인간의 두뇌가 어떻게 안면을 인식하는가를 이해하기 위한 새로운 계산 모델을 개발하고 있는 MIT 과학자들이 이전까지 신경과학 모델에서 빠진 부분을 찾아내고 있다.

이 모델을 적용한 머신러닝 시스템을 설계한 과학자들은 학습 표본을 제공하여 특정 인물을 인식하도록 훈련했다. 그 결과 훈련된 시스템은 정면이 아니라 중심에서 좌측이나 우측으로 45도 기울어진 얼굴을 인식하는 과정을 스스로 포함시킨 것을 발견했다.

이 측면 인식은 기본 모델에 포함된 것이 아니었는데도 훈련과정에서 자발적으로 나타난 것이다. 과학자들은 이것이 기초 안면인식 과정에서 실험적으로 관찰된 현상을 재현한 것으로 생각하고 있으며, 머신러닝 시스템이 두뇌가 안면을 인식하는 것과 유사한 처리를 발견해 적용한 것으로 보고 있다.

토마소 포지오 MIT '뇌 마음 기계센터(CBMM)' 소장은 이 모델은 현실에 대한 만화 같은 추상화라면서, 사실 안면인식 원리가 이렇게 간단한 것이라면 놀라운 일이지만 맞는 방향으로 가고 있다는 강한 증거가 있다고 덧붙였다. 실제로 최근 간행된 논문에는 생물학적으로 신경계와 유사한 기능을 제공하도록 만든 머신러닝 시스템이 궁극적으로 보는 각도에 따른 매개 정보를 산출한다는 수학적 증명도 있다.

이 모델은 두뇌가 사용하는 알고리듬은 물론이고 이 알고리듬을 구현한 두뇌의 회로까지 포함한다. 포지오 교수는 안면과 다른 사물을 불변 표상(invariant representations)으로 정형화시킬 수 있다고 생각해 왔다. 인간과 원숭이 뇌를 자기공명 스캔한 결과도 이런 가설을 뒷받침해주고 있지만 2010년에 들어서야 좀 더 자세한 연구 결과가 나오기 시작했다.

시신경에서 생성된 정보는 얼굴의 방향에 민감도가 다른 두뇌 영역을 지나게 된다. 첫 번째 뉴런 영역은 특정 방향의 얼굴에만 반응하고 마지막 영역은 얼굴 방향과는 상관없이 활성화되는 불변 표상으로 나타나는 식이다. 이때 중간 영역의 뉴런들은 거울 같은 대칭성(mirror symmetric)을 보인다. 즉, 특정 각도의 얼굴에만 반응한다. 머신러닝 시스템은 모델에 포함되어 있지 않던 이런 현상을 재현한 것이다.

이 머신러닝 시스템은 인공 신경망으로 인간 두뇌의 동작 구조와 거의 유사하게 동작하도록 구현한 것이다. 원래 포지오 연구팀은 템플릿이라고 불리는 불변 표상이 신경망의 학습으로 나타나도록 학습시켰다. 그 결과, 새로운 얼굴이 제시되면 이 템플릿과 어떤 차이가 있는지를 측정할 수 있다. 이 접근법에서는 얼굴의 각도와는 상관없이 거의 동일한 결과를 보였다. 하지만 템플릿을 기억한다는 것은 생물학적으로 타당하지 않은 듯했다.

새로운 신경망 모델은 문헌에서 종종 “함께 활성화되는 뉴런은 함께 연결되어 있다"는 헵스의 규칙(Hebb’s rule)을 적용했다. 학습 과정에서 보다 정확한 결과를 보이는 뉴런들의 가중치를 개별적이거나 전혀 기여하지 않는 노드보다 높게 조절했다. 흥미로운 점은 이 접근으로도 불변 표상을 달성했으며, 중간 영역에서 인간의 두뇌에서와 마찬가지로 거울 같은 대칭성을 보였다는 것이다.

두뇌를 더 잘 이해하게 되면, 기본적인 기능을 구현하는 것만으로도 예상하지 못했던 결과를 나타낸다는 연구를 통해 언젠가 인공지능이 스스로 생각하고 행동할 수 있는 시점이 멀지 않았음을 보여준다.