인간 두뇌의 지능 창발: 다중 척도 뇌과학과 현대 심리학의 통합적 조망
단일 뉴런 수상돌기의 비선형 연산에서 전뇌 동적 연결망, 예측 처리 및 확장된 인지까지
현대 뇌과학과 심리학은 인간의 지능을 뇌의 특정 ‘스마트 영역’이나 단일한 생물학적 실체가 만들어 내는 고정된 능력으로 보지 않는다. 대신 지능은 단일 뉴런(Neuron) 수상돌기의 비선형 연산에서 출발해, 전뇌(whole-brain) 네트워크의 실시간 동적 조율, 불확실성을 최소화하는 계층적 예측 추론, 그리고 발달 과정에서 여러 인지 기능과 외부 환경이 서로를 증폭시키는 상호작용이 겹쳐지며 나타나는 다중 척도 창발(multi-scale emergence) 현상으로 이해된다. 신경과학에서는 고전적인 국재화 모델인 두정-전두 통합 이론(P-FIT)을 넘어 전뇌 연결망의 유연한 협응을 강조하는 네트워크 신경과학 이론(NNT)과 동적 기능 연결성(dFC) 연구가 중심축으로 자리 잡았고, 정보이론은 미시적 신경세포로 환원되지 않는 거시적 인과력을 수학적으로 정량화하는 ‘인과적 창발(causal emergence)’ 프레임워크를 제시하고 있다.
심리학 역시 스피어만(Spearman)의 일반 지능 요인(g)을 재해석하고 있다. 다양한 인지 검사 점수가 서로 양의 상관을 보이는 현상(positive manifold)은 뇌 어딘가에 존재하는 단일한 ‘신경 g(neuro-g)’ 때문이 아니라, 발달 과정의 호혜적 결합을 강조하는 상호주의 모델(Mutualism Model)과 실행 기능 병목의 중첩을 설명하는 과정 중첩 이론(Process Overlap Theory, POT)이 가리키듯, 수많은 하위 인지·신경 속성이 상호작용하여 형성된 요약 지표로 파악된다. 다만 구조적 허브 네트워크가 실제로 뇌 상태 전환을 제어하는 방식, 임계성(criticality)의 정확한 물리적 지표, 그리고 의식과 전역 정보 방송을 둘러싼 이론적 검증(2025년 COGITATE 프로젝트의 유보적 결론 등)은 여전히 치열한 논쟁과 검증이 진행 중인 최전선 과제다.
🔬 미시적 기반: 인간 피질 뉴런과 수상돌기의 다층 연산
지능 창발의 물리적 토대는 거시적 뇌 구획 이전에 개별 신경세포(Neuron) 내부의 구조적·전기적 복잡성에서 시작된다. 오랫동안 계산신경과학은 뉴런을 입력 신호를 단순히 선형 합산해 발화 여부를 결정하는 ‘점 뉴런(point neuron)’으로 근사해 왔다. 그러나 수술로 적출된 인간 대뇌 피질(Cerebral Cortex) 조직을 직접 측정한 연구들은 인간 뉴런 자체가 이미 고성능 다층 연산 장치임을 시사한다.
Goriounova 등(2018)이 뇌종양 및 뇌전증 수술을 앞둔 46명의 환자를 대상으로 수술 전 지능검사(IQ)와 측두엽 피질 조직의 전기생리·형태학적 특성을 연계 분석한 결과(MRI 피질 두께 측정은 35명 대상), 높은 IQ 점수는 더 두꺼운 대뇌 피질뿐만 아니라 훨씬 크고 분지된 수상돌기(dendrite) 구조, 빠른 활동전위 동역학, 그리고 입력에서 출력으로 이어지는 효율적인 정보 전달 속도와 양의 상관을 보였다. 이 연구는 병리적 조건을 지닌 수술 환자 표본에서 얻어졌다는 제약이 있으나, 건강한 성인 집단에서 반복 확인된 피질 두께와 IQ의 상관관계를 단일 세포 수준의 생물물리학적 기제와 연결한 첫 실증적 근거로 평가된다.
특히 인간 대뇌 피질 2/3층(layer 2/3) 피라미드 뉴런의 수상돌기는 종 특이적인 연산 능력을 발휘한다. Gidon 등(2020)의 Science 발표 연구에 따르면, 인간 피질 2/3층 뉴런의 수상돌기에서는 독특한 수상돌기 활동전위(dCaAPs)가 발생하며, 이를 통해 단일 뉴런이 전통적으로 다층 신경망이 필요하다고 여겨진 선형적으로 분리 불가능한 입력을 스스로 분류할 수 있음이 보고되었다. 계산 모델링 연구들 역시 수상돌기 구획화와 비선형 통합 특성이 결합될 때 단일 뉴런이 다중 부위의 논리 연산(AND-NOT 및 XOR 유형 등)을 수행할 수 있음을 보여주었다. 2025년 발간된 계산 모델링 리뷰에서도 인간 2/3층 피라미드 뉴런은 설치류에 비해 긴 케이블 길이와 풍부한 사선 수상돌기(oblique dendrites) 덕분에 약 25개의 독립적인 NMDA 스파이크 구획을 동시에 생성할 수 있는 반면(쥐는 약 14개), 시냅스(Synapse) 수와 독립 구획을 함께 고려한 단일 뉴런당 기억 용량은 설치류 대비 약 10배에 달하는 것으로 추산되었다.
최근 초고해상도 나노스케일 커넥톰(connectome) 프로젝트들은 이러한 세포들이 실제로 어떻게 배선되어 있는지 물리적 실체를 드러내고 있다. 2024년 Science에 공개된 H01 프로젝트는 인간 전측 중측두회(anterior middle temporal gyrus) 피질의 소규모 조직(두께 약 170 μm, 피질 1층부터 백질까지 약 3 mm span)을 4 nm 해상도로 재구성하여 49,080개의 뉴런·교세포 세포체와 보정 추정치 기준 1억 1,160만 개의 흥분성 시냅스, 7,070만 개의 억제성 시냅스를 매핑했으며, 신경망 내부에 빈 공간이 거의 없이 신경돌기(neuropil)가 빽빽하게 맞물려 있음을 보여주었다. 단, H01 역시 약물 난치성 뇌전증 환자의 수술 접근 경로에서 얻은 단일 인간 표본이라는 한계가 있다(적출 부위 자체는 광학현미경 소견상 정상으로 확인되었다). 이어 2025년 Nature에 발표된 생쥐 시각피질 기능적 커넥톰(MICrONS) 연구를 해설한 문헌들에 따르면, 신경세포의 기능(반응 특성)을 기록한 뒤 구조를 재구성한 결과 흥분성 뉴런이 무작위로 연결되는 것이 아니라 유사한 시각 자극에 반응하는 세포끼리 우선적으로 연결되는 ‘유사 결합(like-with-like)’ 경향을 보이는 것으로 나타났다.
🕸️ 거시적 네트워크 아키텍처: 국소 통합에서 전뇌 동적 조율로
미시적 뉴런들이 고밀도 국소 회로를 이룬다면, 지능이라는 통합된 정신 현상은 이 회로들이 대뇌(Cerebrum) 전반에 걸쳐 어떻게 연결되고 시간에 따라 재구성되는가에 달려 있다. 지난 20년간 지능 뇌과학의 패러다임은 ‘특정 피질 경로의 통합’에서 ‘전뇌 네트워크의 동적 조율’로 무게 중심이 이동해 왔다.
📍 두정-전두 통합 이론(P-FIT)과 기능적 허브
Jung과 Haier(2007)가 1,557명의 피험자를 포함한 37편의 구조·기능 뇌영상 연구를 종합해 제안한 두정-전두 통합 이론(Parieto-Frontal Integration Theory, P-FIT)은 지능의 신경 기반을 설명하는 대표적인 경로 통합 모델이다. P-FIT는 지능적 문제 해결이 브로드만 영역(BA)으로 정의된 4단계 정보처리를 통해 이루어진다고 본다:
1단계: 감각 정보 처리
후두엽(BA 18, 19)과 측두엽(BA 22, 37)이 시각적·청각적·언어적 표상을 인식하고 정교화합니다.
2단계: 통합 및 추상화
두정엽 영역(BA 7, 39, 40)이 감각 정보를 상징화하고 추상적 개념으로 통합합니다.
3단계: 가설 검증 및 평가
두정엽과 전두엽(특히 배외측 전전두피질 BA 6, 9, 10, 45, 46, 47)이 상호작용하며 대안적 해법을 모색하고 평가합니다.
4단계: 반응 선택 및 억제
전대상피질(BA 32)이 최적의 해답이 결정된 뒤 대안적 반응을 억제하고 최종 행동을 선택하며, 백질 궁상속(arcuate fasciculus)이 신뢰할 수 있는 정보 전달을 담당합니다.
이 밖에도 다양한 인지 과제에서 공통적으로 동원되는 다중 요구(Multiple Demand, MD) 네트워크—전두두정 제어 네트워크(FPN/CEN)와 대상-덮개(CON) 또는 현저성 네트워크(Salience Network)—및 내적 사고와 관련된 기본모드 네트워크(DMN), 배측 주의 네트워크(DAN)가 지능 수행에 핵심적으로 관여한다. 특히 전측 뇌섬엽과 전대상피질에 기반을 둔 현저성 네트워크는 내·외부 자극 중 중요한 단서를 포착해 주요 뇌 네트워크 간의 전환을 조율하는 스위치 역할을 수행하며, 2024년 연구에서는 소뇌(cerebellum) 역시 대뇌 피질 네트워크 역학을 통합적으로 조절하여 고위 인지 기능과 지능의 토대에 기여함이 보고되었다.
🌐 작은 세상, 부자 클럽, 그리고 네트워크 신경과학 이론(NNT)
그래프 이론을 인간 커넥톰에 적용한 van den Heuvel과 Sporns의 연구는 대뇌가 높은 국소 군집도(clustering)와 짧은 평균 경로 길이를 동시에 구현하는 작은 세상(small-world) 위상을 지니며, 연결 차수가 매우 높은 허브 영역들이 서로 간에도 밀집 연결된 부자 클럽(rich-club)을 형성하고 있음을 밝혔다. 부자 클럽은 장거리 굵은 신경섬유와 높은 수초화 수준을 요구해 대사 비용이 매우 비싸지만, 서로 멀리 떨어진 전문화 영역들 사이의 전역 통신 중계 비용을 낮추는 중추 역할을 한다. 그러나 부자 클럽이 뇌 상태 전환의 실질적 ‘조종사’인가에 대해서는 반론도 존재한다. 최근의 네트워크 제어 이론(control theory) 분석에서는 부자 클럽이 뇌 상태의 안정화와 전이에 미치는 제어 기여도가 동일한 크기의 무작위 영역 집합보다 오히려 낮게 나타나, 구조적 허브 위상과 동역학적 상태 제어 능력은 분리해 해석해야 할 필요가 제기되었다.
이러한 흐름을 통합·확장한 것이 Aron Barbey가 제시한 네트워크 신경과학 이론(Network Neuroscience Theory, NNT)이다. Wilcox와 Barbey 등이 2026년 Nature Communications에 발표한 연구(대학 보도자료 및 사전 공개 초록 기준)는 Human Connectome Project 성인 831명과 INSIGHT 코호트 성인 145명이라는 두 독립 집단 데이터를 분석하여, 일반 지능이 전두-두정 피질과 같은 특정 국소 ‘지능 네트워크’가 아니라 전뇌의 대규모 조직화 원리에서 창발한다는 네 가지 핵심 예측을 지지하는 결과를 보였다:
- 다중 네트워크 분산 처리: 지능은 단일한 스마트 영역에 거주하지 않으며, 여러 전문화된 시스템에 과업을 분배하고 그 출력을 결합하는 과정에서 나타난다.
- 장거리 통신을 통한 전역 통합: 원거리 뇌 영역을 잇는 단축 경로(shortcut) 연결망이 신속하고 통합적인 정보 교환을 가능하게 한다.
- 조절 허브의 지휘: 특정 조절 허브들이 과제의 성격(직관적 판단 대 심층 분석 등)에 맞추어 적절한 네트워크 조합으로 정보 흐름을 유도한다.
- 국소 전문화와 전역 통합의 균형: 밀접하게 뭉친 국소 클러스터의 효율적 처리와 전뇌를 가로지르는 짧은 경로가 균형을 이룰 때 유연한 문제 해결이 극대화된다.
더 나아가 기능적 연결성 비교 연구에서는 강한 연결선뿐만 아니라 약하게 연결된 기능적 엣지(weak edges)들의 전역적 프로파일까지 함께 모형화할 때 g 예측 정확도와 신뢰도가 향상됨이 확인되었으며, 최근에는 다층 처리 이론(Multilayer Processing Theory, MLPT) 등 다층 네트워크 계층을 동시 검증하는 시도도 이어지고 있다.
⏱️ 동적 기능 연결성(dFC): 효율성과 유연성의 분화
정적인 연결 지도만으로는 변화하는 과제에 적응하는 지능의 본질을 포착하기 어렵다. Ng 등(2024, Imaging Neuroscience)은 시간에 따른 연결 패턴 변화를 추적하는 동적 기능 연결성(dFC) 분석을 통해, 일반 지능(g)과 인지 처리 속도가 서로 구별되는 뇌 네트워크 동역학에 의존함을 밝혀냈다.
| 구분 | 높은 일반 지능(g)과 연관된 동역학 | 빠른 처리 속도(Processing Speed)와 연관된 동역학 |
|---|---|---|
| 핵심 dFC 지표 유형 | 거리 기반 지표 (상태 간 전환 거리 및 일관성) | 빈도 기반 지표 (총 상태 전환 횟수 및 빈도) |
| 작동 원리 | 동적 신경 효율성 (Dynamic Neural Efficiency) | 전반적 네트워크 유연성 (Network Flexibility) |
| 뇌 상태 유지 및 전형성 | 고차 네트워크 간 뚜렷한 연결을 지닌 특정 상태의 안정적 유지, 인지 처리 상태(States 2–5)에서 집단 평균에 가까운 전형적 패턴(낮은 특이성) | 기저 준안정 상태(State 1) 및 FPN 고립 상태(State 6)에서의 불안정성과 높은 특이성 |
| 상태 전환 특성 | 유사 상태 간에는 최소한의 재구성만 수행하고, 기저 상태(State 1)에서 인지 처리 상태로 적은 비용(짧은 거리)으로 진입 | 기저/고립 상태(States 1, 6)를 빠르게 이탈해 빈번하게 인지 처리 상태(States 2–5)로 전환 |
이 결과는 “똑똑한 뇌는 에너지를 적게 쓴다”는 고전적인 신경 효율성 가설을 시간적 재구성 역학으로 확장한다. 높은 일반 지능은 무작정 뇌 상태를 자주 바꾸는 산만한 유연성이 아니라, 불필요한 재구성을 최소화하고 표준적이고 최적화된 전뇌 배선 상태로 매끄럽게 진입해 유지하는 동적 효율성에서 비롯된다.
⚡ 계산적·물리적 원리: 예측 처리, 임계성, 그리고 인과적 창발
신경망이 물리적으로 연결되어 동적으로 재구성된다면, 그 안에서 실제로 수행되는 계산 원리는 무엇이며 왜 물리적 전기 신호에서 ‘지능’이라는 거시적 인과력이 솟아나는가? 최신 계산신경과학과 복잡계 물리학은 이를 예측 처리, 임계성, 그리고 정보이론적 인과적 창발로 설명한다.
🔮 예측 처리(Predictive Processing)와 자유 에너지 원리
2026년 Frontiers in Psychology 종합 리뷰와 최근 신경 메시지 전달(message-passing) 모형에 따르면, 두뇌는 감각 자극을 수동적으로 축적하는 기관이 아니라 외부 세계의 숨은 원인(latent causes)에 대한 내부 생성 모델을 구축하고 근사 베이즈 추론(approximate Bayesian inference)을 수행하는 구성적 기관이다. 헬름홀츠(Helmholtz)의 ‘무의식적 추론’에서 유래해 칼 프리스턴(Karl Friston)의 자유 에너지 원리(Free Energy Principle, FEP)로 정식화된 이 관점은 지각·학습·행동을 단일한 원리로 통합한다.
대뇌 피질의 층상 회로(laminar connectivity)는 이 예측 알고리즘을 물리적으로 구현한다. 고차 다중감각 영역의 깊은 피라미드 세포(deep pyramidal cells)에서 뻗어 내려오는 하향(descending) 투사는 비선형적·조절적 방식으로 감각 영역에 ‘예측’을 전달하여 입력을 설명해 내려 한다. 반면, 저차 감각 영역의 얕은 피라미드 세포(superficial pyramidal cells)에서 올라가는 상향(ascending) 투사는 예측과 실제 감각 사이의 불일치인 ‘예측 오차(prediction error)’를 선형적·추동적 신호로 보고하여 상위 모델을 수정한다.
이 과정에서 지능적 주의 배분과 학습 속도를 결정하는 핵심 변수가 바로 정밀도(precision)—즉 예측이나 감각 오차가 얼마나 신뢰할 만한가를 나타내는 불확실성의 역수—이다. 신경생물학적으로 정밀도는 시상(예: 시상침 pulvinar)에서 오는 병렬 투사와 서로 다른 화학적 특성을 지닌 층 특이적 억제성 개재뉴런, 그리고 도파민 등 신경조절물질이 얕은 피라미드 세포의 시냅스 후 이득(postsynaptic gain)을 조절하는 방식으로 구현된다. 이는 예측 오차 신호의 ‘볼륨’을 높이거나 낮춤으로써 표상 정교화(representational sharpening)와 선택적 주의를 창발시킨다. 결국 정밀도 가중 예측 오차를 최소화하는 과정은 수학적으로 변분 자유 에너지를 최소화하고 내부 모델의 증거를 최대화하는 ‘자기 입증(self-evidencing)’과 동치이며, 능동적 추론(Active Inference)에서는 뇌가 내부 예측만 고치는 데 그치지 않고 척수·뇌간 반사궁을 통한 근육 긴장도 조절 등 행동을 실행해 외부 감각 입력 자체를 예측에 맞추도록 환경을 바꾼다.
🔥 임계성(Criticality)과 혼돈의 가장자리
비평형 통계물리학의 관점에서 두뇌가 정보 처리와 인지적 유연성을 극대화하는 동역학적 조건은 임계성 가설(Critical Brain Hypothesis)로 설명된다. 신경망 활동이 금방 소멸해 버리는 비침투(아임계) 상태와 지속적·폭주성 동역학 사이의 전이 구간—즉 평균장 방향성 침투(MFDP) 임계점 근방이나 질서와 무질서의 경계인 혼돈의 가장자리(edge of chaos) 부근—에서 작동할 때 뇌는 척도 없는 신경 눈사태(neural avalanches)를 생성한다. 이러한 임계 동역학은 깨어 있는 의식 상태와 높은 정신적 유연성을 뒷받침하는 핵심 후보로 제시되며, 휴지기 뇌파의 눈사태 임계성 및 혼돈의 가장자리 특성이 섭동 복잡도 지수(PCI)와 근본적으로 상관한다는 보고도 있다. 다만 뇌가 정확히 MFDP와 혼돈의 가장자리 중 어느 임계 전이 부근에 의존하는지, 그리고 신경 눈사태 분석에 내재된 통계적·방법론적 한계를 어떻게 극복할지는 현재도 정교화가 진행 중이다.
🌌 정보이론적 인과적 창발과 의식 논쟁의 시사점
부분들이 모여 어떻게 부분 자체로는 설명되지 않는 전체의 지능적 인과력을 낳는가? Rosas, Mediano, Hoel 등(2020~2026)이 발전시킨 통합 정보 분해(ΦID) 기반의 인과적 창발 이론은 이 철학적 난제를 수학적으로 정식화했다. 이 틀에 따르면, 체계의 미시적 부분들로부터 계산되는 거시적 상위 특성(supervenient feature)이 개별 요소들의 상태만으로는 예측할 수 없는 시스템의 미래 진화에 대한 고유한 시너지 예측력을 가질 때 ‘인과적 창발’이 성립한다. 이는 집단 활동(예: 국소 장 전위나 전역 뇌 상태)이 개별 신경 요소의 미래 상태에 고유한 영향을 미치는 하향 인과(downward causation)와, 거시적 고차 특성이 미시적 요소들을 매개하지 않고 거시적 차원 자체의 지속적 시너지를 통해 자기 자신의 미래를 예측·지배하는 인과적 분리(causal decoupling)라는 두 가지 양상으로 구현되며 두 효과는 독립적으로 공존할 수 있다.
이러한 창발 능력은 단순한 비유가 아니다. 중증 뇌손상으로 만성 무반응 상태에 빠진 환자들을 ΦID로 분석한 연구(PMC9989666)는 구조적 네트워크 제어 가능성과 시공간적 위계가 손상될 때 뇌가 창발적 거시 특성을 지탱할 수 있는 ‘창발 용량(emergence capacity)’ 자체가 붕괴함을 보였다.
한편 지능의 고위 처리와 맞물린 의식적 정보 통합 메커니즘을 검증하기 위해 2025년 Nature에 발표된 COGITATE 컨소시엄의 적대적 공동연구(adversarial collaboration)는 시사하는 바가 크다. 256명의 피험자를 대상으로 fMRI(120명), MEG(102명), 두개내 뇌파 iEEG(34명)를 결합해 전역 신경 작업공간 이론(GNWT)과 통합 정보 이론(IIT)을 사전 등록 방식으로 시험한 결과, 두 이론 모두 완전한 승리를 거두지 못했다. 자극의 범주와 지향성 정보가 후방 피질에서 해독된 점은 IIT의 공간적 예측과 부합했으나 지속적인 내부 연결 패턴은 깔끔히 확인되지 않았고, GNWT가 핵심으로 예측한 자극 종료 시점의 전두엽 ‘전역 점화(ignition)’ 역시 본 검증에서는 관찰되지 않았다(다만 이후 후속 재분석과 탐색적 연결성 분석에서는 일시적인 저주파 감각-전두 연결이나 자극 시작·종료 시점의 점화 가능성을 둘러싼 해석 논쟁이 이어지고 있다). 여기에 IIT의 검증 가능성을 둘러싼 학계 논쟁까지 겹치며 거시적 통합 메커니즘에 대한 정량적 통합 이론의 필요성이 부각되었다.
🌱 심리학과 발달의 관점: 일반 지능(g)의 창발과 환경적 결합
뇌신경학적 다층 연산과 네트워크 역학이 심리적 차원의 지능으로 발현되는 과정 역시 단일 원인이 아닌 상호작용과 발달적 축적의 결과다.
🧩 상호주의 모델과 과정 중첩 이론(POT)
심리학의 가장 오래된 수수께끼 중 하나는 서로 다른 인지 영역(어휘, 공간 추론, 수리 등)의 성취도가 왜 서로 양의 상관관계를 이루는가(positive manifold)이다. 과거에는 이 배후에 단일한 잠재 능력인 ‘스피어만의 g’가 실재한다고 간주했다. 그러나 20세기 초 Godfrey Thomson이 뇌 속 수많은 신경 결합(neural bonds)을 과제마다 중복 표집하기 때문에 상관이 생긴다는 표집 이론을 제안한 이래, 현대 심리학은 g를 원인이 아닌 창발적 결과로 재구성한다.
상호주의 모델(Mutualism Model)은 어휘력, 작업 기억, 추론 능력 같은 인지 모듈들이 성숙에 따라 부분적으로 자율 성장함과 동시에, 발달 기간 동안 서로 양방향 인과(reciprocal causation)로 영향을 주고받으며 동반 성장한다고 설명한다. 예컨대 언어 능력이 향상되면 복잡한 인지적·사회적·정서적 처리가 촉진되고, 이러한 능력의 성장이 다시 다른 영역과 결합하는 호혜적 과정을 통해 g가 서서히 창발한다. 이와 궤를 같이하는 과정 중첩 이론(POT)은 다양한 인지 과제가 도메인 특수적 과정들과 더불어 전두-두정 실행 기능·유동 처리 자원을 중복해서 요구하기 때문에, 통계적으로 g라는 단일 요인처럼 보이는 형성적(formative) 요약 변수가 나타난다고 본다. 이는 지능이 단일한 뇌 부위(‘neuro-g’)가 아니라 다수 신경 속성의 가중 합에 의해 결정된다는 뇌영상 증거와 정확히 맞물린다.
⚖️ 이중 과정 이론과 실행 기능의 통제
일상적 문제 해결에서 지능은 이중 과정 이론(Dual-Process Theory)이 구분하는 두 사고 양식의 협응으로 작동한다. 유형 1(Type 1) 처리는 환경과의 반복적 상호작용 속에서 형성된 예측 기제와 연합 기억을 바탕으로 빠르고 자동적이며 작업 기억 부하 없이 작동하는 반면, 유형 2(Type 2) 처리는 작업 기억(working memory)의 용량을 점유하며 기호와 규칙을 순차적으로 조작하는 느리고 의식적인 숙고 과정이다.
여기서 지능적 행동의 핵심 관문은 전전두엽(PFC)이 주도하는 실행 기능(executive function)이다. 공간 항해 및 스트룹(Stroop) 과제에 대한 신경망 시뮬레이션과 환자 연구(PMC11534269)는 전전두엽 손상 시 행동이 빈도 높은 습관적 기본 반응으로 퇴행함을 보여주며, 건강한 전전두엽의 목표·맥락 표상이 자동화된 습관 정책을 필요에 따라 억제하고 재정의(override)함으로써 맥락에 적합한 지능적 제어를 가능하게 함을 확인해 준다. 다만 De Neys 등의 추론 연구는 직관과 논리의 전환이 단순한 이분법적 예측보다 복잡한 작업 기억 부하 양상을 보임을 지적하며, 단순한 작업 기억 훈련이 일반 지능이나 추론 능력으로 직접 전이되지 않는다는 실증 결과는 지능이 단일 작업 기억 용량의 확장이 아니라 다중 네트워크와 지식 구조의 결합임을 시사한다.
🌱 발달적 조율과 확장된 인지(4E Cognition)
지능의 창발은 생물학적 시간축과 신체·환경의 경계를 가로지른다. 발달신경과학은 아동기부터 성인기 초기에 이르는 실행 기능과 지능의 성숙이 불필요한 연결을 정리하는 시냅스 가지치기(synaptic pruning)와 장거리 신호 전달 속도를 높이는 수초화(myelination)의 정교한 조율에 의존함을 보여준다. 특히 초기 생애 환경은 이 발달 시계에 직접 개입한다. 설치류 모델에서 초기 양육 환경 결핍(limited-bedding) 같은 스트레스는 시냅스 성숙 표지자, 수초 염기성 단백질, 신경주변망(PNN)의 형성을 비정상적으로 앞당겨 가소성 ‘결정적 시기(critical period)’를 조기 종료시키며, 그 결과 성체기의 시냅스 가소성 저하와 인지 기능 손상으로 이어진다. 반대로 교육 기관과 같은 풍부한 환경은 여러 인지 기술을 동시에 훈련시켜 기술 간 양의 상관을 강화한다.
나아가 4E 인지(체화된·내재된·행위적·확장된 인지)와 확장된 마음(Extended Mind) 이론은 지능의 창발이 두개골 내부에서 완결되지 않는다고 본다. 인간이 외부의 언어, 수 기호, 메모, 도표, 디지털 도구를 뇌의 작업 기억 및 지각 회로와 긴밀히 결합해 과제를 수행할 때—Clark과 Chalmers의 동등성 원칙(parity principle)이 제시하듯—그 상호작용 연결고리 자체가 인지 과정의 구성적(constitutive) 일부가 된다. 즉 인간의 지능은 고립된 뇌의 연산 능력을 넘어 신체적 감각-운동 순환과 문화적·기술적 인지 비계(scaffolding)가 결합한 시스템적 창발의 산물이다.
🎼 다중 척도 지능 창발의 통합 모형과 NeuroAI로의 함의
지금까지 살펴본 뇌과학과 심리학의 최신 이론들은 서로 경쟁하는 별개의 설명이 아니라, 서로 다른 공간적·시간적 척도에서 지능의 창발을 포착하는 상보적인 렌즈로 통합될 수 있다.
| 분석 척도 | 핵심 이론 및 모델 | 지능 창발의 메커니즘 | 주요 실증 근거 및 해석상 유의점 |
|---|---|---|---|
| 세포·시냅스 척도 | 수상돌기 구획 연산 모델, 나노 커넥토믹스 | 인간 2/3층 피라미드 뉴런의 dCaAPs 및 다수 독립 NMDA 구획을 통한 단일 세포 내 비선형 논리 연산·기억 증폭 | 수술 환자 조직·IQ 상관(Goriounova 등) 및 쥐·인간 비교 모델링; H01(단일 뇌전증 수술 표본)과 MICrONS(생쥐 시각피질)의 일반화 범위 유의 |
| 거시 네트워크 척도 | P-FIT, 부자 클럽, NNT, 동적 기능 연결성(dFC) | 분산 전문화 모듈과 장거리 단축 경로의 균형, 조절 허브의 지휘, 기저 상태에서 인지 상태로의 효율적 동적 전이 | 831명(HCP)·145명(INSIGHT)에서 NNT 지지(2026); 약한 연결 엣지 기여 확인; 부자 클럽의 상태 제어 역할에 대한 반증 논쟁 존재 |
| 계산·정보이론 척도 | 예측 처리, 자유 에너지 원리, 임계성, 인과적 창발(ΦID) | 정밀도 가중 예측 오차 최소화를 통한 베이즈 추론, 임계점 부근 동역학, 거시 상태의 하향 인과 및 시너지 분리 | 피질 층상 회로와 도파민 이득 조절 일치; 중증 뇌손상 시 창발 용량 저하; COGITATE(2025)에서 전역 점화·지속 통합 이론 모두 부분 한계 노출 |
| 심리·발달·환경 척도 | 상호주의 모델, POT, 이중 과정 이론, 4E·확장된 인지 | 발달 중 인지 능력 간 호혜적 결합과 실행 기능 병목의 중첩으로 g 형성; 시냅스 가지치기·수초화 및 외부 비계와의 결합 | 작업 기억 단순 훈련의 지능 전이 한계; 설치류 초기 스트레스의 가소성 조기 종결 효과; 교육과 도구의 인지 구성 역할 |
이 다층적 창발 구조는 차세대 인공지능(NeuroAI)에도 근본적인 시사점을 던진다. 현재의 대규모 AI 모델들은 특정 영역이나 정형화된 과제에서는 높은 성능을 보이지만, 낯선 맥락으로 지식을 유연하게 전이하고 지속 학습을 수행하는 일반 지능에서는 여전히 취약하다. 최근 NeuroAI 연구들은 단순한 순수 데이터 학습의 한계를 넘어(Zador의 ‘순수 학습 비판’), 생물학적 뇌가 진화적으로 갖춘 모듈성, 막대한 전력 소모를 줄이고 치명적 망각(catastrophic forgetting)을 방지하는 수상돌기 구획 메커니즘, 그리고 전뇌 네트워크가 시스템 수준의 제약 조건 아래 유연하게 협응하는 조직 원리를 모델링할 때 진정한 범용 지능에 다가갈 수 있음을 시사한다.
맺음말: 역동적인 지능의 교향곡
결국 인간 두뇌의 지능은 단일한 알고리즘이나 한 줌의 피질이 아니라, 나노미터 크기의 시냅스 구획부터 문화와 도구를 아우르는 확장된 네트워크까지 전 계층이 실시간으로 예측하고 조율하며 빚어내는 역동적인 교향곡이다.