https://news.naver.com/main/read.naver?mode=LSD&mid=sec&sid1=105&oid=028&aid=0002572285

"연구진이 만든 ‘접시뇌’(DishBrain)는 80만~100만개의 살아 있는 뇌 세포로 이뤄져 있다. 이는 바퀴벌레의 뇌와 비슷한 수다. 연구진은 생쥐 뇌 배아에서 추출한 초기 피질 세포와 인체의 유도만능 줄기세포를 분화시켜 얻어낸 뇌세포로 구성된 접시뇌로 각기 실험을 진행했다. 연구진의 게임 학습 능력 실험은 뇌 세포를 미세전극판 위에 올려놓고 자극을 주는 방식이다. 연구진은 우선 실험 상대방이 없는 1인용 퐁 게임을 시뮬레이션 대상으로 선택했다.

이어 전극판의 오른쪽 또는 왼쪽에 전기 신호를 보내는 식으로 공의 위치를 표시해줬다. 공의 거리는 주파수의 변화로 표시했다. 그러면 미니 뇌의 뉴런들은 자신이 마치 공을 받아치는 막대인 것처럼 신호를 발산했다. 이런 훈련을 반복하면서 미니 뇌는 점차 게임 방법을 터득했다."

"실험 결과 미니 뇌는 인공지능보다 게임을 더 잘하지는 못했다. 그러나 학습 속도는 인공지능보다 더 빨랐다. 연구진에 따르면 미니 뇌가 10~15번 연습 경기 후에 습득하는 실력에 도달하려면 컴퓨터 기반 인공지능은 5천번 이상의 연습 경기를 해야 했다. 1회 연습 경기에 걸리는 시간은 15분이다. 연구진은 미니 뇌가 불과 5분만에 게임 방법을 습득한 반면, 인공지능은 90분이 걸렸다고 밝혔다."

우리와 뇌는 각각의 뉴런들이 복잡하게 연결되어 병렬적으로 처리됩니다. 하지만 딥러닝 같은 인공신경망은 폰 노이반 방식의 순차처리 하드웨어를 기반으로 합니다. 뇌의 동작방식을 시뮬레이션 하기 때문에 처리속도가 느리고 대량의 메모리가 필요합니다. 이를 개선하기 위해서 나온게 뉴로모픽칩입니다. 실제 뉴런처럼 각 코어가 병렬적으로 동작합니다.

인공지능을 구현하는 세번째 방식은 진짜 뇌세포를 사용하는 것입니다. 예전에 쥐의 뇌세포를 배양하여 로봇에 넣고 길찾기를 하는 연구를 본 적이 있습니다. 이번에는 사람의 뇌세포를 사용하여 간단한 게임을 학습했다고 합니다.

최근 딥러닝이 GPT-3 같은 초거대모델로 발전하고 있습니다. 문제는 이를 구현하는데 너무 많은 자원과 에너지가 필요하다는 것입니다. 또한 하드웨어의 제한으로 더 높은 성능의 모델을 만드는데 어려움도 있습니다. 결국 이 한계를 극복하기 위해서는 뉴로모픽이나 실제 뇌세포를 응용해야 되지 않을까 싶습니다.