[네이처 특별발표!]초파리 성체 뇌지도 완성! 과연 어떻게 가능했을까? 초파리 뇌지도로 알 수 있는 것은 무엇일까?! 다음 뇌지도는 OO이다? (서울대학교 배준환 박사 2부)

안될과학 Unrealscience
147 팔로워
초파리 성체의 뇌지도가 완성되다!
오랜시간의 연구끝에 초파라의 모든 뇌지도가 완성이 되었다는데!
과연 어떻게 뇌지도를 만들어낼 수 있었을까?!
그리고 다음 목표는 무엇일지?!
서울대학교 배준환 박사님과 함께 알아봅니다!
◆ 2024 신상 굿즈 2025 탄생의 역사 달력 + 유니버스 맨투맨
모어사이언스 스토어에서 만나볼 수 있습니다!
https://smartstore.naver.com/morescience
#초파리 #뇌지도 #커넥톰 #네이처 #서울대학교 #배준환
◆ Thanks to
Editor: 이재현
Studio: 서울 스트리밍 스테이션
Guest; 서울대학교 배준환 박사
◆ 안될과학-모어사이언스 스마트스토어 (과학굿즈)
https://smartstore.naver.com/morescience
◆ 안될과학 인스타그램
https://www.instagram.com/unreal.science
◆ 안될과학 커뮤니티
https://cafe.naver.com/unrealscience
◆ 안될과학 문의
E-MAIL : [email protected]
클라우드에는 GPU 쓰는데 하나의
GPU 한시간 빌리 1달러 뭐
1000원이라고 계산 할게요 2
3,000 개씩 돌리는 거예요 동시에
그래서 3,000개를 동시에 돌린다고
생각하면은 한시간 돌리면 3,000
달러예금 이거를 10시에 퇴근했어
아침 6시에 일어나서 확인을 했는데
에러가 났어 와 그럼 8시간 지난
거잖아요네 400만 원인데 8 시간
3천만 원 날아간
거죠 인사할 시간도 많습니다 여러분의
시간을 낭비해 드릴 느리지만 쿨랑
과학 미팅입니다 반갑 니다 교수님들
반갑습니다 아 신경지도 만든 건 너무
역사적이고 좋은데 친구 하나 더 해
볼까 할 수 있겠어요 10년 더 써
가지고 기술의 도움이 필요해서
여기서부터 이제 인공지능의 역사를 좀
한번 돌이켜 보면 좋아요 리스트라
데이터주 이제 굉장히 유명한
데이터예측 다 적어 놓은 걸 집합해서
모아 놓은 건데 머신 러닝 공부하거나
뭐 딥러닝 모든 통계 분석까지 공부할
때 저게 0인지 1인지 2인지 구분
그걸 위한 데이터 세신 거죠 그렇죠
그렇죠 그래서 이제 저거를 이제
남세동 대표님이 이 과정은 너무 잘
설명을 해 주셔 가지고 얀레쿤이라고
AI 4대대가 중 한 분이죠 튜링
어워드를 받으신 1989년에 그분의
이름을 따서 르네이 아는게 나와요
이제 학습을 처음으로 시키신 거죠
학습을 시켜 가지고 0에서 9까지
굉장히 잘 구분 저 당시 컴퓨터를
사실 어떻게 했는지 아마 램이 1에서
4mb 정도였을 것 같은데 바트요
저기 쓰시는 분들은 그랬을 수 있겠다
그래서 아마 그게 고사양 컴퓨터였다
엄청 고사 그래서 저걸 가능하게 했고
저게 어디 쓰냐면 이제 우편 번호
입는다 쓰여요 그때 적용 분야를
찾아야 되니까 까 그리고 이제 저거를
더 개발을 하셔 가지고 90년
후반으로 넘어가면 이젠 알파벳까지
구분 수 있게 합니다 이게 신기한데
이게 끝인가 더 뭐가 안 나오나 하고
이제 겨울이 왔죠 겨울이 오니까 이제
연구는 더 안 되고 근데 어쩌야
되니까 이걸 보통 수표 인다 써요
글자랑 숫자만 있으니까 이제 AI
겨울에 대해서 제 프린트는 인터뷰한게
있어요 인간의 뇌를 모방해서 기계를
만드는 거에 가장 어두웠던 순간이
언제냐고이 리포터가 물어보니까 그
당시에 이렇게 대답을 해요
뇌과학자들이 심리학자들은 믿고 있었다
될 거라고 근데 컴퓨터 과학자 들은
그 레이블된 데이터가 많이 없고
그리고 이제 컴퓨터 성능이 GPU
나오기 전이니까 안 좋아서 믿지
않았던 사람들이 있었던 거 같아
그리고 아까도 말했다시피 그거 이상
발전을 못 했어요 근데 그때 뭐
서포트 벡터 머신이라 그런
알고리즘들이 조금 더 향상된 성능을
보이니까 사람들이 어 이거 왜 하지
수학적으로 증명되는 방법이 있는데
해가지고 이제 겨울이 왔는데 이제 그
겨울을 깨신 분이 저 제플 힌튼 이죠
노벨 물리학상 수상자이신 제프리 힌튼
그서 대표님 말을 빌리면 다양한
특약을 드 오시고 GPU 나오면서
모든 챌린지들 1등을 찍어 버리십니까
여기서 봐야 되는 건 지금까지는 전자
현미경 사진을 줬을 때 경계선을 찾는
걸 못 하죠 고작해야 0에서 9까지
구분하기 나와요 그게 이제
이미지넷이란 데이터가 더 발전을 해서
그리고 이게 단순히 두 개에서
구분하기 다양한 사진들을 각각의
레이블로 구분 해라라는 문제가 생긴
거죠 여러분들도 비밀번호 까먹었을 때
많이 하셨을 거예요 여기에서
횡단보도를 찍으시오 여러분들 덕분에
지금의 인공지능이 있는 겁니다 노벨
물리학상에 기여하신 그래서 이제이
문제에 대해서 가장 좋은 해답을
찾아낸게 이거 제프 린턴 교수님
랩에서 나온 알렉스 넷이 나오면서 그
전에 있던 모든 기록을 갈아 치웁니다
이게 가능해지니까 이즈음에 이제
생각이 들죠 어 내가 원하는 문제랑
비슷해진 거죠 그래서 저희 박사지지도
교수님이 이때 슬슬 AI 사용해 볼까
고작 천기 이미지 겐지 고양이지 구분
수 있는 거니까 저것까지 하기는
성능이 안 나왔던 거 그렇죠 그 그죠
그래서 이거 어떻게 해야 될까 하다가
이거 그만둘 순 없잖아요 아 인공
지능만 안 되겠구나 인공지능에
인간지능을 섞자 근데 인공지능이
생각보다 더 안 되니까 인공지능을 좀
적게 쓰고 인간 지능을 좀 더 쓰자
쓰긴 쓴다 인공지능이 세포를 다
완성해 주는게 아니라 퍼즐 조각을
만드는 거예요 얘네들이 조각 만드는
건 되게 잘하는 거예요 그래서
패러미터를 잘 조절해서 조각들을
무수히 많이 만들어 내고 그럼
사람들이 조립만 하자 퍼즐 맞추는
것도 생각보다 간단한 그게 아니에요
그래서 이거 저것도 이제 제가 임의로
놓 거 같은데 어쨌든 그렇게 큰
데이터셋이 아니니까 한 세포를 저렇게
퍼즐 조각 맞춰 가지고 다 이으면 한
50시간 걸린다고 생각을 해요
50시간 걸리는데 한 1,000개
세포가 있어요 그러면 급하면 5만
시간 걸리는 거죠 근데 어쨌든 저희는
하루 8시간 그 근무 지켜야 되니까
그거 지켜 가지고 계산을 하면
6,250 1이에요 저렇게 일하면
졸업 못 하는데 어 아 역시 대학원
출신은 다르네요 최소 1시간에서
15시간 정도는 역시 박사님 그럼요
그래서 이제 새롭게 계산을 하면은
17년이 넘게 걸려요 말이 안
되잖아요 저가 까 맞죠한테 10년
걸린 거 10년 플러스 딱 저 계산이
나오는 거야 기가 막게
계산하셨죠아요 그리고 이제 제 박사
ze지도 교수님은 좀 더 착하신
교수님이었다 거죠 저거 대학원생 시킬
수 없다 근데 한 사람이 하면 너무
오래 걸리니까 그럼 당연히 여러
사람을 데려와야죠 그래서 혹시 단백질
구조 예측할 때 최정모 교수님이
언급하셨는데 이게 다 보셨네요 아
그럼요 전 다 봅니다 인공 진행이 잘
안 되니까 뭘 만들어 단백질 접하는
걸 사람이 하면 더 잘할 것
같아가지고 게임 만들었죠 그죠 게임을
만들었어요 그래서 이제 아이라는
게임을 만듭니다 그러니까 기승전
게임이 나왔다이 사람들이 뭘 하고
있는 거지라는 걸 생각해 봐야 돼요
게임 이름에서 아시다시피 아이잖아요
눈에 있는 세포들의 데이터셋을 그
조각 맞추기 하는 거예요 그래서 조각
맞추기를 하면은 가서 퍼즐 맞추기를
하는 거예요 어쨌는 게임이 돼야
되니까 점수가 필요하잖아요 저런
식으로 채점이 돼요 랭킹 보드가
있어요 또 저희 승강제도 말씀하셨는데
승진이 있습니다
티어 같은게 있는 거예요 레벨도
늘어나는데 이제제 뭐이 사람이 진짜
전문가 같다 하면은 약간 매니저 같은
자리를 하나 줘요 와 그 사람은 어떤
사람이 한 거를 가서 알아서 수정할
수가 있어요 어 너 이거 틀렸어 내가
맞아 그래서 이제 저런 모티베이션을
게임을 한 것도 있지만 단백질 접는
게임 디도 마찬가지지만 이제 저의
슬로건이 있죠 for 사이언스 과학을
위해서 모두가 과학자다라고 해가지고
그 데이터를 얻은 거로 실제로
논문들이 많이 나왔습니다 그 논문의
가장 마지막 저자에 이제 게임
플레이어들을 적어 놓았고 그 서플
데이터에 들어가면은 게임 아이디들이
쭉 나열이 돼 있습니다 아 얼마나
좋아 게임하고 논문 쓰고 그렇죠 저거
덕분에 제 첫 논문이 나왔습니다
데이터 다네 아 이때 또 획기적인
변화가 하나 일어나요 이제 점점
어려운 테스크를 푸는 거죠 이제
1,000개 구분하기 풀었으니까 이제
다음 문제가 뭐냐면은 보시다시피 저게
세포 든요 세포 찾는 거예요 우리가
원하는 태스크란 비슷하잖아요 세포
경계선 찾고 있으니까이 챌린지가 나온
거예요 근데 2015년에 이제
유닛이라는 획기적인 모델이 나옵니다
저게 지금까지도 되게 잘 돼요
성능표를 보시면 숫자가 높을수록 좋은
그죠 압도적으로 이기고 있 저게
2015년 제가 박사를 시작할 때요
이제 저게 나왔으니까 본격적으로
인공지능 작게 쓰지 말고 인공지능을
좀 더 써 보자 해가지고 이제
저때부터 미국 정부에서 프로젝트를
받아 가지고 더 큰 데이터까지 처리할
수 있도록 시작을 한 거죠 가장
왼쪽이 정렬하는 것도 딥러닝을 활용을
했고 세포 색칠하는 과정도 AI
활용을 했고 시냅스 찾는 과정도
인공지능을 활용을 했고 모든 것들이
다 완성이 됐는데 무슨 변화가
있었냐면 학습 데이터가 압도적으로
많아졌고 컴퓨터 능력이 발전된 것 도
굉장히 커요 그리고 당연히 이제
알고리즘을 이제 저희 연구실에서 모든
부분에 딥러닝을 적용하면서 모든
부분을 어떻게 하면 더 저비용으로
높은 정확도를 할 수 있을까 개발
과정이 몇 년에 걸쳐 가지고 이제
약간 연도별로 해 놨는데 첫 번째
목표가 가장 왼쪽에 있는게 그
게임으로 만들 데이터가 저
데이터였다 비슷한 사이즈의 데이터를
처리할 건데 고해상도가 시냅스가 찾아
가지고 완벽한 신경 회로를 재구성할
수 있는 파이프라인을 만들어라 그게
이제 테스트인 거죠 그래서 그걸
성공적으로 완료를 하고 그다음에 이제
5년 과제였는데 최종 5년째 과제가
그러면 테스트 되니까 1000배 늘려
봐 해가지고 전체 데이터 사이즈가
1mm 바 1mm 1mm 저게 어느
정도 크기인지 감이 안 오죠 그 엄청
작잖아요 저거 데이터 사이즈가 몇일
거 같아요 기가바이트 단위에
페타바이트
와 1000기가 1테라바이트 1000
테바가 1페타바이트 그럼 저걸
알고리즘을 돌리려면 돈이 엄청
들어간다는 거 그럼 이제 저걸 GPU
어쨌든 연산을 해야 되잖아요 모든
부분에 대해서 찾아야 되니까 GPU
써야 되는데 한 개 쓰면은 너무 오래
걸리니까 이게 조각조각 내 가지고
처리를 하니까 그럼 GPU 더 많이
써야지 더 짧은 시간에 끝낼 수
있겠구나 해가지고 저희는 이제
클라우드에 있는 GPU 쓰는데 하나의
GPU 한시간 빌리는데 1달러 뭐
1000원이라고 계산을 할게요 2
3,000 개씩 돌리는 거예요 동시에
블랙홀 사진 찍을 때 이제 마원 경이
전 세계에 있는 거를 썼잖아요 그
정체 자료가 페타바이트 정도 됐거든요
근데 그거를 데이터로 송신을 할 수가
없는 거야 너무 커서 그래서 이제
뜯어서 비행기로 모아서 한 군데다
모았거든요 근데 여기선 한 군데서
실험 하니까 그럴 필요는 없어 어
되게 좋은 지적인데 저게 프린스턴
자체에서 다 한게 아니에요 이미징은
시애틀에 있는 알렌 인스라 찍었어요
그럼 데이터를 보내야 되니까 이제
실제로 클라우드에 데이터를 저장하는
것도 있는데 이제 백업 데이터를 보낼
때 더 빠른 거는 이제 업로드 시간이
오래 걸리잖아요 하드로 그냥 직접
우편으로 그렇죠 와 여기도 그렇게
했구나 그래서 3,000개를 동시에
돌린다고 생각하면은 한시간 돌리면
3,000
달러예금 했어 아침 6시에 일어나서
확인을 했는데 에로가 났어 와 그 여
시간 지난 거잖아요네 400만 원인데
8시간 3천만 원 날아간 거죠 그래서
이럴 순 없으니까 실제로 대학원생들이
그 정도 사이즈를 돌릴 때는 베이비
슈팅이라는 붙어 있어야죠 그렇죠
에러가 나나 안 나나 계속 관찰를
하고 있는 거죠 물론 이제 테스트
볼륨에 먼저 해보고서 돌아가는지
확인을 하고 그다음에 이제 진짜 런을
돌리긴 하는데 그런 식으로 계산을
한다 초파리 데이터 같은 경우 초파리
전체 내가 저기가 양쪽이 눈이든 이제
거기까지가 750 마로미 그리고 지금
저기서 보이는 높이가 350 미고
여러 장 그쪽으로 갔을 때 250
마로미 큐빅 mm 다 작죠 그리고
해상도는 똑같이 4nm 바 4n
그리고 40nm 두께로 선 거예요
그래서 가능했다 다음 영상이 있는데
보면서 잠깐 얘기하면 좋을 것 같아요
그 좋습니다 지금 저 남자가 제
박사지지도 교수 님이고 그리고
오른쪽에 있는 여자분이 어 그렇죠
그렇죠 어 초파리 등장했어요 어머나
와 이렇게 작은 거야 이미지 정렬를
하고 와 근데 이제 보니까 설명을
듣고 보니까 이걸 다 이해를 할 수가
있겠다 저 지점을 찍어 나가는 거죠
그래서 아까 보셨던 것처럼 그러니까
한 장 한 장 추적해서 따라가다 보면
와 세포를 재구성할 수가 있고 와 어
근데 진짜 설명을 듣고이 영상을
보니까 다 이해가 되네요네 그리고
이제 세포들 사이에 연결을 찾아야
되니까 인접한 세포들의 신경 전달
물질이 전달되는 이렇게 해서 초파리
전체 뇌지도 나왔다 그동안 발표했던
거의 총 요약이 이겁니다 이제이
과정이 완료가 돼서 실제로 회사들이
나오고 있어요 전자 현미경 사진을
주면은 이제 저 신경 회로까지
재구성을 해 가지고 주는 회사 그래서
저 연구실 같은 경우도 이제 제타
AI고 해 가지고 회사를 만들었고
이건 이제 학계에서 개발할게 아니라
이제 완성이 됐으니까 최적화 하는
거는 회사에서 할 일이다 아 그렇죠
이제 나사에서 우주 발사체 기술 개발
했으니까 스페이스 엑가 발전시키는거다
이렇게 보시면 되죠 인간내는 제타
바이트가 될 거 같으니까 저거를
포부로 저렇게 이름을 만들었는데이
그래서 이제 시콘 싱처 어떻게 보면이
신경 회로를 만드는게 더 쉬워질 수도
있겠죠 파리 다음에는 또 뭐가 될까
모기가 될까 뭐고 제브라 PC 있고
뒤도 있고 근데 아직 끝이 아니에요
인공지능을 많이 키우긴 했는데 여전히
인간 지능이 있긴 하죠 저걸 지울 수
있으면은 좋겠는데 안타깝게도 지울
수가 없어요 정확도가 많이 높아졌어요
이제 퍼즐 조각 만들지도 않고 웬만한
세포 모양을 직접 만들어 내요
인공지능이 근데 아쉽게도 AI n
완벽하지 않아요 가장 왼쪽에 보이시는
것처럼 돌기 하나가 끊어질 수도 있고
너무 얇으니까 이제 뭐 이미지에서 잘
안 보였거나 아니면은 뭐 신경 줄기
하나가 중간에 끊어져 있을 수도 있는
거고 이제 반대로 끊어지는 거 말고
인접한 세포가 세포막이 잘 구분이 안
돼서 하나로 붙 그렇죠 생물학이 사실
굉장히 노이지 시스템 이잖아요
그래서이 하나의 오류도 잘 봐야
생물학에서 하나의 오류는 끝에 완전히
다른 결과를 나을 수도 있기 때문에
이게 진짜 노이즈 때문에 그런 건지
아니면 실제 저희 기술의 실수 때문에
그런 건지 구분이 안 되니까 그만큼
정확한 데이터를 가지고 분석을 해야지
잘할 수가 있는 거죠 이제 과학자로서
저걸 믿을 수 없다 더 정확하게 해야
된다 해가지고 한 과정이 더 있어요
이제 휴먼 프리 피딩이 해가지고
사람이 직접 교정하는 거예요 근데
이제 퍼즐 맞추기 좀 좀 달라요 이제
에러 찾는 것도 어려워요 그 위치를
찾아야 되잖아 줄기 따라가면서 어디
끊겨 있는데 있나 어디 합쳐져 있는데
있나 봐야 되는 거예요 근데 대신
거의 완성돼 있으니까 고치기만 하면
돼서 조금 더 쉬워지긴 했죠 보는 거
자체도 몇만 개 라면서요 정확한
데이터가 필요하고 이제 초파리
데이터는 전자 현미경 사진 보는게 좀
더 전문 지식이 필요해요 그래서 뭘
했냐면 전 세계에 초파리 연구하는
사람 많으니까 당신들이 관심 있는
세포가 있고 회로가 있지 않겠냐 우리
데이터 다 공개해 줄테니까 원하는
세포나 회로가 있 그거는 직접
수정해라 하고 플랫폼을 만든 거예요
두 가지 중요한 점이 있는데 첫
번째는 저 교정하는 것도 말이 쉽지
붙어 있는 거를 떼는 것도 사실
쉬운게 아니고 떨어져 있는 걸 붙이는
것도 그렇게 쉬운 일이 아니에요
그래서 그거를 개발했다는 것도 첫
번째 의미고 두 번째는 여러 사람이
동시에 수정을 하고 있는 거를 계속
데이터베이스를 업데이트해야 되잖아요
그 동시에 수정을 했는데 서로 수정을
해버리니까 안 맞아버리는 수가 있을
수도 있는 거죠 그 시스템을 만든
것도 의미가 있는 거죠 그래서 그
플랫폼을 만들어 가지고 나온게 이제
2019년에 논 이었고 이제 그걸
이용해서 교정을 시작해 가지고
완성된게 이제 이번에 공개가 된
초파리 전체 내지도 그래서 아까
말했듯이 가장 정확한이라고 주장을
하고 싶은 수정 과정까지 거쳤으니
그래서 실제로 예상을 해 보면은이
경우에는 한 사람이 그 모든 수정을
다 했으면은 33년이 걸렸을 거라고
예상을 했어 하루 몇 시간 근무지는
저도 모르겠어요 근데 이거 8시간
가만히 앉아서 보고 있는 거 진짜
고문이 뭐 그럼 다른 동물들은 없냐
다시 예쁜 구모 선 충으로 돌아가면
이제 친구들을 할 수가 있어요 그래서
원래 원래는 자웅동체 만 신경계가
발견이 돼 있는데 이제 수컷들의
신경계도 발견을 했고 예쁜 꼬마
선충은 자웅동체가 있고 수컷이 있으
아무 컷이 있는게 아니고 그래서 또
더 많은 친구들을 할 수 있는데 이제
발생 단계가 있으니까 발생 단계
별로도 이제 커넥터 데이터를 얻을
수가 있고 이제 그러면 당연히
사람들은 척추 동물 정도는 해야지
그래서 척추 동물도 있어요 이제 전체
내지도 있진 않고 아까도 말했다시피
초파리가 유일하니 그래서 척추동물
같은 경우는 이제 가장 먼저 지벌
피쉬가 있죠 제가 원래 투명해 가지고
성체 때는 좀 덜 투명한데
중 델 그래서 거기에 일부로도 돼
있고 근데 제도 여러가지 데이터가
있어요 지금 저건 제가 예시로 하나만
가져온 거고 지들도 있죠 뭐 아까
게임으로 만든 생지의 막막 세포들 제
일부를 가져온 거고 이제 생지
시각피질 큐빅 밀리미터 데이터 그럼
사람은 항상 모든 분들이 질문을
해주세요 사람 있습니다 있어요 일부가
있어요 이제 사람의 대네 피질의
일부를 이것도 마찬가지로 전체
사이즈는 큐빅 미예 근데 이제 사람
같은 경우는 세포가 크잖아요 그리고
질이 여섯개 레이어 져 있는데 내도
크잖아요 그러니까 이게 여섯 개
레이를 다 포함하려면 길쭉하게 찍어야
되니까 근데 전체 볼륨은 큐빅 밀미
똑같거든요 저걸 가지고 과학적 분석을
하기에는 제약이 있는 거죠 리니까
세포 개수는 생각보다 적어요 이게 큰
볼륨인도 57,000 개밖에 없어요
저 당연히 윤리적인 문제 때문에 사람
데이터를 얻기 힘든 것도 있지만 이제
저런 문제 때문에 사람 데이터를
가지고 과학을 하여가 힘들어지는 것도
있어요 너무 일부만 가지고 판단을
해야 되니까 저 조그만 거에 사이즈가
57,000 개가 들어 있는 거예요
그죠 근데 시냅스가 미쳤네요 세포가
큰 만큼 시냅스 많이 가지고 있는
거죠 이게 세포 채가 들어 있는
애들이 있고 그럼 이제 걔가 세포인
줄 아는데 이제 밖에 세포체가 있는데
우리 볼륨 안에는 줄기들 만 있는
그런 애들도 있을 수가 있으니까
시냅스는 사실 그런 줄기들에 시냅스
있을 거 아니에요 그래서 좀 더 많을
수도 있지 데거 한번 확인을 해봐야
될 거 같아 근데 진짜 저 1mm
짜리에 1억 5천만이은 근데 저기
피질 있잖아요 아는 또 어마어마할
거하니 와 그럼이 내지도 가지고
무엇을 할 수 있을까 이제 아까 아홉
개 논문 나왔다 그랬잖아요 그중 이제
한 논문에 있는 과 일부를 예시로
가져왔어 지난 달에 기사가 나오고서
기사를 보다가 댓글에 아 너무 웃겨
가지고 너무 맞는 질문인 거예요 일단
데이터 사이즈가 커 가지고 좀 쉽지
않을 것 같고 두 번째가 초파리가
굉장히 좋은 모델 동물이에요
유전학적으로 굉장히 잘 밝혀져 있고
툴들이 많이 있다 보니까 뭘 할 수
있냐면 세포 하나하나를 타겟할 수가
있어 저렇게 형광으로 볼 수도 있고
세포를 자극할 수도 있고 신호를
측정할 수도 있고 해가지고 이제 저
기술과 함께이 뇌의 지도가 결합이
된다면 할 수 있는게 더 많아지니까
그래서 이제 초 내 지도를 하게 된
거죠 이제 뭐라는 거냐면 초파리가 공
같은 걸 걸어다니는 거죠 오른쪽 두
칼럼만 볼거예요 FG 아는 뉴런이
brk는 세포를 볼 건데 거기를
자극하고 있는 거예요 쟤네들이 뭐
하는 애들이냐 멈추는 걸 유도하는
애들이 왼쪽에 빨간 불빛 켜졌다
꺼졌다 하잖아요 켜지면 자극을 해서
얘네들이 멈춰요 근데 좀 희한한게
다르게 멈춰요 FG 자극했을 때는
약간 엉금엉금 기어가듯이
멈추고를 자극했을 때는 굳어버리는
듯이 멈춰 여기이 논문에서 답하고
싶은 질문은이 멈추는 행동 들이
어떻게 나타나는지 이게 아까 처음에
그 블랙박스에서 하고 싶었던 얘기죠
그리고 두 번째는 왜 두 가지 다른
형태로 멈춰야 되는 내 지도가
없으면은 세포 하나하나를 조작할 수가
있으니까 저런 건 가능해요 아 저
세포들이 멈추는 거를 유도하는 그나
그래서 저 위에 그래프를 보시면 FG
brk 같은 경우는 y 축이 움직인
거리거든요 0이죠 멈춰 가지고
움직이지 못하는 거예요 그래서 저
멈췄는데 근데 이게 어떻게 저거
멈추는 걸 할 수 있을까 하면은
지도가 없으니까 할 수 있는게 뭐
근처 뉴런들 뭐 자극해 보고 확인해
보고 뭐 그러는 거밖에 없는 거 근데
무수히 많은 세포들이 있는데 너무
어렵잖아요 이제 이거를 해결해 주는게
뇌 지동 가죠 저희가 가지고 있는 건
시냅스 수준의 전체 뇌지도 아아
그래서 저기 보시면 FG는 세포가
어디랑 연결되는지 다 파악을 할 수가
있죠 저게 첫 번째 뇌지도 의고 전체
내지도 갖고 있으니까 가능한 일이고
시냅스가 알 수가 있으니까 뭘 할 수
있냐면 이걸 컴퓨터 시뮬레이션을 할
수가 있어 그래서 얘가 어디서 어떤
세기로 연결되어 있는지를 알 수가
있으니까 저 회색 동그라미를 자극하면
실제로 초록색 포랑 파란색 세포에서
신호가 나오는 거를 확인을 할 수가
있다는 거죠 그러면 직접 실험을 하지
않아도 수학적으로이 세포를 자극했을
때 어떤 세포가 반응을 하는지 알
수가 있다는 뜻 그래서 얘네들이
공통적으로 연결돼 있는 애들을
찾았는데 저 두 번째 별표 쳐져 있는
bdn 2라는 세포 보이시죠 저게
컴퓨터 시뮬레이션 돌렸는데
파란색일까 거고 초록색일수록 반응이
있다는 거 근데 쟤네들이 동시에
연결이 돼 있으니까 어 얘네들 걷는
거에 주관하는 세포들이 거 같은데
근데 아까 그까 멈추는 행동이
달랐잖아 근데 쟤네 반응도 하나는
억제돼 있고 하나는 흥분돼 있으니까
쟤네가 그 차이를 유발하는 애가
아닐까 수학적 모델을 세우고 가설을
세운 거죠 근데 수학적 모델은
모델일뿐 실험으로 검증을 해야죠
실험적으로 검증을 할 수 있죠
초파리는 조작 가능하니까 그래서 저기
가장 오른쪽을 보시면 그루밍을 할 때
액티베이션 한다고 적혀 있잖아요 발
비비는 거 이걸 하려면은 멈춰야 돼요
안정적인 자세에 멈춰서 해야 되니까
실제로 이거 할 때 멈춰 있어요
그러니까 저걸 하게 유도를 해요
파우더를 막 뿌려서 얘가 걷는 거에
주관하는 세포인 이제 우리가 가설을
세웠으니까 만약에 맞으면 이거 멈추고
움직이겠지 아무리 파우더가 있어도
했더니 실제로 저 그래프가 보여주는게
실제 속도가 굉장히 올라가죠 움직이네
그래서 아 그 가설이 실험적으로
맞구나 근데 차이가 나는 거는 어
그럼 왜 차이가 날까 실제로 다른
행동이 다른 상황에서 나타나는게
아닐까 해가지고 이것도 전체 내
지도가 있으니까 가능한 거예요 오른쪽
밑에 보시면 FD bdn 2 보이시죠
쟤네들은 같이 그 역할을 하는 회로에
있는데 뒤를 쭉 따라가 보니까
입력값이 뭘까 음식을 인식하는
세포들이 연결이 돼 있는 거예요 어
음식 먹으려면 어떻게 해야 되죠 멈
멈춰죠 어 그 상황에서 멈추는 거
아닐까 어 이거 그냥 끼워 맞추는 거
같은데 그럼 어떻게 해야 되냐
실험적으로 증명을 해야죠 어 근데
초파리는 시키면 하니까 그렇죠 실제로
플레이트에 왼쪽에 당을 놓고 음식을
놓고 오른쪽에는 빈 플레이트예요
그래서 초파리가 이제 움직이다가
음식이 있으면은 멈춰서 잘 먹겠죠
근데 저 FG는 걸 자극을 하면은
멈추질 않는 거예요 거기서 억제를
시키는 거죠 그래서 저 빈 공간까지
걸어서 나가더라 그리고 이제이
논문에서 말하는 거는 아빠을 비빌
때는 그루밍을 할 때는 완전하게
고정된 상태에서 안정적으로 해야
되니까 이제 brk 작동을 해서
멈추는 거고 이제 음식을 할 때는 뭐
사실 완벽하게 멈춘 상태 뭐 옆에
음식이 더 있을 수도 있고 하니까
그래서 다른 상황에서 동작을 하기
때문에 다른 멈추는 세포들이 작용을
하는 거 같다 이제 초파리 내지도
나왔으니까 그다음은 뭐냐 아마 생지
내가 될 거 같아요 아뭐 그 전에도
다른 것들이 있을 것 같은데 생진
애가 아마 그다음으로 가장 큰
임팩트가 있는 커넥톰 되지 않을까
행진의 크기를 보시면은 대략적으로
1cm 바 1cm 바 1cm 근데
아까 큐빅 mm 였잖아요 각 디멘션
별로 10배씩 넣 거예요 그럼 이제
1,000 큐빅 mm 그 1,000
페타바이트 사실 저거 이미지 찍는
것도 오래 걸리거든요 과학 기술이
조금 더 발달해야 겠는데요 모든 그
부분들이 다 발전해야 돼요 향후
10년을 예측하긴 해요 그래서 실제로
미국에서는 프로젝트를 시작을 했어요
그래서 다양한 연구 팀에서 다양한
방법을 이용해서 근데 굳이 꼭
40nm 찍어 가지고 할 필요는
없으니까 약간 그 타협점을 잘 찾고
해가지고 10년 하려고 노력을 하고
있죠이야네 오늘 진짜 너무 재밌지
않았어요네 설명을 너무 잘해 주셨어요
하나하나 빌드업이 너무 좋아서
마지막에 설명하는 영상들을 딱 봤을
때 바로 이해가 빡 가는네 좋습니다
오늘 여기서 마치도록 하고요 인사할
시간도 봤습니다 여러분의 시간을
낭비해 드릴 느리지만 쿨랑 과학 랩
미팅이었습니다 감사합니다
교수님들 감사합니다
