세리자와 박사의 괴수퇴치연구실

비싸고 예쁘고 알 수 없는 뇌

발로우가 한 말이라는데 정확하게 기억은 안 나지만 대충
"비행이라는 행동에 대해 모른다면 날개라는 기관은 무척 이상해보일 것이다."
즉, 어떤 생물학적 기관에 대해
그 기관의 기능과 행동의 컨텍스트를 제외한 채 연구한다면
그것은 전혀 의미가 없을 것이라는 말이다.
뇌연구에 있어서도 마찬가지로
예를 들어 뉴런이라는 세포의 행동, 뉴런들을 모아서 회로를 만들었을 때의 행동은
기본적으로 비선형시스템이기 때문에 오만가지 이상한 일들이 일어날 수 있다.
문제는 그 이상한 일들이 뇌에 의해 일어나는 생물체의 행동과
어떤 관계를 가지는가 하는 부분으로
보통 뉴럴 코딩이라고 불리는 문제가 된다.
만약 뇌에서 기존에 알려지지 않은 어떤 측정을 하고
그것이 어떤 특정한 행동과 일대일로 매칭된다는 것을 보인다면
그 다음은 사이언스에 올릴지 네이쳐에 올릴지만 고민하면 된다.
그 정도로 잘 정의된 특정 행동에 대응되는 뉴럴 시그널은 찾기가 힘들다.
뇌과학도 데이타가 폭발적으로 늘어나는 분야로
데이타가 얻기가 쉬워지는 것도 그렇지만
대체로 실험자의 입장에서 생각한다고 하면
뉴럴 코드 문제를 풀고 싶은 경우에
일단 데이타가 압도적으로 많은 쪽이 압도적으로 유리할 것이다
라는 선입견이 있다.
물론 대부분의 경우에 이 믿음은 사실인데
그럼에도 불구하고 실제로 해야 하는 일은
일종의 "건초더미 속에서 바늘찾기"로
그렇게 간단한 일이 아니다. (preprocessing하다가 뻗는 경우가 있다)
두번째 문제는 컴퓨터 모델을 만드는 것인데
두가지 심각한 문제를 가지고 있다.
첫번째는 또 다시 건초더미 속에서 바늘찾기-2로
모델이 만드는 데이타의 어떤 부분을
실제 데이타와 어떻게 비교할 것인가 하는 문제다.
이 경우는 물론 모델 아웃풋이 데이타와 매치가 되도록
의도적으로 구성되었다면 상관없는 문제이지만
최근들어 보이는 경향 중의 하나가
그 시스템에 대해 우리가 아는 모든 지식을 다 때려넣은 모델을 하나 만든 다음
그 모델이 어떻게 행동하는지를 보는 것으로
대표적이 예가 블루브레인 프로젝트이다.
이 경우 건초더미 속에서 바늘찾기-2 문제를 피해갈 수 없다.
두번째 오캄의 면도날 문제인데
그 모델이 현상을 설명하는데 최소한도로 충분한 모델인가 하는 것으로
일종의 건초더미 속에서 바늘찾기의 모델버전이라고 할 수 있다.
즉 데이타가 아닌 모델들의 공간에서
원하는 방식으로 작동하는 모델들의 부분공간hyperplane을 기술하는
최소모델을 찾는 문제가 된다.

이것은 사실 현대 과학의 어느 분야에서나 대두되고 있는 문제로
대규모 컴퓨터를 쓰던, 최첨단 통계학을 쓰던..
어떻게든 계속 누군가 풀어야 할 문제가 될 것이다.
과학을 한다는 입장에서 말한다면
이 정도만 되도 다행이라고 할 수 있다.
LHC같은 초거대과학 정도가 되면
우주의 신비를 푸는 청운의 꿈을 안고 입문해서
결국 공장(!)에서 데이타 분석 프로그램이나 하루종일 짜고 있는 신세인
수많은 물리학도들이 있다.
뇌과학도 슬슬 이런 현실에 노출이 되는 듯 한데.... 과연!

퍼킨지 뉴런 학습모형 (2001). 우리가 아는 모든 요소를 다 때려넣은 모델이다.

PKC loop 모델 (2007). 위 모델에서 핵심적인 부분만 추출한 모델.