마이크로소프트의 인공지능 기반 인간 뇌 언어 반응 해석 기술 개발

주장마이크로소프트 연구진은 거대언어모델이 뇌의 언어 반응을 예측하는 성능은 우수하지만, 그 내부 작동 원리를 해석하지 못하는 한계를 지적했습니다. 연구진은 복잡한 모델을 인간이 이해할 수 있는 과학적 가설로 변환하는 새로운 체계를 제시했습니다.

팩트생성적 인과 검증(GCT)이라 불리는 이 기술은 마이크로소프트 리서치와 캘리포니아 대학교 버클리, 캘리포니아 대학교 샌프란시스코, 컬럼비아 대학교의 공동 연구로 개발되었습니다. 연구 결과는 학술지 네이처 뉴로사이언스에 게재가 확정되었습니다.

팩트생성적 인과 검증은 두 단계로 작동합니다. 인공지능이 뇌의 특정 영역이 반응하는 원인을 음식 준비나 장소 이름과 같은 짧은 문구로 먼저 요약합니다.

팩트이후 인공지능이 해당 영역을 활성화하도록 설계된 새로운 이야기를 작성합니다. 피험자가 이야기를 듣는 동안 뇌 스캔을 진행하여 가설의 정확성을 검증합니다.

교차검증기존 예측 모델은 뇌의 특정 영역이 언어에 반응한다는 사실만 제시할 뿐, 그 영역이 무엇을 처리하는지 설명하지 못하는 블랙박스 문제를 안고 있었습니다. 생성적 인과 검증은 상관관계 중심의 분석을 넘어 실제 인과관계를 확인하는 실험적 검증을 수행합니다.

팩트실험 결과, 생성적 인과 검증은 기능적으로 유사하다고 여겨졌던 후방 대상 피질(RSC), 해마 주변 장소 영역(PPA), 후두 장소 영역(OPA) 세 영역을 구분해냈습니다. 특히 후방 대상 피질은 일반적인 장소보다 도쿄나 코네티컷 같은 고유 명사 형태의 장소 이름에 더 강하게 반응합니다.

팩트연구진은 생성적 인과 검증을 활용해 기존에 알려지지 않았던 전두엽의 미세 영역들을 새롭게 발견했습니다. 이 영역들은 대화, 시각, 수치 측정과 같은 구체적인 개념에 반응합니다.

주장이번 연구는 데이터 중심의 모델이 과학적 탐구의 종착점이 아니라, 인간이 읽을 수 있고 실험 가능한 이론으로 변환될 수 있음을 보여줍니다. 블랙박스 모델이 지배하는 현대 과학계에서 인간의 이해와 인공지능의 예측 능력이 공존할 가능성을 제시합니다.

교차검증생성적 인과 검증의 신뢰도는 기반이 되는 뇌 예측 모델의 안정성에 의존합니다. 모델이 불안정할 경우 생성된 설명의 정확도가 떨어질 수 있으므로 고도화된 예측 모델 확보가 필요합니다.

주장신경과학 분야에서 생성적 인과 검증은 뇌 지도를 더 빠르고 가설 중심적으로 작성할 수 있는 새로운 길을 엽니다. 인공지능이 가설을 제안하고 실험을 통해 즉각적으로 검증하는 폐쇄 루프 방식은 앞으로 뇌 과학 연구의 효율성을 높입니다.

주장인공지능은 이제 단순한 예측 도구를 넘어 과학적 가설을 생성하고 검증하는 연구자의 동반자로 진화하고 있습니다. 이러한 변화는 뇌 과학을 비롯한 여러 기초 과학 분야의 연구 속도를 가속합니다.

출처마이크로소프트 공식 블로그 및 네이처 뉴로사이언스 게재 논문 "Generative causal testing to bridge data-driven models and scientific theories in language neuroscience"을 교차 검증했습니다.