뉴럴링크, 5만시간 뇌 데이터 사전학습…BCI도 '파운데이션 모델' 시대 열렸다

뇌-컴퓨터 인터페이스(BCI) 분야에서의 혁신이 가속화되고 있습니다. 뉴럴링크가 최근 발표한 연구 결과에 따르면, 이 회사는 무려 5만 시간분의 비라벨 신경 데이터를 활용해 디코딩 AI 모델을 성공적으로 사전학습하는 데 성공했습니다. 이는 BCI 기술의 발전에 있어 중대한 이정표가 될 것으로 기대됩니다.

비라벨 데이터로의 전환: 새로운 가능성을 열다

뉴럴링크의 이번 연구는 기존의 지도학습 방식에서 벗어나 비라벨 데이터의 활용을 통해 이루어졌습니다. 전통적인 BCI 시스템은 임상 참가자가 특정 작업을 수행하는 동안에만 데이터를 수집해야 했습니다. 이 과정에서는 수많은 세션과 시간이 소모되며, 라벨링된 신경 데이터를 얻기 위한 비용이 상당히 높았습니다. 그러나 뉴럴링크는 이식된 칩을 통해 참가자의 일상 생활 중에도 지속적으로 뇌 신호를 수집할 수 있는 시스템을 도입했습니다. 환자가 밥을 먹거나 TV를 보는 등 자연스러운 상황에서도 신경 데이터를 축적할 수 있어, 데이터 수집의 폭이 한층 더 확대된 것입니다.

사전학습 모델의 기술적 혁신

이번 연구에서는 '맘바(MAMBA)' 아키텍처를 기반으로 한 신경 인코더가 사용되었습니다. 이 인코더는 뇌 신호를 동역학 시스템으로 모델링하고, 각 채널의 스파이크 신호를 '공간 마스크 오토 포아송 회귀(Spatially Masked Auto-Poisson Regression)' 기법을 통해 처리합니다. 이 방법은 전체 채널의 절반만 모델에 입력하여 나머지 절반의 신호 활동을 예측하는 방식으로, 원시 뇌 신호의 잠재적 통계 구조를 학습하는 데 중점을 두었습니다. 이를 통해 사전학습된 모델은 개인 사용자의 의도와 동작을 더욱 정확하게 반영할 수 있게 되며, 디코딩 성능의 안정성을 크게 높일 수 있습니다.

특히, 뉴럴링크의 연구진은 이 모델을 통해 6명의 참가자에게서 개인 최고 기록을 경신하는 성과를 이루어냈으며, 최고 11.32 BPS(초당 비트 수)의 속도로 디코딩을 성공적으로 수행했습니다. 이 결과는 BCI 분야에서의 신기록으로, 기술의 가능성을 다시 한번 확인시켜주었습니다.

향후 전망: 다중 사용자 통합 모델로의 진화

뉴럴링크는 단일 참가자 기반 모델의 한계를 넘어서, 여러 이식 환자의 데이터를 통합하는 '다중 사용자 통합 파운데이션 모델(Pooling Brains)'로의 발전을 계획하고 있습니다. 이러한 접근은 데이터 스케일을 늘림으로써 환자 간의 일반화 성능을 더욱 향상시킬 것으로 기대됩니다. 현재 BCI 시장은 하드웨어 기술뿐 아니라 신경 신호 해석을 위한 AI 소프트웨어의 정교함이 경쟁력으로 떠오르고 있으며, 뉴럴링크의 연구 발표는 이러한 변화의 중심에 서 있음을 분명히 하고 있습니다.

BCI 기술의 발전은 단순한 신경 신호 해석을 넘어, 보다 깊이 있는 디지털 상호작용 경험을 제공하는 길로 나아가고 있습니다. 앞으로의 연구와 개발이 기대되는 가운데, 뉴럴링크의 성과는 이 분야의 미래를 밝히는 중요한 발판이 될 것입니다.