자유 에너지 원리 쉽게 이해하기: 뇌를 예측 기계로 보는 신경과학 이론과 가면 착시

핵심 메시지

• 자유 에너지 원리는 뇌가 감각 정보를 수동적으로 받는 것이 아니라, 무엇이 있을지 먼저 예측하고 감각으로 그 예측을 확인한다고 본다.
• 자유 에너지는 감각이 말하는 것과 이미 알고 있는 것 사이의 긴장이며, 뇌는 이 긴장이 가장 작은 설명을 고른다.
• 뇌에는 감각과 직접 연결되지 않은 잠재 뉴런이 있어, 수많은 감각 신호를 소수의 추상적 원인으로 압축한다.
• 관측에서 원인을 거꾸로 찾는 계산은 조합 폭발 때문에 사실상 불가능해서, 뇌는 인식 모델로 근사한 답을 먼저 내고 생성 모델과 주고받으며 다듬는다.
• 오목한 가면이 볼록해 보이는 이유는 '얼굴은 튀어나와 있다'는 강한 사전 믿음을 깨는 쪽이 조명이 이상하다고 가정하는 쪽보다 자유 에너지가 크기 때문이다.

쉽게 이해하기

영상은 유명한 착시로 시작한다. 볼록한 얼굴 가면을 돌려 안쪽 면이 보이게 해도, 머리로는 오목하다는 것을 알면서 여전히 튀어나온 얼굴로 보인다. 발표자는 이 완고함이 신경계의 작동 방식을 드러낸다고 말한다. 지금 보고 듣고 느끼는 것은 있는 그대로의 현실이 아니라, 뇌가 세운 가설을 감각으로 검증해 만들어 낸 일종의 통제된 환각이라는 것이다.

왜 뇌가 이렇게 진화했는지는 생존 문제에서 출발한다. 해로운 물질을 피해 헤엄치는 정도의 반응은 복잡한 신경계 없이 화학 반응만으로도 가능하다. 문제는 바깥 세계가 시끄럽고 모호하며 정보를 일부만 준다는 데 있다. 나무에 가려 절반만 보이는 호랑이를 단순한 패턴 대조로 판정하면 유사도가 기준에 못 미쳐 잡아먹힌다. 그래서 뇌는 반응 기계가 아니라, 감각 입력의 숨은 원인을 추론해 설명을 만들어 내는 모형 제작자로 진화했다.

이 설명 과정은 저울에 비유된다. 한쪽에는 눈과 귀가 보내온 날것의 데이터가, 다른 쪽에는 진화와 경험으로 쌓인 사전 믿음이 놓인다. 둘이 어긋날 때 생기는 긴장을 신경과학에서는 변분 자유 에너지, 줄여서 자유 에너지라고 부른다. 반쪽짜리 호랑이라는 설명은 '호랑이는 온전한 동물'이라는 사전 지식과 크게 충돌해 자유 에너지가 높고, 나무에 가려진 온전한 호랑이라는 설명은 감각과 지식 양쪽에 잘 맞아 자유 에너지가 낮다.

뇌가 이를 구현하는 방식으로 영상은 잠재 뉴런과 생성 모델을 든다. 감각 뉴런과 달리 바깥 세계와 직접 연결되지 않은 잠재 뉴런들이 가장자리나 색 같은 기초적 특징부터 줄무늬와 털의 질감, 나아가 '호랑이'나 '가려짐' 같은 추상적 원인까지 층층이 표현한다. 3D 그래픽 프로그램에 비유하면, 회전과 조명 위치와 색을 정하는 슬라이더 몇 개가 100만 화소짜리 이미지를 결정하는 것과 같다. 슬라이더 값만 넘겨줘도 같은 장면을 되살릴 수 있다는 점이 곧 압축이며, 어떤 슬라이더 조합이 현실에서 더 자주 나타나는지에 대한 감각이 사전 믿음이다.

실제 삶에서 우리가 푸는 문제는 그 반대다. 완성된 이미지만 보고 슬라이더 값을 알아내야 한다. 슬라이더가 셋이고 각각 100단계여도 조합은 100만 가지이고, 잠재 뉴런이 수백만 개인 뇌에서 모든 조합을 확인하려면 우주의 나이보다 오랜 시간이 걸린다. 그래서 뇌는 감각에서 원인 쪽으로 거꾸로 가는 별도의 인식 모델로 거친 첫 추측을 만들고, 생성 모델이 그 추측대로면 어떤 감각이 나올지 확인해 어긋난 만큼 고치는 과정을 짧게 반복한다. 지각은 이 되풀이가 몇 분의 1초 안에 끝나는 일이고, 학습은 같은 목표를 위해 더 긴 시간에 걸쳐 두 모델의 연결 가중치를 다듬는 일이다.

주요 인사이트

• 착시는 뇌의 오류가 아니라 최적화의 결과로 설명된다. 오목한 얼굴을 인정하는 비용이 조명이 이상하다고 가정하는 비용보다 크기 때문에, 사실을 알고 있어도 지각은 바뀌지 않는다.
• 지각과 학습이 같은 목표의 다른 시간 규모라는 정리가 인상적이다. 짧게는 잠재 뉴런의 활동을 바꾸고, 길게는 연결 가중치를 바꾸지만 둘 다 불확실성을 줄이는 방향이다.
• 생성 모델과 인식 모델이 서로 같은 '원인의 언어'를 쓰도록 맞춰져야 한다는 조건은 자동으로 주어지지 않고 경험을 통해 학습된다. 두 모델의 정렬 자체가 발달의 과제인 셈이다.
• 도심 공원에서 본 주황색 줄무늬와 사파리에서 본 같은 무늬가 다르게 해석되는 사례는, 사전 믿음이 맥락에 따라 달라지는 확률이라는 점을 잘 보여준다.
• 발표자는 이번 영상을 수식 없이 개념 위주로 구성했다고 밝히고, 이후 영상에서 수학적 토대와 기계학습과의 연결을 다루겠다고 예고한다.

자주 묻는 질문

관련 AI 소식