요약
뇌가 없는 대장균도 단백질 몇 가지만으로 먹이를 감지해 쫓아가고 짧은 기억까지 지닙니다.
제임스 소머스와 에드윈 모리스가 쓴 긴 해설 글입니다. 대장균이 먹이 쪽으로 헤엄쳐 가는 화학주성(화학물질의 농도를 따라 움직이는 성질)을 분자 단위까지 따라가며 애니메이션과 함께 설명합니다.
왜 중요한가
- 뇌 없이도 후각, 의욕, 기억과 비슷한 기능이 단백질의 모양 변화와 화학적 표지만으로 생길 수 있음을 보여 줍니다.
- 단백질 구조, 세포막 신호 전달, 화학 변형으로 상태를 저장하는 원리 같은 생물학의 핵심 개념을 한 사례로 익힐 수 있습니다.
핵심 내용
- 대장균은 편모 다발로 1초쯤 곧게 나아가다가(런), 다발이 풀리며 잠깐 제자리에서 방향을 바꾸는(텀블) 동작을 되풀이합니다.
- 먹이 분자가 수용체에 붙으면 모터에 방향 전환을 지시하는 CheY-p 단백질이 줄어 직진이 길어집니다.
- 수용체 배열은 신호를 50배 넘게 키워, 세포 부피당 분자 세 개도 안 되는 농도 변화까지 감지합니다.
- 수용체에 메틸기를 붙였다 떼며 감도를 조절하고, 이 상태가 몇 초 동안의 농도 변화를 기억하는 구실을 합니다.
- 편모 모터는 초당 약 1,500회 돌고, 한 바퀴를 도는 데 양성자 약 500개를 씁니다.
HN 반응
- 세포 하나가 인공신경망 전체에 가깝다는 의견에, 인공 뉴런은 실제 뉴런을 거칠게 본뜬 수학 함수일 뿐이며 신호의 타이밍이 빠져 있다는 보충이 이어졌습니다.
- 정해진 대로 움직이는 조절 장치는 지능이 아니라는 반론과, 지능의 정의부터 정해야 하며 세균은 종의 경험을 DNA에 담고 있다는 재반론이 맞섰습니다.
어떤 면에서는 세포 하나가 인공 신경망 전체에 더 가깝습니다.
실제 뉴런에는 ANN의 개별 뉴런에는 없는 놀라운 특성이 있습니다. 그런 특성을 AI 개선에 어떻게 써먹을 수 있을지는 아직 분명하지 않습니다.
제가 알기로 AI의 '뉴런'은 실제 뉴런과 아무 상관이 없습니다. '서로 연결되어 있다'는 발상에서 이름만 슬쩍 따왔을 뿐이죠. 신경망은 실제 뉴런에 대한 우리의 이해를 바탕으로 만든 (아주) 대략적인 모델에 불과합니다. 실제 뉴런이 환경에 반응해서 제 일을 해내는 방식은 얼마든지 많을 수 있는데, 인공 '뉴런'은 그냥 수학 함수일 뿐이니까요.
그렇다면 신경망에 실제 뉴런의 특성을 불어넣으려는 건 헛된 야심 아닐까요?
너무 조잡해서 실제 뉴런이 일하는 방식이 아닐 수도 있어요. 그냥 프로그래밍된 활성화 함수라고요? 누가 프로그래밍하는데요? 가중치를 어떻게든 물려받는 건가요? DNA에 압축되어 들어 있나요? 그럴 것 같지는 않습니다. 우리는 초파리 같은 생물과 유전자의 90%를 공유하는데, 그러면 가중치를 저장할 공간이 별로 안 남잖아요. 저는 생물학적 뉴런에서 일을 하는 건 가중치가 아니라 구조(architecture)라고 생각합니다. 모든 세포가 똑같은 일을 하고 있을지도 모르고, 중요한 건 그걸 어떻게 엮어 쓰느냐일지도 몰라요. 생물학 하시는 분이 한마디 해 주시면 좋겠네요.
AI의 "뉴런"(즉 가중치 층과 그 뒤의 활성화 층의 조합)은 실제 뉴런을 아주 조잡하게 흉내 낸 모델이 맞습니다. 그래도 시냅스 입력을 통합하고, 통합된 입력이 어떤 문턱을 넘으면 비선형적으로 발화한다는, 뉴런의 핵심 기능으로 보이는 부분은 모델링하고 있습니다. 그러니 단순한 연결주의 이상이긴 하지만, 생물학을 정밀하게 모방하는 것과는 거리가 멉니다.
생물학적으로 더 정확한 뉴런 모델을 쓰면 얼마나 얻을 게 있을지는 아무도 모릅니다. 낮은 수준의 세부 사항은 대부분 상관없을 수도 있지만, 타이밍 요소나 그에 상응하는 무언가는 ANN이 실시간 패턴 인식과 제어를 학습하게 하려면 도움이 될지도 모릅니다.
철학적인 이야기인데요.
뉴런은 환경과 떼려야 뗄 수 없는 일부입니다. 그러니 훨씬 원시적인 생물의 뉴런(환경과 자기 사이의 "처리" 거리가 짧은 것)을 모델로 삼으면 뭔가 나올 수도 있다고 저는 생각합니다. 하지만 진화를 거친 뉴런은 아니에요. 그런 뉴런은 수만 개의 시스템에 속해 있고, 그중 몇 개만 양파처럼 겹겹이 쌓여 있으니까요. 거리의 정의 자체가 완전히 다르고, 신경망은 어디에도 속해 있지 않습니다.
수만 개의 비동기적이고 연속적이고 비선형적인 사건이 수만 군데에서 딱 맞는 타이밍에 발화하고, 그 타이밍이 완벽한 동기화보다 더 기막힌 무언가를 만들어 냅니다. 그 낮은 수준의 세부 사항이 타이밍을 책임질 가능성이 큽니다. 마치 삼투압이 몸, 장기, 조직의 여러 부위에서 중요한 모든 비율의 바탕에 암묵적으로 깔려 있어서 안팎의 삼투압이 중요한 것과 비슷하죠.
저는 지금까지도 AI나 생성형 AI에 감흥이 없습니다. 그래도 멋지다고는 생각해요. 사실 "AI"라고 부르지 않고도 전부 해낼 수 있는 일이거든요. 그냥 노드 한 무더기와 잘 정리하고 태그를 붙인 입력일 뿐인데, 대부분 사회적 증거로 세탁된 경외감입니다. 그 마케팅 기계를 이길 방법은 없으니 LLM이 곧 AI가 된 거죠. LLM이 사전이나 위키백과 이상일 수도 있겠다 싶을 때마다, 내 프롬프트에 대한 답을 읽고 잠깐이라도 그렇게 생각한 내가 얼마나 멍청한지 깨닫습니다. 코드도 마찬가지예요. 우와, 대박, 아 잠깐, 그 오픈소스 코드랑 그 무료 프런트엔드 디자인이랑, 내가 예전에 언제 어디선가 이미 북마크해 둔 온갖 스니펫이며 에셋이잖아...
처음 ANN을 연구한 사람들이 연구비를 더 따내려고 뉴런이라고 불렀을 것 같습니다.
본질적으로 ANN은 학습 데이터에 맞게 조정할 수 있는 복잡한 수학 함수일 뿐입니다. 처음에는 ANN 뉴런의 활성화 함수가 실제 뉴런을 닮았지만, 나중에 전혀 다른 함수가 훨씬 낫다는 사실이 밝혀졌죠. RLE 같은 것 말입니다.
맞습니다. 신경망이 그런 이름으로 불린 건 있어 보이게 하려는 것이었어요. 저도 1980년대에 그 이름에 끌렸으니까요(컴퓨터와 생물학에 둘 다 관심이 있었거든요). 신경망이 뇌와 근본적으로 얼마나 다른지 이해하기 전인 2000년대 초에는 논쟁도 많이 벌였습니다.
그건 아니죠. 처음에는 퍼셉트론이라고 불렀습니다.
뉴런 비유는 처음부터 계속 있었어요. ANN은 "BNN"과 완전히 유사하니까요. NIPS 학회만 봐도 그렇고요.
발화율과 활성화 수준의 차이는 그렇게 큰 문제가 아닙니다.
동의하지만, "생물학적으로 그럴듯한" 유형의 신경망에 들어가는 뉴런들, 즉 억제/흥분 같은 것을 허용하지만 개체 간 변이에는 여전히 뚜렷한 한계가 있는 뉴런들보다 그렇게까지 더 흥미롭다고는 생각하지 않습니다.
정말 흥미로운 빠진 부분은 실제 신경 회로가 하는 것들이라고 봅니다. 연결이 훨씬 이질적이고, 동역학이 훨씬 유동적이며 시간에 의존하는 반면, 대규모로 돌리는 전형적인 컴퓨터 뉴런은 당연히 고정된 시간 간격으로 작동하고 버스터(bursters) 같은 것도 딱히 없으니까요.
저는 TMS 연구실에서 일할 때 실제 뉴런을 (영상 데이터셋에서 곧바로 가져와) 시뮬레이션하는 아주 큰 규모의 분산 시뮬레이션을 짠 적이 있습니다. 오래전부터 하고 싶었던 사이드 프로젝트는, 특정 형태에 맞춘 신경역학/케이블 이론 기반 RTL을 뽑아내고 이를 커넥톰대로 네트워크로 엮는 일종의 파이프라인이었어요. 성능이 좋아질 거라고는 생각하지도 않습니다. 그냥 재미있을 것 같아서요.
여기서는 타이밍 측면이 특히 흥미롭다고 생각합니다. 우리는 개별 인공 뉴런을 더 정교하게 만드는 데 집중하는 경향이 있지만, 흥미로운 행동 상당수는 회로 전체가 시간에 따라 어떻게 변해 가는지에서 나올지도 모릅니다.
맞아요! 수십 년째 연구되고 있는 위분쇄(gastric mill) 회로만 봐도 그렇습니다. 뉴런이 한 자릿수밖에 안 되는데도 기능은 놀랄 만큼 복잡하죠.
저는 이런 단일 세포들이 훨씬 더 결정론적인 컴퓨팅 기계에 가깝다는 느낌도 듭니다(화학 반응에 오차 범위가 있는 건 맞지만, 반도체에도 있는 일이니까요). 지금 우리가 행동을 무식하게 밀어붙여 얻는 데 쓰는 확률적 과정과는 다르죠.
저는 반대라고 봅니다. 세포는 확률적 성질이 아주 강한데, 그 확률성이 (보통 사인 곡선 모양의 "스위치"로) 철저하게 조절되는 거예요.
저는 오래전부터 사인 곡선의 테일러 급수 근사를 계산해서 형광등처럼 깜빡이는 세포를 만들어 보고 싶었습니다. 하지만 그러려면 믿을 만한 시스템을 구현해야 하는데, 세포는 이미 자기 내부의 기존 시스템으로 꽤 높은 정확도로 이걸 해내고 있죠.
저는 이게 지능이 아니라고 주장하고 싶습니다. 영양분 센서로 조절되는 시스템이 있어서, 그 영양분의 농도를 높이고 농도가 문턱 아래로 떨어지면 편모의 회전 방향을 바꾼다고 해서 지능적인 건 아닙니다. 이건 완전히 자동화된 메커니즘이고, 이는 지능이라는 말이 뜻하는 바와 정반대입니다.
멋지긴 하지만 지능은 아닙니다.
그럼 우리는 뭔가요? 영양분과 번식을 향해 근육을 움직이게 하는 센서 시스템 아닌가요?
솔직히 별로 다를 건 없습니다. 그래도 우리가 섭취량을 극대화하려고 행동하는 방식은 단순한 제어 조절기보다 훨씬 정교해서, 우리가 지능적이라고 불릴 자격은 있다고 생각합니다.
우리는 모델을 가진 존재입니다.
아주 단순한 생물은 그걸 전혀 못 합니다. 그렇게 하려면 내부 상태와 상태 전이 구조가 많은 무언가(즉 뉴런)가 정말로 필요합니다.
음, 마이클 레빈(Michael Levin)의 생물학 연구를 좀 더 살펴보셔야겠네요. 세포에는 놀라울 만큼 많은 적응력과 '지능'이 내장되어 있습니다.
레빈의 연구가 여기에 더 자주 올라오지 않는 게 놀랍습니다. 컴퓨터 과학자 출신으로 의학 연구자가 된 사람인데, 물리주의에 어려운 질문을 던지는 발견을 꾸준히 해내는 데다 암 치료 등에서도 최전선의 진전을 이루고 있어요. 인간의 팔다리를 다시 자라게 하려는 회사에도 속해 있습니다! 개구리에서는 이미 성공했고, 그보다 더 놀라운 것들도 해냈어요!
The Thought Emporium을 좋아하는 분이라면 누구나 그의 강연을 보시고 거기서 가지를 뻗어 보세요. 깜짝 놀라실 겁니다.
https://www.youtube.com/watch?v=KLWm0Qyj3jg
아니요. 솔직히 말해서 우리도 모릅니다.
그편이 더 안전하죠.
지능이 무엇을 뜻하는지 정의하지 않고 어떤 시스템이 지능적이지 않다고 말하는 건 말이 안 됩니다.
예를 들어 지능의 합리적인 정의 하나는 과거 경험을 활용해 앞으로의 행동을 쓸모 있게 이끄는 능력입니다. 동물 지능의 스펙트럼을 보면, 거기에 임의의 기준선이나 특정 메커니즘을 붙이지 않는 편이 가장 쓸모 있어 보입니다. 곤충이나 세균 같은 단순한 동물은 비교적 안정된 환경에서 쌓인 종의 과거 경험을 사실상 DNA에 부호화해 둔 셈입니다.
더 복잡한 신경계를 가진 동물은 한평생 개체로서 학습할 수 있고, 개별적으로 겪은 경험에 따라 지능을 드러냅니다. 물론 그런 동물도 환경에서 살아남고 번성하는 법에 대한 종 차원의 지능을 타고나기는 합니다.
'지능'을 어떻게 정의하느냐에 달린 문제라고 생각합니다. 제 기억이 맞다면 위키백과에는 '지능'의 정의가 15가지나 나와 있습니다. 공통분모 하나는 '문제를 해결하는 능력'인데, 이는 '지능'이라는 말이 보통 쓰이는 방식의 일부는 포괄하지만 전부를 포괄하지는 않습니다.
세포로서 풀어야 할 '문제'가 먹이를 구하는 것이라면, 그 문제를 해결하는 영리한 장치가 있는 셈이고 그것을 지능적이라고 묘사할 수 있습니다.
그 '완전히 자동화된 메커니즘'을 속속들이 이해하고 그것이 문제를 해결한다는 데는 동의하면서도 그게 지능적이라는 것은 부정하시는 거죠. 하지만 그 부정은 메커니즘에 대한 이해 정도에 달려 있습니다. 세계가 결정론적이라고(쉽게 말해 모든 결과에는 분명한 원인이 있다고) 가정하면, 우리도 '완전히 자동화된 메커니즘'일 수밖에 없습니다. 아주아주 복잡해서 우리가 다 이해하지 못할 뿐이죠. 사실 결정론적 세계에서는 어떤 것도 '완전히 자동화된 메커니즘'과 다를 수 없고, 그렇다면 말씀하신 암묵적 정의에 따르면 어떤 것도 지능적일 수 없습니다. 이 결론은 지능을 '완전히 자동화된 메커니즘이 아닌 무언가'로 정의하는 것을 쓸모없게 만듭니다. 아무것도 구분해 주지 못하니까요. (세계가 결정론적이지 않다고 가정해도, 사람이 비결정성의 결과를 좌우할 수 있다고 전제하지 않는 한 비슷한 논증이 성립합니다. 그런 전제는 제게는 이상하게 들리고요.)
무언가를 '지능적'이라고 부르려면 그 메커니즘이 어떻게 작동하는지 곧바로 이해되지 않아야 하고, 어떤 사고 과정이나 계획이 있다고 가정할 수 있어야 한다는 게 원하시는 바 아닐까 싶습니다. 그런데 첫 번째 조건은 안타깝게도 자신의 지능을 어떻게 생각하느냐에 따라 달라지기 때문에, 포럼에서 논쟁할 만한 객관적인 지능의 척도로 삼기 어렵습니다. 두 번째 조건(사고/계획)은 우리 눈에 보이지 않는 방식으로 세포에 있을 수도 있고(예를 들어 '지금'이라는 현재 값을 저장하는 것을 생각해 보세요), 마찬가지로 우리 인간에게도 우리가 스스로 느끼는 방식으로는 없을 수 있습니다.
저는 '지능적인 시스템'처럼 보여서 매료되었다가 막상 공부하고 나니 더는 지능적이라고 생각하지 않게 된 경험이 한두 번이 아닙니다(예를 들어 바이첸바움의 Eliza에 대한 첫인상). 위에서 말한 이유들 때문에 그건 좀 어리석은 일이었다고 생각하지만요.
지능을 정의하는 게 아주 주관적이라는 데는 동의합니다.
저는 지능을 창발적 속성에 가깝게 정의합니다. 문제 해결 기계의 복잡도를 높여 가다 보면, 어느 시점부터 서로 연결된 자동 장치 이상의 무언가가 되기 시작한다는 거죠.
정보를 처리하는 것만으로는 지능이 아니라고 할 수도 있겠습니다. 제게 지능이란 정보를 처리하는 방식을 당면한 과제에 맞게 바꿀 수 있는 능력입니다. 방식을 완전히 바꾸든, 다듬고 조정해서 더 많은 성과를 끌어내든요.
변수 하나를 제어하는 고정된 메커니즘은 지능적일 수 없습니다.
이렇게 복잡한 시스템이 무작위 변이를 통해 진화했다는 게 늘 놀랍습니다.
아무 기능도 하지 않다가 몇 세대 뒤에 어떤 기능에 결정적인 역할을 하게 되는 "버전"이 분명 많았을 겁니다.
진화는 어떻게 지역 최적점에 갇히지 않는 걸까요?
우리 눈이 안팎이 뒤집힌 채로 배선되어 있다는 점(신경 다발이 빛이 들어오는 쪽에 있어서 눈에 난 구멍, 즉 맹점을 통과해야 합니다)을 생각하면, 자연선택은 지역 최적점에 걸핏하면 갇힌다고 봐야죠. 문어 같은 두족류는 우리와 아주 비슷한 눈을 갖고 있지만 완전히 따로 진화했고, 신경은 "올바른 방향"으로 배선되어 있습니다.
그러니 우리 경우에는 출발 조건이 어쩌다 그렇게 맞아떨어졌고, 어떤 단일 단계(또는 일련의 단계)로도 배선을 쉽게 뒤집을 수 없었기 때문에 그냥 그대로 굴러온 겁니다(그래도 꽤 잘 살고 있고요).
눈을 진화의 근거로 드시는 게 흥미롭네요. 보통은 그 반대인데 말이죠.
유전자 중복은 실제로 아주 흔하고, 새로운 "버전"을 만들어 내는 데 상당히 기여합니다.
예를 들어 척추동물은 과거에 전체 유전체 중복이 적어도 두 번 일어나서, 많은 유전자군이 최대 4개의 사본을 갖게 되었습니다. 덕분에 중요한 유전자의 사본 하나에 돌연변이가 생겨도 생물이 죽지 않고 새로운 기능을 "발명"할 수 있게 됩니다.
가장 흔한 예는 아마 냄새와 맛을 담당하는 G 단백질 연결 수용체의 중복일 겁니다. 쥐와 개는 우리보다 훨씬 많이 갖고 있죠.
진화는 지역 최적점에 꽤 자주 갇힙니다. 곤충이나 연체동물 여러 종에 비해 많은 척추동물이 지금 팔다리가 4개로 제한되어 있다는 걸 생각해 보세요.
게처럼 입 주위에 정교한 앞다리를 두는 대신, 코끼리는 물건을 잡을 수 있는 코로 때웁니다.
마찬가지로 인간은 빠른 달리기 속도와 마주 보는 엄지를 함께 얻으려고, 6개의 팔다리를 가진 켄타우로스 같은 생물이 되는 대신 뒷다리로 곧추서도록 진화했습니다. 인간은 단거리에서는 어떤 주요 포식자도 따돌리지 못합니다.
틀렸을 수도 있지만, 제가 알기로는 갇히는 것 같은데요? 자연의 많은 것들은 오랜 세월이 지나도 사실상 거의 진화하지 않습니다(변이가 선택되지 않는다는 뜻입니다). 그런 것들에게 일어날 수 있는 일은, 다른 곳에서 진화해 온 무언가에 밀려 사라지는 것입니다(진화적 지위를 차지당하거나, 살아남을 수 없는 환경이 되는 거죠).
인간의 범용 지능은 물리적으로 세포를 기반으로 하는데, 그 세포는 해부학적, 화학적 구조 덕분에 일종의 세포 지능을 갖고 있습니다.
이는 인공 지능과 대비되는데, 인공 지능은 원자와 미시 수준으로 내려가면 설계가 근본적으로 다릅니다. 문제는 그런 원자 및 미시 수준의 설계로 인공 범용 지능이 가능하냐는 것이고, 저는 불가능하다고 봅니다.