멜버른에 있는 Cortical Labs의 연구원들은 2022년에 실험실에서 성장한 인간 뉴런 클러스터(뇌 유기체라고 함)가 단순화된 버전의 Pong을 연주하는 방법을 배울 수 있음을 보여주는 결과를 발표했습니다. Neuron에 발표된 이 논문은 생물학적 신경망이 목표 지향적 학습 행동을 나타낼 수 있음을 입증하여 의식, 바이오컴퓨팅 윤리 및 AI 하드웨어의 미래에 대한 논쟁을 촉발시켰습니다.
연구 결과가 실제로 보여주는 것
약 800,000개의 뉴런을 포함하는 오가노이드는 다중 전극 배열에서 성장하여 연구자들은 전기 신호로 뉴런을 자극하고 활동을 기록할 수 있었습니다. 탁구 게임은 공의 위치를 나타내는 전기 자극 패턴을 통해 유기체에 "설명"되었습니다. 오가노이드의 신경 활동이 올바른 패들 움직임과 일치하면 보상 신호를 받았습니다. 잘못된 움직임으로 인해 다른 신호가 발생했습니다.
오가노이드는 시간이 지남에 따라 퐁(Pong) 성능을 향상시켰는데, 이는 연구자들이 생물학적 뉴런의 고유한 가소성에 기인한 결과였습니다. 이 논문은 동료 검토를 거쳐 Neuron에 게재되었습니다. 결과는 신경과학계에서 광범위하게 논의되었지만, 이 맥락에서 "학습"이 의미하는 바에 대한 해석은 여전히 논쟁의 여지가 있습니다.
윤리적인 질문
그 결과는 생명윤리학자들의 질문을 촉발시켰습니다. 이 유기체는 어떤 경험을 합니까? 그들은 어떤 의미에서 의식을 갖고 있습니까? 연구자들은 오가노이드가 인간 두뇌의 복잡성이 몇 배나 부족하다는 점에 주의를 기울였습니다. 그러나 그 선이 어디에 있는지, 그리고 누가 그 선을 그리게 되는지에 대한 질문은 이제 과학적인 대화의 일부가 되었습니다.
컴퓨팅의 의미
생물학적 뉴런은 실리콘에 비해 에너지 효율성이 뛰어납니다. 인간의 두뇌는 약 20와트의 전력으로 초당 약 10^15개의 작업을 수행합니다. 가장 효율적인 AI 가속기는 비슷한 성능을 위해 킬로와트가 필요합니다. 바이오컴퓨팅을 확장하고 제어할 수 있다면 AI 하드웨어에 대한 근본적으로 다른 접근 방식을 나타낼 수 있습니다. 하지만 수천 개의 뉴런에서 수십억 개의 뉴런으로 확장하는 것은 아직 해결되지 않은 엔지니어링 문제로 남아 있습니다.
2026년 현장 현황
Cortical Labs의 원본 논문 이후 여러 연구 그룹에서 후속 작업을 발표했습니다. 존스 홉킨스 연구진은 오가노이드가 두 가지 서로 다른 오디오 패턴을 구별하는 방법을 학습할 수 있음을 입증했습니다. 이는 Pong보다 더 복잡한 작업입니다. 멜버른 대학교의 한 팀은 오가노이드가 최대 72시간 동안 학습된 행동을 유지할 수 있음을 보여주었는데, 이는 일종의 단기 기억임을 암시합니다. 이러한 결과 중 어느 것도 대규모로 복제되지 않았으며 해당 분야는 초기 탐색 단계에 남아 있습니다.
실험실 오가노이드에서 유용한 컴퓨팅 하드웨어로의 실제 경로는 길고 불확실합니다. 현재의 오가노이드는 깨지기 쉽고 일관되게 재현하기 어려우며 특수한 실험실 조건이 필요합니다. 생물학적 조직과 전자 하드웨어(다중 전극 배열) 사이의 인터페이스는 심각한 엔지니어링 병목 현상입니다. 그리고 생물학적 신경망을 신뢰할 수 있고 재현 가능한 방식으로 "프로그래밍"하는 방법에 대한 문제는 아직 대부분 해결되지 않은 상태로 남아 있습니다.
규제 및 윤리적 프레임워크
국제줄기세포연구학회(International Society for Stem Cell Research)는 오가노이드 연구를 다루기 위해 2021년 지침을 업데이트했지만 개발 속도가 규제 프레임워크를 앞지르고 있습니다. 대부분의 관할권에는 유기체 지능 연구에 적용되는 특정 규정이 없습니다. 영국의 너필드 생명윤리위원회(Nuffield Council on Bioethics)는 2023년에 예방적 접근 방식을 권장하고 윤리 기준에 대한 국제적 조정을 요구하는 보고서를 발표했지만 구속력 있는 프레임워크는 나타나지 않았습니다.
앞으로 나아갈 길
오가노이드 컴퓨팅의 가장 가까운 단기 적용은 범용 계산이 아니라 특수한 공동 처리입니다. 즉, 에너지 효율성과 학습 기능이 실리콘에 비해 이점을 제공하는 특정 작업에 생물학적 신경망을 사용하는 것입니다. 패턴 인식, 이상 탐지, 적응 필터링이 가장 유망한 후보입니다.
몇몇 연구 그룹에서는 실리콘과 생물학적 구성 요소를 결합한 하이브리드 아키텍처를 탐색하고 있습니다. 실리콘은 가장 잘 수행되는 결정론적 고속 계산을 처리하는 반면, 생물학적 구성 요소는 뉴런이 가장 잘 수행하는 적응형, 에너지 효율적인 패턴 인식을 처리합니다. 이러한 하이브리드 시스템은 아직 초기 연구 단계에 있지만 실리콘을 완전히 대체하려는 시도보다 실용적인 바이오컴퓨팅에 대한 보다 실용적인 경로를 제시합니다.
바이오컴퓨팅 연구에서 호주의 역할
호주는 유기체 지능 연구에서 그 이상의 성과를 거두고 있습니다. 원본 Pong 논문을 제작한 멜버른 회사인 Cortical Labs는 국제적인 관심과 투자를 받았습니다. 멜버른 대학의 생물의학 공학과에서는 신경전자 인터페이스에 대한 활발한 연구 프로그램을 보유하고 있습니다. 호주 연구 위원회(Australian Research Council)는 디스커버리 프로그램(Discovery Programme)을 통해 이 분야의 여러 프로젝트에 자금을 지원했습니다. 인구 2,600만 명의 국가에서 이 신흥 분야에 대한 호주의 기여는 엄청나게 중요하며, 기술이 성숙되면 상업적으로 이익을 얻을 수 있는 위치에 있습니다.