최근 과학계에서 주목할 만한 발전이 있었다. 컴퓨터 시스템에 연결된 인간 뇌세포 덩어리가 매우 기본적인 음성 인식 작업을 수행하는 데 성공했다. 이러한 연구는 인공지능(AI) 분야에서 혁신적인 변화를 가져올 수 있다. 특히, 전통적인 실리콘 기반 칩보다 에너지 효율성 측면에서 큰 잠재력을 지니고 있다는 평가를 받고 있다.

영국의 과학 전문지 '뉴사이언티스트'에 따르면, 인디애나 대학교 블루밍턴 캠퍼스의 펭 구오 교수는 특정 조건에서 줄기세포가 성장할 때 형성되는 신경세포 덩어리인 뇌 유기체(오가노이드)를 활용해 음성 인식 작업을 수행하는 연구를 수행했다. 

구오 교수는 뇌 유기체에 대해 "마치 작은 두뇌와 같다"고 설명했다. 뇌 유기체는 수 밀리미터 폭에 최대 1억 개의 신경 세포로 구성되어 있다. 흥미롭게도, 이 오가노이드를 성장시키는 데는 2~3개월이 소요된다. 이는 인간 뇌의 약 1000억 개 신경세포에 비하면 극히 소수에 불과하지만, AI 분야에서 큰 가능성을 내포하고 있다.

이번 연구는 기존 AI 기술의 한계를 극복하고, 에너지 효율적인 방식으로 복잡한 작업을 수행할 수 있는 새로운 방법론을 제시하고 있다. 향후 이 기술이 실제 어플리케이션에 적용될 경우, AI 분야에서 중요한 전환점이 될 것으로 기대된다

이 연구에서 중요한 단계는 오가노이드를 미세전극 어레이 위에 배치하는 것이었다. 이 어레이는 오가노이드에 전기 신호를 보내고, 신경 세포의 반응을 감지하여 발화하는 시기를 파악하는 데 사용된다. 연구팀은 이 혁신적인 시스템을 '브레이노웨어(Brainoware)'라고 명명했다.

뉴사이언티스트에 따르면, 지난 3월 구오 교수의 팀은 이 '브레이노웨어' 시스템을 사용해 '헤논(Hénon) 지도'라고 알려진 복잡한 방정식을 해결하는 데 성공했다. 이는 인공지능 분야에서 획기적인 발전으로 여겨진다. 헤논 지도는 수학과 물리학에서 사용되는 대표적인 비동선 동역학계 모댈중 하나다. 이는 1976년 프랑스의 천문학가 미셸 헤논에 의해 개발됐으며 주로 카오스 이론에서 중요한 역할을 한다.

특히, 음성 인식 작업에서 이 오가노이드의 역할은 주목할 만하다. 연구팀은 오가노이드가 일본어 모음 소리를 발음하는 8명의 사람들의 240개 오디오 클립 중 특정 개인의 목소리를 식별하는 방법을 배우게 했다. 이 오디오 클립은 공간 패턴으로 배열된 일련의 신호로 오가노이드에 전송됐다. 이 과정은 인간 뇌세포를 사용하는 AI 기술이 어떻게 복잡한 데이터를 처리할 수 있는지를 보여주는 훌륭한 예시이다.

구오 교수는 오가노이드를 사용한 초기 실험에서 약 30~40%의 정확도를 보였다고 한다. 그러나 단 이틀의 훈련 세션 후, 이 정확도는 놀랍게도 70~80%로 상승했다.

구오 교수는 이 현상을 '적응형 학습'이라고 설명했다. 이는 신경 세포 간에 새로운 연결이 형성되는 과정을 포함하는 것으로, 신경 세포 사이의 연결 형성을 방해하는 약물에 오가노이드를 노출시킬 경우, 아무런 개선도 관찰되지 않았다. 이는 학습 과정이 신경 연결의 변화와 밀접하게 연관되어 있음을 시사한다.

훈련 과정은 단순히 오디오 클립을 반복하는 것에 불과했으며, 오가노이드에게 옳고 그름에 대한 직접적인 피드백은 제공되지 않았다. 이러한 방식은 인공지능(AI) 연구에서 '비지도 학습(Unsupervised Learning)'이라고 알려진 방법론에 해당한다. 이러한 비지도 학습 방식은 AI가 스스로 학습하고, 패턴을 인식하는 능력을 개발하는 데 중요한 역할을 한다.

구오 교수는 기존 AI에는 두 가지 주요 과제가 있다고 지적했다. 첫 번째는 높은 에너지 소비이고, 두 번째는 실리콘 칩의 본질적인 한계, 즉 정보 처리와 데이터의 분리 문제다.

구오 교수의 연구팀은 살아있는 신경 세포를 활용한 바이오컴퓨팅이 이러한 과제를 해결할 수 있는 가능성을 탐구하고 있다. 이들은 세계 각지의 여러 연구 그룹 중 하나로, 바이오컴퓨팅 분야에서 혁신을 이루고자 한다. 예를 들어, '뉴사이언티스트'가 2021년에 소개한 호주의 코티칼 랩스(Cortical Labs)라는 회사는 뇌세포에게 '퐁' 게임을 가르치는 연구를 수행해왔다.

전통적인 음성 인식 분야의 전문가로 케임브리지 대학의 티토우안 파르코렛(Titouan Parcollet) 박사는 바이오컴퓨팅이 장기적으로 의미 있는 역할을 할 수 있다고 보고 있다. 이는 기존의 AI 접근법에 대한 중요한 대안을 제시하며, 향후 기술 발전에 중요한 영향을 미칠 수 있다는 전망이다.

파르콜렛 박사는 바이오컴퓨팅의 현재 상황에 대해 명확한 견해를 제시했다. 그는 "딥러닝이 수행하는 작업을 달성하기 위해 인간 뇌와 같은 구조가 필요하다고 여기는 것은 오해일 수 있다"며 "현재의 딥러닝 모델이 특정 작업에서 인간 뇌보다 훨씬 뛰어난 성능을 보이고 있다"라고 말했다.

파르콜렛 박사는 또한 구오 교수 팀의 연구가 아직은 간단한 단계에 머물러 있으며, 주로 발화자 식별과 같은 단순한 작업에 초점을 맞추고 있다고 말했다.

'Brainoware' 시스템의 성능 향상에도 불구하고, 또 다른 도전은 오가노이드의 유지 관리 기간이 1~2개월에 불과하다는 점이다. 구오 교수의 팀은 이 기간을 연장하기 위해 노력 중이다.

구오 교수는 "AI 컴퓨팅을 위해 오가노이드의 계산 능력을 활용하기 위해서는 이러한 한계를 극복해야 한다"고 말했다. 이는 바이오컴퓨팅 분야가 당면한 중대한 과제 중 하나로, 이 분야의 미래 발전을 위해 해결해야 할 핵심 문제이다.