AI가 쥐처럼 생각하면? 고양이와 치즈 이미지를 더 잘 만든다

사람과 쥐의 뇌는 여러 측면에서 차이를 보인다. 가장 눈에 띄는 것은 크기다. 사람의 대뇌 피질은 주름이 있는 구조가 특징이며, 면적은 1500-2000cm²로 추정된다. 대뇌 피질의 두께는 일반적으로 1.5-3.5mm이며, 100-200억 개의 뉴런으로 구성되어 있다. 이에 따라 인간 대뇌 피질의 평균 뉴런 밀도는 약 10⁷ 뉴런/cm²로 추정된다.

반면 쥐는 매끄러운 대뇌 피질을 가진 작은 뇌를 가지고 있다. 대뇌 피질의 두께는 약 1mm이며, 면적은 약 2cm²이다. 쥐 대뇌 피질의 평균 뉴런 밀도는 9.3 × 10⁶ 뉴런/cm²로 보고되었다. 이 값은 피질 두께가 2-3배 차이나는데도 불구하고 인간의 뇌와 거의 일치한다.

연구진은 9마리의 쥐의 내측 전전두엽 피질과 8명의 인간 전대상회피질 뇌 조직을 나노미터 수준에서 3차원 분석했다. 분석 결과, 쥐의 뉴런 세포체는 인간의 것보다 작고 신경 돌기는 더 얇은 것으로 나타났다.

쥐의 세포체 길이는 인간의 60% 미만이었으며, 세포체 너비는 인간의 약 85% 수준이었다. 특히 피라미달 뉴런에서 이러한 차이가 두드러졌다. 쥐의 뉴런은 거의 구형인 반면, 인간의 뉴런은 수직 삼각형 형태를 보였다.

신경 돌기에서도 주요한 차이가 발견됐다. 쥐의 신경 돌기는 인간의 것보다 약 40% 더 얇았으며, 굴곡도는 1.8배 더 높았다. 신경 돌기의 두께와 굴곡도는 서로 역상관 관계를 보였다. 이는 인간의 뉴런에서도 관찰된 특징이다.

연구진은 이러한 발견을 생성적 적대 신경망(GAN)과 잡음 제거 확산 암묵 모델(DDIM)에 적용했다. 쥐의 뇌처럼 연결이 제한된 구조를 구현하기 위해 합성곱 계층을 수정했다. 이 모방 구조는 노드들을 2차원 평면에 배치하고, 특정 거리 이상 떨어진 노드 간의 연결을 제한하는 방식으로 구현됐다. 이러한 연결 제한은 가중치 행렬의 일부를 0으로 설정하여 구현했다.

수정된 AI 모델을 고양이 얼굴(Animal Faces HQ), 치즈(Cheese Pics), 사람 얼굴(CelebA), 새(Birds 525 Species) 이미지 생성에 적용했다.

쥐 모방 GAN은 고양이 얼굴과 치즈 이미지 생성에서 표준 GAN보다 우수한 성능을 보였다. 특히 파라미터 사용을 35%로 줄였을 때 가장 좋은 결과를 보였다. 반면 사람 얼굴과 새 이미지 생성에서는 성능이 저하됐다.

쥐 모방 DDIM도 유사한 결과를 보였다. U-Net의 가중치를 44%만 사용하고도 고양이 얼굴과 치즈 이미지 생성에서 더 나은 성능을 달성했다.

연구진은 네 데이터셋의 이미지 엔트로피 분포를 분석했다. Animal Faces HQ 데이터셋은 뚜렷한 피크를 보였고, Cheese Pics는 낮은 엔트로피 쪽으로 분포가 기울어져 있었다. CelebA와 Birds 525 Species는 중간적 특성을 보였다.

이러한 엔트로피 분포의 차이는 이미지 생성에 필요한 파라미터 수에 영향을 미치는 것으로 나타났다. 즉, 데이터셋의 통계적 특성이 이미지 생성 성능을 좌우하는 중요한 요인이었다.

연구진은 실험에 사용된 쥐가 젊은 성체였던 반면, 인간 대조군은 40대 초반에서 70대까지 분포했다는 점을 한계로 지적했다. 또한 쥐는 관류 고정을, 인간은 침지 고정을 사용하는 등 조직 고정 방법의 차이가 결과에 영향을 미쳤을 가능성도 언급했다.

그럼에도 이 연구는 생물학적 발견을 AI 설계에 성공적으로 적용했다는 점에서 의의가 있다. 연구진은 다른 생물학적 발견들을 인공신경망에 구현함으로써 뇌의 구조와 기능의 관계를 더 깊이 이해할 수 있을 것이라고 결론지었다.

기사에 인용된 리포트 원문은 링크에서 확인할 수 있다.

기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다. 

관련 콘텐츠 더보기