구글 AI, 순환신경망 기반 연결체학(connectomics) 해석 혁신...딥러닝 대비 10배 개선
원글 :사이언스모니터
# ‘연결체학(Connectomics)’ 은 두뇌 작동을 이해하기 위해 뇌 신경망의 구조를 포괄적으로 매핑하는 것을 목표로 한다. 브레인 매핑(brain mapping)에서 난제는 거대하고 복잡한 데이터를 해석하는 작업을 자동화하는 것이었다. 구글은 막스 플랑크 신경생물학연구소 연구진과 공동으로 ‘네이처 메소드(Nature Methods)’지에 '플러드 필링 네트워크를 사용한 뉴런의 고정밀 자동화 재구성'이란 연구를 발표했다. 이 연구 결과는 새로운 유형의 순환신경망 (RNN)을 사용하면 기존의 딥러닝 기법과 비교했을 때 자동화된 연결체 데이터 해석 정확도가 10배 이상 크게 개선될 수 있다는 사실을 보여 준다.
28일 서울 역삼동 강남 파이넨셜센터에 위치한 구글코리아 20층 G-cinema에서 '구글 AI 포럼 제 13강: AI 혁신과 연결체학(Connectomics)' 강연이 진행됐다.
‘구글 AI 포럼’은 인공지능 및 머신러닝과 관련해 좀 더 알기 쉬운 설명 및 사례와 함께 더욱 깊게 공부할 수 있는 장으로, 매회 다른 주제로 진행되고 있다. 이번 13강에서는 AI 혁신을 통한 ‘연결체학’ 연구를 소개하는 시간을 마련됐다.
연결체학(Connectomics)이란 뇌가 어떻게 작동하는지 더욱 잘 이해하기 위해 신경 네트워크의 구조를 포괄적으로 매핑한 뇌지도인 ‘커넥톰'을 만들고, 또 이를 연구하는 학문이다.
커넥톰을 제작하는데 있어 가장 어려운 문제 중 하느는 나노미터 해상도로 생선된 뇌 조직의 3D 이미지에서 얻은 방대한 양의 데이터를 해석하는 작업을 자동화하는 것이다. 나노미터 해상도로 뇌 조직의 3D 이미지는, 이미지 데이터를 분석해 각 시냅스가 어떻게 연결돼 있는지 파악하는데 필요하다. 이미지의 높은 해상도 때문에 단 1 입방밀리미터의 뇌 조직당 1,000TB 이상의 데이터가 생성된다.
구글은 이같은 데이터 해석을 위해 '플러드 필링 네트워크(Flood Filling Network)'를 통해 개체를 세분화, 'ERL(Expected Run Length)'라는 예상 실행관련 새 측정항목을 개발해 정확도를 측정하는 연구를 진행하고 있다.
구글은 이 연구를 지원하기 위해 플러드 필링 네트워크에 사용된 텐서코드 등 관련 기술을 공개했다. 또 막스 플랭크 신경생물학 연구소 등 연구 기관에서 진행중인 연결체학 프로젝트에 기여하는 것을 목표로 해석 자동화, 연결체 재구성 기술을 지속적으로 개발할 예정이다.
이 날 행사에서는 브레인 매핑 연구팀을 이끌고 있는 바이렌 자인(Viren Jain) 구글 리서치 사이언티스트가 AI를 통한 연결체학 데이터 해석 정확도 개선 및 연구 사례에 대해 발표했다.
발제에 따르면 뇌과학을 AI에 적용, 활용하는 방법은 인공신경망 알고리즘이다. 다중 레이어 컴퓨테이션 등을 통해 단순한 유닛들이 다층적으로 연결되는 신경과학의 기본 원칙을 활용, 새로운 컴퓨터 과학 기술을 개발하는 것이 목표다. 즉, 더 자세한 뇌구조 매핑을 통해 뇌의 일반적인 원리를 활용하면 컴퓨터 사이언스를 더 개선할 수 있다.인간의 뇌를 매핑 작업은 이론적으로는 5~6년 정도 걸린다.
그렇다면 브레인 매핑 작업이 완료되면 실제로 이를 컴퓨터 프로그램으로 업로딩, 뇌 시뮬레이션이 가능할까?
바이렌 자인은 "우리가 원한다면 이론적으로 향후 5~6년 동안 기술은 매년 10배이상 발달할 수 있다. 문제는 컴퓨터 업로딩을 통한 실제 연구 목적에 활용하는 데는 그 이상의 기간이 걸릴 것이다. 10년이상 소요될 것으로 보인다"고 말했다.
이어 그는 "뇌 시뮬레이션은 뇌 기능과 작동을 이해, 생물학, 뇌공학 등에 적용하는 것이다. 이해 기반이 매우 미흡한 상황이다. 지렁이 등 뇌 지도를 가지고 있다고해도 뇌 시뮬레이션을 시도하지 못하고 있다. 조만간 가능하지 않을 것"이라고 설명했다.
구글이 이처럼 실제 활용하기까지 장기간이 걸리는 매핑 연구를 시작하게 된 배경은 뭘까?
바이렌 자인은 "이 연구를 시작한 것은 4년전이다. 연구 동기는 어떻게 과학에 기여할 수 있는지다. 구글은 연결체학을 통해 컴퓨터 사이언스를 개선할 수 있다. 시작점은 브레인 메핑을 통해 컴퓨터 과학의 문제를 어떻게 해결할 수있는 지 이다. 아직까지는 고찰에 불과하며, 이를 어떻게 기계 지능에 활용할지 여부는 아직 모른다"고 말했다.
브레인 매핑은 뇌과학, 의학, 생물학 등 과학의 영역이다. 과학 분야인 연결체학에 관심을 갖게 된 계기에 대해 바이렌 자인은 "인류의 과학분야에서 일어나는 일을 이해하기 위함"이라고 밝혔다.
바이렌 자인은 "학문적 위상을 말하기는 어렵지만, 협업 연구기관들과 논문도 제출하고 있다. 관련 연구의 과학적 영향력을 아는 데는 오래 걸릴 것"이라고 말했다.
이어 그는 "유전학의 유전자 코드를 연구하는 것은 유전 질병을 치료하는 의료분야 연구다. 90년대 시작된 인간 게놈프로젝트가 의학에 적용되기까지는 오랜 시간이 걸렸다. 이 연구는 기반이 되는 기초적인 연구로 뇌 과학에서 구체적으로 어떻게 적용될 진 모른다"고 말했다.
뇌와 기계의 연결 가능성에 대한 질문에는 "뇌-기계 인터페이스 연구는 또 다른 영역"이라고 밝혔다. 뇌와 관련된 질병 연구 등 의학 과학 분야에 기여하고자 하는 것이 프로젝트 목적이라는 것이다.
* 바이렌 자인(Viren Jain) 리서치 사이언티스트는 마운틴뷰에 위치한 구글 본사에서 시냅스 해상도 브레인 매핑의 대용량 처리 기술 개선을 연구하는 팀을 이끌고있다. 구글에 합류하기 전 그는 하워드 휴스 의학 연구소(HMMI) 산하의 자넬리아 연구 캠퍼스(Janelia Research Campus)에서 연구팀을 이끈 경력이 있다. 그는 MIT에서 컴퓨테이션(Computation) 분야 박사 학위를 취득했으며 펜실베니아 대학교에서 컴퓨터 공학 및 인지과학 분야 학사 학위를 취득했다.