Research Teams Mine the Intersection of Neuroscience and AI
Quick Summary
스탠퍼드 Wu Tsai Neurosciences Institute와 HAI가 정신질환 치료, 뇌 발달 이해, 인간 경험을 반영한 AI 개선을 목표로 신경과학과 AI를 연결하는 5개 연구팀을 2차 지원 대상으로 선정했다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약
스탠퍼드 Wu Tsai Neurosciences Institute와 HAI가 정신질환 치료, 뇌 발달 이해, 인간 경험을 반영한 AI 개선을 목표로 신경과학과 AI를 연결하는 5개 연구팀을 2차 지원 대상으로 선정했다.
📌 핵심 요약
- Wu Tsai Neurosciences Institute와 HAI의 AI and Neuroscience Grants는 2022년 처음 시작됐으며, 당시 4개 팀에 각각 1년간 12만 5,000달러를 지원했다. 이번 2차 지원에는 더 다양한 주제를 다루는 5개 팀이 선정됐다.
- Cammie Rolle와 Ellen Kuhl은 AI로 fMRI와 EEG 결과를 연결해 EEG 단독 또는 두 검사법의 조합이 우울증 하위 유형을 정교화하고 더 나은 치료 방향을 제시할 수 있는지 평가한다.
- Cameron Ellis·Michael Frank·Dan Yamins는 영아의 fMRI와 시점 영상을 함께 학습하는 AI로 영아의 빠른 학습과 AI의 학습 효율을 연구한다. Marius Wernig와 Anshul Kundaje는 신경세포 유형의 파운데이션 모델을 구축해 세포 분화의 분자적 기반을 규명하려 한다.
- Corey Keller와 Manish Saggar는 간질 모니터링을 받는 환자의 심리치료 중 두개강 내 전기활동을 기록하고, 대규모 언어 모델과 위상수학적 방법으로 치료 대화와 뇌 상태 변화의 관계를 연구한다. 장기 목표는 치료 개선에 활용할 심리치료 신경 지도 구축이다.
- Todd Coleman과 Emily Fox는 뇌의 전자기 기록과 대규모 언어 모델을 이용해 후각의 주관적 경험을 뇌 활동 및 신경 부호화와 연결하려 한다. 이 연결은 인간 경험을 더 잘 이해하는 AI 설계 원리를 제시할 가능성이 있다.
🧩 주요 포인트
- 우울증 검사와 심리치료 대화를 뇌 활동에 연결 → 정신질환의 유형과 치료 과정을 더 세밀하게 이해하려는 접근이며, 치료 개선 가능성은 연구를 통해 평가해야 한다.
- 영아의 빠른 학습과 신경세포 분화를 AI로 모델링 → 뇌 발달의 원리를 밝히는 동시에 AI의 학습 효율을 높이려는 상호 보완적 연구다.
- 후각의 주관적 경험과 맥락 의존성을 연구 대상으로 확장 → 패턴 인식에 강한 현재 AI가 인간 경험을 이해하는 데 겪는 한계를 탐색한다.
🧠 상세 정리
1. 신경과학과 AI의 상호 교류를 지원하는 두 번째 연구 지원
스탠퍼드 Wu Tsai Neurosciences Institute와 Institute for Human-Centered Artificial Intelligence(HAI)는 두 분야의 접점에서 연구하는 5개 팀을 AI and Neuroscience Grants의 2차 지원 대상으로 선정했다. 두 분야의 연결은 1940~1950년대 최초의 인공신경망이 생물학적 신경망에서 영감을 얻고 이를 설명하려 했던 시기까지 거슬러 올라가며, 수십 년간 별도로 발전하다 지난 약 15년 동안 교류가 다시 활발해졌다. 2022년 시작된 첫 지원에서는 뇌졸중, 파킨슨병, 언어 해독, 뉴런 사이 연결의 미세 구조를 연구하는 4개 팀에 각각 1년간 12만 5,000달러를 제공했다. 이번 지원은 영아의 학습부터 후각 경험까지 연구 범위를 넓힌다. Kang Shen과 James Landay는 이러한 협력이 뇌에 대한 이해와 인간에게서 영감을 얻은 윤리적 AI 발전을 함께 촉진할 것이라는 기대를 밝혔다.
2. 우울증 하위 유형을 정교화하는 EEG와 fMRI 연구
최근 연구는 fMRI 뇌 영상으로 우울증의 서로 다른 하위 유형을 구분할 수 있음을 보여주며, 유형마다 다른 치료가 필요할 가능성을 제기한다. 정신의학·행동과학의 Cammie Rolle와 기계공학의 Ellen Kuhl은 이러한 관찰을 출발점으로 삼아 AI 방법으로 fMRI 결과와 뇌파검사인 EEG 결과를 연결할 계획이다. 이어 EEG만 사용하거나 두 검사법을 조합했을 때 우울증 하위 유형을 더 정교하게 구분할 수 있는지 평가한다. 이 연구의 목표는 뇌 검사에서 얻은 차이를 더 나은 치료 방향과 연결하는 것이며, EEG나 검사법의 조합이 실제로 그러한 역할을 할 수 있는지는 앞으로 검증할 질문으로 남아 있다.
3. 영아의 경험과 뇌 데이터로 학습하는 AI
인간 영아는 AI 시스템의 학습 데이터에 비해 작고 편향된 일부 데이터만 경험하면서도 AI보다 빠르게 학습한다는 점이 이 연구의 출발점이다. 심리학 연구자 Cameron Ellis, Michael Frank, Dan Yamins는 영아의 fMRI 뇌 영상과 영아의 시점에서 촬영한 영상을 이용해 이 빠른 학습이 어떻게 이루어지는지 살펴본다. 구체적으로는 한 영아의 뇌 데이터와 영상 데이터를 함께 학습하는 AI 시스템을 구축해 모델이 영아처럼 학습하도록 만들 계획이다. 연구진은 이를 통해 아기가 배우는 방식을 더 잘 이해하고, 동시에 AI 시스템이 더 효율적으로 학습할 수 있는 방법을 찾으려 한다. 원문은 이러한 효과를 이미 확인된 성과가 아니라 연구가 추구하는 목표로 제시한다.
4. 신경세포 유형의 정체성과 분화 원리 탐구
발달 중인 인간의 뇌가 본질적으로 유전적으로 동일한 세포들에서 어떻게 다양한 세포 유형을 만들어 내는지는 발달생물학의 핵심 미스터리 중 하나다. 인간 유전체의 복잡성은 이 문제를 이해하는 일을 더욱 어렵게 만든다. 병리학의 Marius Wernig와 유전학·컴퓨터과학의 Anshul Kundaje는 유전학과 AI의 새로운 발전을 활용해 신경세포 유형을 다루는 파운데이션 모델을 구축할 계획이다. 이 모델을 통해 규명하려는 대상은 신경세포 유형이 분화하는 분자적 기반이다. 이 과제는 앞선 영아 학습 연구와 함께 뇌 발달을 다루지만, 경험을 통한 학습보다 서로 다른 세포 유형이 형성되는 원리에 초점을 맞춘다.
5. 치료 대화와 뇌 상태 변화를 연결하는 심리치료 신경 지도
심리치료는 정신질환 치료에 널리 쓰이지만, 치료 대화가 실시간으로 뇌 활동에 어떤 영향을 미치는지는 충분히 알려져 있지 않다. 정신의학·행동과학의 Corey Keller와 Manish Saggar는 간질 모니터링을 받는 환자가 심리치료에 참여하는 동안 두개강 내 전기활동을 기록할 계획이다. 연구진은 대규모 언어 모델로 치료 대화의 특성을 분석하고, 위상수학적 방법으로 시간에 따라 변하는 뇌 상태를 지도화한다. 이를 바탕으로 치료 대화의 서로 다른 요소가 신경 역학과 어떻게 연관되는지 조사한다. 장기적으로는 더 효과적인 치료에 정보를 제공할 심리치료 신경 지도를 구축하려 하며, 원문은 이를 향후 목표로 설명한다.
6. 후각의 주관적 경험을 AI와 연결하는 연구
현재 머신러닝 알고리즘은 패턴 인식에 뛰어나지만, 인간 지능의 주관적이고 맥락에 따라 달라지는 측면을 포착하는 데 어려움을 겪는다. 생명공학의 Todd Coleman과 통계학·컴퓨터과학의 Emily Fox는 이러한 한계를 다룰 한 가지 접근으로 후각을 제안한다. 후각은 일상에서 충분히 주목받지 못하는 경험이며, 연구진은 우리가 함께 일하도록 설계하는 AI가 아직 이를 이해하지 못한다고 본다. 두 연구자는 뇌의 전자기 기록과 대규모 언어 모델을 이용해 뇌 활동을 개인의 주관적인 냄새 경험과 연결할 계획이다. 이러한 경험과 신경 부호화 사이의 연결이 확인된다면, 감정적 맥락을 포함한 인간 경험을 더 잘 이해하는 AI 시스템을 만드는 새로운 원리를 발견할 수 있다는 것이 연구의 기대다.
🧾 핵심 주장 / 시사점
- 5개 과제는 AI를 뇌 연구의 분석 도구로 사용하는 방향과 뇌·인간 경험에서 AI 개선 원리를 찾는 방향을 함께 포함한다.
- 우울증과 심리치료 과제는 각각 하위 유형의 구분과 치료 중 변화에 초점을 맞춰, 정신질환을 서로 다른 수준에서 이해하려 한다.
- 영아 학습과 후각 연구는 데이터의 양뿐 아니라 경험의 방식과 주관적 맥락도 AI 연구의 중요한 탐구 대상임을 보여준다.
✅ 액션 아이템
- EEG 단독 또는 fMRI와의 조합이 우울증 하위 유형 구분과 치료 방향 제시에 기여하는지 연구 결과 확인.
- 영아의 fMRI와 시점 영상을 함께 학습하는 AI가 학습 효율을 높일 수 있는지 평가 결과 검토.
- 심리치료 대화 및 후각의 주관적 경험과 뇌 활동 사이의 연결이 연구에서 어떻게 확인되는지 후속 결과 검토.
❓ 열린 질문
- EEG 단독 또는 fMRI와의 조합은 우울증 하위 유형을 얼마나 정교하게 구분하고 치료 방향 제시에 기여할 수 있을까?
- 영아의 fMRI와 시점 영상을 함께 학습하는 AI는 영아의 빠른 학습을 어떻게 재현하고 학습 효율을 높일 수 있을까?
- 후각의 주관적 경험과 신경 부호화의 연결은 인간 경험을 더 잘 이해하는 AI 설계에 어떤 원리를 제공할 수 있을까?