Are Insect Brains the Secret to Great AI? | Frances S. Chance | TED

번역: Hyeryung Kim 검토: DK Kim

Creating intelligence on a computer.

컴퓨터에 지능을 창조하는 것.

This has been the Holy Grail for artificial intelligence

이것은 오랜 시간 동안 인공 지능의 꿈이었습니다.

for quite some time.

But how do we get there?

그런데 이 꿈을 어떻게 이룰까요?

So we view ourselves as highly intelligent beings.

인간은 자신을 고도의 지적 존재로 여깁니다.

So it's logical to study our own brains,

그래서 당연히 인식의 바탕인 인간의 뇌를 연구해서

the substrate of our cognition, for creating artificial intelligence.

인공 지능을 만들려 하죠.

Imagine if we could replicate how our own brains work on a computer.

우리 뇌가 일하는 방식을 컴퓨터 안에 그대로 복제한다고 생각해 보세요.

But now consider the journey that would be required.

그럼 뭐가 필요할지 한번 생각해 봅시다.

The human brain contains 86 billion neurons.

인간의 뇌에는 신경 세포가 860억 개 있습니다.

Each is constantly communicating with thousands of others,

각각의 신경 세포는 지속적으로 다른 신경 세포 수천 개와 소통하며

and each has individual characteristics of its own.

각 신경 세포마다 독특한 특징이 있습니다.

Capturing the human brain on a computer

인간의 뇌를 통째로 컴퓨터 안에 넣는 일은

may simply be too big and too complex a problem

현재 우리가 가진 기술과 지식만으로 해내기엔

너무 복잡하고 먼 이야기처럼 들릴지도 모릅니다.

to tackle with the technology and the knowledge that we have today.

I believe that we can capture a brain on a computer,

저는 뇌를 컴퓨터 안에 넣을 수 있다고 믿지만

but we have to start smaller.

작은 것에서부터 시작해야 하죠.

Much smaller.

아주 작은 것에서부터요.

These insects have three of the most fascinating brains in the world to me.

여기 이 세 곤충의 뇌는 그야말로 세상에서 가장 경이롭습니다.

While they do not possess human-level intelligence,

이 곤충들의 지능이 인간 수준은 아니지만

each is remarkable at a particular task.

특정한 작업에는 훌륭합니다.

Think of them as highly trained specialists.

고도로 훈련된 전문가와 같죠.

African dung beetles are really good at rolling large balls in straight lines.

아프리카 쇠똥구리는 ‘똑바로 공 굴리기’ 전문가입니다.

(Laughter)

(웃음)

Now, if you've ever made a snowman,

눈사람을 만들어보셨다면 아시겠지만

you know that rolling a large ball is not easy.

큰 공을 굴리는 일은 쉽지 않습니다.

Now picture trying to make that snowman

눈사람을 만들 때

when the ball of snow is as big as you are

자신만큼 큰 눈덩이를 굴린다고 생각해 보세요.

and you're standing on your head.

그 와중에 물구나무까지 선다면요?

(Laughter)

(웃음)

Sahara desert ants are navigation specialists.

사하라 사막 개미는 ‘길 찾기’ 전문가입니다.

They might have to wander a considerable distance to forage for food.

개미들은 먹이를 찾으러 상당히 멀리까지도 돌아다녀야 하죠.

But once they do find sustenance,

하지만 일단 먹이를 찾으면 집까지 최단 거리를 압니다.

they know how to calculate the straightest path home.

And the dragonfly is a hunting specialist.

그리고 잠자리는 ‘사냥’ 전문가입니다.

In the wild, dragonflies capture approximately 95 percent

자연에서 잠자리의 사냥 성공률은 약 95퍼센트에 이른다고 합니다.

of the prey they choose to go after.

These insects are so good at their specialties

이 곤충들은 각자의 분야에서 최고 전문가라서

that neuroscientists such as myself study them as model systems

저 같은 신경 과학자들은 이 곤충들을 모델 삼아 연구합니다.

to understand how animal nervous systems solve particular problems.

동물 신경계가 특정한 과제를 해내는 비결을 여기서 찾을 수 있죠.

And in my own research, I study brains to bring these solutions,

저는 뇌를 연구해서 이런 비결들을 컴퓨터에 옮깁니다.

the best that biology has to offer, to computers.

생물학이 컴퓨터에 줄 수 있는 최고의 선물이죠.

So consider the dragonfly brain.

잠자리 뇌를 생각해 봅시다.

It has only on the order of one million neurons.

잠자리 뇌 안의 신경 세포는 고작 100만 개 정도입니다.

Now, it's still not easy to unravel a circuit of even one million neurons.

하지만 이렇게 적은 신경 세포조차도 그 회로를 풀어내기란 쉽지 않죠.

But given the choice

하지만 만약 여러분에게

between trying to tease apart the one-million-neuron brain

신경 세포가 100만 개 있는 뇌와 860억 개 있는 뇌를

versus the 86-billion-neuron brain,

조각조각 해부하라고 한다면

which would you choose to try first?

어떤 걸 먼저 해보시겠습니까?

(Laughter)

(웃음)

When studying these smaller insect brains,

곤충의 더 작은 뇌를 연구하는 것은

the immediate goal is not human intelligence.

인간 지능을 아는 게 직접 목표가 아닙니다.

We study these brains for what the insects do well.

곤충의 주특기를 알아보려는 거죠.

And in the case of the dragonfly, that's interception.

잠자리의 주특기는 ‘가로채기’입니다.

So when dragonflies are hunting,

잠자리가 사냥을 할 때

they do more than just fly straight at the prey.

먹잇감을 향해 일직선으로 단순히 돌진하는 것이 아닙니다.

They fly in such a way that they will intercept it.

먹잇감을 가로챌 수 있도록 나는 겁니다.

They aim for where the prey is going to be.

먹잇감이 갈 지점을 겨냥해 날아가죠.

Much like a soccer player, running to intercept a pass.

패스를 차단하러 달려가는 축구 선수에 훨씬 더 가깝죠.

To do this correctly,

이걸 정확히 해내기 위해

dragonflies need to perform what is known as a coordinate transformation,

잠자리는 ‘좌표 변환’으로 알려진 작업을 수행해야 합니다.

going from the eye’s frame of reference, or what the dragonfly sees,

시각 기준, 즉, 눈으로 보는 것을

to the body's frame of reference,

몸체 기준, 즉, 가로채기를 하러 몸을 움직이는 것으로 바꿔야 합니다.

or how the dragonfly needs to turn its body to intercept.

Coordinate transformations are a basic calculation

이런 좌표 변환 기술은

동물이 세상과 소통하기 위해 꼭 필요한 기본 기술입니다.

that animals need to perform to interact with the world.

We do them instinctively every time we reach for something.

우린 무언가를 잡을 때 본능적으로 이 기술을 씁니다.

When I reach for an object straight in front of me,

제가 바로 앞에 있는 물건을 잡으려고 할 때

my arm takes a very different trajectory than if I turn my head,

제 팔이 움직이는 궤적은

같은 물체가 옆으로 떨어져 있어서

look at that same object when it is off to one side

머리를 돌리고 잡으려고 할 때와는 전혀 다릅니다.

and reach for it there.

In both cases, my eyes see the same image of that object,

두 경우 모두, 눈으로는 같은 물체를 보지만

but my brain is sending my arm on a very different trajectory

뇌는 팔을 전혀 다른 궤도로 움직이게 하죠.

based on the position of my neck.

목의 위치에 따라서요.

And dragonflies are fast.

그리고 잠자리는 매우 빠릅니다.

This means they calculate fast.

계산이 빠르다는 뜻이죠.

The latency, or the time it takes for a dragonfly to respond

잠자리의 반응 시간,

즉, 먹잇감의 움직임을 보고 반응하는 데 걸리는 시간은

once it sees the prey turn,

is about 50 milliseconds.

대략 0.05초 정도입니다.

This latency is remarkable.

엄청나게 짧은 시간이죠.

For one thing, it's only half the time of a human eye blink.

인간이 눈을 한번 깜빡이는 데 걸리는 시간의 절반밖에 안 됩니다.

그런데 이걸 바꿔 말하면,

But for another thing,

it suggests that dragonflies capture how to intercept

잠자리가 먹잇감의 경로를 가로채는 방법을 계산하는 데

in only relatively or surprisingly few computational steps.

상대적으로 또는 놀랄 정도로 적은 단계를 거친다는 뜻이기도 하죠.

So in the brain,

뇌에서 계산 단계 하나는 신경 세포 한 개가 담당하거나

a computational step is a single neuron

or a layer of neurons working in parallel.

혹은 동시에 작동하는 신경 세포 한 층이 담당합니다.

It takes a single neuron about 10 milliseconds

신경 세포 하나가 들어오는 모든 정보를 모아서

to add up all its inputs and respond.

반응하기까지는 대략 0.01초 정도 걸립니다.

The 50-millisecond response time

반응 시간이 0.05초라는 것은

means that once the dragonfly sees its prey turn,

잠자리가 먹잇감이 경로를 바꾸는 것을 포착하고 나서

there's only time for maybe four of these computational steps

단지 네 단계 정도를 거쳐서,

or four layers of neurons, working in sequence, one after the other,

또는 신경 세포 네 층이 한 층씩 차례로 반응해서

to calculate how the dragonfly needs to turn.

어떻게 몸을 돌려야 할지 계산한다는 말입니다.

In other words, if I want to study

따라서 만약 제가

how the dragonfly does coordinate transformations,

잠자리의 좌표 변환을 연구하고 싶다면

the neural circuit that I need to understand,

제가 알아야 할 신경 회로, 연구해야 할 신경 회로는

the neural circuit that I need to study,

can have at most four layers of neurons.

많아야 네 층짜리 신경 세포층이라는 겁니다.

Each layer may have many neurons,

층마다 신경 세포가 여러 개씩 있어도 아주 작은 신경 회로에 불과하죠.

but this is a small neural circuit.

Small enough that we can identify it

현재 있는 도구를 이용해

and study it with the tools that are available today.

규명하고 연구할 수 있을 만큼 작은 회로입니다.

And this is what I'm trying to do.

제가 하려는 일은 이런 겁니다.

I have built a model of what I believe is the neural circuit

잠자리가 어떻게 움직일지 추측할 수 있는

that calculates how the dragonfly should turn.

신경 회로 모형을 만들었죠.

And here is the cool result.

결과는 꽤 성공적이었습니다.

In the model,

이 실험 모형에서,

dragonflies do coordinate transformations in only one computational step,

잠자리는 한 단계만을 거쳐 좌표 변환을 합니다.

one layer of neurons.

신경 세포층 하나입니다.

This is something we can test and understand.

실험하고 연구할 수 있는 대상입니다.

In a computer simulation,

컴퓨터 모의 실험에서는

I can predict the activities of individual neurons

잠자리가 사냥할 때 각 신경 세포가 어떻게 활동하는지 예측할 수 있습니다.

while the dragonfly is hunting.

For example, here I am predicting the action potentials, or the spikes,

예를 들어 잠자리가 먹잇감이 움직이는 걸 볼 때

that are fired by one of these neurons

한 신경 세포에서 활성화되는 활동 전위 즉, 스파이크를 예측합니다.

when the dragonfly sees the prey move.

To test the model, my collaborators and I

저와 동료들은 이 모형을 검증하기 위해

are now comparing these predicted neural responses

모형에서 예측된 신경 세포 반응을

with responses of neurons recorded in living dragonfly brains.

살아있는 잠자리 뇌에서 기록된 신경 세포 반응과 비교합니다.

These are ongoing experiments

현재도 진행되고 있는 실험인데

in which we put living dragonflies in virtual reality.

잠자리에게 가상 현실을 체험하게 해주는 거죠.

(Laughter)

(웃음)

Now, it's not practical to put VR goggles on a dragonfly.

잠자리한테 가상 현실 안경을 씌워 줄 수는 없습니다.

So instead, we show movies of moving targets to the dragonfly,

그래서 대신에 움직이는 먹잇감의 영상을 잠자리에게 보여 줍니다.

while an electrode records activity patterns of individual neurons

그리고 그동안 잠자리의 뇌 안에서 움직이는

각 신경 세포의 활동 양상을 전극을 통해 기록하죠.

in the brain.

Yeah, he likes the movies.

네, 잠자리는 영화를 좋아해요.

If the responses that we record in the brain

이렇게 기록한 반응들이 모형에서 예측했던 반응과 일치하면

match those predicted by the model,

we will have identified which neurons are responsible

어떤 신경 세포가 좌표 변환에 관여하는지 알 수 있습니다.

for coordinate transformations.

The next step will be to understand the specifics

다음 단계는 이 신경 세포들이 움직임을 계산할 때

of how these neurons work together to do the calculation.

어떤 식으로 협력하는지 알아보는 것입니다.

But this is how we begin to understand how brains do basic

그런데 이건 뇌가 기초적인 계산을 하는 방법을 이해하는 첫걸음입니다.

or primitive calculations.

Calculations that I regard as building blocks for more complex functions,

저는 이 ‘계산’이라는 것을 목표물을 잡아채는 것뿐 아니라

not only for interception but also for cognition.

인지처럼 더 복잡한 기능을 수행하는 기본 구성 단위로 봅니다.

The way that these neurons compute may be different from anything

이 신경 세포들이 계산하는 방법은

현존하는 어떤 컴퓨터에도 없는 전혀 새로운 방법일 것입니다.

that exists on a computer today.

And the goal of this work is to do more than just write code

이 작업의 궁극적인 목표는

신경 세포의 활동 양상을 복제하는 코드를 쓰는 것 이상입니다.

that replicates the activity patterns of neurons.

We aim to build a computer chip

우리는 컴퓨터 칩을 만들고자 합니다.

that not only does the same things as biological brains

생물학적 뇌의 행동을 그대로 할 뿐 아니라

but does them in the same way as biological brains.

생물학적 뇌와 같은 방식으로 움직이는 칩이죠.

This could lead to drones driven by computers

이것을 컴퓨터로 조절되게 만들면

the same size of the dragonfly's brain

잠자리 뇌와 크기가 같고

that captures some targets and avoid others.

다른 것은 피하면서 목표물만 정학히 잡는 드론이 됩니다.

Personally, I'm hoping for a small army of these

개인적으로 이 작은 무리들이

to defend my backyard from mosquitoes in the summer.

여름에 저희 집 뒷마당을 모기로부터 지켜주면 좋겠습니다.

(Laughter)

(웃음)

The GPS on your phone could be replaced by a new navigation device

휴대전화 GPS가 새로운 길안내 장치로 바뀔 수도 있을 겁니다.

based on dung beetles or ants

쇠똥구리나 개미의 뇌를 참고해 만든 장치로

that could guide you to the straight or the easy path home.

똑바로 집으로 가는 길, 혹은 집에 가는 쉬운 길을 알려 주는 거죠.

And what would the power requirements of these devices be like?

이러한 장치에 필요한 전력량은 얼마나 될까요?

As small as it is --

그 크기만큼 적겠죠, 아, 그 크기만큼 크겠죠.

Or, sorry -- as large as it is,

the human brain is estimated to have the same power requirements

인간 두뇌에 필요한 전력은

as a 20-watt light bulb.

20와트짜리 전구 하나를 켤 양이라고 합니다.

Imagine if all brain-inspired computers

두뇌에서 따온 기계들이 모두

had the same extremely low-power requirements.

이렇게 극히 적은 전력만으로 움직인다고 생각해 보세요.

Your smartphone or your smartwatch probably needs charging every day.

휴대전화나 스마트워치는 매일 충전해야 할 겁니다.

Your new brain-inspired device might only need charging every few months,

두뇌를 본뜬 새로운 장치는

몇 달 심지어 몇 년에 한 번만 충전하면 되는 거예요.

or maybe even every few years.

The famous physicist, Richard Feynman, once said,

유명한 물리학자 리처드 파인만은 이런 말을 했습니다.

"What I cannot create, I do not understand."

“만들 수 없다면 이해하지 못하는 것이다.”

What I see in insect nervous systems

곤충 신경계에서 제가 보는 것은

is an opportunity to understand brains

두뇌와 같은 방식으로 일하는 컴퓨터를 만듦으로써

through the creation of computers that work as brains do.

두뇌를 이해할 수 있는 기회입니다.

And creation of these computers will not just be for knowledge.

이런 컴퓨터를 만들어서 단지 지식만 얻는 게 아닙니다.

There's potential for real impact on your devices, your vehicles,

기계 장치, 교통 수단에 실질적으로 큰 영향을 미칠 수 있죠.

maybe even artificial intelligences.

어쩌면 심지어 인공 지능에까지요.

So next time you see an insect,

다음에 곤충을 보시면

consider that these tiny brains can lead to remarkable computers.

그 조그마한 뇌가 매력적인 컴퓨터가 될 수 있다는 점을 기억해주세요.

And think of the potential that they offer us for the future.

또한 미래의 잠재력도 한 번씩 생각해 주시기를 바랍니다.

Thank you.

감사합니다.

(Applause)

(박수)