1
00:00:00,203 --> 00:00:02,672
그렉 게이지: 마음 읽기.
공상과학 영화에 등장하는

2
00:00:02,672 --> 00:00:05,057
생각을 읽을 수 있는 기계를
본적이 있을 겁니다.

3
00:00:05,057 --> 00:00:06,765
하지만 오늘날 우리에게는

4
00:00:06,789 --> 00:00:09,313
뇌파 활동을 읽을 수 있는 
기계들이 있는데,

5
00:00:09,337 --> 00:00:10,609
그건 바로 EEG입니다.

6
00:00:11,695 --> 00:00:14,524
이 뇌파에는 정보가 포함되어 있을까요?

7
00:00:14,548 --> 00:00:17,361
그러면 컴퓨터를 훈련시켜 
생각을 읽게 할 수 있을까요?

8
00:00:17,385 --> 00:00:20,169
제 친구 네이던은 EEG를
분석하는 일을 하고 있어요.

9
00:00:20,169 --> 00:00:22,013
마음을 읽는 기계를 만들기 위해서죠.

10
00:00:22,013 --> 00:00:24,470
[DIY 신경과학]

11
00:00:24,939 --> 00:00:26,500
EEG는 이렇게 작동합니다.

12
00:00:26,524 --> 00:00:28,368
여러분 머리에는 뇌가 있고,

13
00:00:28,392 --> 00:00:30,950
그 뇌는 몇 십억 개의 신경으로 
이루어져 있습니다.

14
00:00:30,974 --> 00:00:33,981
각각의 이 신경들은 서로에게 
전기적 메세지를 전달합니다.

15
00:00:34,005 --> 00:00:36,819
이런 작은 메세지들이 합쳐져
전파를 만들고 우리는 그것을

16
00:00:36,843 --> 00:00:38,413
모니터로 확인할 수 있습니다.

17
00:00:38,437 --> 00:00:41,161
전통적으로 EEG는 
광범위한 정보를 제공합니다.

18
00:00:41,185 --> 00:00:43,535
예를 들어 수면 중 혹은 
깨어있는 경우입니다.

19
00:00:43,559 --> 00:00:45,153
하지만 다른 정보도 제공할까요?

20
00:00:45,153 --> 00:00:46,903
실제로 우리 생각을 읽을 수 있을까요?

21
00:00:46,903 --> 00:00:48,146
저희는 이걸 실험하는데

22
00:00:48,146 --> 00:00:50,453
복잡한 생각으로 시작하지는 
않을 것 입니다.

23
00:00:50,453 --> 00:00:51,960
매우 단순한 걸 시도해보죠.

24
00:00:52,024 --> 00:00:55,587
뇌파만 가지고 보고 있는 대상이 
무엇인지 해석할 수 있을까요?

25
00:00:56,071 --> 00:00:59,071
네이던은 크리스티의 머리에 
전극을 부착합니다.

26
00:00:59,095 --> 00:01:00,618
네이던: 내 인생이 꼬였어.

27
00:01:00,642 --> 00:01:01,792
(웃음)

28
00:01:02,152 --> 00:01:03,330
GG: 그는 그녀에게

29
00:01:03,330 --> 00:01:06,081
네 가지 다른 범주의 
사진들을 보여줍니다.

30
00:01:06,081 --> 00:01:08,959
네이던: 얼굴, 집, 풍경, 그리고 
이상한 사진들이에요.

31
00:01:08,983 --> 00:01:11,481
GG: 크리스티에게 
몇백 개의 이미지를 보여주면서

32
00:01:11,505 --> 00:01:15,048
우리는 또한 전파를 캡처하여 
네이던의 컴퓨터에 저장합니다.

33
00:01:15,072 --> 00:01:18,458
우리는 뇌파에 포함된 사진에 대한 
모든 시각정보를 감지할 수 있는지

34
00:01:18,482 --> 00:01:19,834
알아보려고 하는 겁니다.

35
00:01:19,858 --> 00:01:22,483
작업이 끝나면, 크리스티가 
보고 있는 사진의 종류를

36
00:01:22,483 --> 00:01:24,811
EGG가 맞출 수 있는지를 
알아볼 겁니다.

37
00:01:24,835 --> 00:01:28,419
성공한다면 각 카테고리는 
다른 뇌 신호를 촉발시킬 것 입니다.

38
00:01:28,443 --> 00:01:31,071
저희가 수집한 EEG 미가공 데이터는

39
00:01:31,095 --> 00:01:32,245
바로 이런 데이터예요.

40
00:01:33,389 --> 00:01:36,327
너무 지저분해 보이니까,
사진별로 정리를 해봅시다.

41
00:01:36,826 --> 00:01:39,482
여전히 너무 어지러워서 
차이점을 파악할 수 없네요.

42
00:01:39,506 --> 00:01:42,546
하지만 이미지가 처음 나타난 
시점에 따라 정리함으로써

43
00:01:42,570 --> 00:01:45,006
모든 이미지 종류에 걸쳐 
EEG의 평균을 낸다면

44
00:01:45,030 --> 00:01:46,647
이러한 잡음을 없앨 수 있고,

45
00:01:46,671 --> 00:01:49,649
그리고 곧 우리는 각 종류별로
지배적인 패턴이 나타나는 것을

46
00:01:49,649 --> 00:01:50,593
볼 수 있습니다.

47
00:01:50,617 --> 00:01:52,773
이제 신호들이 모두 꽤 비슷해보이죠.

48
00:01:52,797 --> 00:01:54,012
좀 더 자세히 봅시다.

49
00:01:54,036 --> 00:01:56,561
이미지 출현 후 백 밀리초 정도에

50
00:01:56,585 --> 00:01:59,213
네 가지 경우 모두에서 
긍정적인 상승이 보입니다.

51
00:01:59,237 --> 00:02:01,266
그것은 P100이라고 불립니다.

52
00:02:01,266 --> 00:02:05,141
그게 바로 우리가 대상을 인식할 때
뇌에서 일어나는 일이라 볼 수 있죠.

53
00:02:05,149 --> 00:02:07,235
근데 이런, 얼굴을 볼 때
신호를 보세요.

54
00:02:07,259 --> 00:02:08,970
다른 것들과는 다르게 보입니다.

55
00:02:08,994 --> 00:02:11,314
이미지가 나타난 뒤 170밀리초 쯤

56
00:02:11,314 --> 00:02:13,448
아래로 하강하는 부분이 있습니다.

57
00:02:13,472 --> 00:02:15,222
여기서 무슨 일이 일어나는 걸까요?

58
00:02:15,246 --> 00:02:18,486
연구에 따르면 우리 뇌는 
인간의 얼굴을 인식하는데 필요한

59
00:02:18,510 --> 00:02:19,969
많은 뉴런을 가지고 있죠.

60
00:02:19,993 --> 00:02:22,317
이 N170 스파이크는 
모든 뉴런들이

61
00:02:22,317 --> 00:02:24,846
같은 장소에서 동시에 
발사되는 것일 수 있습니다.

62
00:02:24,870 --> 00:02:27,074
우리는 그걸 EEG에서 
감지할 수 있죠.

63
00:02:27,083 --> 00:02:28,903
여기 두 가지 시사점이 있습니다.

64
00:02:28,927 --> 00:02:31,212
하나는 우리의 눈이 
잡음의 평균을 내지 않고는

65
00:02:31,212 --> 00:02:33,607
패턴에서 차이점을 감지하기 
정말 어렵다는 것이고

66
00:02:33,631 --> 00:02:35,868
두 번째로는, 잡음을 제거한 후에도

67
00:02:35,892 --> 00:02:38,893
우리 눈은 얼굴과 관련된 신호만을
추출할 수 있다는 겁니다.

68
00:02:38,917 --> 00:02:41,185
이것이 우리가 기계학습에
관심을 갖는 이유죠.

69
00:02:41,209 --> 00:02:45,185
우리의 눈은 잡음이 섞인 데이터에서 
패턴을 뽑아내지 못합니다.

70
00:02:45,209 --> 00:02:48,155
하지만 기계학습 알고리즘은 
그것이 가능하도록 설계되어 있고

71
00:02:48,179 --> 00:02:51,380
따라서 우리가 많은 이미지와 데이터를 
기계에 입력하여

72
00:02:51,404 --> 00:02:53,194
컴퓨터를 훈련시켜서

73
00:02:53,218 --> 00:02:57,088
크리스티가 지금 무엇을 보고 있는지 
해석할 수 있게 하는게 가능하겠죠?

74
00:02:57,088 --> 00:03:01,205
우리는 그녀의 EEG에서 나오는 정보를
동시에 코드화하고

75
00:03:01,205 --> 00:03:04,889
그녀의 눈이 보고 있는 게 
무엇인지 예측하려 합니다.

76
00:03:04,889 --> 00:03:06,640
성공한다면, 우리가 봐야 하는 것은

77
00:03:06,664 --> 00:03:09,045
그녀가 풍경 이미지를 볼 때마다

78
00:03:09,069 --> 00:03:11,355
풍경, 풍경, 풍경이라고
말해야 하는 것이죠.

79
00:03:11,379 --> 00:03:13,336
얼굴이면-- 얼굴, 얼굴, 얼굴, 얼굴

80
00:03:13,360 --> 00:03:16,891
하지만 그렇게 되지 않는다는 것이 
밝혀졌네요.

81
00:03:21,385 --> 00:03:24,933
(웃음)

82
00:03:24,957 --> 00:03:26,108
좋아요.

83
00:03:26,132 --> 00:03:29,514
감독: 무슨 일이죠?
GG: 직업을 바꿔야할 것 같아요.

84
00:03:29,538 --> 00:03:30,608
(웃음)

85
00:03:30,632 --> 00:03:34,274
그건 완전한 실패였지만
저희는 여전히 궁금합니다.

86
00:03:34,274 --> 00:03:36,336
이 기술을 얼마나
밀고 나갈 수 있을까요?

87
00:03:36,336 --> 00:03:38,000
저희는 결과물을 다시 보았습니다.

88
00:03:38,000 --> 00:03:41,143
데이터가 굉장히 빨리 컴퓨터에 
들어오고 있다는 것을 알아냈죠.

89
00:03:41,167 --> 00:03:43,408
이미지가 언제 입력되었는지
모를 정도로요.

90
00:03:43,432 --> 00:03:47,958
그것은 매우 긴 문장을 단어 사이에
공백 없이 읽는 것과 같습니다.

91
00:03:47,961 --> 00:03:49,399
읽기 어렵겠죠.

92
00:03:49,423 --> 00:03:53,136
하지만 공백을 넣으면, 
각 단어들이 보이고

93
00:03:53,160 --> 00:03:55,204
훨씬 더 이해하기 편해집니다.

94
00:03:55,228 --> 00:03:57,075
하지만 약간 속임수를 쓰면 어떨까요?

95
00:03:57,099 --> 00:03:59,200
센서를 이용해 이미지가
처음 나타나는 지점을

96
00:03:59,200 --> 00:04:00,760
컴퓨터에게 알려줄 수 있습니다.

97
00:04:00,760 --> 00:04:04,262
그렇게 뇌파는 지속적으로
나열된 정보가 아니라

98
00:04:04,286 --> 00:04:06,997
개별 의미 단위가 되는 것이죠.

99
00:04:07,021 --> 00:04:09,389
또한 속임수를 약간만 더 
써볼 수 있습니다.

100
00:04:09,413 --> 00:04:11,225
카테고리를 두개로 제한하는 것이죠.

101
00:04:11,249 --> 00:04:13,632
실시간으로 생각을 
읽어낼 수 있는지 봅시다.

102
00:04:13,656 --> 00:04:14,891
이 새로운 실험에서

103
00:04:14,915 --> 00:04:17,012
환경을 조금만 제한하면,

104
00:04:17,036 --> 00:04:19,288
이미지의 시작을 파악할 수 있습니다.

105
00:04:19,312 --> 00:04:22,694
저희는 카테고리를 "얼굴"이나
"풍경"으로 제한할 것 입니다.

106
00:04:23,097 --> 00:04:24,608
네이던: 얼굴. 정답입니다.

107
00:04:25,780 --> 00:04:27,131
풍경. 정답입니다.

108
00:04:28,251 --> 00:04:30,624
GG: 이제, 이미지가 나타날 때마다

109
00:04:30,648 --> 00:04:32,914
이미지의 시작점을 찍고

110
00:04:32,938 --> 00:04:34,633
EEG를 해독하겠습니다.

111
00:04:34,657 --> 00:04:35,913
정답을 맞추고 있어요.

112
00:04:35,937 --> 00:04:37,516
네이던: 네. 얼굴.
정답입니다.

113
00:04:37,540 --> 00:04:40,399
GG: EEG 신호에 정보가 있어요.
멋지네요.

114
00:04:40,423 --> 00:04:42,960
우리는 그것을 이미지의 시작점에 
배열해야 했습니다.

115
00:04:43,307 --> 00:04:44,888
네이던: 풍경. 정답입니다.

116
00:04:47,344 --> 00:04:48,494
얼굴. 정답이죠.

117
00:04:48,518 --> 00:04:50,806
GG: 이것은 약간의 정보가 있어서

118
00:04:50,830 --> 00:04:53,743
이미지가 시작된 지점을 알면
그것이 어떤 종류의 이미지인지

119
00:04:53,767 --> 00:04:55,766
구별할 수 있다는 것을 의미합니다.

120
00:04:55,790 --> 00:05:00,886
이러한 유발전위를 봄으로써 
적어도 평균적으로는 가능하다는 것이죠.

121
00:05:00,910 --> 00:05:02,235
네이던: 정확합니다.

122
00:05:02,259 --> 00:05:04,776
GG: 만약 프로젝트 초반에
이게 가능다고 말했다면

123
00:05:04,776 --> 00:05:06,439
저는 절대 불가능이라 했을거예요.

124
00:05:06,439 --> 00:05:08,409
이게 가능하다는건 생각도 못했어요.

125
00:05:08,409 --> 00:05:11,263
과연 우리의 마음을 읽는 실험이
실제로 효과가 있었을까요?

126
00:05:11,263 --> 00:05:13,168
네, 하지만 많은 속임수 덕분이죠.

127
00:05:13,168 --> 00:05:16,121
EEG에서 몇 가지
흥미로운 사실을 찾을 수 있어요.

128
00:05:16,121 --> 00:05:18,411
예를 들어 만약 우리가
한 사람의 얼굴을 본다면

129
00:05:18,435 --> 00:05:20,592
거기엔 너무 많은 한계점이 있습니다.

130
00:05:20,616 --> 00:05:23,562
아마 기계 학습에 큰 발전이 있어야

131
00:05:23,586 --> 00:05:26,976
언젠가 우리의 생각을 
해석할 수 있을 것 입니다.

132
00:05:27,000 --> 00:05:31,077
하지만 현재로써는, 
어떤 회사가 여러분의 뇌파를 활용해서

133
00:05:31,101 --> 00:05:32,851
장치들을 통제할 수도 있다고 하면,

134
00:05:32,875 --> 00:05:36,185
회의적인 태도는 갖는 건
여러분의 권리이자 의무입니다.