[ 트렌드] [World Model 개념 정리 #3] 뇌의 World Model — Predictive Coding, Free Energy Principle, 해마의 통합

관

관리자 Lv.1

03-01 23:14 · 조회 20 · 추천 0

뇌의 World Model — 세 이론의 통합

개념정리 시리즈 #3 — 뇌가 세계를 이해하는 세 가지 메커니즘을 하나의 그림으로 통합합니다.

세 이론, 하나의 시스템

	Predictive Coding	Free Energy Principle	해마
질문	어떻게(How)?	왜(Why)?	무엇으로(What)?
핵심	예측과 오류 교환	놀람 최소화	기억 재조합으로 시뮬레이션
제안자	Rao & Ballard (1999)	Karl Friston (2010)	O'Keefe, Moser 등
수준	신경 회로 메커니즘	존재의 근본 원리	구조적 하드웨어

1. Predictive Coding — "어떻게?"

뇌는 감각 입력을 수동적으로 받아들이지 않습니다. 끊임없이 "다음에 무엇이 올지" 예측하고, 예측이 틀렸을 때만 놀랍니다.

피질의 계층적 예측

고차 피질 (IT, PFC)    ← 추상적 개념: "이것은 고양이다"
    ↕ 예측 ↓ / 오류 ↑
중간 피질 (V4, MT)     ← 패턴: "둥근 형태, 줄무늬 텍스처"
    ↕ 예측 ↓ / 오류 ↑
초기 시각 피질 (V1, V2) ← 저수준: "이 위치에 수직선"
    ↕ 예측 ↓ / 오류 ↑
감각 입력 (망막)        ← 원시 데이터: 빛

작동 원리:

Layer 5/6: 상위 영역에서 하위로 예측 신호 전송 ↓
Layer 2/3: 예측 오류를 상위로 전송 ↑
억제성 뉴런: 예측 신호를 감각 입력에서 "빼서" 오류만 남김

예측이 맞을 때 vs 틀릴 때

상황	예측 오류	결과
예측 적중	≈ 0	신경 활동 최소화, 자동 처리
예측 실패	≠ 0	주의(attention) 발동, 모델 업데이트

"뇌는 세계를 있는 그대로 보는 것이 아니라, 자신이 예측한 세계와의 차이를 본다."

2. Free Energy Principle — "왜?"

Predictive Coding이 "뇌가 어떻게 작동하는가"라면, FEP는 "왜 그렇게 작동하는가"에 대한 답입니다.

핵심 수식

자유 에너지 F = 예측 오류 + 모델 복잡도
F ≥ -log P(o)    ← F는 "놀람(surprise)"의 상한선
목표: F를 최소화 → 놀람도 자동으로 감소

놀람을 줄이는 두 가지 방법

① 지각적 추론 (Perceptual Inference)

"세계가 이상하다" → "아, 내가 잘못 예측했구나" → 모델 수정
= Predictive Coding의 예측 오류 학습

② 능동적 추론 (Active Inference)

"방이 춥다" → 예측: "나는 따뜻해야 한다" → 히터를 켠다
= 세계를 내 예측에 맞게 변경하는 행동

왜 혁명적인가?

전통적 RL	Free Energy Principle
보상 최대화	놀람 최소화
보상 함수 설계 필요	보상 함수 불필요
지각, 학습, 행동이 별개	하나의 원리로 통합
Reward hacking 문제	생존 자체가 결과

⚠️ 주의: FEP는 매우 영향력 있지만 논쟁 중인 이론입니다. "모든 것을 설명하면 아무것도 설명하지 않는 것"이라는 비판도 있습니다.

3. 해마 — "무엇으로?"

해마는 단순한 기억 저장소가 아니라, 과거 경험을 재조합하여 미래를 시뮬레이션하는 World Model 엔진입니다.

해마의 세 가지 역할

역할	설명	AI 대응
에피소드 기억	장소+시간+맥락 결합 기억	Experience Replay Buffer
수면 재생	5~20배 속도로 경험 재생	Dreamer의 Dream Learning
미래 시뮬레이션	기억 조각 재조합으로 상상	World Model Imagination

놀라운 발견: 기억 = 상상

해마 손상 환자에게 "내일 해변에 갔다고 상상해보세요"라고 하면 아무것도 상상하지 못합니다.

측면	과거 기억	미래 상상
활성 영역	해마 + 내측 전전두엽	동일!
메커니즘	에피소드 인출	에피소드 조각 재조합
해마 손상 시	새 기억 불가	미래 상상도 불가!

장소 세포 & 격자 세포

장소 세포: 특정 위치에서만 발화 → 공간의 "지도" (O'Keefe, 2014 노벨상)
격자 세포: 정삼각형 격자 패턴 → 공간의 "좌표계" (Moser 부부, 2014 노벨상)
최근 발견: 물리적 공간뿐 아니라 추상적 개념 공간에서도 작동 → 범용 World Model!

통합: 낯선 식당에 들어갔을 때

해마 → 이전에 가본 비슷한 식당의 기억 조각 활성화
PC → "메뉴판이 여기쯤 있을 것이다" — 예측 생성
PC → 메뉴판이 벽에 있음 → 예측 오류 발생!
FEP → 자유 에너지 증가 → 모델 업데이트(지각) 또는 이동(행동)
해마 → 이 경험을 새 에피소드로 저장 → 다음에 더 나은 예측

AI에 주는 시사점

뇌 메커니즘	AI 대응	핵심 교훈
Predictive Coding	JEPA	표현 공간에서 예측이 더 효율적
FEP / Active Inference	보상 없는 행동 학습	놀람 최소화 > 보상 최대화
해마 수면 재생	Dreamer	오프라인 경험 재생의 가치
에피소드 미래 사고	Imagination	기억 재조합 = 창의성

뇌가 AI보다 나은 4가지

에너지 효율: 뇌 ~20W vs AI 수십~수백 kW (1~2.5만 배 차이)
일반화: 한 번의 경험 → 새 상황 적용 (Few-shot)
통합: 지각+행동+기억이 자연스럽게 하나
연속 학습: 새 지식을 배우면서 기존 지식 유지 (해마의 수면 재생이 핵심)

LeCun의 AMI와의 연결

LeCun의 자율 기계 지능(AMI) 아키텍처는 뇌 메커니즘의 AI 버전입니다:

World Model = Predictive Coding + 해마
Configurator = FEP의 능동적 추론
Actor = 운동 피질
Short-term Memory = 작업 기억

결론: 뇌의 World Model을 이해하는 것은 차세대 AI 아키텍처의 청사진을 이해하는 것입니다.

🧠 인터랙티브 HTML 버전은 별도 파일로 제공됩니다. 다음 편: 세계 인식 메커니즘 — 다중감각 통합, 대상 영속성, 물리 직관

◀ [World Model 개념 정리 #2] World Model 접근법 비교 — Model-Based RL vs Video Generation vs JEPA [World Model 개념 정리 #4] 세계 인식 메커니즘 — 다중감각 통합, 대상 영속성, 물리 직관 ▶

💬 0 로그인 후 댓글 작성

첫 댓글을 남겨보세요!

공유하기