한 연구팀이 사람의 뇌 시각피질 반응을 인공지능(AI)으로 예측하고, 특정 뇌 영역의 활성을 극대화하는 동영상을 자동으로 합성하는 프레임워크 ‘NEvo(Neural-Guided Evolutionary Video Synthesis)’를 제안했다. 사람의 뇌는 시각 정보를 처리할 때 위계적으로 조직되고 기능적으로 특화된 여러 영역을 거치는데, 기존의 뇌 인코딩 모델은 특정 뇌 영역의 선택성을 탐구하기 위해 최적의 자극 이미지를 합성할 수 있었지만 대부분 정지 이미지에 국한돼 있었고, 동적인 시각 처리 과정은 상대적으로 덜 탐구된 영역으로 남아 있었다는 게 연구진의 설명이다.
연구팀이 소개한 NEvo는 목표로 삼은 시각피질 영역에 최적화된 동영상 자극을 생성하는 새로운 프레임워크다. 구조화된 프롬프트 공간에서 진화적 탐색(evolutionary search)을 수행하며, 이 과정은 동영상 입력에 대한 복셀(voxel) 단위 반응을 예측하는 동적 인코딩 모델의 안내를 받는다. 목표로 삼은 관심 영역(ROI)의 예측 활성도를 최대화하는 방식으로, 이 프레임워크는 손으로 직접 제작한 기존의 국소화(localizer) 영상들을 일관되게 능가하는 초활성화(hyper-activating) 동적 자극을 효율적으로 찾아낼 수 있다고 연구팀은 밝혔다.
연구진이 합성한 동영상들은 복측(ventral), 배측(dorsal), 측면(lateral) 경로 등 알려진 시각 처리 경로에서의 선택성을 재현했으며, 나아가 시간적 역동성에 대한 민감도에서 경로별로 체계적인 차이가 있다는 사실도 새롭게 드러냈다. 특히 서치라이트(searchlight) 분석을 통해 측면 시각 경로를 따라 점차 복잡해지는 사회적·동적 특징으로의 진행 양상에 대한 새로운 통찰을 얻었으며, 이는 추상적이고 비자연주의적인 합성 자극을 활용한 추가 실험으로도 뒷받침됐다고 연구팀은 설명했다.
연구팀은 이번 프레임워크가 동적 시각 선택성을 시뮬레이션 환경에서 탐구할 수 있게 해주며, 향후 실제 생체 실험을 위한 새로운 예측을 제공한다고 평가했다. 뇌 인코딩 모델과 진화적 탐색을 결합해 정지 이미지 중심이던 기존 연구의 한계를 넘어선 이번 접근은, 신경과학과 AI 생성 모델의 접점에서 뇌의 동적 시각 처리 메커니즘을 이해하는 새로운 도구로 활용될 수 있을 것으로 보인다. 특히 사람을 대상으로 한 실험 없이도 가설을 미리 검증할 수 있다는 점에서, 향후 fMRI 등 실제 뇌영상 연구의 설계 단계에서 유용하게 쓰일 가능성이 있다.
