신경 자가생성: 자극 회피를 통한 자기 경계 조직화

초록

본 연구는 배양된 생물학적 신경망과 스파이킹 신경망 모델을 이용해, 외부 자극을 회피하는 과정에서 나타나는 두 가지 학습 메커니즘을 규명한다. 첫 번째는 STDP 기반의 행동 강화(LTP)이며, 두 번째는 통제 불가능한 입력에 대해 스파이크 발생을 억제하는 메커니즘(LTD)이다. 이를 통해 ‘자극 회피 원리’를 자가경계(autopoiesis)의 핵심 원리로 제시한다.

상세 분석

이 논문은 자극 회피 학습(Learning by Stimulation Avoidance, LSA)의 미시적 메커니즘을 STDP의 시계열적 가중치 변화에 귀착시킨다. LTP는 사전신경(pre‑synaptic)과 후신경(post‑synaptic)의 연속 발화가 일정 시간 창 안에 존재할 때 가중치를 강화시켜, 후신경의 발화가 자극을 종결시키는 행동을 보강한다. 반대로, 후신경이 사전신경의 발화를 유발하는 경우(LTD)는 가중치를 약화시켜 자극을 유발하는 행동을 억제한다. 이러한 두 축은 ‘행동‑자극‑보상’ 루프를 자동으로 형성하며, 네트워크는 외부 자극을 최소화하는 방향으로 자체 구조를 재조정한다.

실험에서는 47~110개의 뉴런으로 구성된 소규모 배양 신경망을 고밀도 CMOS 마이크로 전극 어레이(11,011 전극)로 정밀히 모니터링하였다. 전극 위치 추정, 신경세포 유형(흥분성/억제성) 분류, 스파이크 검출 및 아티팩트 제거 등 데이터 전처리 과정을 상세히 기술한다. 자극은 입력 영역에 저주파(1–2 Hz) 전기 펄스로 가해졌으며, 네트워크가 목표 출력(특정 전극군에서 40–60 ms 내 스파이크 발생) 을 달성하면 자극이 중단되는 프로토콜을 적용하였다.

주목할 점은 네트워크가 목표 행동을 학습하지 못할 경우, 통제 불가능한 입력 뉴런에 대한 시냅스 가중치가 점진적으로 감소하고, 결과적으로 해당 입력에 대한 스파이크 발생 자체가 억제된다는 관찰이다. 이는 기존 LSA가 설명하는 ‘행동 강화’와는 별개의 ‘입력 억제’ 메커니즘으로, 비대칭 STDP(학습 윈도우가 LTP보다 LTD에 더 넓은 경우) 로도 재현되었다. 비대칭 STDP는 시냅스 가중치가 일방향으로만 감소하도록 하여, 네트워크가 ‘통제 가능한 자기’와 ‘통제 불가능한 비자기’를 구분하고, 비자기에 대한 감각 입력을 스스로 차단한다는 자가경계(autopoiesis) 개념과 일맥상통한다.

이러한 현상을 ‘신경 자가생성(Neural Autopoiesis)’이라 명명하고, ‘자극 회피 원리(Principle of Stimulus Avoidance)’를 자가경계 유지의 기본 원리로 제시한다. 논문은 또한 기존의 ‘자극 조절 원리(Stimulus Regulation Principle, SRP)’가 현상적 설명에 머무르는 반면, LSA와 비대칭 STDP 기반 메커니즘은 미시적 시냅스 수준에서 자가조절을 구현한다는 점을 강조한다.

이론적 의의는 두 가지다. 첫째, STDP와 환경 피드백 루프만으로도 복잡한 홈오스테이시스와 행동 적응이 발생한다는 점을 실험과 시뮬레이션으로 입증했다. 둘째, 신경망이 스스로 ‘자기’와 ‘비자기’를 구분하고, 비자기에 대한 입력을 차단함으로써 경계를 재구성한다는 개념을 신경 수준에서 최초로 제시했다. 이는 면역학적 ‘자기‑비자기 구분’과 유사한 정보‑기반 경계 형성 메커니즘을 신경계에 적용할 수 있음을 시사한다.

마지막으로, 저자는 이러한 신경 자가생성 메커니즘이 로봇 제어, 적응형 인터페이스, 그리고 인공 의식 연구에 활용될 가능성을 제시한다. 특히, 외부 자극을 최소화하려는 로봇 에이전트가 스스로 환경과의 상호작용을 제한함으로써 에너지 효율성을 높이고, 비예측 가능한 외부 교란에 대한 내성을 확보할 수 있다는 점이 강조된다.