MIT 신경과학자 에브 페도렌코는 약 1,400명의 뇌를 스캔하여 "ChatGPT의 생물학적 버전"과 유사한 언어 네트워크를 발견했습니다. 이 네트워크는 사고나 정서 담당하지 않으며, 오로지 단어를 의미에 매핑하고 이를 문장으로 구성하는 데 집중합니다. 이 연구는 언어와 사고의 분리를 밝혀내어 뇌의 숨겨진 미스터리를 다시 탐구하게 합니다.
여러분의 뇌 속에서 "ChatGPT의 생물학적 버전"이 작동하고 있다고 말씀드리면, 믿으시겠습니까?
이는 비유가 아닙니다. 우리의 뇌는 실제로 언어를 처리하도록 특별히 설계된 신경계를 가지고 있습니다.
사고나 정서 담당하지 않습니다. 오직 한 가지 일, 즉 단어와 의미를 연결하고 이를 문장으로 연결하는 일만 담당합니다.
신경과학자 에브 페도렌코는 이 시스템을 "언어 네트워크"라고 불렀습니다.
뇌의 자연스러운 LLM 시스템
많은 사람들은 언어와 사고가 같은 과정이라고 생각하고, 단어를 찾는 과정 자체가 사고의 한 형태라고 생각할 수도 있습니다.
하지만 인간의 언어와 생각은 같은 것일까요?
언어는 사고의 핵심인가, 아니면 완전히 독립적인 과정인가?
이에 대해 페도렌코는 다소 반직관적인 관점 제시했습니다.
언어는 사고와 동일하지 않습니다. 언어는 사고의 "인터페이스"이자 "외부 포장"과 같습니다.
많은 사람들에게 올바른 단어를 찾는 것은 별도의 시스템의 산물이 아니라 사고 그 자체의 필수적인 부분입니다.
그녀는 사고로부터 독립적인 이러한 특수한 시스템을 "언어 네트워크"라고 부르는데, 이는 단어와 그 의미 사이의 대응 관계를 매핑하는 데 사용됩니다.
Fedorenko는 이를 향상된 파서로 구상했습니다.
"그것은 마치 지도와 같아서 뇌의 어느 부분이 어떤 유형의 의미를 저장하는지 알려주고, 향상된 파서와 같아서 우리가 언어를 조각조각 모으는 데 도움을 줍니다."
진짜 사고와 흥미로운 일들은 모두 이 언어 네트워크 밖에서 일어납니다.
사실, ChatGPT가 등장하기 훨씬 전부터 Fedorenko는 지난 15년 동안 인간 뇌의 언어 네트워크에 대한 증거를 수집해 왔고, 이것이 대규모 모델(LLM)과 많은 유사성을 가지고 있음을 발견했습니다.
어떤 의미에서 우리는 실제로 "ChatGPT의 생물학적 버전"을 가지고 있습니다. 즉, 마음이 없는 언어 처리기입니다.
페도렌코의 연구는 어느 정도 위안을 줄 수 있다. 기계가 유창한 텍스트를 생성할 수는 있겠지만, 여전히 생각할 수는 없다는 것이다.
페도렌코는 MIT의 연구실에서 15년 동안 언어 네트워크에 대한 생물학적 증거를 축적해 왔습니다.
대규모 모델과는 달리, 인간 언어 네트워크는 그럴듯하게 들리는 문장을 형성하기 위해 무작위로 단어를 연결하지 않습니다.
LLM은 외부 입력(듣는 것, 보는 것, 수화 언어 등)을 뇌의 다른 영역(예: LLM에는 없는 에피소드 기억과 사회적 인지)의 의미 표현과 연결하는 번역기와 더 비슷합니다.
게다가 인간 언어 네트워크는 그리 크지 않습니다. 관련된 모든 조직을 모아도 딸기 크기 정도밖에 되지 않습니다.
비록 작은 규모이기는 하지만, 손상되면 그 영향은 엄청날 수 있습니다.
예를 들어, 손상된 언어 네트워크는 다양한 형태의 실어증으로 이어질 수 있습니다. 이러한 경우, 사람의 복잡한 사고는 여전히 존재하지만, 자신을 표현할 수 없는 뇌에 갇혀 다른 사람이 하는 말을 구분하지 못하는 경우도 있습니다.
MIT의 박사후 연구원인 안드레아 데 바르다(왼쪽)와 핼리 올슨(오른쪽)과 함께 있는 페도렌코.
그녀는 1,400명의 뇌를 스캔하여 인간 뇌의 "언어 네트워크"를 발견했습니다.
페도렌코는 1980년대 소련에서 자랐으며 어린 시절부터 언어에 관심을 가졌습니다.
그녀는 어머니의 요청에 따라 러시아어, 영어, 프랑스어, 독일어, 스페인어, 폴란드어 등 6개 언어를 배웠습니다.
그녀는 뛰어난 학업 성적 덕분에 결국 하버드 대학교에서 전액 장학금을 받았습니다.
그녀는 하버드 대학교에서 언어학을 전공했지만, 공부하는 동안 언어학의 한계를 발견했습니다.
"이런 언어학 수업은 흥미롭지만, 실제 세계가 어떻게 돌아가는지 설명하는 것보다는 퍼즐을 푸는 것에 더 가깝습니다."
그래서 그녀는 심리학을 공부했습니다.
2002년에 그녀는 하버드 대학교에서 심리학과 언어학 학사 학위를 받았습니다.
그 후 페도렌코는 MIT에서 인지과학과 신경과학 분야 대학원 과정을 이수했고, 2007년에 박사 학위를 받았습니다.
이 기간 동안 그녀는 얼굴을 인식하는 데 특별히 책임이 있는 부위인 측두엽 얼굴 영역을 처음으로 발견한 낸시 칸위셔와 함께 일하기 시작했습니다.
페도렌코는 언어와 관련된 뇌 영역을 찾고자 했지만, 당시 이 분야의 연구 기반은 매우 취약했습니다.
약 1,400명의 피험자를 대상으로 한 뇌 스캔에서, 페도렌코는 광범위한 언어 네트워크를 발견했는데, 이를 "언어 계산을 항상 담당하는 조직"이라고 정의했습니다.
페도렌코는 축적된 연구 결과를 바탕으로 2024년 Nature Reviews Neuroscience에 리뷰 논문을 발표했습니다.
그녀는 인간 언어 네트워크를 "자연적 범주"로 정의합니다. 즉, 언어 처리를 전문으로 하는 자연스럽고 독립적으로 형성된 기능적 단위로, "모든 일반 성인의 뇌 속에" 존재합니다.
페도렌코의 사무실에 있는 세 가지 뇌 모델은 언어 네트워크를 강조합니다. 위에서 아래로: 보라색은 로라 분데센의 자수, 빨간색은 한나 스몰의 십자수, 그리고 빨간색은 3D 프린팅 모델입니다.
언어 네트워크란 무엇인가?
성인의 뇌에는 언어 구조를 계산하는 역할을 하는 상호 연결된 핵심 시스템이 있습니다.
그들은 단어와 그 의미 사이의 매핑을 저장하고, 단어를 결합하여 문장을 만드는 규칙도 저장합니다.
이것들은 우리가 언어를 배울 때 배우는 것들입니다.
일단 이 코드를 완벽하게 익히면, 우리는 이 "코드"를 매우 유연하게 사용할 수 있습니다. 즉, 언어를 알면 아이디어를 어순으로 바꿀 수 있습니다.
페도렌코는 언어 네트워크가 인체의 다른 기관과 마찬가지로 특정 위치를 나타내는 물리적 구조를 가진 자연스러운 범주라고 주장했습니다.
예를 들어, 방추상회는 명확하게 정의된 기능적 단위입니다.
언어 네트워크에서 대부분의 사람들은 전두엽 피질에 세 개의 영역을 가지고 있는데, 모두 좌측 전두엽의 측면에 위치해 있습니다.
또한, 측두엽 전체를 따라 뻗어 있는 크고 두꺼운 조직인 중간 측두회의 측면을 따라 여러 영역이 분포되어 있습니다.
이것들은 언어 네트워크의 핵심을 구성합니다.
우리는 다양한 관점에서 그들의 전반적인 성격을 볼 수 있습니다.
예를 들어, 언어 처리의 차이를 관찰하기 위해 사람들을 fMRI 스캐너에 넣었을 때, 이러한 영역은 항상 함께 변합니다.
페도렌코는 지금까지 약 1,400명을 스캔했으며, 이 지역에서 가장 가능성이 높은 위치를 보여주는 확률 지도를 만들 수 있었다고 말했습니다.
개인마다 약간의 차이는 있지만, 전반적인 패턴은 매우 일관적입니다.
전두엽과 측두엽의 넓은 영역 내에서 각 사람은 언어 계산을 안정적으로 수행하는 어떤 조직을 가지고 있습니다.
언어 네트워크는 브로카 영역 등 다른 언어 관련 뇌 해부학적 영역과는 다릅니다.
페도렌코는 브로카 영역이 발성을 계획하는 영역이라고 생각합니다.
주로 음성의 음성 표현을 기반으로 이러한 소리를 발음하는 데 필요한 동작을 계산하고, 입 근육의 활동을 지시하며, 언어 네트워크의 하위에 속하고, 언어 네트워크에서 전송되는 구조화된 언어 정보를 수신합니다.
언어 네트워크는 발성이나 사고를 담당하지 않습니다. 언어 네트워크는 본질적으로 저수준의 지각과 운동 시스템으로, 그 자체와 추상적 의미와 추론의 고수준 시스템 사이의 인터페이스 역할을 합니다.
페도렌코는 인간이 언어를 주로 두 가지 목적으로 사용한다고 언급했습니다.
첫 번째는 표현입니다. 막연한 아이디어가 떠오르면, 어휘에서 단어 집합을 골라내어(단어뿐만 아니라 더 큰 구조와 조합도) 이 아이디어를 표현합니다.
그러면 언어 네트워크가 어순을 운동 체계에 전달하여 말하고, 쓰고, 수화로 표현할 수 있게 합니다.
두 번째는 이해입니다. 소리가 귀에 들어오거나 빛이 눈에 들어오면, 지각 체계는 먼저 입력 내용을 단어 순서로 처리합니다.
그러면 언어 네트워크가 이를 분석하고, 어순에서 익숙한 부분을 찾아 다른 곳에 저장된 의미 표현을 가리킵니다.
표현과 이해 모두를 위해, 이 시스템은 끊임없이 업데이트되는 "형태-의미 매핑 저장소"입니다.
이 코드를 완벽하게 터득하면, 우리는 생각을 표현할 수 있을 뿐만 아니라, 다른 사람이 말하는 것을 이해할 수도 있습니다.
언어 네트워크의 기능은 의사소통입니다. 그렇다면 언어 네트워크는 얼마나 전문화되어 있을까요? 특정 담론에 특별히 반응하는 세포들이 있을까요?
페도렌코는 언어가 맥락에 따라 달라진다고 믿었고, 따라서 언어 네트워크 시스템 내의 인코딩 방법이 어느 정도 분산되어 있으며, 언어의 특정 측면에 특히 반응하는 뉴런이 있을 수 있다고 추측했습니다.
예를 들어, 언어 네트워크 영역의 일부 세포는 서면 언어와 청각 언어에 비슷한 반응을 보일 수도 있습니다.
페도렌코는 언어 네트워크의 패턴이나 특성을 논의할 때 뇌의 일반적인 사물 인식 메커니즘이 언어 네트워크의 추상화 수준과 매우 유사하다고 주장합니다.
이는 하측 측두엽 피질이 물체 모양의 조각을 저장하는 방식과 유사하며, 방추상회가 "얼굴의 템플릿"을 저장하는 방식과 유사합니다.
우리는 이러한 표현을 사용하여 실제 세계의 사물을 식별하지만, 그 자체로는 세계에 대한 우리의 지식과 직접적인 관련이 없습니다.
"무색의 녹색 생각은 화난 채로 잔다"라는 의미 없는 문장을 예로 들어 보겠습니다. 우리는 그 구조를 대략적으로 이해할 수는 있지만, 실제 지식에 적용할 수는 없습니다.
페도렌코와 다른 팀의 연구에 따르면 언어 네트워크는 의미 있는 문장에 반응하는 것과 거의 같은 강도로 의미 없는 문장에 반응한다는 것이 확인되었습니다.
이는 언어 네트워크가 "어리석다"는 것을 의미하는 것이 아니라, 오히려 상대적으로 얕은 시스템이라는 것을 의미합니다.
페도렌코는 "모든 사람이 머릿속에 LLM을 가지고 있다"는 생각에 동의합니다.
그녀는 언어 네트워크가 여러 면에서 초기의 대규모 모델과 유사하다고 믿습니다. 즉, 언어 규칙과 단어 간의 관계를 학습한다는 것입니다.
실제로는 매우 유창하게 말하는 사람을 만날 수도 있지만, 잠시 듣고 나면 그 사람이 실질적인 말을 한 것이 아니며 뇌가 아무런 손상도 입지 않았다는 것을 깨닫게 될 수도 있습니다.
이는 그들이 뇌에서 언어 네트워크만 활성화했고, 사고 부분은 전혀 사용되지 않았다는 것을 나타냅니다.
인간의 언어가 ChatGPT와 같은 "무의식적" 시스템에서 유래했다는 것은 직관에 반하는 것처럼 들릴 수 있습니다.
게다가 페도렌코는 처음에는 언어가 고차원적 사고의 핵심이라고 믿었지만, 그녀의 이후 연구는 이 가설을 뒷받침하지 못했습니다.
그녀는 이미 2011년 초부터 언어 네트워크의 모든 부분이 언어에 매우 특화되어 있다는 사실을 잘 알고 있었습니다.
"과학자들에게 유일한 선택지는 지식을 업데이트하고 탐구를 계속하는 것입니다."
참고문헌:
https://www.quantamagazine.org/the-polyglot-neuroscientist-resolving-how-the-brain-parses-language-20251205/
본 기사는 위챗 공식 계정 "뉴지위안" 에서 발췌하였으며, 저자는 뉴지위안이고, 36Kr의 허가를 받아 게재되었습니다.
