죽은 초파리의 뇌를 마인크래프트에 넣었더니 생긴 일
📺 원본 영상: 죽은 초파리의 뇌를 마인크래프트에 넣었더니 생긴 일
🎙️ 채널: 안될과학 Unrealscience
📅 정리 일자: 2026-09-12
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환한 STT 자료를 바탕으로 재구성한 것입니다. 화면에 표시된 신경망 구조, 게임 장면, 수치 자료와 슬라이드 등은 포함되지 않을 수 있으며, 영상에서 언급된 연구 발표일과 개발 도구 관련 정보는 제공된 Transcript를 기준으로 정리했습니다.
개요
마인크래프트 안을 날아다니는 초파리는 단순한 게임 캐릭터가 아니다. 실제 초파리의 신경세포가 어떻게 연결되어 있는지를 기록한 Connectome(커넥톰)을 계산 모델로 옮기고, 게임에서 발생하는 자극과 모델의 신경 활동을 연결해 움직이도록 만든 실험적 구현이다. 그러나 이것을 “초파리의 뇌를 컴퓨터에 업로드했다”고 해석하면 핵심을 놓치게 된다.
영상은 이 흥미로운 시연을 출발점으로 삼아, 신경계의 배선도를 만드는 방법과 그 지도로 예측할 수 있는 것, 그리고 연결 정보만으로는 재현할 수 없는 생물학적 요소를 차례로 설명한다. 나아가 구조와 기능을 어느 수준까지 모사해야 그것을 실제 뇌 또는 생명이라고 부를 수 있는지 질문하며, 계산신경과학의 기술적 문제를 의식과 정체성에 관한 철학적 논의로 확장한다.
마인크래프트에 들어간 것은 뇌가 아니라 배선도다
SNS에서 확산한 영상만 보면 죽은 초파리의 뇌를 마인크래프트에 그대로 이식한 것처럼 느껴질 수 있다. 하지만 강연자가 명확히 구분하듯 게임 안에서 작동하는 것은 생물학적 뇌 조직도, 실제 신경세포를 완벽하게 복제한 디지털 뇌도 아니다. 모델의 출발점은 초파리 신경세포 사이의 연결 관계를 기록한 커넥톰, 즉 신경계의 구조적 배선도다.
커넥톰에는 어떤 신경세포가 어느 세포와 연결되어 있는지, 그리고 두 세포 사이에 시냅스가 얼마나 형성되어 있는지가 기록된다. 영상에서 소개한 수컷 초파리의 중추신경계 지도에는 16만 6천 개가 넘는 신경세포와 약 1억 2천5백만 개의 시냅스 연결이 포함된다. 단순히 신경세포의 위치를 표시한 지도가 아니라, 감각 입력이 여러 중간 회로를 지나 운동을 담당하는 신경세포까지 전달될 수 있는 구조적 경로를 추적할 수 있는 데이터인 셈이다.
01:42 - 16만 6천 개 이상의 신경세포와 약 1억 2천5백만 개의 시냅스로 구성된 수컷 초파리 커넥톰
여기서 중요한 차이는 구조가 곧 작동은 아니라는 점이다. 전자회로의 배선도를 알고 있으면 부품들이 어떻게 연결됐는지는 파악할 수 있지만, 각 부품의 실제 상태와 시간에 따른 전압 변화까지 자동으로 알 수 있는 것은 아니다. 마찬가지로 커넥톰은 신경계 기능을 이해하기 위한 매우 강력한 기반이지만, 그 자체가 살아 움직이는 뇌의 모든 상태를 담고 있지는 않다.
💡 [영상 참조] 강연자는 이 구간에서 초파리 커넥톰과 마인크래프트 속 초파리의 관계를 화면 자료와 함께 설명합니다.
📺 원본 영상에서 확인할 수 있습니다.
18년에 걸쳐 완성한 초파리 중추신경계 지도
영상에 따르면 이번 연구는 수컷 초파리의 뇌만이 아니라 몸으로 이어지는 중추신경계 전체를 재구성했다는 데 의미가 있다. 2024년에 공개된 암컷 초파리 커넥톰은 약 13만 9천 개의 신경세포를 포함했지만 범위가 뇌에 한정됐다. 반면 이번 지도는 뇌와 배쪽 신경줄(Ventral Nerve Cord), 그리고 둘을 잇는 목 연결부까지 포함함으로써 감각 처리와 신체 운동 사이의 구조적 연결을 더 연속적으로 살펴볼 수 있게 했다.
곤충의 배쪽 신경줄은 인간의 척수와 어느 정도 비슷한 역할을 하며 다리와 날개의 운동신호를 처리한다. 따라서 뇌만 복원한 지도에서는 시각과 같은 감각 정보가 머릿속에서 어떻게 처리되는지는 추적할 수 있어도, 그 신호가 몸의 운동 회로로 어떻게 이어지는지를 완전하게 살펴보기 어렵다. 뇌와 배쪽 신경줄을 하나로 연결한 이번 데이터는 감각 입력에서 실제 움직임으로 이어지는 신경 경로를 구조적으로 분석할 기반을 제공한다.
이 지도를 만드는 과정은 극도로 노동집약적이다. 연구진은 초파리의 중추신경계를 매우 얇은 단면으로 절단한 뒤 각 단면을 전자현미경으로 촬영하고, 수백만 장에 이르는 2차원 이미지를 다시 이어 붙여 신경세포의 3차원 형태를 복원했다. 구글 리서치의 인공지능이 서로 다른 단면에서 같은 신경세포에 해당하는 부분을 찾아 연결했지만, 연구자들은 그 결과를 일일이 검토하고 수정하면서 세포를 분류하고 이름을 붙여야 했다.
03:00 - 전자현미경 단면 이미지를 인공지능으로 연결해 신경세포의 3차원 구조를 복원하는 과정
영상은 이 프로젝트가 2008년에 시작되어 연구 발표까지 약 18년이 걸렸다고 설명한다. 이 기간은 뇌를 디지털화하는 일이 단순한 스캔 작업이 아니라, 막대한 영상 데이터와 자동 분할 기술, 그리고 인간 전문가의 교정이 결합된 장기 연구임을 보여준다. 인공지능이 복원 속도를 높이는 핵심 도구가 되었어도, 신뢰할 수 있는 커넥톰은 여전히 자동 계산만으로 완성되는 데이터가 아니다.
게임의 자극을 신경회로에 번역하는 방법
마인크래프트 모델은 게임 화면의 모든 픽셀을 초파리의 눈으로 받아들이지 않는다. 실제 초파리는 수백 개의 낱눈이 모인 겹눈을 가지고 있으며, 낱눈 하나에는 여덟 개의 광수용체가 들어 있다. 그러나 이번 구현은 광수용체에서 시작해 시각신경계 전체가 반응하는 과정을 생물학적으로 재현한 모델이 아니다.
04:23 - 초파리 겹눈과 광수용체 구조를 마인크래프트 모델의 단순화된 시각 입력 방식과 비교한 화면
대신 개발자는 플레이어의 접근, 주변에 존재하는 다른 Mob(몹), 신체 접촉, 공격, 먹이와 빛처럼 게임에서 감지할 수 있는 몇 가지 상황을 선택했다. 그런 다음 각 게임 이벤트를 초파리 신경계의 특정 감각 입력에 대응하도록 모델링했다. 게임 세계의 상태를 실제 초파리가 받을 법한 자극으로 변환하는 일종의 입력 어댑터를 만든 것이다.
입력이 들어오면 모델은 커넥톰에 기록된 연결 구조를 따라 16만 개가 넘는 신경세포의 활동을 계산한다. 그러나 실제 뉴런이 가진 다양한 이온 채널과 수용체, 신경전달물질, 신경조절물질, 세포별 전기생리학적 특성을 모두 시뮬레이션하는 것은 아니다. 영상에 따르면 복잡한 생물학적 작동을 상당 부분 단순화한 계산 규칙을 적용함으로써 실시간 실행이 가능한 신경 활동을 만들어냈다.
출력 단계에도 인간이 설계한 연결 고리가 존재한다. 모델에서 계산된 수많은 신호 가운데 개발자가 미리 지정한 신호를 읽고, 그 결과에 따라 사전에 구현된 몸동작을 실행해야 비로소 게임 속 초파리가 움직인다. 따라서 이 시스템은 신경회로가 신체 구조와 행동을 처음부터 자율적으로 생성한 것이 아니라, 게임 입력과 커넥톰 모델, 사람이 정한 출력 신호와 애니메이션을 순서대로 연결한 하이브리드 시스템이다.
05:14 - 게임 환경 입력과 커넥톰 기반 신경 활동 계산 및 미리 정의된 몸동작 실행의 전체 흐름
| 처리 단계 | 영상에서 설명한 역할 | 생물학적 재현 범위 |
|---|---|---|
| 게임 환경 입력 | 플레이어, Mob, 접촉, 공격, 먹이와 빛 등의 상태를 감지 | 실제 감각기관을 직접 시뮬레이션하지 않음 |
| 감각 신호 변환 | 게임 정보를 지정된 신경계 입력과 연결 | 개발자가 대응 관계를 모델링함 |
| 신경 활동 계산 | 커넥톰의 연결 및 단순화된 규칙으로 뉴런 활동 계산 | 실제 세포의 모든 생리 현상을 포함하지 않음 |
| 행동 신호 판독 | 사람이 지정한 모델 출력 신호를 해석 | 행동 선택 기준에 설계자의 개입이 존재함 |
| 게임 속 동작 | 미리 만들어진 몸동작을 실행 | 실제 근육과 신체역학을 그대로 재현하지 않음 |
이 구조를 이해하면 영상의 성과를 과장하지 않으면서도 그 기술적 가치를 제대로 볼 수 있다. 초파리의 마음을 마인크래프트로 옮긴 것은 아니지만, 대규모 실제 신경 연결 데이터를 게임 환경의 입력과 출력에 실시간으로 접속했다. 이는 커넥톰이 정적인 해부학 자료에 머무르지 않고 상호작용 가능한 계산 기반으로 활용될 가능성을 보여준다.
연결 강도를 어떻게 계산할 것인가
커넥톰은 신경세포 사이의 연결을 보여주지만, 그 연결이 실제로 어느 정도 강하게 작동하는지까지 완벽하게 알려주지는 않는다. 영상은 2024년 암컷 초파리의 뇌 커넥톰을 이용한 계산 연구를 통해 이 간극을 설명한다. 해당 모델은 두 신경세포 사이의 시냅스가 많을수록 다른 조건이 같을 때 연결의 영향력이 더 커진다고 가정했다.
이 가정은 계산을 가능하게 하지만 현실을 단순화한다. 살아 있는 신경계에서는 시냅스 수가 많다고 해서 전달 효과가 언제나 정확히 비례해서 커지는 것은 아니며, 시냅스의 종류와 위치, 수용체의 구성, 세포의 현재 상태에 따라 결과가 달라질 수 있다. 연구팀은 신경전달물질 예측 자료를 활용해 각 신경세포가 흥분성인지 억제성인지 반영하고, 세포막의 전기적 성질에 관한 값은 기존 초파리 실험과 모델링 연구에서 가져왔다.
그럼에도 새롭게 결정해야 하는 핵심 변수가 남아 있었다. 그것은 시냅스 하나가 다음 신경세포의 막전위(Membrane Potential)를 얼마나 변화시키는가였다. 연구팀은 설탕을 감지하는 미각신경세포를 자극했을 때 신호가 여러 회로를 거쳐 주둥이를 내미는 행동에 관여하는 운동신경세포까지 전달되는 반응을 기준으로 이 값을 보정했다.
06:56 - 설탕 자극에 대한 실제 반응을 기준으로 시냅스 효과를 보정하는 계산 모델
이 과정은 계산 모델에서 흔히 사용되는 Calibration(보정)의 사례다. 먼저 실제 실험으로 알려진 반응과 모델의 결과가 비슷해지도록 미지의 매개변수를 조정하고, 그다음 보정에 사용하지 않은 다른 조건에서 모델의 예측력을 검사한다. 하나의 현상에 정확히 맞는 모델을 만드는 것만으로는 일반화 능력을 입증할 수 없기 때문에, 독립적인 자극을 이용한 검증이 반드시 필요하다.
설탕으로 보정하고 물로 검증한 예측
연구팀은 설탕 반응으로 모델을 보정한 뒤, 별개의 감각인 물에 대한 신경 반응을 계산했다. 초파리에서는 설탕을 감지하는 신경세포와 물을 감지하는 신경세포가 구분되지만, 두 자극 모두 결국 주둥이를 내밀어 먹거나 마시는 행동으로 이어질 수 있다. 서로 다른 감각 입력이 공통된 행동 출력으로 수렴한다면, 중간 회로의 일부도 공유될 가능성이 있다.
계산 모델은 설탕과 물에서 시작한 두 경로가 상당수의 신경세포를 공유할 것이라고 예측했다. 연구진이 실제 초파리를 대상으로 Calcium Imaging(칼슘 이미징)과 신경세포 조작 실험을 수행하자, 모델이 지목한 공통 신경세포 가운데 여러 개가 두 자극 모두에 반응했다. 그중 일부는 물에 대한 주둥이 내밀기 행동이 나타나는 데 실제로 필요했다.
07:29 - 모델이 예측한 설탕과 물 반응의 공통 신경세포를 칼슘 이미징과 조작 실험으로 확인한 화면
이 결과의 의미는 모델이 모든 신경 활동을 완벽하게 재현했다는 데 있지 않다. 설탕 반응에 맞춰 설정한 비교적 단순한 모델이 보정 과정에 직접 사용하지 않은 물 반응에서도 실험으로 확인할 수 있는 회로의 특징을 예측했다는 점이 중요하다. 즉 정밀한 연결 정보에 제한된 신경생리학적 규칙만 결합해도, 아직 직접 확인하지 않은 신경회로를 탐색하는 가설 생성 도구가 될 수 있다.
물론 모델의 모든 예측이 맞았던 것은 아니라고 강연자는 덧붙인다. 성공한 예측은 커넥톰의 과학적 가치를 보여주지만, 실패한 예측은 연결 구조만으로 빠진 정보를 역으로 드러낸다. 계산 모델은 완성된 디지털 생명체라기보다 실험할 가치가 있는 세포와 회로를 좁혀주는 연구 도구에 가깝다.
💡 [영상 참조] 이 부분에서 강연자는 설탕 반응으로 보정한 모델이 물 반응에 관여하는 공통 신경세포를 예측한 과정을 설명합니다.
📺 원본 영상에서 관련 화면을 확인할 수 있습니다.
커넥톰은 지하철 노선도와 닮았다
강연자는 커넥톰의 가능성과 한계를 지하철 노선도에 비유한다. 노선도를 보면 어느 역이 연결되어 있고 목적지까지 어떤 경로로 이동할 수 있는지 파악할 수 있다. 그러나 열차가 몇 분 간격으로 도착하는지, 어느 시간대에 승객이 몰리는지, 특정 열차가 지연되었는지는 노선도만으로 알 수 없다.
커넥톰 역시 어떤 뉴런이 어느 뉴런과 연결되어 있는지를 매우 자세하게 보여준다. 하지만 각 시냅스가 실제로 신호를 얼마나 강하게 전달하는지, 신경전달물질이 얼마나 방출되는지, 수용체가 그 물질에 얼마나 민감하게 반응하는지는 구조만으로 확정하기 어렵다. 같은 배선 구조를 가진 회로라도 당시의 생리 상태와 화학적 환경에 따라 전혀 다른 활동 패턴을 나타낼 수 있다.
더구나 신경계는 고정된 회로가 아니다. 학습과 경험에 따라 시냅스의 강도가 변하는 Plasticity(가소성)가 나타나며, 신경조절물질은 여러 회로의 반응성을 넓은 범위에서 바꿀 수 있다. 동물의 영양 상태와 각성 수준, 스트레스, 온도 및 호르몬도 같은 감각 자극에 대한 행동을 변화시킨다.
따라서 커넥톰은 뇌 기능을 이해하는 필요조건에 가깝지만 충분조건은 아니다. 구조 정보가 없다면 신호가 이동할 수 있는 경로조차 알기 어렵지만, 구조만으로는 특정 순간에 어느 경로가 실제로 활성화되는지 완전히 결정할 수 없다. 뇌를 재현하려면 정적인 연결 지도 위에 시간에 따라 변화하는 전기적·화학적 상태를 함께 올려야 한다.
뉴런 302개의 선충도 완전히 재현하지 못한 이유
강연자는 초파리보다 훨씬 단순한 Caenorhabditis elegans(예쁜꼬마선충)를 비교 사례로 제시한다. 길이가 약 1밀리미터인 성체 자웅동체 선충은 신경세포가 302개뿐이며, 그 신경 연결 지도는 1986년에 이미 처음 완성됐다. 초파리의 16만 개가 넘는 신경세포와 비교하면 규모가 압도적으로 작지만, 연결 지도를 확보했다고 해서 선충 전체를 곧바로 컴퓨터 안에 복원할 수 있었던 것은 아니다.
08:49 - 뉴런 302개를 가진 예쁜꼬마선충과 초파리 신경계의 규모 및 재현 난도 비교
2011년부터 진행된 OpenWorm(오픈웜) 같은 프로젝트는 선충의 신경계와 신체 움직임을 계산 환경에서 재현하려고 시도해 왔다. 영상에 따르면 운동과 감각을 비롯한 일부 기능의 모델링은 크게 발전했지만, 살아 있는 선충의 행동을 처음부터 끝까지 그대로 재현하는 단계에는 아직 이르지 못했다. 이 사실은 뇌 시뮬레이션의 난도가 뉴런 개수로만 결정되지 않는다는 점을 보여준다.
뉴런 사이의 신호는 단순한 On·Off 상태가 아니라 시간에 따라 연속적으로 강도가 변한다. 화학적 시냅스 외에도 세포 사이에 전류를 직접 전달하는 Gap Junction(간극연접)이 존재하며, 신경 활동은 근육과 신체의 역학적 조건 및 외부 환경과 끊임없이 상호작용한다. 신경계를 신체에서 분리된 계산 장치로만 보면 실제 행동을 결정하는 중요한 피드백 고리를 잃게 된다.
302개의 뉴런을 가진 생물에서도 이 문제가 해결되지 않았다면, 단순히 더 많은 컴퓨팅 자원을 투입해 16만 개의 뉴런이나 인간의 뇌로 확장하는 방식에는 분명한 한계가 있다. 규모가 커지는 문제뿐 아니라, 어떤 생물학적 변수를 모델에 포함해야 하는지조차 완전히 알지 못하는 지식의 문제가 함께 존재하기 때문이다. 이 사례는 “작은 뇌를 구현했으니 큰 뇌도 같은 방식으로 확장하면 된다”는 낙관적 추론을 경계하게 만든다.
이 모델에서 실제로 재현된 것과 생략된 것
마인크래프트 초파리에서 실제 데이터에 가장 충실한 부분은 신경세포 사이의 연결 구조다. 16만 개 이상의 신경세포와 그 사이의 방대한 시냅스 관계가 계산에 참여한다는 점에서, 단순히 초파리처럼 보이도록 설계한 일반적인 게임 인공지능과는 근본적으로 다르다. 행동을 결정하는 내부 구조가 실제 생물의 해부학적 데이터에서 출발하기 때문이다.
반면 감각기관의 물리적 작동은 크게 축약되어 있다. 초파리의 겹눈과 광수용체가 게임 화면의 빛을 실제 방식으로 처리하는 것이 아니며, 개발자가 고른 제한된 게임 상태가 지정된 감각 입력으로 변환된다. 개발자 역시 이 파리가 냄새와 온도를 감지하지 못한다고 밝혔다고 영상은 전한다.
신경세포 자체의 생리도 단순화되어 있다. 실제 뉴런은 종류마다 막 특성과 발화 양상이 다르고, 다양한 이온 채널과 수용체 및 신경조절물질의 영향을 받는다. 모델은 커넥톰을 계산 가능한 동적 시스템으로 만들기 위해 이 복잡성을 제한된 규칙으로 압축했으며, 이 때문에 모델의 신경 활동과 살아 있는 초파리의 신경 활동을 동일하다고 볼 수 없다.
마지막으로 신체와 행동도 완전히 생성된 것이 아니다. 모델에서 특정 신호가 나오면 사람이 사전에 연결해 둔 게임 속 동작이 실행되므로, 실제 근육의 수축과 날개·다리의 생체역학이 신경 활동에서 자연스럽게 도출되는 구조는 아니다. 이 모델을 정확히 표현한다면 “실제 커넥톰을 내부 계산 구조로 사용하고, 단순화한 감각 입력과 행동 출력을 결합한 상호작용형 신경회로 시뮬레이션”이라고 할 수 있다.
인간의 뇌 업로드로 곧장 이어질 수 없는 이유
초파리의 신경회로를 게임 안에서 실행할 수 있다면 언젠가 인간의 뇌도 같은 방식으로 옮길 수 있지 않겠느냐는 반응이 자연스럽게 뒤따른다. 그러나 강연자는 예쁜꼬마선충 사례만 보더라도 이것이 신경세포 수를 늘리는 단순한 확장 문제가 아님을 알 수 있다고 지적한다. 인간의 뇌에서는 연결 구조의 규모뿐 아니라 기록해야 할 세포 상태와 생리적 변수도 비교할 수 없을 정도로 늘어난다.
설령 미래에 인간 뇌의 모든 신경 연결을 세밀하게 그린다 해도, 그 지도만으로 특정 개인의 뇌를 즉시 실행할 수 있는 것은 아니다. 각 시냅스의 순간적인 강도, 세포막과 이온 채널의 상태, 신경전달물질과 신경조절물질의 농도, 장기간의 학습으로 형성된 가소성까지 알아야 할 수 있다. 기억과 성격이 단순한 연결의 존재 여부가 아니라 연결 강도와 분자적 상태에 의존한다면, 구조만 복제한 시스템은 원본과 전혀 다른 활동을 만들어낼 가능성이 있다.
뇌는 몸과도 분리되어 있지 않다. 감각기관과 내장 상태, 호르몬, 면역계, 근육에서 돌아오는 피드백이 뇌의 활동에 지속적으로 영향을 준다. 인간을 재현한다는 목표가 단순한 신경 신호의 모사인지, 행동과 기억 및 자아까지 포함한 재현인지에 따라 필요한 모델의 범위도 크게 달라진다.
결국 Whole Brain Emulation(전뇌 에뮬레이션)은 커넥톰 스캔과 대규모 계산만으로 해결되는 단일 공학 문제가 아니다. 측정 기술과 계산 모델, 신경생리학, 신체 모델링, 의식에 대한 이론이 동시에 발전해야 하는 복합 문제다. 현재의 초파리 모델은 그 먼 경로에서 연결 정보가 계산에 어떻게 활용될 수 있는지 보여주는 초기 사례이지, 인간 정신 업로드의 직접적인 원형이라고 보기는 어렵다.
모델이 정교해질수록 어려워지는 철학적 경계
기술적 한계를 인정한다고 해서 마인크래프트 초파리가 던지는 철학적 질문까지 사라지는 것은 아니다. 오히려 실제 생물의 데이터를 이용한 모델이 눈앞에서 움직이기 시작하면서, 과거에는 SF의 설정처럼 보였던 문제가 실험과 연결된 현실적인 질문으로 다가온다. 구조와 작동을 어느 수준까지 재현해야 그것을 단순한 모형이 아니라 뇌라고 부를 수 있는지가 대표적이다.
현재 모델은 감각과 세포 생리 및 신체역학을 크게 단순화했기 때문에 실제 초파리와 구분하기 어렵지 않다. 그러나 미래의 모델이 겹눈의 광수용체, 후각과 온도 감각, 개별 뉴런의 생리, 신경조절과 가소성, 근육 및 신체의 물리적 상호작용까지 재현한다면 경계는 점차 흐려질 수 있다. 외부 자극에 대한 행동이 실제 초파리와 구별되지 않고 내부 신경 활동까지 유사하다면, 그것을 여전히 단순한 계산이라고만 불러야 하는지 새로운 논쟁이 생긴다.
여기에는 동일성과 의식이라는 더 어려운 문제가 숨어 있다. 살아 있는 뇌와 기능적으로 같은 모델이 존재하더라도 그것이 원래 생명체와 동일한 존재인지, 별개의 복제본인지, 혹은 주관적 경험 없이 행동만 흉내 내는 시스템인지는 과학적 측정만으로 쉽게 결정하기 어렵다. 영상이 영화 《매트릭스》와 《트랜센던스》를 언급하는 이유도 기술적 재현의 문제가 곧 현실, 자아, 연속성의 문제로 이어지기 때문이다.
지금의 마인크래프트 초파리가 생명이나 의식을 획득했다는 근거는 없다. 다만 이 사례는 철학적 사고실험에 실제 커넥톰 데이터와 실행 가능한 신경회로 모델이라는 새로운 재료를 제공한다. 질문에 대한 답을 얻은 것은 아니지만, 무엇을 재현해야 “같은 뇌”라고 할 수 있는지를 구체적인 공학 문제와 연결해 논의할 수 있게 되었다는 변화 자체가 중요하다.
계산 모델의 진짜 가치는 예측 가능한 가설에 있다
이 프로젝트를 디지털 부활이나 의식 업로드의 관점으로만 보면 현재 기술이 실제로 제공하는 과학적 가치를 놓치기 쉽다. 계산 모델의 직접적인 효용은 살아 있는 초파리를 완벽히 복제하는 데 있기보다, 방대한 커넥톰에서 의미 있는 회로를 찾아 실험 가능한 가설로 바꾸는 데 있다. 수억 개에 이르는 시냅스 연결을 인간 연구자가 직관만으로 해석하기는 어렵기 때문이다.
모델은 특정 감각 입력이 들어왔을 때 어느 신경세포가 활성화될 가능성이 있는지 계산하고, 서로 다른 감각 경로가 어느 지점에서 합쳐지는지 예측할 수 있다. 연구자는 이 예측을 바탕으로 칼슘 이미징이나 세포 조작 실험의 대상을 선정하고, 결과가 맞지 않으면 모델에서 빠진 생물학적 요인을 탐색할 수 있다. 예측의 성공과 실패가 모두 다음 실험을 설계하는 정보가 되는 순환 구조다.
이런 관점에서 마인크래프트는 단순한 홍보용 무대 이상의 가능성을 가진다. 게임 환경은 외부 자극을 통제하면서 신경 모델의 반응을 관찰할 수 있는 대화형 실험장으로 사용될 수 있고, 코드와 Mod(모드)가 공개된다면 다른 개발자와 연구자가 입력 규칙과 출력 해석을 바꾸며 반복 실험할 수 있다. 다만 그 결과를 생물학적 행동으로 해석하려면 어떤 요소가 실제 데이터이고 어떤 요소가 개발자의 설계인지 항상 분리해서 밝혀야 한다.
영상에 따르면 개발자는 코드와 모드를 공개할 예정이라고 말했다. 실제 공개 이후에는 구현된 신경동역학 규칙, 입력 매핑과 행동 판정 기준, 계산 성능 및 재현 가능성을 직접 검토할 수 있을 것이다. 현재 Transcript만으로는 화면에 나타난 코드나 구체적인 매개변수까지 확인할 수 없으므로, 그 세부 구현을 추정해 확정적으로 평가해서는 안 된다.
마무리 / 핵심 정리
마인크래프트 속 초파리는 죽은 초파리의 뇌가 되살아난 존재가 아니다. 실제 중추신경계에서 얻은 커넥톰에 단순화된 신경 작동 규칙을 적용하고, 게임의 제한된 환경 정보와 미리 만든 행동을 연결한 계산 모델이다. 감각기관과 개별 뉴런의 생리, 신경조절, 신체역학이 상당 부분 생략되어 있으므로 실제 초파리의 자연스러운 행동이나 주관적 경험을 복원했다고 볼 근거는 없다.
그렇다고 이 시도를 단순한 눈요깃거리로 축소할 수도 없다. 16만 개가 넘는 실제 신경세포와 약 1억 2천5백만 개의 시냅스 연결을 상호작용 가능한 환경과 연결했다는 사실은 커넥톰을 정적인 지도로만 보던 단계에서 한 걸음 나아간 것이다. 특히 연결 구조와 단순한 생리 규칙만으로도 실험에서 확인 가능한 회로의 특징을 일부 예측한 선행 연구는 이러한 모델이 신경과학의 유용한 가설 생성 도구가 될 수 있음을 보여준다.
가장 중요한 교훈은 “배선도를 확보하면 뇌를 복제할 수 있다”가 아니다. 오히려 배선도만으로 설명되지 않는 정보가 얼마나 많은지, 그리고 구조와 기능 사이의 간극을 메우려면 무엇을 더 측정해야 하는지를 드러냈다는 데 의미가 있다. 예쁜꼬마선충의 302개 뉴런조차 완전히 재현하지 못한 현실은 인간 뇌 업로드까지의 거리가 단순한 규모 차이보다 훨씬 크다는 점을 일깨운다.
그럼에도 이 작은 가상 초파리는 오래된 질문을 현실의 연구 대상으로 끌어왔다. 생물의 구조와 작동을 더욱 정밀하게 모사할 수 있게 되었을 때 우리는 어느 지점부터 그것을 모델이 아닌 뇌라고 부를 것인지, 그리고 기능적으로 같은 디지털 존재를 생명이나 지능으로 인정할 것인지 고민해야 한다. 현재 기술은 답에 도달하지 못했지만, 이제 그 질문은 SF의 상상에만 머물지 않고 실제 데이터와 실행 가능한 모델을 앞에 둔 과학적·철학적 과제가 되었다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 죽은 초파리의 뇌를 마인크래프트에 넣었더니 생긴 일 |
| 채널 | 안될과학 Unrealscience |
| 영상 길이 | 약 12분 55초 |
| 리포트 작성 | 2026-09-12 |
| 작성 방식 | YouTube 영상 STT 변환 후 문맥 기반 오류 교정 및 에디팅 |
| 자료 한계 | 화면의 코드, 신경망 도식과 슬라이드는 Transcript에 포함되지 않음 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 연구 발표 시점과 개발 도구를 포함한 세부 사실은 제공된 Transcript의 설명을 따랐으며, 정확한 맥락과 화면 자료는 원본 영상을 참조해 주세요.