뉴럴링크가 뇌-컴퓨터 인터페이스(BCI)의 신경 신호 해독 모델을 레이블이 없는 뇌 데이터 5만 시간 분량으로 사전학습했다고 밝혔다. 회사는 1일(현지시간) 연구 업데이트를 공개했다. 기사에는 발표 연도가 적혀 있지 않다.
기존 방식은 참가자가 커서를 움직이거나 글자를 입력하는 등 정해진 과제를 반복하면서 수집한 데이터에 의존했다. 이 자료에는 신경 신호가 어떤 동작과 연결되는지 표시하는 레이블이 붙는다. 뉴럴링크는 임상 참가자가 일상생활을 하는 동안 이식 기기로 모을 수 있는 원시 신경 데이터도 학습에 활용하는 접근법을 제시했다. 다만 업데이트에는 실제로 어떤 상황에서, 얼마나 오랫동안 이 데이터를 수집했는지에 대한 세부 내용은 나오지 않았다.
신호 절반으로 나머지를 예측
뉴럴링크는 실시간 해독과 짧은 지연시간을 고려해 맘바(MAMBA) 구조의 신경 인코더를 사용했다. 모델은 뇌 신호 채널 절반을 입력받아 나머지 절반의 활동을 예측한다. 이런 방식으로 레이블 없이 신호의 공통된 패턴을 학습한다.
사전학습 뒤에는 모델을 각 참가자의 의도와 연결하도록 몇 분간 미세조정해 실제 해독에 사용한다는 설명이다. 뉴럴링크는 이 방법이 장치 이식 뒤 필요한 보정 시간을 줄이고, 시간이 지나 신호가 변해도 성능을 안정적으로 유지하는 데 도움이 된다고 밝혔다. 다만 기존 방식과 비교해 보정 시간이 얼마나 줄었는지는 공개된 기사에 구체적으로 제시되지 않았다.
참가자 6명이 개인 최고 기록
뉴럴링크에 따르면 이 디코더를 적용한 참가자 6명이 각자의 최고 기록을 경신했다. P15 참가자는 초당 비트 수로 표시하는 디코딩 속도에서 11.32 BPS를 기록했다. 회사는 이를 BCI 분야의 기록이라고 설명했다. 임상 참가자 P9는 이전 모델보다 커서가 부드럽고 정확하게 움직였다고 말했다.
뉴럴링크는 다음 단계로 여러 이식 환자의 데이터를 함께 학습하는 모델을 개발할 계획이다. 현재는 한 사용자에게 맞춘 모델 사이의 전이 학습 가능성을 확인했다고 밝혔다. 환자 간 데이터 공유와 일반화 성능이 실제로 어떻게 이뤄질지는 향후 과제로 남아 있다.
왜 중요한가
뇌 이식형 기기를 사용하는 참가자에게는 개인별 보정에 걸리는 시간이 줄어들 가능성이 있다. 다만 뉴럴링크는 줄어드는 시간의 규모나 이 방법이 모든 사용자에게 적용되는 시점은 밝히지 않았다.
