작은 벌의 뇌가 더 똑똑한 AI의 열쇠를 쥐고 있을 수 있는 이유

벌은 놀라운 방식으로 뇌와 신체를 결합하여, 비행 동작을 통해 복잡한 시각 작업을 단순화합니다. 이러한 자연스러운 전략은 AI 설계를 혁신할 수 있습니다. 출처: Shutterstock

셰필드 대학의 연구에 따르면, 꿀벌이 비행 동작을 사용하여 복잡한 시각적 패턴을 놀라울 정도로 정확하게 학습하고 인식하는 방법에 대한 새로운 발견은 차세대 AI 개발 방식에 큰 변화를 가져올 수 있다고 합니다.

셰필드 대학은 꿀벌의 뇌에 대한 디지털 모델을 구축하여 이러한 움직임이 어떻게 명확하고 효율적인 뇌 신호를 생성하여 꿀벌이 보는 것을 쉽게 이해할 수 있는지 설명했습니다.

이 발견은 AI와 로봇공학에 혁명을 일으킬 수 있으며, 미래의 로봇은 거대한 컴퓨터 네트워크에 의존하는 대신 움직임을 사용하여 관련 정보를 수집함으로써 더욱 스마트하고 효율적일 수 있음을 시사합니다.

이 연구는 중요한 아이디어를 강조합니다. 지능은 뇌, 신체, 그리고 환경이 어떻게 함께 작용하는지에서 비롯됩니다. 이 연구는 아주 작은 곤충의 뇌조차도 매우 적은 수의 뇌세포만으로 복잡한 시각 과제를 해결할 수 있음을 보여주며, 이는 생물학과 AI 모두에 중요한 의미를 지닙니다.

셰필드 대학의 연구에 따르면, 꿀벌이 비행 동작을 사용하여 복잡한 시각적 패턴을 놀라울 정도로 정확하게 학습하고 인식하는 방법에 대한 새로운 발견은 차세대 AI 개발 방식에 큰 변화를 가져올 수 있다고 합니다.

연구진은 계산 모델, 즉 벌 뇌의 디지털 버전을 구축함으로써 벌이 비행 중 몸을 움직이는 방식이 시각적 입력을 형성하고 뇌에 고유한 전기적 메시지를 생성하는 방식을 발견했습니다. 이러한 움직임은 벌이 주변 세계의 예측 가능한 특징을 쉽고 효율적으로 식별할 수 있도록 하는 신경 신호를 생성합니다. 이러한 능력은 벌이 비행 중에 꽃에서 발견되는 것과 같은 복잡한 시각적 패턴을 학습하고 인식하는 데 놀라운 정확도를 보인다는 것을 의미합니다.

이 모델은 벌이 움직임을 통해 복잡한 패턴을 어떻게 학습하고 인식하는지에 대한 우리의 이해를 심화시킬 뿐만 아니라, 차세대 AI의 기반을 마련합니다. 미래 로봇은 막대한 컴퓨팅 파워에 의존하는 대신, 움직임을 통해 정보를 수집함으로써 더욱 지능적이고 효율적으로 발전할 수 있음을 보여줍니다.

셰필드 대학교 기계 지능 센터 소장이자 이 연구의 수석 저자인 제임스 마셜 교수는 이렇게 말했습니다. "이 연구를 통해 우리는 아주 작은 뇌조차도 움직임을 활용하여 주변 세계를 인식하고 이해할 수 있음을 성공적으로 입증했습니다. 이는 수백만 년의 진화의 산물이지만, 작고 효율적인 시스템이 이전에는 불가능하다고 생각했던 것보다 훨씬 더 복잡한 계산을 수행할 수 있음을 보여줍니다.

"자연이 지닌 최고의 지능 설계를 활용하면 차세대 AI의 문이 열리고, 로봇공학, 자율주행차, 실제 학습 분야의 발전이 촉진됩니다."

런던 퀸 메리 대학교와의 협력으로 진행된 이 연구는 최근 eLife 저널에 게재되었습니다 . 이 연구는 벌들이 능동적 시각, 즉 벌의 움직임을 통해 시각 정보를 수집하고 처리하는 과정을 어떻게 활용하는지에 대한 연구팀의 기존 연구를 기반으로 합니다. 이전 연구에서는 벌들이 어떻게 날아다니며 특정 패턴을 관찰하는지 관찰했지만, 이번 새로운 연구는 그러한 행동을 유발하는 뇌의 근본적인 메커니즘에 대한 더 깊은 이해를 제공합니다.

꿀벌의 정교한 시각 패턴 학습 능력, 예를 들어 사람의 얼굴을 구별하는 능력은 오래전부터 알려져 왔습니다. 하지만 이번 연구 결과는 수분매개자가 어떻게 그렇게 간단해 보이는 효율성으로 세상을 헤쳐 나가는지에 대한 새로운 시각을 제공합니다.

셰필드 대학교의 주저자이자 연구원인 하디 마부디 박사는 이렇게 말했습니다. "이전 연구에서 우리는 벌들이 시각적 퍼즐을 풀기 위해 영리한 스캐닝 단축키를 사용한다는 사실을 발견하고 매료되었습니다. 하지만 이는 벌들이 무엇을 하는지에 대한 정보일 뿐이었습니다. 이번 연구에서는 어떻게 작동하는지 이해하고 싶었습니다.

"우리의 꿀벌 뇌 모델은 꿀벌의 신경 회로가 시각 정보를 고립된 상태로 처리하는 것이 아니라 자연환경 속의 비행 동작과 적극적으로 상호 작용하여 처리하도록 최적화되어 있음을 보여줍니다. 이는 지능이 뇌, 신체, 환경이 어떻게 함께 작용하는지에서 나온다는 이론을 뒷받침합니다.

"우리는 벌들이 참깨알만한 뇌를 가졌음에도 불구하고 세상을 단순히 보는 데 그치지 않고, 움직임을 통해 자신이 보는 것을 적극적으로 형성한다는 것을 알게 되었습니다. 이는 최소한의 자원으로 복잡한 문제를 해결하기 위해 행동과 인식이 얼마나 깊이 얽혀 있는지를 보여주는 아름다운 사례입니다. 이는 생물학과 AI 모두에 중요한 의미를 지닙니다."

이 모델은 꿀벌의 뉴런이 특정 방향과 움직임에 맞춰 미세하게 조정되는 것을 보여줍니다. 이는 뇌 네트워크가 다양한 자극에 반복적으로 노출됨에 따라 점진적으로 적응하고, 연상이나 강화에 의존하지 않고도 반응을 정교하게 다듬어지기 때문입니다. 이를 통해 꿀벌의 뇌는 즉각적인 보상 없이도 비행 중 관찰만으로도 환경에 적응할 수 있습니다. 이는 뇌가 매우 효율적이며, 사물을 인식하는 데 소수의 활성 뉴런만 사용하여 에너지와 처리 능력을 모두 보존한다는 것을 의미합니다.

연구진은 계산 모델을 검증하기 위해 실제 벌이 겪는 것과 동일한 시각적 과제를 모델에 적용했습니다. 핵심 실험에서, 모델은 '더하기' 기호와 '곱하기' 기호를 구분하는 과제를 수행했습니다. 이 모델은 실제 벌이 패턴의 아래쪽 절반만 스캔하는 전략을 모방했을 때 성능이 크게 향상되었는데, 이는 연구팀이 이전 연구에서 관찰한 행동과 유사합니다.

인공 뉴런 네트워크가 작음에도 불구하고, 이 모델은 꿀벌이 사람의 얼굴을 인식할 수 있다는 것을 성공적으로 보여주었으며, 꿀벌의 시각 처리 능력이 얼마나 강력하고 유연한지를 보여주었습니다.

런던 퀸 메리 대학교 감각 및 행동 생태학과 라스 치트카 교수는 이렇게 덧붙였습니다. "과학자들은 뇌의 크기가 동물의 지능을 예측하는지에 대한 의문에 매료되어 왔습니다. 하지만 주어진 과제의 기반이 되는 신경 연산을 알지 못하면 그러한 추측은 의미가 없습니다.

"이번 연구에서 우리는 어려운 시각 판별 과제에 필요한 최소 뉴런 수를 결정했고, 그 수가 놀라울 정도로 적다는 것을 발견했습니다. 심지어 인간의 얼굴 인식과 같은 복잡한 과제에서도 마찬가지입니다. 따라서 곤충의 미세뇌는 고도의 계산 능력을 갖추고 있습니다."

셰필드 대학교 생명과학부 및 신경과학 연구소의 시스템 신경과학 교수인 미코 유솔라 교수는 "이 연구는 동물이 정보를 수동적으로 받는 것이 아니라 적극적으로 정보를 형성한다는 증거를 강화합니다."라고 말했습니다.

"저희의 새로운 모델은 이 원리를 벌의 고차 시각 처리로 확장하여 행동 기반 스캐닝이 어떻게 압축되고 학습 가능한 신경 코드를 생성하는지 보여줍니다. 이러한 연구 결과는 지각, 행동, 그리고 뇌 역학이 함께 진화하여 최소한의 자원으로 복잡한 시각 과제를 해결하는 통합된 프레임워크를 뒷받침하며, 생물학과 AI 모두에 강력한 통찰력을 제공합니다."

곤충의 행동, 뇌의 작동 방식, 그리고 계산 모델이 보여주는 결과를 종합하여, 이 연구는 작은 곤충의 뇌를 연구함으로써 지능의 기본 법칙을 어떻게 밝혀낼 수 있는지 보여줍니다. 이러한 발견은 인지에 대한 우리의 이해를 심화시킬 뿐만 아니라 새로운 기술 개발에도 중요한 의미를 지닙니다.

출처: https://www.sciencedaily.com/releases/2025/08/250824031528.htm