과제 학습이 원숭이 시각 피질 신경 반응의 정보 중복을 증가시킨다

초록

이 연구는 원숭이 V4 영역에서 시각 판별 과제를 학습함에 따라 신경 집단의 정보 중복이 증가한다는 베이즈식 생성 추론 가설을 검증한다. 학습 초기에는 중복이 거의 없었으나, 학습이 진행될수록 Fisher 정보 기반 중복 지표가 상승했으며, 이는 개별 뉴런이 전달하는 정보량이 늘어나면서도 전체 집단 정보는 유지 또는 약간 감소하는 패턴을 보였다. 또한, 중복 증가는 과제 수행 중에만 나타나고 수동 시청에서는 나타나지 않아 피드백 기반의 동적 재분배가 핵심 메커니즘임을 시사한다.

상세 분석

본 논문은 두 가지 상반된 이론적 프레임워크—클래식한 효율성 최적화 모델과 베이즈식 생성 추론 모델—의 예측을 실험적으로 구분하고자 V4 영역의 다중 전극 기록을 이용해 장기 학습 과정과 단일 시도 내에서의 신경 상관관계를 정량화하였다. 핵심 지표는 실제 집단 Fisher 정보(I_real)와 트라이얼을 섞어 상관관계를 제거한 가상의 독립 집단 정보(I_shuffle) 사이의 차이인 I_redundancy=I_shuffle−I_real이다. I_redundancy가 0에 가까울수록 신경 응답이 독립적이며 정보 중복이 없음을 의미하고, 양의 값은 상관관계가 정보 중복을 초래함을 나타낸다.

학습 초기(첫 번째 epoch)에서는 I_redundancy가 거의 0에 머물렀으며, 이는 기존 문헌에서 보고된 ‘정보 제한적 상관’과 일치한다. 그러나 학습이 진행될수록(두 번째네 번째 epoch) I_redundancy가 유의하게 증가했으며, 이는 학습 지표와 높은 상관관계를 보였다(Spearman ρ≈0.60.75, p<10⁻⁴). 특히, 과제 수행 중에만 I_redundancy가 상승하고 수동 시청 시에는 변화가 없었음이 확인되어, 피드백 신호에 의한 동적 재분배가 중복 증가의 주요 원인임을 뒷받침한다.

신경 선택성(d′)에 따라 뉴런을 고·저 선택성 집단으로 나누어 분석한 결과, 고선택성 집단에서 I_redundancy 증가가 더 뚜렷했으며, 이는 과제와 직접적으로 연관된 뉴런이 피드백에 의해 더 강하게 동기화된다는 점을 시사한다. 또한, 시간 구간별(200 ms) 분석을 통해 학습 후 후기 시도에서는 트라이얼 진행에 따라 I_redundancy가 점진적으로 상승했으며, 이는 베이즈식 생성 추론이 예측하는 ‘시간적 정보 누적’ 현상과 일치한다.

모델 시뮬레이션에서는 학습 전·중·후 단계별로 I_shuffle와 I_real을 모두 증가시키되, I_shuffle의 증가폭이 더 커서 I_redundancy가 양의 값을 갖게 되는 메커니즘을 재현하였다. 실험 데이터에서도 I_shuffle와 I_real 모두 학습과정에서 상승했으며, 특히 I_shuffle가 더 빠르게 증가함을 확인했다. 이는 개별 뉴런이 전달하는 평균 정보량(I_per_neuron)이 학습에 따라 향상되고, 이러한 향상된 정보가 집단 내에서 공유되어 중복이 형성된다는 결론을 뒷받침한다.

결과적으로, 이 연구는 학습이 신경 표현을 ‘덜 중복’하게 만든다는 고전적 가설을 반박하고, 베이즈식 생성 추론이 제시한 ‘학습에 따른 정보 중복 증가’ 가설을 강력히 지지한다. 이는 뇌가 과제 수행을 위해 내부 모델을 재구성하고, 피드백을 통해 사전 정보를 뉴런 간에 퍼뜨려 효율적인 추론을 구현한다는 새로운 관점을 제공한다.