뇌 가소성 급동결과 음모론 메멘틱 형성

초록

이 논문은 감정에 의해 일시적으로 높아진 신경가소성이 급격히 감소할 때, 뇌가 넓은 매력 베이스를 가진 메멘트(기억 흡인자)를 형성하고, 이로 인해 왜곡된 신념과 음모론이 고착되는 메커니즘을 제시한다. 경쟁적 Hebbian 학습을 적용한 여러 연관 기억 네트워크 시뮬레이션을 통해 “짧은 고가소성 학습 → 급속 가소성 감소”가 큰 흡인자를 만든다는 결과를 확인한다.

상세 요약

본 연구는 ‘메멘트’를 “준안정적인 연관 기억 흡인자 상태”로 정의하고, 신경동역학 관점에서 메멘트가 어떻게 형성되는지를 정량화한다. 핵심 가설은 감정적 각성 시 시냅스 가소성이 급격히 상승하고, 이때 입력 패턴이 뇌에 폭넓게 전파되면서 새로운 연결망이 급속히 구축된다는 것이다. 이후 가소성이 급격히 감소하면, 이미 형성된 연결망은 고정된 구조로 남아, 이후 들어오는 다양한 입력을 동일한 흡인자에 끌어당긴다. 이 과정은 ‘빠른 가소성 동결(RFHN)’이라 명명된다.

시뮬레이션은 두 가지 모델을 사용한다. 첫 번째는 전통적인 Hopfield‑type 연관 기억 네트워크에 경쟁적 Hebbian 학습(Competitive Hebbian Learning, CHL)을 적용한 것이며, 두 번째는 다층 스파스 코딩 네트워크에 동일한 학습 규칙을 적용한 것이다. 두 모델 모두 정적 데이터(고정된 패턴 집합)와 비정적 데이터(시간에 따라 변하는 패턴 흐름)에서 실험되었다. 실험 절차는 다음과 같다. (1) 높은 학습률과 큰 학습 윈도우를 사용해 짧은 기간 동안 네트워크를 훈련한다. (2) 학습률을 급격히 낮추어 가소성을 동결한다. (3) 이후 새로운 입력을 제시하고, 네트워크가 어느 흡인자에 수렴하는지를 관찰한다.

결과는 일관되었다. 고가소성 단계에서 학습된 패턴들은 서로 강하게 결합되어, 넓은 베이스를 가진 ‘초대형 흡인자’를 형성한다. 이 흡인자는 원래의 입력 패턴뿐 아니라, 이후에 들어오는 전혀 무관한 패턴까지도 끌어당겨 동일한 기억 상태로 수렴시킨다. 따라서 원본 패턴과는 전혀 다른 의미론적 연관성이 부여된 ‘가짜 풍부 연관’이 생성된다. 이러한 현상은 특히 비정적 데이터 흐름에서 두드러지며, 입력이 급변하는 상황에서도 기존 흡인자가 지속적으로 우세하게 작동한다.

이론적 해석을 위해 저자는 에너지 지형 모델을 도입한다. 고가소성 단계에서 에너지 함수를 평탄하게 만들면서 다수의 얕은 최소점이 형성되고, 급속 가소성 감소 시 이 최소점들이 하나의 깊은 골짜기로 합쳐진다. 결과적으로 메멘트는 넓은 ‘볼록함’(basin of attraction)을 갖게 되며, 이는 뇌가 새로운 정보에 대해 과도하게 일반화하거나, 기존 신념을 과도하게 유지하게 만드는 메커니즘으로 해석된다.

또한, 감정적 각성—특히 공포, 분노, 놀라움 등—이 신경가소성을 일시적으로 높이는 생리학적 근거를 문헌에서 인용한다. 이러한 감정 상태가 ‘학습 윈도우’를 확대하고, 이후 급격한 가소성 감소가 일어날 때, 메멘트가 고착되는 위험이 커진다. 이는 사회적 사건(예: 테러, 경제 위기) 후에 급격히 퍼지는 음모론이 왜 지속적으로 회복탄력성을 보이는지를 설명한다.

마지막으로, 저자는 RFHN 메커니즘이 인간의 인지 편향(confirmation bias, patternicity 등)과 상호작용해, 이미 형성된 메멘트를 더욱 강화하고, 반증 정보를 무시하게 만든다고 주장한다. 이는 ‘메멘트-가소성 루프’라는 피드백 구조를 형성하여, 사회적 전파와 개인적 기억 사이에 강력한 양방향 강화가 일어나는 것을 의미한다.