냄새 A를 맡자 전기충격이 떠오르고, 그래서 피한다. 이 짧은 "생각"은 두 곳을 거친다. 먼저 학습 중추(버섯체)가 "A는 위험했다"는 기억을 꺼내고, 그 기억이 본능 중추(측각)에 있는 합류 뉴런으로 건너가야 비로소 행동이 된다. 이 합류 뉴런은 먹이 냄새에 다가가는 타고난 행동도 맡는다. 배운 정보와 타고난 정보가 한 뉴런에서 만나는 것이다.
처음 보는 이름이 많다. 아래 등장인물 소개에서 별명을 먼저 익히자. 본문에서 점선 밑줄이 있는 이름을 가리키거나 누르면 언제든 뜻이 나온다.
Dolan, Belliart-Guérin 외 (2018). Communication from Learned to Innate Olfactory Processing Centers Is Required for Memory Retrieval in Drosophila. Neuron 100(3):651–668.
논문 속 이름은 연구자들이 뉴런을 구별하려고 붙인 "주민번호" 같은 것이다. 이 페이지는 아래 별명으로 이야기하고, 논문 이름은 괄호나 작은 글씨로 함께 적는다.
PD2a1 = 세포 줄기가 뇌 속에서 지나가는 길의 이름(PD2) + 그 길 안의 모양 무리(a) + 세포 종류 번호(1). PD2b1은 같은 길의 b 무리다. 둘을 합쳐 "PD2a1/b1"로 쓰고, 이 페이지에서는 합류 뉴런이라 부른다.
MBON-α2sc = 버섯체 출력 뉴런(Mushroom Body Output Neuron)의 약자 + 버섯체 α엽의 두 번째 구역에서 신호를 받는다는 뜻 + 같은 구역의 다른 출력 뉴런과 구별하는 기호. 이 페이지에서는 기억 출력 뉴런이라 부른다.
결국 이 논문의 이야기는 한 문장이다. 기억 출력 뉴런이 보낸 "그 냄새는 위험했어" 신호가 합류 뉴런을 거쳐야 파리가 그 냄새를 피한다.
초록 신호가 냄새 입력에서 출발해 버섯체를 지나 기억 출력 뉴런으로 나온 뒤, 측각의 합류 뉴런으로 건너간다. 측각에는 더듬이엽에서 온 먹이 냄새 신호도 직접 들어온다. 끌어서 돌려 볼 수 있다.
영역 버튼을 누르면 그 부분만 밝게 보이고 설명이 나온다.
교과서의 그림은 두 길을 깔끔하게 나눈다. 측각은 타고난 행동, 버섯체는 배운 행동. 그런데 측각이 정말 본능만 담당하는지는 직접 시험된 적이 없었다.
버튼을 눌러 두 그림을 바꿔 보자. 달라지는 곳은 딱 한 군데, 버섯체 출력 뉴런 기억 출력 뉴런에서 측각으로 가는 연결이다.
초파리 기억 실험의 기본 순서다. 왼쪽은 파리들이 겪는 일, 오른쪽은 그동안 버섯체 안의 연결(가중치)이 어떻게 바뀌는지를 신경망 그림으로 보여 준다. 학습은 훈련 단계에서 일어나고, 시험 단계에서는 바뀐 연결이 행동으로 나온다.
기억 출력 뉴런은 전기충격과 짝지어 배운 냄새를 피하는 기억(혐오 기억)을 꺼낼 때 꼭 필요한 버섯체 출력 뉴런이다. 그리고 이 뉴런의 축삭은 측각 안으로 뻗어 들어간다. 연구진의 질문은 두 가지였다. 기억 정보가 정말 측각으로 전달되는가? 그 전달이 기억을 꺼내는 데 필요한가?
"누가 기억 출력 뉴런의 신호를 받는가"를 찾고, 확인하고, 꺼 보고, 들여다본 순서다. 단계를 눌러 각 방법과 딥러닝에서 비슷한 작업을 확인하자.
온도에 따라 작동하는 차단 단백질(Shits)을 특정 뉴런에만 넣고, 시험하는 동안만 온도를 올려 그 뉴런의 출력을 막는다. 딥러닝의 절제 실험(ablation)과 같은 논리다.
막대 높이는 결과의 방향을 보여주기 위한 도식이다. 두 대조군은 유전자 한쪽만 가진 파리로, 온도 자체나 유전자 삽입만으로 기억이 떨어지지 않는지 확인하는 역할을 한다.
막대와 미로 모두 결과의 방향을 보여주는 도식이다. 기억이 좋을수록 충격과 짝지었던 냄새 A를 피해 B 쪽으로 더 많이 간다.
합류 뉴런을 꺼도, 훈련에 쓴 두 냄새를 (같은 농도에서) 원래 피하는 정도는 그대로였다. 냄새를 못 맡게 되거나 본능적 반응이 망가져서 기억 점수가 떨어진 것이 아니라는 뜻이다.
도식. 대조군과 차단군의 타고난 회피가 비슷하다는 결과의 방향만 표현했다.
칼슘 이미징은 뉴런이 활동할 때 세포 안 칼슘이 늘어나는 것을 형광 밝기로 보는 방법이다. 훈련 뒤 합류 뉴런의 냄새 반응은 기억 출력 뉴런과 같은 방향으로 약해져 있었다.
뉴런과 조건을 바꿔 보자. 그래프는 방향만 나타낸 도식이며, 실제 크기와 프로토콜은 논문 그림을 참고해야 한다.
학습은 버섯체 안의 연결(케니언 세포 → MBON)에서 일어난다. 그 결과 기억 출력 뉴런의 출력이 달라지고, 그 신호를 받는 측각의 합류 뉴런 반응도 따라 달라진다. 합류 뉴런 자신의 연결이 바뀌었는지는 이 실험만으로는 알 수 없다.
중간 층 W2만 파인튜닝해도, 같은 입력에 대해 그 뒤의 층 h3, h4의 활성값은 모두 달라진다. 활성값 변화를 보고 "여기서 학습이 일어났다"고 단정할 수 없는 것과 같은 이유다.
뇌 전체 전자현미경 데이터로 합류 뉴런의 입력을 추적하자, 먹이 냄새를 전하는 더듬이엽 투사 뉴런의 입력이 직접 들어오고 있었다. 실제로 합류 뉴런을 끄면 일부 냄새에 대한 타고난 끌림도 약해졌다.
원을 눌러 각 입력이 무엇을 전하는지 확인하자.
도식. 대상 냄새 일부에서 합류 뉴런을 끄면 끌림이 줄었다는 결과의 방향만 표현했다. 모든 먹이 냄새에서 그런 것은 아니다.
논문이 제안한 회로를 바탕으로 만든 설명용 장난감 모형이다. 합류 뉴런을 "타고난 입력과 학습된 입력을 더하는 유닛" 하나로 두고, 훈련·차단·시험을 바꿔 가며 T자 미로 결과를 본다. 수치는 실제 데이터와 무관하다.
이 논문의 발견과 방법은 신경망을 설계하고 분석하는 방식과 여러 곳에서 겹친다. 모두 비유이며, 뇌가 이 알고리즘을 쓴다는 뜻은 아니다.
버튼을 눌러 여섯 구조의 다이어그램을 바꿔 보자. 초록 선은 학습되는 연결, 점선은 고정된 연결, 주황 화살표는 시간을 건너가는 기억이다. 모든 다이어그램은 원리를 보여 주는 개략도다.
회색 막대 = 전체 연결, 색 막대 = 학습되는 연결. 딥러닝 모델은 전부 학습되고, 초파리 모델은 고정 연결이 대부분이다. 아래 학습기와 공통 섹션 A의 코드 2가 같은 숫자를 센다.
마지막 줄의 근거 수준: 실제 회로·측정 모형이 실제 회로를 옮긴 것 · 구조가 닮음 연결 모양이 비슷하다는 뜻이지 같은 계산을 한다는 증거는 아님 · 느슨한 비유 · 순수 비유 설명을 돕는 말일 뿐 생물학적 근거 없음.
②번 페이지 7장은 이 구조를 "고정 모델 + 학습된 보정", 즉 LoRA 어댑터에 비유했다. 표로 놓고 보면 차이가 더 분명하다. RNN·GRU·LSTM은 시간 안에서 기억을 은닉 상태로 들고 다니지만, 이 모델의 기억은 연결 강도에 저장되어 훈련과 시험 사이 몇 시간을 건너간다. GRU·LSTM의 게이트가 "기억을 얼마나 꺼낼지" 정하듯, 합류 뉴런은 기억과 본능을 섞는 자리다(비유).
Teachable Machine처럼 ① 클래스마다 예시를 모으고 ② 학습시키고 ③ 새 입력으로 확인한다. 모든 계산은 이 브라우저 안에서 일어나며, 그림과 웹캠 영상은 밖으로 나가지 않는다. 같은 모델을 코드로 돌리려면 공통 섹션 A의 코드 2를 쓴다.
시작하기: "예시 데이터 채우기"를 누르거나, 그림판에 그린 뒤 클래스의 "그림 추가"를 누르자. 이름은 눌러서 바꿀 수 있다.
클래스 만들기 → 샘플 모으기 → 학습 → 실시간 미리보기 → 내보내기의 흐름, 웹캠 입력, 모든 계산을 브라우저에서 하는 것.
Teachable Machine은 큰 이미지 모델(MobileNet)로 미리 뽑은 특징 위에 작은 분류기만 학습하는 전이 학습을 쓴다. 이 학습기는 16×16 그림을 이 페이지의 모델이 처음부터 학습한다. 그래서 단순한 모양에 알맞고, 사진처럼 복잡한 입력은 잘 못한다. 대신 검증 정확도와 학습되는 연결 수를 그대로 보여 준다.
칸을 누르면 해당 설명으로 이동한다. 두 길은 합류 뉴런에서 만나 하나의 행동이 된다.
두 코드 모두 Colab에 기본으로 설치된 라이브러리만 쓴다. "노트북(.ipynb) 내려받기" 후 Colab에서 파일 → 노트북 업로드로 열거나, 복사해서 새 노트북 칸에 붙여 넣는다.
측각(본능)은 고정, 버섯체 출력(기억)만 도파민 규칙(켜진 케니언 세포 × 고른 행동 × 보상·처벌)으로 바뀌는 회로를 만든다. 냄새 A에 처벌을 다섯 번 준 뒤, 합류 뉴런의 기억 입력을 막으면 본능만 남는지 본다. 내 데이터로 바꾸려면 odor_A와 innate 값을 바꾼다.
MLP·CNN·RNN·GRU·LSTM과 초파리 모델 세 가지를 같은 그림 데이터로 학습한다. 8번 칸에서 기억+본능 모형의 기억 입력을 차단하는 실험을 한다. 학습기에서 내려받은 fly_lab_data.json을 1번 칸에서 올리면 내 그림으로 비교한다.
| 항목 | 코드 1 (기억 + 본능 합류) | 일반 딥러닝 코드 |
|---|---|---|
| 고정되는 부분 | 측각(본능) + 케니언 세포 입력 | 기본 모델 (requires_grad_(False)) |
| 학습되는 부분 | 기억 출력 뉴런 연결 W_mb | 어댑터 adapter |
| 학습 신호 | 도파민: 결과가 좋았나 나빴나 (숫자 하나) | 정답 라벨과의 차이 (클래스마다 기울기) |
| 업데이트 방식 | 국소 규칙: 켜진 케니언 세포 × 고른 행동 × 도파민 | 역전파: 손실에서 거꾸로 기울기 전달 |
| 끄기 실험 | retrieve=False → 합류 뉴런의 기억 입력 차단 | use_adapter=False → 보정 끄기 |
| 끈 결과 | 본능만 남아 다시 다가감 (논문 3장의 결과 방향) | 기본 모델의 답으로 돌아감 |
| 주의 | 논문 결과의 방향을 옮긴 도식 모형 | 실제 LoRA는 저랭크 행렬 두 개의 곱 A·B |
ChatGPT, Qwen, Claude 같은 AI 도우미에 붙여 넣는 프롬프트다. "복사"를 누르면 프롬프트 뒤에 고른 코드가 함께 붙는다. 〔 〕 안을 내 상황으로 바꿔 쓰면 된다.
AI의 답은 출발점일 뿐이다. 제안된 논문·수치·라이브러리 함수는 반드시 원문과 공식 문서로 확인한다. 공모전·논문에 AI 도움을 받았다면 주최 측과 학술지의 규정에 따라 사용 사실과 범위를 밝힌다.
본문의 노란 점선 밑줄과 같은 사전이다. 밑줄을 가리키거나 누르면 같은 설명이 나온다.
비유는 이해의 첫걸음이지만 오해의 씨앗도 된다. 초파리·뇌 비유에는 강도를 표시했다. 직접 실제로 같은 일을 한다는 근거가 있음 · 부분 일부 성질만 닮음 · 없음 대응하는 것이 알려지지 않음
| 개념 | 일상 비유 | 초파리·뇌 비유 | 비유가 틀리는 지점 |
|---|---|---|---|
| 합류 뉴런 | 두 부서의 보고서를 한 사람이 받아 최종 결재하기 | 직접 측각의 PD2a1/b1이 기억 출력 뉴런과 먹이 냄새 투사 뉴런의 신호를 함께 받는다 [R1] | 실제 합류는 단순한 덧셈이 아니다. 모형 실험실의 1.0·0.6 가중은 설명용이다 |
| 기억 인출 | 창고에 넣어 둔 물건을 꺼내 쓰기 | 부분 훈련 뒤 같은 냄새에 버섯체 출력이 달라지고, 그 신호가 측각으로 건너간다 | 기억은 한 곳에 물건처럼 들어 있지 않다. 연결 세기의 변화로 흩어져 있다 |
| 도파민 학습 | 칭찬·꾸중으로 습관 고치기 | 직접 도파민 뉴런이 버섯체 출력 연결의 세기를 바꾼다 | 실제 도파민은 "정답 라벨"이 아니라 보상·처벌 신호다. 학습기의 기본 모드는 정답 라벨로 단순화했다 |
| 고정 경로 + 보정 (LoRA) | 본사 매뉴얼은 그대로 두고 지점 메모만 덧붙이기 | 부분 측각의 타고난 경로 위에 버섯체의 학습 신호가 더해진다 | LoRA는 행렬을 저랭크로 곱해 붙이는 수학적 방법이다. 초파리 회로가 이렇게 계산한다는 뜻은 아니다 |
| 절제 실험 | 부품 하나를 빼고 기계가 어떻게 되는지 보기 | 직접 온도 스위치로 합류 뉴런의 출력을 막고 기억 점수를 잰다 [R1] | 딥러닝의 절제는 숫자를 0으로 만들면 끝이지만, 생물 실험은 대조군과 온도 효과를 함께 따져야 한다 |
E-1 저자 소개 · E-2 학술 레퍼런스 · E-3 그림 참고 자료
강사, 실무 OJT 담당자, 튜터를 위한 운영 안내다. 시간은 예상치이므로 실제 수업에 맞춰 조정한다.
| 대상 | 특별 1을 마친 학습자. 논문을 처음 읽어 보는 대학생·대학원생 |
|---|---|
| 선수 지식 | 특별 1의 ③(버섯체와 케니언 세포), "규칙 vs 학습" |
| 학습 목표 | ① 배운 기억이 본능 중추를 거쳐 행동이 된다는 논문의 주장을 한 문장으로 말한다 ② 절제 실험의 논리(끄고, 대조하고, 비교한다)를 설명한다 ③ 고정 경로 + 학습되는 보정 구조를 딥러닝(어댑터)에 대응시킨다 |
| 예상 시간 | 읽기 45~55분 · 애니메이션 시연 20분 · Colab 실습 30분 (코드 1 10분, 코드 2 실행 2분 + 해석 15분) |
도입 5분(등장인물 별명) → 섹션 1·2 질문과 찾는 법 15분 → 섹션 3·5 실험 15분 → 섹션 6 모형 실험실 10분 → 확인 문제 5분.
섹션 1·3 20분 → 섹션 7 딥러닝으로 다시 읽기(고정 모델 + 보정) 20분 → 학습기에서 기억 입력 차단 실험 20분 → 코드 2 실행·해석 30분.
입문자는 등장인물, 섹션 1·3·6만. 중급자는 섹션 2의 일곱 단계를 각자 딥러닝 분석 방법(가중치 읽기, 절제, 활성값 관찰)과 짝짓게 한다.
| 섹션 | 멈춰서 물어볼 질문 | 조작 팁 |
|---|---|---|
| 등장인물 | "PD2a1/b1이라는 이름은 무엇을 뜻할까?" | 이름 읽는 법 카드를 먼저 연다 |
| 1 질문 | "본능과 학습은 정말 따로 처리될까?" | 교과서 그림과 논문의 그림을 나란히 본다 |
| 2 찾는 법 | "뉴런이 연결됐다는 것을 어떻게 확인할까?" | 일곱 단계를 차례로 누른다 |
| 3 끄면? | "온도만 올려도 기억이 나빠지면 어떻게 하나?" | 온도 낮음/높음과 다른 후보 뉴런을 비교한다 |
| 5 두 역할 | "한 뉴런을 끄면 왜 두 행동이 함께 사라질까?" | 기억 검사와 먹이 끌림을 번갈아 본다 |
| 6 모형 실험실 | "0.6을 0으로 바꾸면 무슨 일이 생길까?" | 합류 뉴런 꺼짐을 누른다 |
| 실습: 학습기 | "기억 입력을 차단하면 왜 본능 값만 남을까?" | 학습 뒤 "기억 입력 차단"을 누른다 |
| 오해 | 바른 설명 | 보여 줄 장면 |
|---|---|---|
| 기억은 버섯체 안에만 있다 | 기억이 행동이 되려면 측각의 합류 뉴런으로 건너가야 한다 [R1] | 섹션 3 |
| 본능 회로와 학습 회로는 완전히 따로 있다 | 한 합류 뉴런이 기억 인출과 타고난 먹이 끌림을 함께 맡는다 | 섹션 5 |
| 뉴런을 끄면 생긴 변화는 모두 그 뉴런 때문이다 | 온도 효과와 유전자만 넣은 효과를 대조군으로 따로 확인해야 한다 | 섹션 3의 대조 실험 |
| 모형 실험실의 숫자는 논문의 측정값이다 | 결과의 방향만 옮긴 도식이다 | 섹션 6의 노란 도장 |
| 도파민은 정답을 알려 준다 | 보상·처벌의 신호다. 정답 라벨 학습은 설명을 위한 단순화다 | 학습기의 "참고" 문구 |
버섯체에서 꺼낸 기억 신호가 측각의 합류 뉴런(PD2a1/b1)으로 전달되어야 기억이 행동이 된다.
온도 자체가 행동을 바꿀 수 있으므로, 기억 점수가 떨어진 이유가 뉴런 차단 때문인지 온도 때문인지 가려야 한다.
0.2 + 0.6 × (−1.0) = −0.4 (피함 쪽). 막으면 0.2 (본능만 남아 다가감 쪽).
그 뉴런이 두 경로(버섯체의 기억 신호, 먹이 냄새 투사 뉴런의 본능 신호)를 함께 받아 출력하는 공유 층이기 때문이다.
본능 값이 모두 0이라 모든 클래스 점수가 같아지고, 모델이 늘 첫 클래스를 고른다. 0.09는 테스트 데이터 중 첫 클래스의 비율이다.
코드 1에서 innate 값을 [0.0, 0.5]로 바꾸면(본능이 피함 쪽) 훈련 전·후·차단 결과가 어떻게 바뀌는지 표로 보고하고, 본능과 기억이 같은 방향일 때와 반대 방향일 때를 비교한다.
코드 2의 MemoryInnate에서 innate에 값을 넣어(예: 엑스 클래스에 2.0) 학습한 뒤 기억 입력을 차단한다. 차단 전후의 혼동 행렬을 비교하고, 본능이 판단을 어떻게 끌어당기는지 쓴다.
| 입문자 | 섹션 2의 일곱 단계와 섹션 4의 칼슘 이미징은 훑어보기만 해도 된다. 섹션 3·6을 확실히 한다 |
|---|---|
| 심화 | 초파리 기억 회로의 다른 연구(기억 출력 뉴런의 역할 분담)를 찾아 이 논문과 비교 발표하게 한다. 조사한 논문은 원문으로 확인한다 |
| 더 배우기 | 안상선, 「비즈니스를 위한 데이터 과학」 강의안 (데이터 과학 전반) · STEP [K-디지털] 인공지능 자연어 처리 · STEP [K-디지털] 핀테크 데이터 분석 기초 |
| 강사용 자료 | 확인 문제의 채점 기준과 과제 예시 답안은 교육자용 정답 페이지 (특별 2)에서 볼 수 있다 |
「특별 2 기억 인출 논문」 편을 끝까지 읽었어요. 연구실 식구들이 한마디씩 정리해 드립니다.
