💭 AI도 눈치껏 배워요

새로운 일을 배울 때 어떤 날은 설명 한 번 듣고도 금방 이해되는가 하면, 또 어떤 건 몇 번을 반복해도 도무지 감이 안 올 때가 있죠. 그런데 더 신기한 건, 시간이 좀 지나고 나면 그때는 몰랐던 것들이 갑자기 ‘아, 이거 그거였구나!’ 하면서 연결될 때도 있어요. 우리는 뭔가를 배울 때, 분명 하나의 머리를 쓰고 있지만, 마치 두 가지 서로 다른 방식으로 배우는 것처럼 느껴질 때가 많죠. 순간적으로 캐치하는 감각과, 천천히 체화되는 감각. 그런데… 혹시 AI도 이런 식으로 배울 수 있다면 어떨까요?

🧠 오늘 목뇌뉴 미리보기

#1분뉴스: 청소년 외로움 / AI 사회적 평가 / 고지방 음료
#섭취행동: 먹고 싶은 마음, 뇌가 켜는 스위치
#작업기억: AI도 눈치껏 배워요

#1분뉴스

▪️청소년의 외로움, 보상 행동 동기가 올라가요

최근 연구에 따르면, 청소년은 단 몇 시간의 사회적 고립만 있어도 보상을 추구하는 동기가 크게 올라간다거 해요. 이는 사람들과의 연결을 원하는 긍정적 성향일 수 있지만, 반면 사회적 접촉이 없을 때에는 위험한 행동으로 이어질 가능성도 있다고 해요.

▪️AI, 인간처럼 사회 상황을 평가할 수 있어요

연구팀은 ChatGPT 같은 AI가 인간 수준으로 사회적 상황을 평가할 수 있고, 특히 뇌 영상 연구에서 사람 대신 대규모 평가 작업을 수행할 수 있다는 점에 주목했어요. 이는 뇌과학 연구의 비용 절감과 처리 속도 향상을 기대하게 만드는 소식이에요.

▪️밀크셰이크, 뇌 혈류를 막아요

호주 연구에 따르면, 고지방 밀크셰이크를 단 한 잔만 마셔도 4시간 뒤 뇌로 가는 혈류 조절 능력이 떨어지고, 특히 노년층에서는 영향이 약 10% 더 심하게 나타났다고 해요. 연구진은 이 효과를 뇌에 즉각적인 타격을 주는 “뇌 폭탄”에 비유했어요.

💡 밑출 친 부분을 클릭하면 전체 기사를 볼 수 있어요

#섭취행동

먹고 싶은 마음, 뇌가 켜는 스위치

우리가 배고플 때 단 음식이 더 당기고, 평소엔 짜게 느껴지는 음식이 간절해지는 거… 왜 그런지 궁금했던 적 있죠? 이번 연구는 바로 이런 ‘먹고 싶은 욕구’가 뇌에서 어떻게 만들어지는지를 아주 세세하게 밝혀냈어요. 핵심 키워드는 바로 BNST라는 뇌 부위예요. 🧠

연구팀은 먼저, 달콤한 자극에 반응하는 뇌 회로를 추적했어요. 그랬더니 편도체에 있는 Pdyn이라는 유전자를 가진 뉴런들이 단맛을 매우 강하게 인식하고, 이것이 BNST(Bed Nucleus of the Stria Terminalis)로 신호를 보내 먹는 행동을 유도한다는 걸 알아낸 거예요. 재미있는 건, 이 회로를 빛으로 자극하니까 원래는 관심 없던 물조차도 막 들이키게 되는 행동이 나타났다는 거예요! 🥤💡

그럼 이게 그냥 ‘단 거 좋아!’ 회로인 걸까요? 그건 또 아니에요. 배고플 때 이 회로의 반응은 훨씬 더 강해졌고, 배가 부르면 거의 작동을 안 했어요. 즉, 뇌가 감지한 내부 상태(배고픔)와 외부 자극(단맛)이 BNST에서 합쳐져서 ‘먹을까 말까’를 결정하는 거죠.

놀라운 건 이 BNST가 단맛뿐만 아니라, 소금 부족 상태에서 소금도 더 맛있게 느끼게 만든다는 점이에요. 😲 즉, BNST는 우리 몸 상태에 맞춰 '지금 필요한 걸 더 먹게 해주는 뇌의 컨트롤 타워' 같은 역할을 하고 있는 거예요.

그리고 더 놀라운 사실… 이 회로를 인위적으로 활성화하면 식욕이 살아나고, 억제하면 식욕이 뚝 떨어졌어요. 이건 암환자처럼 체중이 줄어드는 상태에서 식욕을 회복시킬 수 있는 가능성을 열어주고, 반대로 비만 치료에도 활용될 수 있는 타겟이 될 수 있단 뜻이에요.

연구 자세히 보러 가기 ✏️

#작업기억

AI도 눈치껏 배워요

우리가 무언가를 배울 때 두 가지 방식이 있어요. 하나는 자전거 타기처럼 반복하면서 감을 익히는 방식이에요. 몸으로 익히고, 시간이 좀 걸리지만 한번 배우면 쉽게 안 잊어버리죠. 또 하나는 처음 규칙을 금방 파악해서 “아~ 이렇게 하면 되는 거구나!” 하고 단번에 이해하는 방식이에요.

사실 이런 두 가지 학습 방식은 인공지능에도 적용돼요. 이번 연구에선 이를 각각 IWL(in-weight learning)과 ICL(in-context learning)이라고 불러요. IWL은 느리지만 확실하게 배우는 방식이고, ICL은 빠르게 눈치채고 응용하는 방식이에요. GPT 같은 언어모델이 바로 이 ICL을 잘하죠.

IWL은 안정적으로 오래 기억하지만, 새로운 걸 빠르게 배우진 못해요. 반면 ICL은 순식간에 배울 수 있지만 기억에는 잘 안 남아요. 우리 뇌로 따지면 전자는 깊이 박히는 ‘장기 기억’에 가깝고, 후자는 순간적으로 활용하는 ‘작업 기억’ 같아요.

그런데 이 연구가 정말 흥미로운 건, 한 인공지능 모델 안에 이 두 가지 학습 방식을 동시에 적용해봤다는 거예요. 사람처럼요. 그랬더니 재미있는 일이 벌어졌어요. 규칙이 뚜렷한 과제에서는 ICL이 더 빛났고, 규칙 없이 복잡한 과제에서는 IWL이 더 잘 작동했어요. 상황에 따라 서로 보완하듯 작동한 거죠.

또한 새로운 정보를 빨리 익히되 오래 기억하긴 어려운 ICL, 느리지만 안정적으로 쌓이는 IWL—이 두 시스템이 하나의 AI 모델 안에서 균형 있게 굴러갈 때, 결과적으로 훨씬 유연하고 강력한 학습이 가능해졌어요. 사람의 뇌가 낯선 문제는 천천히, 익숙한 문제는 빠르게 처리하는 것처럼요. 결국 이 연구는 우리한테 중요한 시사점을 던져줘요.

인공지능도 사람처럼 두 가지 학습 시스템을 오가며 배울 수 있고, 이걸 잘 조합하면 기억력과 유연성이라는 두 마리 토끼를 동시에 잡을 수 있다는 거죠.

연구 자세히 보러 가기 ✏️

웹에서 보기

여러분의 목소리를 뉴스레터에 담고 싶어요. 소중한 피드백과 함께 닉네임도 남겨주세요 😃

오늘 목뇌뉴, 어떠셨나요? ✨

📧 news@maumproject.me
수신거부