스팸 필터링 AI, 히드라 신경 반응 실시간 해독

원래 스팸 필터링용으로 개발된 머신러닝 알고리즘을 사용해 연구진이 히드라(hydra)의 행동을 분석했습니다. 실시간으로 행동을 분석하고 히드라의 뉴런이 다양한 환경에 어떻게 반응하는지 보여줍니다. 이를 위해 히드라의 모든 활동이 담긴 비디오에 '단어 가방(bag-of-words)' 분류 모델을 적용했습니다.

머신러닝 알고리즘

우리는 수세기 동안 동물 행동을 연구해 왔습니다. 세밀한 관찰과 끈질긴 주의가 필요합니다. 하지만 식별과 분류 과정을 자동화할 효율적인 기법들도 있습니다.

최근 컬럼비아 대학교 과학자들이 스팸 필터링 알고리즘으로 동물 행동을 분석하는 방법을 시연했습니다. 비디오에서 히드라의 완전한 행동 레퍼토리(behavioral repertoire)를 골라내는 자동 행동 분석 파이프라인을 구축했습니다.

히드라는 재생 능력을 가진 담수 생물로, 노화로 죽지 않습니다. 뇌는 없지만 몸체를 따라 수백 개의 뉴런이 뻗어 여러 행동을 조율합니다.

예측 가능한 방식으로 행동하며, 그들의 행동과 뉴런 발화를 비교함으로써 과학자들은 복잡한 동물의 신경계 작동 원리를 이해할 수 있습니다.

AI는 벌레 기어다니기, 파리 날기 등을 부분적으로 분석하는 데 쓰였지만, 머신러닝으로 동물 행동을 기술한 것은 이번이 처음입니다.

머신러닝 알고리즘

이 알고리즘은 실시간으로 행동을 분석합니다 — 연구자들이 히드라가 무언가를 학습할 수 있는지, 한다면 뉴런이 어떻게 반응하는지 관찰하는 데 도움을 줍니다.

2017년 연구진은 4가지 구부리기와 신장 행동을 제어하는 4가지 신경 회로 유형을 발견했습니다. 이는 히드라 신경계가 행동을 제어하는 방식을 이해하는 데 도움이 되었습니다.

이제 한 단계 더 나아가 히드라 행동의 완전한 세트를 목록화했습니다.

팀은 히드라의 모든 활동이 담긴 비디오에 잘 알려진 '단어 가방(bag-of-words)' 모델을 적용했습니다. 이 모델은 정보 검색과 자연어 처리에서 쓰이는 단순화된 표현입니다. 또한 연구진은 비지도 방법과 비주석 행동을 식별했습니다.

히드라 뉴런들, 녹색 형광 지표로 표시 | 출처: Columbia University

참조: eLifeSciences | doi:10.7554/eLife.32605.001 | Columbia University

'단어 가방' 모델은 비디오와 이미지를 시각적 '단어'들의 '가방'으로 간주합니다 — 그림의 작은 패치들이나 그런 작은 패치들에서 추출한 모양 및 비디오 특징들. 다른 방법들에 비해 방향, 가림, 시야각 변화 같은 도전에 더 강건합니다.

효율을 높이기 위해 연구진은 이 모델을 밀집 궤적(dense trajectory, 모양과 움직임 통계 인코딩), 신체 부위 분할(body part segmentation, 공간 정보 기술), 피셔 벡터(Fisher vectors, 시각적 단어를 통계적으로 표현) 등 다른 계산 방법들과 통합했습니다.

알고리즘은 수시간의 비디오를 순환하며 반복되는 동작들을 탐지했습니다. 마치 이메일에서 단어가 몇 번 나타나는지 조사해 주제/제목을 골라내고 플래그를 지정하듯이.

이미지 출처: Yuste Lab / Columbia University

이전에 보고된 10가지 행동이 알고리즘으로 성공적으로 식별되었습니다. 사실 그중 6가지 행동이 주변 시나리오 변화에 반응하는 것으로 평가되었습니다. 결과는 꽤 흥미로웠습니다 — 히드라 행동은 거의 변하지 않았습니다. 불을 끄든 켜든, 먹이를 주든 안 주든, 같은 행동을 여러 번 반복했습니다.

앞으로의 계획

연구진은 자극 실험으로 히드라 행동 변화를 관찰할 계획입니다. 궁극적 목표는 히드라 신경망이 어떻게 행동을 생성하는지 드러내는 신경 코드를 밝히는 것입니다. 향후 이 기법은 수천 세기에 걸쳐 진화한 다른 생물체에도 주입될 수 있습니다.

관련 기사: 새 머신러닝 모델, 치명적 감염 예방

이 연구에서 얻은 것들은 열악한 환경에서 항해하는 비행기와 배 같은 기계의 정확한 제어와 안정성 유지에 관여하는 다른 공학 분야에도 도움이 될 수 있습니다.