오늘의 저널

이 연구는 명상 중 집중 훈련이 뇌에서 어떻게 작동하는지를 컴퓨터 시뮬레이션으로 보여줍니다. 연구팀은 마치 두 개의 생각 씨앗(오케스트레이터와 방해자)이 경쟁하는 구조를 통해, '알아차림'이라는 메타인식이 뇌의 글로벌 워크스페이스를 켜는 신호 역할을 한다고 제안했습니다. 이 모델은 명상 경험과 뇌파 측정값을 연결해 주는 다리 역할을 합니다. 이 연구가 중요한 이유는, 앞으로 주의력 조절 훈련이나 임상 치료에 도움을 줄 수 있기 때문입니다.

뉴런이 활동을 멈춘 후에도 시냅스는 흔적을 남깁니다. 마치 불이 꺼진 숲에 남은 씨앗이 다시 숲을 이루는지를 결정하듯이, 한 연구는 최소 신경망 모델에서 시냅스의 잔여 상태가 활동의 재생 여부를 거의 완벽하게 예측함을 보였습니다. 이 예측 지표는 '잠재적 흥분성 모집(LER) 용량'이라 불리며, 새로운 흥분성 뉴런의 누적 수를 측정합니다. 이는 단기 기억이 단순히 뉴런의 발화뿐 아니라 시냅스의 잠재된 구성에 저장될 수 있음을 시사합니다. 즉, 기억은 침묵 속에서도 살아있습니다.

이 논문은 생물의 지능이 환경과의 상호작용을 통해 세상에 대한 '틀'을 먼저 배운다고 주장합니다. 마치 아이가 블록을 쌓으며 공간 감각을 익히듯, 몸으로 체험한 경험이 언어의 토대가 됩니다. 반면 현재 AI는 수동적으로 데이터를 먹여 학습합니다. 저자들은 이런 '행동 기반 학습'이 더 강건하고 사회적인 AI로 가는 길이라고 제안합니다. 왜 중요할까요? 우리가 어떻게 세상을 이해하는지 알면, 더 나은 AI를 만들 수 있기 때문입니다.

마치 사진 한 장으로 영화의 장르를 맞추는 것처럼, 우리 뇌는 고정된 자세만으로도 무슨 동작을 하는지 순식간에 알아챌 수 있습니다. 연구진은 16가지 일상 활동(MoVi 데이터셋)을 분류할 때, 몸 전체가 아닌 9개의 주요 관절 정보만으로도 높은 정확도를 얻을 수 있음을 발견했습니다. 하지만 동작을 재현하려면 시간에 따른 움직임(역학)이 반드시 필요했습니다. 즉, 분류에는 정적 자세면 충분하지만, 실제로 움직임을 생성하거나 재활 평가를 할 때는 동적 정보가 필수적입니다.

낙상은 단순한 사고가 아니라 신체 안정성이 무너지는 순간입니다. 연구진은 물리 법칙을 학습하는 인공신경망(LTC)을 이용해, 마치 줄타기 선수의 균형을 예측하듯 낙상 직전을 포착했습니다. 이 모델은 단 5만 개 미만의 파라미터로 실시간 추론이 가능해 저전력 기기에도 탑재될 수 있습니다. 중요한 점은, 단순히 정확한 것뿐 아니라 왜 낙상이 발생했는지 물리적으로 설명할 수 있다는 것입니다. 그래서 이 기술은 어르신 케어나 스마트 감시 분야에서 안전성을 높이는 데 기여할 수 있습니다.