해외에서는 Can Neuroscience Understand Donkey Kong?(신경과학은 동키콩을 이해할 수 있는가?) 라는 제목의 기사도 뜨고 하면서..꽤나 갑론을박을 불러온 논문이라 해외에서 화제였는데
한국에서는 한번쯤 찌라시 기사로 번역되서 나올법 함에도 아무런 언급이 없길래 한번 가져와봅니다.
일단 그전에..다른얘기를 좀 하자면..
미국에 전형적인 컴덕이던 Greg James라는 이름의 그래픽전용 소프트웨어 관련으로 일하던 프로그래머가 한명 있었습니다.
이 사람이 오랜만에 자기 집 대청소를 하다가 우연찮게 다락방에서 자신이 8살때 갖고 놀던 아타리2600이랑 애플2를 발견을 했었다고 합니다.
비디오게임계의 목제시대(?) 물건이던 아타리2600 
요놈이 바로 애플 투
그렉은 그 물건들을 보며 콘솔게임기던 아타리로 게임을 하면서 컴퓨터기기에 흥미를 가지게 됐고 애플컴퓨터로 프로그래밍의 세계에 처음 빠지게 됐었던 자신의 어린시절을 회상하면서 추억에 빠졌었죠.
그러면서 두 기기가 같은 종류의 cpu인 MOS6502칩을 사용했다는 사실을 알게됩니다.
이 칩은 당시 MOS테크라는 회사에서 생산된 제품이었습니다.
이 전에 인텔이나 모토로라로부터 유통되던 칩들보다 성능은 더 뛰어났지만 비용은 무려 5분에 1 만큼이나 염가였던 제품이었죠.
문득 그렉은 이 칩을 한번 개선해서 사용해보고 싶다는 생각이 들어 우선 인터넷으로 칩 두개를 구한 뒤 사방팔방으로 설계에 관한 정보를 찾아봤으나..
골동품이기는 하지만, 마음만 먹으면 얼마든지 구할 수 있던 전자부품이었음에도 불구하고,
이 반도체칩에 관한 그 어떤 설계도나 제조방법, 기능이 어떻게 수행되는가에 관한 자료가 거의 없는 것을 깨닫게 되었죠.
MOS사는 모토로라에서 일하던 몇명의 엔지니어들이 퇴사후 설립한 회사였습니다.
그렉은 이들 중 한명을 수소문하여 지금은 할아버지가 다 된 당시 엔지니어 한명을 컨택했는데...
80년대 이전 까지 칩을 설계하는 일은 지금과는 달리 굉장한 손노가다 였고....
지금이야 수백명의 엔지니어들이 팀을 이루어 현란한 장비로 작업하지만
그때 당시는 작업이 몇명의 엔지니어가 저렇게 제도판 위에다 일일이 손으로 그리는 수작업(manual processing)으로 이뤄졌었다고 합니다.
한마디로, 아날로그 방식으로 만들어지는 디지털 부품인 셈이었죠.
당시 설계를 담당했던 엔지니어와 컨택 결과..설계도면은 유실되었고, 당연히 어떤 디지털화된 자료도, 문서화된 정보도 남아 있지 않다는 것을 알게되었죠.
총 3510개에 불과한 트랜지스터로 이루어졌고, 수작업으로 설계되었으며, 도면에 대한 문서화된 어떤 정보도 남지 않았고 다른 칩에 비해 똥값이라 가격경쟁에 우위를 점하던 이 전설의 6502칩은 결국 영원히 미스터리로 남게 되는 듯 했습니다.
하지만 엄청난 고전 레트로컴덕이던 그렉은 과연 범상치 않은 덕력의 소유자였습니다......
인텔이 이전에 4비트짜리 4004칩을 되살리는 35주년 기념프로젝트란걸 한적이 있는데...거기에서 영감을 얻어, 6502 칩이 어떻게 작동하는지를 다 파헤쳐버리고, 이 칩에 관련한 정보를 생생히 밝혀서 친히 후세에 전하기 위해 소위 말하는 '역공학'(reverse engineering)을 해보기로 결심합니다.
자신 못지 않은 컴덕 너드들이던 친구 두명' 실버맨 형제'들을 꼬셔서 visual6502라는 이름의 팀을 결성하고, 발굴(excavation)이라고 이름 붙힌 프로젝트를 시작했던거죠.
그렉과 그 친구들은 자신들이 하던 작업을 두고 디지털 고고학(digital archaeology)라는 엄청 간지나는 이름을 붙였습니다.
마치 붓을 들고 섬세하게 먼지를 걷어내며 화석을 찾는 고고학자들 처럼..이들은 일명 '뚜따'를 한 뒤에 조심스레 화학처리를 해가며 극도로 섬세하게 3개의 층을 제거하면서..
수백배로 확대하여 도면을 확인해 가는 작업을 실행합니다.
그리곤 이 회로 도면들의 트랜지스터나 신호처리 경로등의 물리적 구성요소들을 그래픽 폴리곤으로 일일이 손으로 정확한 위치와 모양 그대로 그려가며 모델링을 해나가기 시작합니다.
(왼쪽은 현미경으로 확대한 사진, 중간은 작업한것, 오른쪽은 그 둘을 겹친것)
총 5년여간의 엄청난 장잉정신이 발휘된 노가다로 마침내 모든 칩의 구조에 대한 정보를 완벽히 얻은 그렉은
이 정보를 무려 자바스크립스상으로 그대~로 옮겨서 에뮬레이션이 아닌 물리적칩에 대한 '완벽한 시뮬레이션'을 해버립니다. 그리고 이걸 웹상에서 구동을 할 수 있게 올려버렸죠. (http://visual6502.org/JSSim/index.html) 말 그대로 칩이 실시간으로 작동하는 과정을 비주얼화 시켜버린겁니다
후에 다른 컴덕들이 이걸 FPGA라는 영혼없는 몸체 같은 반도체(회로 변경이 가능한, 쓰기가능한 반도체)에다 집어넣어버리니 과거의 그 6502처럼 그대로 작동하였고
이런 동키콩이나 스페이스인베이더 같은 고전 아타리 게임들이 원본칩 없이 아주 완벽하게 돌아감을 확인하게됐죠.
.
그런데 신경과학얘기하는데 뜬금없이 왠 컴덕들 얘기인가..
이 승리한 컴덕들의 스토리를 곁에서 유심히 보던 그들못지않던 너드 신경과학자가 두명 있었습니다.
바로 취리히공과대출신이자 노스웨스턴대에 교수로 있던 Konrad Kording 그리고 MIT출신으로 UCLA에서 포닥을 하던 Eric Jonas였죠.
이들은 저 디지털 고고학 팀의 얘기를 처음 접하면서 컴덕팀들이 마이크로프로세서 칩의 상세한 도면사진을 세밀하게 찍어가며 특정 구역별로 구분짓고, 커넥션들을 확인해가며 맵을 그리는것이 마치 오늘날 신경과학자들이 하는 그 것, 뇌를 영역별로 국제화(localization)해가면서 구분된 영역에 이름을 붙이고, 뉴런의 네트워크... 소위 '커넥텀'등을 그려가며 맵을 모델링하는 것과 그대로 꼭 닮은것을 깨닫고, 이 디지털 고고학팀이 하는 것과 오늘날 신경과학자들의 연구 하는 스타일의 흡사함에 대해 한대 맞는듯한 충격을 느꼈다 합니다.
뇌를 컴퓨터로 은유하는 것은 새로울 것이 없는 이미 낡은 방법이지만 이 은유가 6502칩 사례를 보며...생각보다는 실제로 매우 강려크하고 유의미한 무언가를 가져다줄 꺼란 생각을 하면서....
이들은 한가지 재미난 아이디어를 떠올렸습니다.
진짜 생물뇌가 아니라, 이 6502칩을 모델로 활용하여 현대신경과학 연구 스타일로 들여다보면 과연 무엇을 알 수 있을까? 무슨 일이 일어날까?
칩에다가 신경과학 연구방법론들을 모두 적용하여, 칩의 '행동'이라 할 수 있는 동키콩이나 스페이스인베이더 같은 소프트웨어의 특성을 얼마나 이해할 수 있을까..
한마디로 6502칩을 뇌라고 비유했을 때, 동키콩이나 스페이스인베이더 (즉, 뇌의 기능인 정신과정이나 행동에 해당하는)같은 고전게임들의 특성들을 현대 신경과학에서 연구할 때 쓰는 방법론적 테크닉들을 그대로 칩에다 적용하여 과연 얼마나 알아낼 수 있을까..이런 생각을 했습니다.
과연 그 방법으로 모든 트랜지스터들과 논리게이트들에서 처리되는 정보들을 밝혀 동키콩이나 스페이스인베이더, 핏폴 같은 고전게임들을 그걸로 알아낼 수 있었을까요? 그리고 어떻게 이런 고전게임들의 정보가 이 물리적 칩에서 처리되고 실행될 수 있는지 상세한 프로세스를 이해할 수 있었을까요?
뇌과학자들이 연구를 하면서 우리의 모든 정신과정과 행동의 물리적인 구체적 메커니즘을 언젠가는 환원적으로 모두 이해할 수 있을꺼라는 기대를 품는것 처럼, 신경과학의 방식으로 이 칩이 어떻게 이 모든 비디오게임들의 정보를 어떻게 처리하고 어떻게 작동하는지에 관한 자세한 통찰을 기대할 수 있었을까요?
이들의 시도는 결론부터 얘기하자면 완전한 실패였습니다. 아주 피상적인 정보만 얻을 수 있었죠
코딩과 조나스는 자신들이 알아본 것을 정리하여 Could a neuroscientist understand a microprocessor?(신경과학자는 마이크로프로세서를 이해할 수 있는가?)라는 제목으로 지난 2016년 5월(이게 벌써 작년이니 시간 참 빠르네요..)에 논문을 하나 발표 합니다.(http://biorxiv.org/content/early/2016/05/26/055624.full.pdf)
이 논문의 발표 후 학계의 반응은..
"누구나 품어보던 생각이었지만 감히 쓸 엄두를 못냈던 그런 논문 https://twitter.com/poloscience/status/736253375050878976" 이라거나
"우리를 진지한 자기성찰로 이끄는 기념비적인 논문https://twitter.com/Brain_Tinkerer/status/736946813572419585" 이라고 하거나..
"신경과학이 제대로 가고 있는지 그 방향성을 제대로 '재고려'하게 만드는 논문https://elusiveself.wordpress.com/2016/05/29/false-functional-inference-what-does-it-mean-to-understand-the-brain/".... 이런식으로 지지를 하거나, 또는 뇌-컴퓨터 비유가 가도 너무 갔다며 이건 픽셀로 이뤄진 막대기인간을 비판하는 꼴의 헛소리 논문이라고 반박을 하면서..
상당히 뜨거운 반응을 보이며 다양한 갑론을박이 이어졌죠.
반박하는 다양한 의견이 있었지만 모든 비판들에 주요 논지는 뇌와 컴퓨터는 근본적으로 달라서 잘못된 추론을 불러올 수 밖에 없다는 것이었습니다.(https://aeon.co/essays/your-brain-does-not-process-information-and-it-is-not-a-computer)
생물기관인 뇌는 신체에 붙어있으며, 뇌는 육체 없는 마음이 될 수 없고, 당연히 정보를 생성하고 그것들을 처리하는 것이 반도체 칩과는 근본적으로 다르다는 거죠.
물론 뇌와 칩은 당연히 다릅니다. 뇌는 무지막지한 수로 이루어진 뉴런들이 갖가지 서로 다른 유형의 단백질로 이루어져 온갖 다양한 타입들이 있으며, 그걸 까마득히 넘어버리는 상호간의 연결성들 즉 시냅스를 형성하고 있는 다채로운 기관으로, 아마도 지구상에서 자연적으로 존재하는 기관 중에 가장 복잡한 것이라고 흔히 묘사되는 것이지만 대조적으로 mos6502칩은 겨우 3510개의 트랜지스터밖에 없는 간단한 인공물입니다.
뇌의 뉴런은 흔히 교과서등지에서 묘사되는 덴드라이트. 축삭, 세포체, 터미널버튼, 입력, 출력 식의 '모델뉴런'으로 종종 얘기되어지지만 실제 현실세계에선 양극성, 단극성, 다극성, 유사단극성, 피라미드, 퍼킨제 등등등... 종류도 아주 다양한 타입들이 있으며 또한 상당히 다양한 유형의 시냅스 구조들로 이뤄져 있는 다채로운 놈인 반면에... 6502칩에 있는 트랜지스터들은 그딴거 없고 그냥 모두가 다 동일합니다.
뉴런은 의미성을 갖는 그 신호에 발화의 패턴이나 발화율과 같은 확률적 정보도 포함되지만 칩이 처리하는 신호의 종류는 모두 같습니다.
코딩과 조나스는 이런...까마득히 복잡한 뇌와, 겨우 동키콩 정도의 고전게임을 간신히 돌리는 수준의 6502칩의 차이...
그 단순성 덕분에 6502칩으로 할 때는 오히려 일이 더 쉬웠어야 하는 것 아니냐고 반문합니다.
게다가 이것이 아주 완벽하게 시뮬레이션된 덕분에 실험적으로 전지전능한 상황에 있었고,
또.. 아직 너무나 복잡하여, 그 해부학적 구조나 상세한 뉴런간의 맵에 모르는게 까마득히 많은 뇌에 비해...
배선이나 거길 흐르는 신호들의 전압, 회로구조 등 칩에 관한 것이라면 모든것을 이미 알고 있는 상태였습니다.
뇌로 치면 모든 개별 뉴런간의 연결들을 알고 있고, 이 연결네트워크들 구조의 상세한 맵들, 즉 커넥텀을 다 파악하여 그에 대한 정보들, 즉 빅데이터를 이미 갖고 있는 상황이 되는 거죠. 거기에다 조물주 처럼 그걸 일일이 컨트롤까지 할 수 있었고요..
실험적으로 전지전능한 상황에 있던 덕에, 이들은 모든것을 마음대로 통제해 가며 실험할 수 있었습니다.
예컨대 원하는 트랜지스터나 배선을 원하는 시간에 마음대로 끄고 키면서 동키콩, 핏폴, 스페이스 인베이더 같은 겜을 구동하는데 어떤 영향이 가는지 확인할 수 있었죠.
이것은 뇌과학자들이 뇌의 어떤 부분을 손상시키고 그로 인해 나타나는 동물의 행동을 평가해가며 뇌의 기능을 연구하는 것과 매우 흡사합니다.
이렇듯 뇌의 한 영역을 실험적으로 절제(experimental ablation)하거나 손상시켜 그에 따른 결과를 관찰하여 그 영역의 기능을 추론하는 식의 실험을 두고 손상연구(lesion study)라 합니다. 이건 상당히 오래된 방법 중 하나입니다. 19세기 때 부터 좌뇌 일부 영역은 언어와 관계되어있다, 해마는 기억과 관계있단걸 알고 있었습니다. 어떻게 알게된것이냐면 그 영역이 손상된 사람들은 하나같이 그 기능에 문제가 발생했기 때문이죠.
손상방법은 다양합니다. 예를들어 아주 극도로 미세한 유리관을 대고 진공펌프와 연결시켜서 타겟조직을 빨아들이는 방법도 있고, 피질하 영역에서는 전극을 사용하여 고주파를 흘려서 타겟을 지져버리는 RF손상법도 있고, 카이닌산 같은것으로 다른것은 건드리지 않고 아주 선택적으로 세포체를 파괴시키는 화학적인 방법도 있고 혹은 자연이 제공하는 케이스들 즉 사고, 부상, 질병 등에 의해 뇌가 손상되는 경우들로부터 추론하기도 합니다.
얼핏 들으면 무언가..좀 미심쩍은 방법이지만 손상법은 뇌를 연구하는 가장 오래된 방법들 중 하나로..지난 세기동안 이미 연구자들은 손상의 효과를 해석하고 확신을 하는데 매우 신중을 가하는 여러 정교화된 테크닉들을 이미 개발해놨다고 믿고 있었죠
이런식으로 신경과학자들은 오랜세월동은 뇌의 영역을 구분짓고, 기능을 추정하고, 그에 따른 이름을 붙여왔습니다.
하지만 조나스와 코딩 듀오의 작업은 그런 방식들의 추론과정들이 어떻게 기만적일 수 있는지 보였습니다.
여기서 파란색점과 DK는 동키콩, 빨간 PF는 핏폴, 초록 SI는 스페이스인베이더를 뜻 합니다. 결국 이렇게 비됴겜들을 구동하는데 핵심적인 역할을 하는 몇몇 트랜지스터를 이 방법으로 구별을 해내기는 했지만..
이것이 과연 "동키콩 영역"이나 "스페이스-인베이더 트랜지스터" "핏폴중추"를 발견한 것이라고 할 수 있을까요?
실은 그저 이 게임들을 실행할 때 중요한 역할을 하는 기본 프로세스를 수행하는 요소 중 일부를 발견했을 뿐이었습니다. 이 요소들이 게임의 어떤 근본적인 부분에 해당된다기 보다, 이것이 작동하지 않을 때 그저 특정 명령셋의 실패를 초래하는 단순한 기능을 구현한 것이란거죠.
한마디로 라디오 부품중에 하나를 떼어내니까 라디오에서 노이즈 소리가 들리는데, 그 부품의 역할이 '노이즈를 안들리게 해주는 것'이 아니란 뜻인것처럼요.
콘라드 코딩과 조나스는 특정 트랜지스터의 비활성이' 어떤 게임의 구동을 방해할 수 있다는 것을 아는 것'과, 실제로 트랜지스터가 어떻게 정보를 처리하여 연산시켜 이 게임을 구현해 내는지를 이해하는 것 사이의 엄청나게 큰 격차가 있다고 언급합니다.
이에대해 신경과학자 Anthony Zador는...우리가 특정한 기능을 특정 뇌 부위의 속성으로 부여할 수는 있지만, 그걸론 뇌가 어떤 연산(computation)을 해내는지 전혀 알 수 없다는걸 아주 잘 보여주는 사례라고 지적합니다.
이건 유리미세관을 고열로 잡아당겨 늘려서 만든 미세전극(microelectrode)을 세포 하나에 삽입하여 신호를 측정하는 싱글뉴런레코딩이라는 기법인데 흔히 단단위기록법이라고 불리죠. 신경과학에서 흔히 사용되는 테크닉입니다.
조나스코딩듀오는 이런 방법도 그대로 칩에 적용을 해봅니다. 결과는 역시나 위와 마찬가지로 매우 피상적인 정보만 얻었죠. 그러면서 이들은 이런 오도된 결과들이 과거 러시아계 생물학자이던 Yuri Lazebnik의 논문 Can a Biologist Fix a Radio?(생물학자는 라디오를 고칠 수 있는가?) 에서 이미 지적됐던 문제라고 언급합니다. Lazebnik은 분자생물학에서 무조건적으로 개별 분자 단위의 데이터에 막대한 축적은 사실 시스템 수준의 생명을 이해하는데 별 도움이 되지 않는다는 데이터주의 회의로 유명한 학자입니다. 논문 제목부터 보면 알 수 있듯이, 사실 코딩/조나스듀오의 논문은 여기에 많은 영향을 받아 작성된 것입니다. 하지만 Lazebnik이나 기타 다른 생각을 하던 사람들(http://blogs.sciencemag.org/pipeline/archives/2015/10/30/simulating-the-brain-sure-thing)은 상당히 많았지만 대게는 사고실험 수준에서 그쳤고 실제로 시도를 한건 이들이 처음입니다.
그외에도 코딩,조나스 듀오는 여러 방식을 시도합니다.
현대 뇌과학, 특히 회로망이나 시스템적인 연구를 하는 시스템신경과학분야나 인지신경과학 행동신경과학 같은 그런 거시적인 macro한 신경계 연구를 하는 분야에서는 아마도 뉴로이머징기술이 흔하게 사용되어지는 방법론들 중 하나일 껍니다. 과학사를 보면 현미경 같은 것 처럼 그런 도구들의 발달과 과학의 발전사도 함께 맥을 같이하죠. 신경과학도 그런 공학기술의 발달로 연구가 봇물터지듯 나왔습니다. 뉴로이미징테크닉에는 여러가지가 있는데 그 중에서도 가장 흔하게 사용되는게 대표적으로 fMRI나 PET같은 것 입니다.
이런 고가의 스캔장비들은 과거에는 구성개념으로 만들어 추정할 수만 있었던 정신적 속성들이나 주관적 경험들을 객관적으로 관찰을 가능하게 만들어줬습니다.
이런 도구 덕택에 활동 중인 뇌의 스냅사진들을 관찰을 할 수 있게된거죠
하지만 이 장비들이 과연 내적인 활동이나 각종 기능들을 '직접적'으로 보여주는 것일 가요?
이런 스캐너들에 의해 정말로 측정되는 것은 무엇일까요?
사실 fMRI나 PET는 실제로 신경활동을 측정하지는 못합니다. 대신에 신경활동과 관련이 있을 것으로 믿어지는 '대사활동'을 측정하는 간접정보를 제공할 뿐 입니다.
PET는 혈액의 흐름이나 글루코스 사용이 많은 영역을 측정하고, fMRI에서 측정되는 신호는(항상 그렇지는 않지만..) BOLD라는 혈액 중의 산소량을 반영하는 신호를 측정하고, 복셀(voxel, 픽셀같은 최소단위의 화소 같은 개념에 부피같은 3차원적 정보가 포함된 것) 형태로 표현하여 보여줍니다. 두 방법 모두 신경활동이 활발한, 사용되어지고 있는 지역은 에너지를 공급하기 위한 산소의 사용도가 높을 것이고 따라서 산소소비량이 높아지고(fMRI가 측정), 산소를 공급하기 위한 혈액의 유입도 늘어날 것이라는 가정(PET가 측정)을 하고 있습니다.
따라서 같은 활동을 하고 있어도 두 장비에서 측정되어지는 것은 항상 일치하지 않고 차이가 있습니다.
예를들어 시각자극을 제시하였을 때, 그림처럼 후두엽의 시각피질에서 혈류량이 29%증가하여 강력한 PET신호를 제공하지만 산소 소비량은 9%밖에 증가하지 않고 따라서 fMRI신호는 PET에 비해 훨씬 작습니다. 둘 다 같은 뇌활동하고 있는 중인데 측정치는 차이가 나죠.
어떤 신경세포들이 활동할 때는 그렇게 많은 산소를 팔요로 하지 않을 가능성도 있습니다. 어떤 영역이 열심히 활동하고 있다면 혈류량은 증가하겠지만(PET신호는 커짐), 증가한 혈액 속의 산소 중 아주 일부만이 뉴런에 사용될 수도 있습니다(fMRI신호는 작음) 다량의 혈액이 필요한 이유가 산소 말고도 또 있을 수 있다는 거죠. 그래서 둘을 함께 찍어서 차이영상을 만들기도 합니다.
아예 fMRI나 PET 둘 다 신호를 잡아내지 못하는 경우도 있습니다. 예를들어 뇌에서 정보의 의미성은 '어느'뉴런들이 활동하는가와 관련되어 있을 수도 있지만 그 뉴런들이 '언제'발화하느냐에 따라서 좌우될 수도 있는데 이런 타이밍에 관한 정보는 위의 장비들이 측정을 할 수 없습니다.
또한 PET나 fMRI가 어떤 신호의 증가나 감소를 측정했다 하더라도, 그것만으로 그 영역이 어떤 역할을 하고 있는지, 어떤 기능의 어떤 측면을 담당하고 있는지는 알려주지 않습니다. 잘들 아시다시피, 상관관계가 인과관계를 의미하지는 않챠나요. 어떤 영역이 어떤 과제 수행시에 활성화된다 해서 그 영역이 거기에 반드시 필요하다고 단정할 수는 없습니다. 그냥 혈액을 필요로 했을 뿐일 수도 있죠.
조나스와 코딩은 이러한 약간의 논란이 있는 뉴로이미징 테크닉들을 칩에다가 그대로 적용해보는 시도를 합니다.
여기서 미심쩍은 의문을 가지시는 분들이 있을겁니다. 칩과, 세포로 이루어진 뇌는 분명 다른데 칩을 MRI기계에다 넣기라도 했단 말일까요?
그것이 아니라, 이렇게 장비들이 측정하는 것과 원리상 동등한 분석을 적용하여 게임이 구동되는 동안 칩의 활동중인 특정 영역의 신호에 평균값을 구하거나 패턴을 추출 하여 그것을 평가하거나..
EEG(뇌파)같은 분석도구가 흔히 갖는 LFP데이터(두피에 전극을 붙여서 한지역에서 한꺼번에 대략적으로 측정되는 그런식의 데이터)에 뇌 영역간의 인과관계를 평가하는데 흔히 사용되는 Gragner casuality, 그레인져-인과 분석법도..
이렇게 칩에다 적용하기도 하고..
이런 whole brain recording이나 dimensionality reduction같은 분석 테크닉도..
이렇게 그대로 칩에 적용해보는 식으로..
뉴로이미징에서 흔히 뉴런집단의 다양한 활동 패턴을 평가하고 분석하는데 사용되는 다양한 데이터 분석방법들을 시도해 봤습니다.
그렇지만 불행하게도, 이 모든 신호와 데이터의 분석들은, 칩이 실제로 정보들을 어떻게 처리하고,
어떻게 작동 하는지를 이해하게 하는데 쓸만한 정보를 전혀 제공해 주지 못했습니다.
켈리 클랜시라는 학자는 이 모든것들이 칩이 어떻게 작동하는지에 관한 쓸모있는 정보를 코딩조나스 듀오에게 전혀 제공해 주지 못했다고 지적합니다.
그러면서..결과가 이렇다고 하더라도 현대신경과학이 그동안 시간낭비 했다는 말은 절대 아니라고 언급합니다. 우리는 여전히 어떤 약물이 사람들의 뇌나, 여러 정신적 문제로부터 삶을 개선시킬 수 있음을 압니다(물론 그것이 뇌에서 구체적으로 어떻게 작동하는지는 잘 모르는게 많더라도요..) 뇌의 특정영역이 손상될경우 나타날 일부 문제들을 우리는 이제 예측가능하게 됐습니다. 그동안 신경과학이 발견한 이런 지식들은 분명히 효과적이었고, 의미 있었으며, 절대 쓸모없는게 아니라 유용한 정보를 제공하여왔고 앞으로 나아가게 하는 추진력이었습니다. 그렇지만 그걸 이용해서 뇌, 신경계, 마음의 근본적인 의미로 여과 해석해서 사용하는 것은 또 다른 문제 입니다.
이들이 논문의 서문에서 밝혔듯, 신경과학계에는 복합적이고, 복잡하며 거대한 데이타셋, 즉 빅데이터가 부족하고 만일 우리가 이것을 획득하게되면 뇌가 어떻게 정보를 처리하고 작동하는지에 관한 근본적인 지식을 획득하고 hard problem과 같은 난제를 해결 할 수 있을거라는 그런 대중적(?)인 믿음이 있습니다.
*hard problem이란 데이빗 챠머스 라는 철학자가 제시한 것으로 의식이라는 궁극의 난제를 두가지로 Easy problem과 Hard problem으로 분류한 것인데, 상당히 널리 쓰이고 있는 말입니다. 여기서 easy problem은 의식에 관해서 과학적으로 접근이 가능한 종류의 문제들로, easy란 말이 붙었다고 절대 난이도가 쉽거나 사소한문제라는 뜻이 아닙니다 여전히 도전적이고 난제죠. 반면 hard problem은 과학이 다루기 어려운 형태의 궁극의 난제를 말합니다. 이를테면 빨간경험은 망막의 cone세포에서부터 장-중-파장 비율로 설명하면서 시각피질로 까지 가는식으로 설명을 할 수 있습니다. 하지만 그 '빨갛다'라는 우리의 주관적 내적느낌 자체를 설명하는건 또다른 종류의 난제입니다. 왜 하필 그런 느낌일까요? 그 안다는 느낌 자체는 어디서올까요 이렇듯 물질에서 정신적인것이 어떻게 출연하는지에 관한 몇몇 난제가 난공불락의 hard problem입니다.
아무튼 조나스코딩듀오는 현대신경과학계에서 흔히 사용되는 방법들을 마이크로프로세서에 적용하였고 데이터에 일부 흥미로운 구조를 드러냈지만, 결국 의미있는 설명을 얻지는 못했습니다. 이들이 마이크로프로세서에 관한 '빅데이터'를 이미 확보한 상태에서도요..
이것은 현대신경과학의 접근들이 뇌의 의미있는 모델을 제공해내는 그런 궁극적인 연구를 못하고 있다는걸 시사합니다. 어쩌면 우리가 갖고 있는 데이터가 부족한게 아닐 수도 있습니다. 혹은 그런 데이터확보 문제가 해결된다 하더라도 여전히 문제일 수 있다라는겁니다...
현재 미국은 브레인이니셔티브, 유럽은 휴먼브레인프로젝트(HBP)라고 하는 힉스입자를 발견한 CERN의 LHC에 비견되는 초거대 프로젝트를 실시하고 있습니다. 이것은 인간뇌의 모든 커넥텀을 확보하고, 구조와 네트워크맵의 시뮬레이션된 정보를 확보한다는 일종의 빅데이터구축작업이죠..
미국이 처음에 브레인이니셔티브 프로젝트를 발표했을때 조나스는 "맙소사..미래가 지금 여기 있구나.."라고 몹시 흥분을 했다 합니다. 하지만 문제가 생각했던것보다 복잡함을 알 수 있죠..어쩌면 빅데이터만으로는 우리를 이 난제에서 구해낼 수 없을지도 모릅니다.
사실 콘라드 코딩과 에릭 조나스는 모두 계산신경과학(Computational neuroscience)라는걸 하는 사람들입니다. 이들 자신이 데이터를 다루는 신경과학자라는 말 입니다.
조나스는 자신의 시도들이..실험결과를 실제현실 문제 이해에 적용하는게 얼마나 도전적일 수 있는지 보여주길 바란다며, 그런 거대프로젝트들이 우리에게 약속한 것들에 대해 학자들이 좀 더 신중해져야 한다고 경고합니다. ...그런 대형프로젝트들을 보면 우리가 hard problem의 해결에서 부터 각종 치료에 근본적인 이해를 할 수 있다는 그런 수사적인 과대광고 비슷한 표현이 들어가 있다고 하며..거기에 경계를 하지않으면 별로 좋지 않은 상황에 처할 것이라고 우려합니다. 그러면서 우리가 무엇을 알려고 하는지, 여기까지 실제로 무엇을 해왔었는지 솔직해져야 한다고 언급합니다. 어쩌면 뇌는 어떻게 작동하는가 라는 좀 더 근본적인 질문을 놓치고 있는게 아닐까요
하지만..이게 또 빅데이터가 무조건 쓸모없다고 말하는것은 절대 아닙니다. 신경계에 관한 무조건적인 막대한 데이터들 중에는 분명 쓰레기들도 많겠지만 적절한 데이터들도 있을 것이고, 이것은 분명히 쓸모있을것입니다. 조나스와 코딩의 연구가 말해주는것은, 단지, 적절한 이론적 가설이 없는 무분별한 빅데이터의 구축에 경고장을 날린 셈입니다. 데이터에 선행하여, 그걸 필요로 하는 검증할 수 있는 좋은 이론 구축 작업과 좀 더 근본적인 테크닉에 좀 더 노력해야 한다는걸 의미하죠.
만약 우리가 쉽게 이해할 수 있을만큼 뇌가 단순한 기관이었다면.. 우리 자신이 그걸 이해하지 못했을 만큼 단순했을 겁니다...쓰다보니 본의아니게 또 너무 길어졌네요..
