapse라고 빨간 점선 동그라미가 쳐진 것이다. 물레방아 비유에서는 수로라고 볼 수 있겠다. 그 밑에 그림에서 세로 막대가 있는 부분이 신경세포가 firing하는 시점이다. 가로로 긴 화살표를 시간의 흐름이라고 본다면 빨간색 세포 막대가 검은색 세로막대보다 살짝 먼저 있는 것을 볼 수 있다. 다시 말해 시냅스 전 신경세포가 시냅스 후 신경세포보다 약 30ms먼저 firing했다는 것이다. 그 점이 아래쪽 그래프에 찍혀있고, 그런 시간간격으로 두 신경세포가  firing했을 경우 두 신경세포 사이의 시냅스 강도가 변하는 정도를 Y축에 표현하고 있다. 그렇게 알고 그래프를 해석하면 시냅스 전 신경세포가 먼저 firing을 하고 그 간격이 짧을 수록 시냅스 강도 변화가 강화되는 쪽으로 크며(간격이 0ms일 수록 위로 그래프가 솟는 것이 보이는가?), 간격이 멀어질 수록 변화가 거의 없다. 반대로 시냅스 후 신경세포가 먼저 firing하면 시냅스는 오히려 약화된다. 

  대충 이해가 되시는가? 위 같은 현상을 STDP, 시냅스 전후 신경세포의 firing 타이밍에 의존적인 시냅스 가소성 현상이라고 부른다. 그럼 이제 우리는 Hebb's rule - Firing together, wiring together의 좀 더 세포-시냅스적인 버전의 현상인 STDP에 대해서 알았다. 그럼 위에서 보았던 neural network에서 반짝이는 점들과 점들 사이의 연결에 적용되는 가장 중요한 규칙을 알게 된 것이다. 물론 neural network에 적용되는 규칙은 우리 머리, 또는 동물들의 뇌에서 일어나는 생명현상에 비하면 너무나도 간단하게 축약되어 있다. 신경세포 수, 신경세포 간의 시냅스의 수도 현격하게 적을 뿐 아니라, firing 현상과 시냅스 가소성 현상의 복잡성 역시 비할 수가 없다.

  여기에서 필자가 소개한 것은 아주 단순한 neural network의 규칙이지만, 현재 IBM같은 곳에서 연구하고 있는 AI의 수준은 상당하다. 세계 제일의 인간 체스 선수를 IBM의 슈퍼컴퓨터가 이겼다는 것은 익히 잘 알려진 사실이고, 그 이후에 퀴즈쇼 Jeopardy! 에서 우승한 왓슨이라는 AI도 있다. 최근 IBM은 SyNAPSE project라는 것을 진행하고 있는데, 말 그대로 brain의 구조를 본딴 컴퓨터를 만드는 것을 목표로 하고 있다. 이것은 단순히 소프트웨어적인 알고리즘을 새로 짜는 수준이 아닌 하드웨어 수준, 즉 chip 자체 부터 신경회로의 원리에 따라 컴퓨터 전체를 새로 만드는 것을 의미한다.

  이런 것을 Cognitive Computing이라고 그들은 부르는데, 그들이 정말 영화 '그녀'에 나오는 '사만다'같은 인공지능을 만들어 낼지, 만약 가능하다면 언제쯤일지 기대된다.