무의식 기억 탐색 기반 주의 전환 인지 아키텍처

본 논문은 인간 뇌의 인지 과정을 논리적·디지털 회로 수준에서 재현하려는 목표로 시작한다. 저자는 ‘아키텍처’라는 용어를 입력‑출력 관계를 넘어 물리적 구조—즉, 뉴런의 크기·전기적 특성—까지 포함하는 모델로 정의한다. 인지 아키텍처는 인간의 단기 기억(STM)과 장기 기억(LTM)을 디지털 뉴런으로 구현한다. STM 뉴런은 펄스 지속 시간이 수백 밀리초로 길어, 내부 칼륨 이온 부족으로 인한 연속 방출을 가정한다. LTM 뉴런은 시냅스 전송을 통해 ‘읽기 전용 메모리(ROM)’ 형태로 동작하며, 일단 설정되면 뉴런이 소멸하지 않는 한 영구히 유지된다. 논문의 핵심 아이디어는 ‘배경 기억 검색’이다. 인간이 무언가를 기억하려 할 때, 의식적으로는 기억이 떠오르지 않지만 무의식적으로는 장기 기억을 탐색한다는 경험적 사실을 바탕으로, 저자는 이 과정을 지속적이고 자동적인 검색 프로세스로 모델링한다. 이를 위해 ‘단서 편집기(Cue Editor)’가 도입된다. 단서 편집기는 STM에 저장된 현재의 단서 집합을 받아, 신경 셰프트 레지스터와 XOR 게이트를 이용해 의사난수적으로 부분집합을 선택한다. 이렇게 선택된 단서는 LTM에 전달되어 연관된 기억을 회수한다. 회수된 기억은 ‘무의식 분석기(Subliminal Analyzer)’로 보내져 네 가지 요소—감각 이미지 밝기, 감정 강도, 매치된 단서 수, 최근성—에 기반한 ‘중요도 지수(Index of Importance)’를 계산한다. 중요도 지수가 현재 STM에 존재하는 내용과 비슷하거나 더 높을 경우, 해당 기억은 STM으로 승격된다. 이는 ‘주의의 방향(Attention Direction)’이 무의식적 회상에 의해 재조정되는 메커니즘으로 해석된다. 저자는 이 과정을 초당 수십 번, 즉 ‘수십 회 per second’로 수행될 수 있다고 주장한다. 또한, 감각 입력은 회상 과정과 교차적으로 처리되며, 감각 인코더는 회상이 진행될 때 일시적으로 비활성화된다. ‘기억 저장 활성화(Memorization Enable)’ 회로도 제시된다. 이 회로는 STM에 동일한 이미지가 일정 시간 간격을 두고 두 번 나타날 경우, 이를 ‘리허설(Rehearsal)’로 인식하고 LTM에 새로운 단어를 기록한다. 조건부 논리와 디지털 필터를 이용해 매치가 없거나 회상이 없을 때만 기록이 이루어지도록 설계되었다. 결론에서는 이 아키텍처가 ‘의사난수 기억 검색’과 ‘무의식적 중요도 평가’를 지속적으로 수행한다는 점에서 독창적이라고 강조한다. 뉴런을 임의의 Boolean 로직으로 특수화할 수 있다는 전제 하에, 트릴리언(10^12) 개 이상의 뉴런을 활용해 복잡한 디지털 회로를 구현할 수 있다고 주장한다. 또한, 이 모델은 의미 없는 기호나 불명확한 아날로그 파라미터에 의존하지 않고, 하드웨어 구현이 가능한 신경 게이트에 기반하므로 로봇 인공지능 설계에 실용적이라고 제시한다. 하지만 논문은 실제 신경생리학적 근거, 가중치 학습 메커니즘, 에너지 효율성 등에 대한 정량적 분석이 부족하고, 제시된 회로가 실제 뇌의 비선형·아날로그 특성을 충분히 반영하는지에 대한 검증이 이루어지지 않았다. 향후 연구에서는 이러한 점들을 보완하고, 실험적 데이터와의 정합성을 검증함으로써 이론을 실용적인 하드웨어 설계로 확장할 필요가 있다.