벌의 뇌가 더 똑똑한 AI와 로봇공학에 영감을 준다

벌은 세계 최고의 수분 매개자이며, 인간이 생존을 위해 직접적으로 의존하는 생물다양성의 필수적인 부분입니다.

이 날아다니는 곤충들은 주로 고품질의 식품인 꿀을 제공하는 것으로 알려져 있으며, 그 외에도 밀랍, 프로폴리스, 꽃가루, 그리고 젤리 등 다양한 제품을 생산합니다. 더 중요한 것은, 이들은 수많은 꽃 피는 식물을 수분시켜 전 세계 식량 작물의 대부분을 포함한 많은 식물들이 번식하고 과일, 채소, 씨앗을 생산하도록 돕습니다. 

이를 위해 벌은 털이 많은 몸을 이용해 꽃가루를 한 꽃에서 다른 꽃으로 옮깁니다.

벌만이 이 일을 하는 것은 아니며, 새, 원숭이, 그리고 인간도 수분을 하지만, 벌은 가장 흔한 수분 매개자입니다. 전체 꽃 피는 식물 종의 87% 이상이 동물에 의존하는 것으로 추정되며, 그 중에서도 벌이 주요 수분 그룹으로서 생물다양성과 식량 안보에 필수적인 생태계 서비스를 제공하고 있습니다.

벌은 실제로 매우 지능적인 곤충이며, 사람들은 그들의 행동, 습관, 사회적 상호작용을 연구하여 생태계 건강, 환경 변화, 그리고 작물 수분 효율성을 향상시키고자 합니다.

게다가, 벌은 협동 행동을 이해하고 작은 뇌가 복잡한 사회적 작업을 어떻게 조정하는지를 모델링하는 데 사용됩니다. 

과학자들은 또한 벌에게서 영감을 받아 기술을 발전시킵니다. 예를 들어, 그들의 탐색 및 의사소통 전략은 드론 기술에 적용되고, 벌의 행동은 로봇공학, 알고리즘, AI에 영감을 주었습니다.

이에 관해, 연구자들은 이제 벌이 비행 움직임을 사용해 뇌 신호를 향상시켜 복잡한 시각 패턴을 높은 정확도로 학습하고 인식한다는 것을 발견했습니다. 

새로운 연구에 따르면, 이러한 움직임 기반 인지는 거대한 컴퓨팅 파워보다 효율성을 강조함으로써 차세대 AI와 로봇공학 개발에 혁신을 가져올 수 있습니다.

벌 지능: 작은 뇌가 AI에 가르치는 것

벌의 시각 학습 능력은 그야말로 놀랍습니다. 이는 그들이 색을 보상과 연관 짓는 것을 학습하고, 특정 특징을 식별해 시각 패턴을 분류할 수 있다는 사실에서 드러납니다. 그들은 또한 추상 개념을 이해하고 자극 내 요소들을 순차적으로 스캔함으로써 수량 인식 과제를 해결하는 능력까지 보여주었습니다. 

인지 과학의 기본 개념인 수량 인식은 집합 내 항목의 수를 의미하며, 일반적으로 시각 인식 맥락에서 연구됩니다. 여기서는 장면 내 객체의 양을 세지 않고도 빠르게 파악하는 능력을 말합니다. 

따라서, 수량 인식 과제는 뇌가 양을 인지하고 추정하는 선천적인 능력을 분석합니다.

따라서, 벌은 명백히 뛰어난 능력을 가지고 있어, 그들의 행동 반응을 분석함으로써 시각 학습 원리를 탐구하는 귀중한 동물 모델이 됩니다.

하지만 문제는, 아직도 벌이 어떻게 복잡한 패턴을 식별하고 주변 세계의 복잡성을 인식하는지, 특히 낮은 시각 민감도와 제한된 신경 자원을 가진 상태에서 어떻게 하는지는 정확히 알려지지 않았습니다.

시각 감각 뉴런은 실제로 자연 장면의 규칙성을 활용하기 위해 진화한 것으로 추정됩니다. 예를 들어, 연구에 따르면 곤충의 감각 경로와 관련 행동은 주변 환경에 따라 동적으로 적응합니다. 반응은 공간 주파수, 대비, 시공간 상관관계와 같은 입력 데이터에 따라 조정됩니다. 

활동적 샘플링 전략, 즉 동물이 환경을 지속적으로 스캔하여 시간에 따라 시각 정보를 추출하는 경우, 이러한 행동은 다양한 종에서 널리 관찰됩니다. 

영장류는 눈 움직임을 사용해 미세 공간 해상도를 향상하고 자연 자극의 인코딩을 개선하지만, 곤충은 머리와 몸의 움직임 또는 특정 접근 궤적을 포함하는 전략을 사용합니다.

벌의 경우, 그들은 활성 시각과 순차적 샘플링에 의존해 주변 환경의 강력하고 탄력적인 신경 표현을 구축하는 것으로 보입니다. 

이러한 전략은 초기 시각 처리에서 핵심적인 역할을 하며, 중복성을 줄이고 시각 자극의 인코딩을 보다 효율적으로 만듭니다. 그러나 다시 말해, 이러한 메커니즘이 어떻게 벌이 시각 규칙성을 감지하고, 표현 제약을 극복하며, 복잡한 과제를 해결하게 하는지는 아직 충분히 이해되지 못하고 있습니다.

최신 연구에 따르면, 이러한 전략을 이해하는 것은 곤충 시각의 기본 원리를 밝히고, 생물학적 및 인공 시스템 전반에 걸친 시각 처리에 대한 넓은 함의를 파악하는 데 중요합니다.

따라서, 이전 연구, 단순 시각 과제 중 벌의 비행 경로를 평가함¹, 를 기반으로, 연구자들은 이제 무채색 패턴 인식에 기여하는 활성 시각의 주요 회로 요소를 조사하고 있습니다.

연구의 주요 목표는 벌의 스캔 행동이 시각 엽의 뉴런 조직 및 연결성에 어떻게 기여하는지를 규명하는 것입니다.

셰필드 대학교 연구진은 스캔 행동이 복잡한 시각 특징을 샘플링하도록 적응했으며, 이를 로불라 뉴런에 더 효율적으로 인코딩한다는 가설을 세웠습니다. 이는 벌의 작은 뇌에서 학습을 지원하는 독특한 표현을 촉진합니다. 이 가설을 테스트하기 위해, 그들은 벌의 시각 엽에 대한 신경형 모델을 개발했습니다.

연구진은 비연관성 가소성의 새로운 모델을 통해 코딩 원리를 포함시켰습니다. 이를 통해 모델은 시각 엽 내 연결성을 자체 조직화하여 환경의 효율적인 표현을 만들고, 복잡한 시각 장면을 인코딩하는 데 필수적인 방향 선택 세포가 등장하도록 했습니다.

시각 처리 프레임워크는 또 다른 의사결정 모듈을 도입함으로써 강화되었습니다. 이 모듈은 곤충의 연합 학습 메커니즘에서 영감을 얻었습니다.

연구자들의 시뮬레이션은 특정 방향과 속도에 민감한 소수의 로불라 뉴런이 복잡한 시각 환경을 발화율로 표현된 효율적인 표현으로 압축할 수 있음을 보여줍니다. 이러한 드문 표현은 플러스와 곱셈 패턴을 효과적으로 구분하며, 모델의 광범위한 적용 가능성을 강조합니다.

연구에서 얻은 통찰은 생물학적 시각 및 인지 이해를 진전시키고, 시각 인식 작업을 위한 새로운 계산 모델 개발에 영감을 줄 수 있다고 연구진은 밝혔습니다.

벌에서 영감을 받은 시각이 로봇공학과 AI를 형성하는 방법

최신 연구는 런던 퀸 메리 대학교와 협력하고 eLife 저널에 발표된 자세히 설명한벌의 미니어처 뇌에 대한 디지털 모델².

이 연구는 이 곤충들이 뇌와 몸을 결합하는 놀라운 방식을 활용해 기술을 발전시키고 미래 로봇을 더 똑똑하고 효율적으로 만들고 있습니다. 벌이 비행 움직임을 통해 명확한 뇌 신호를 생성하고 복잡한 시각 과제를 단순화하는 것처럼, 차세대 기술도 거대한 컴퓨팅 파워에 의존하지 않고 움직임을 통해 관련 정보를 수집할 수 있습니다.

결국 이 연구는 아주 작은 곤충 뇌도 복잡한 시각 과제를 해결할 수 있음을 입증했습니다.

소수의 뇌 세포가 이렇게 많은 일을 할 수 있다는 사실은 지능이 단순히 뇌에만 의존하는 것이 아니라, 뇌, 몸, 그리고 환경이 조화롭게 작용한 결과임을 의미합니다.

벌의 뇌를 디지털 버전으로 구축함으로써 연구자들은 비행 중 벌이 몸을 움직이는 방식이 시각 입력을 형성하는 데 도움이 된다는 것을 발견했습니다. 이러한 움직임은 또한 뇌에서 독특한 전기 신호를 생성하여 주변의 예측 가능한 특징을 쉽고 효율적으로 식별할 수 있게 합니다.

이는 비행 중 복잡한 시각 패턴을 학습하고 식별하는 데 있어 벌의 놀라운 정확성을 보여줍니다.

“이번 연구에서 우리는 가장 작은 뇌조차도 움직임을 활용해 주변 세계를 인식하고 이해할 수 있음을 성공적으로 입증했습니다. 이는 수백만 년의 진화 결과인 작고 효율적인 시스템이 우리가 이전에 생각했던 것보다 훨씬 복잡한 계산을 수행할 수 있음을 보여줍니다.”

– 연구의 수석 저자, 제임스 마샬 교수, 셰필드 대학교 머신 인텔리전스 센터 소장

자연의 최고의 지능 설계를 활용함으로써, 마샬은 이것이 “다음 세대 AI의 길을 열어 로봇공학, 자율주행 차량 및 실제 학습의 발전을 촉진한다”고 언급했습니다.

앞서 언급했듯이, 이 연구는 벌이 활성 시각을 사용하는 방법에 대한 이전 연구를 기반으로 하며, 그들의 움직임이 시각 정보를 수집하고 처리하는 데 도움이 됩니다. 최신 연구는 특정 패턴을 검사하며 날아다니는 행동을 유도하는 뇌 메커니즘을 더 깊이 탐구합니다.

“이전 연구에서 우리는 벌이 시각 퍼즐을 해결하기 위해 영리한 스캔 단축키를 사용한다는 사실에 매료되었습니다. 그러나 이는 그들이 무엇을 하는지 알려줄 뿐이었습니다; 이번 연구에서는 어떻게 하는지를 이해하고자 했습니다.”

– 주 저자, 셰필드 대학교 하디 마부디 박사

벌의 고급 시각 패턴 학습 능력은 실제로 오래전부터 알려져 왔습니다. 여기에는 인간 얼굴을 구별하는 능력이 포함되지만, 그들이 어떻게 그렇게 효율적으로 세계를 탐색하는지는 아직 밝혀지지 않았습니다.

“우리의 벌 뇌 모델은 신경 회로가 시각 정보를 고립된 상태가 아니라 자연 환경에서 비행 움직임과의 적극적인 상호작용을 통해 처리하도록 최적화되어 있음을 보여줍니다.”

– 마부디

그는 이것이 지능이 뇌, 몸, 환경의 상호 작용에서 비롯된다는 이론을 뒷받침한다고 언급했습니다.

“우리는 벌이 참깨 씨만한 크기의 뇌를 가지고 있음에도 불구하고 단순히 세상을 보는 것이 아니라, 움직임을 통해 보는 것을 적극적으로 형성한다는 것을 배웠습니다. 이는 행동과 인지가 깊이 얽혀 최소한의 자원으로 복잡한 문제를 해결하는 아름다운 예시이며, 이는 생물학과 AI 모두에 큰 함의를 가지고 있습니다.”

– 마부디

협력적인 노력으로 구축된 이 모델은 벌의 뉴런이 특정 움직임과 방향에 고도로 조정되며, 뇌가 다양한 자극에 반복적으로 노출됨에 따라 서서히 적응한다는 것을 보여줍니다. 이는 연관이나 강화에 의존하지 않고도 반응을 향상시킵니다.

이는 벌의 뇌가 비행 중 관찰만으로 환경에 적응하며 즉각적인 보상이 필요하지 않다는 것을 의미합니다.

이 모든 과정은 소수의 뉴런만을 사용해 에너지와 처리 능력을 절약하며, 뇌를 매우 효율적으로 만듭니다. 이제 모델을 테스트하기 위해 팀은 실제 벌이 직면한 동일한 시각 과제를 모델에 적용했습니다. 이 경우, 계산 모델은 ‘+’ 기호와 ‘×’ 기호를 구별해야 했습니다.

실제 벌의 전략을 모방해 패턴의 하반부만 스캔했을 때, 모델은 성능이 크게 향상된 것을 보여주었습니다.

게다가 모델은 소규모 인공 뉴런 네트워크만을 사용해 벌이 인간 얼굴을 인식할 수 있음을 성공적으로 보여주었으며, 이는 그들의 시각 처리의 다재다능함과 강점을 강조합니다.

“과학자들은 뇌 크기가 동물의 지능을 예측하는지에 대한 질문에 매료되었습니다. 그러나 이러한 추측은 특정 과제에 기반한 신경 계산을 알지 못하면 의미가 없습니다,” 라고 런던 퀸 메리 대학교 감각 및 행동 생태학 교수 라스 치트카가 말했습니다. “우리는 어려운 시각 구별 과제에 필요한 최소 뉴런 수를 결정했으며, 그 수는 인간 얼굴 인식과 같은 복잡한 과제에도 놀라울 정도로 작습니다. 따라서 곤충의 마이크로브레인은 고급 계산을 수행할 수 있습니다.”

따라서, 이 연구는 동물이 정보를 수동적으로 받는 것이 아니라, 실제로 적극적으로 활용한다는 증거를 추가합니다.

특히 벌은 고차원 시각 처리를 가지고 있으며, 모델은 행동에 의해 주도된 스캔이 어떻게 압축되고 학습 가능한 신경 코드를 생성하는지를 보여줍니다.

“이러한 발견은 인식, 행동, 뇌 역학이 복잡한 시각 과제를 최소 자원으로 해결하기 위해 공동 진화한다는 통합 프레임워크를 지원합니다 – 이는 생물학과 AI 모두에 강력한 통찰을 제공합니다.”

– 셰필드 대학교 생명과학 및 신경과학 연구소 시스템 신경과학 교수 미코 주술라

AI가 아시아 말벌로부터 꿀벌을 보호하는 방법을 알아보려면 여기를 클릭하세요.

스와이프하여 스크롤 →

AI 기술에 투자하기

AI와 로봇공학 분야에서 Qualcomm (QCOM )은 신경형 및 엣지 AI 기술을 탐구한 것으로 알려진 기업입니다. 

10년 전, Qualcomm은 인간과 같은 인식 및 학습을 모방하는 Qualcomm Zeroth 프로세서를 출시했습니다. 이는 생물학적 뇌가 정보를 전달하는 효율성을 복제하고, 뉴럴 프로세싱 유닛(NPU)이라는 새로운 처리 아키텍처를 표준화하는 것이 목표였습니다.

한편, AI 기반 로보틱스 RB6 플랫폼은 차세대 로봇 및 지능형 기계, 배송 로봇, 자율 이동 로봇(AMR), UAM 항공기, 제조 로봇, 자율 방위 솔루션 등 다양한 분야에 전력을 공급합니다. 이 플랫폼은 로봇을 위한 5G 연결성을 갖춘 전력 효율적인 고급 엣지 AI 컴퓨팅 및 비디오 처리를 제공하고 있습니다. 

주로 Qualcomm은 무선 산업을 위한 기본 기술 개발에 관여하고 있으며, 3G, 4G, 5G 무선 연결성 및 고성능·저전력 컴퓨팅을 포함합니다.

AI(인공지능) 투자에 대해 모두 알아보려면 여기를 클릭하세요.

Qualcomm (QCOM )

Qualcomm의 시장 실적을 살펴보면, 1,716억 7천만 달러 시가총액을 가진 이 회사의 주가는 현재 159.54달러에 거래되고 있으며, 올해 현재 3.6% 상승했습니다.

올해 실적은 기대에 못 미쳤지만, QCOM은 지난해 6월 215달러를 넘어섰던 급등을 뒤따랐습니다. EPS(TTM)는 10.36, P/E(TTM)는 15.36, ROE(TTM)는 44.62%이며, 주주들은 2.24%의 배당 수익률을 누리고 있습니다.

재무 측면에서, 무선 칩 제조업체는 2025년 6월 29일 종료된 회계 3분기에 매출이 10% 증가한 104억 달러를 기록했습니다.

핸드셋, IoT, 자동차 부문 전반의 강점에 힘입어 QCT 매출은 전년 대비 11% 상승한 90억 달러에 이르렀으며, EBT 매출은 22% 급증해 27억 달러가 되었습니다. 한편, QCT 자동차와 IoT 매출을 합친 규모는 전년 대비 23% 상승해 27억 달러에 달했습니다.

회사의 비GAAP EPS는 전년 대비 19% 상승해 2.77달러였습니다.

According to CEO Cristiano Amon:

“QCT 자동차 및 IoT 매출의 또 다른 강력한 성장 분기가 우리의 다각화 전략과 AI가 에지에서 규모를 확대함에 따라 장기 매출 목표 달성에 대한 자신감을 더욱 확증합니다. AI 처리, 고성능·저전력 컴퓨팅, 고급 연결성 분야에서의 리더십은 AI가 에지에서 규모를 확대함에 따라 업계가 선택하는 플랫폼이 될 수 있게 합니다.”

이번 분기에 Qualcomm은 주주들에게 38억 달러를 반환했으며, 여기에는 현금 배당금 9억 6700만 달러(주당 0.89달러)와 28억 달러의 자사주 매입이 포함되었습니다.

가장 최근에 Qualcomm은 기업 고객을 위해 Dragonwing Q-6690을 출시했으며, 이는 Dragonwing 제품군을 공개한 지 6개월도 채 되지 않았습니다. 이 회사는 이 칩셋이 초고주파 RFID 기능을 내장한 세계 최초의 모바일 프로세서라고 주장합니다.

산업 및 임베디드 IoT, 네트워킹, 셀룰러 인프라 솔루션을 통해, 회사는 복잡성을 단순화하고 운영 효율성을 최적화하며, 더 스마트한 의사결정을 가능하게 하는 데 활용하고자 합니다.

이와 동시에 사우디아라비아의 AI 기업 Humain은 리야드와 담맘에 첫 데이터 센터를 구축하기 시작했으며, 이를 위해 Qualcomm 및 AMD, Cisco, Groq와 파트너십을 맺었습니다. 이 회사는 이번 십년 말까지 1.9GW의 데이터 센터 용량을 구축할 계획입니다.

최신 Qualcomm (QCOM) 주식 뉴스 및 개발

결론

동물은 오랫동안 기술에 영감을 주었으며, 이제 벌은 지능이 뇌 크기가 아니라 효율성, 적응성, 그리고 몸·뇌·환경의 원활한 통합에 달려 있음을 보여줍니다. 이러한 교훈은 AI 설계를 혁신하는 데 도움이 될 수 있습니다.

AI는 오늘날 가장 앞선 빠르게 진화하는 분야 중 하나로, 큰 관심과 자본, 개발을 끌어모으고 있습니다. 그러나 대규모 모델을 확장하는 것은 비용이 많이 들고 에너지 집약적이며 지속 가능하지 않습니다. 여기서 벌에서 영감을 받은 연구는 작은 효율적인 신경망으로 적은 자원으로 더 많은 것을 달성할 수 있는 대안을 제시합니다.

벌의 활성 시각과 압축된 신경 전략을 연구함으로써, 우리는 더 빠르고 능력 있는 미래형 AI와 로봇공학을 구축할 수 있습니다.

로봇 수분 매개자가 수직 농업에서 역할을 할 수 있는지 알아보려면 여기를 클릭하세요.

참고문헌:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. 단순 패턴 구별 과제에서 벌의 활성 시각. eLife, 14, e106332, 2025년 2월 20일 출판. https://doi.org/10.7554/eLife.106332
2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. 활성 시각의 신경형 모델은 로불라 뉴런의 시공간 인코딩이 벌의 패턴 인식을 돕는 방식을 보여준다. eLife, 14, e89929, 2025년 7월 1일 출판. https://doi.org/10.7554/eLife.89929