과일파리는 똑똑하기로 유명하지 않다. 아마도 파티오 테이블에 너무 오래 방치된 와인잔에 빠져 죽은 파리를 한 마리 이상 본 적이 있을 것이다. 그런데도 양귀비 씨앗보다 작은 뇌, 약 14만 개의 뉴런을 가진 초파리는 엄청난 범위의 냄새를 찰나의 순간에 구분하고, 그 냄새에 대한 기억을 오랫동안 유지할 수 있다. 이런 점에서 그들은 비싸고, 감지할 수 있는 범위가 극도로 좁으며, 새로운 냄새를 배우는 순간 이전 냄새를 금방 잊어버리는 현재의 '전자 코'보다 훨씬 뛰어나다.

그렇다면 파리를 그냥 모방하면 어떨까? 이것은 점점 더 많은 연구자들이 던지는 질문이다. 오키나와 과학기술대학원대학(OIST)의 케빈 맥스와 양센도 그중 하나로, 그들의 새로운 알고리즘인 Spi-Fly는 최근 저널 '뉴로모픽 컴퓨팅 앤 엔지니어링'에 게재된 논문에서 설명된다.

냄새는 기계적으로 보면 이상한 감각이다. 시각과 청각은 모두 그래프에 그릴 수 있는 단일 물리적 차원(파장)으로 축소되므로 연구하기가 비교적 깔끔하다. 반면 냄새 분자는 어떤 단일 물리적 차원으로도 환원될 수 없다. 생물학은 대신 더 지저분한 해결책을 찾아야 했다. 특정 분자 특징에 결합하도록 모양이 만들어진 수백 개의 서로 다른 수용체 단백질이 조합을 이루어 발화하고, 뇌는 이를 해독해야 한다. 이 시스템은 조합적으로 너무 복잡해서 1991년이 되어서야 린다 벅과 리처드 액셀이 그 뒤에 있는 수용체 유전자 패밀리를 식별할 수 있었고, 이 공로로 2004년 노벨상을 수상했다.

냄새에 대한 우리의 이해가 어려움에도 불구하고 '전자 코'는 시장에 존재한다. Alpha MOS, Aryballe, Odotech 같은 회사는 식품 품질 관리, 환경 모니터링, 보안 검색용으로 이를 판매한다. 이 코들이 잘하지 못하는 것은 일반화이다. 상한 올리브유 냄새를 맡도록 조정된 장치는 공항 검색대에서 특정 폭발물을 감지하는 장치와 같지 않다. 새 작업에 맞게 재조정하려면 일반적으로 소프트웨어를 거의 처음부터 다시 훈련해야 한다.

그 한계 뒤에는 두 가지 기술적 병목이 있다. 첫째, 이러한 시스템은 일반적으로 한 냄새를 다른 냄새와 확실하게 구분하기 전에 수많은 수동 라벨링된 예제가 필요하다. 둘째, 새로운 냄새를 가르치면 이미 알고 있던 것을 뒤섞는 경향이 있는데, 연구자들은 이를 '파괴적 망각'이라고 부르며, 수영을 배운 직후 자전거 타는 법을 잊어버리는 전자적 버전이다.

과일파리와 다른 많은 곤충은 아주 작은 뇌에도 불구하고 이 문제가 없다. 그들은 어떻게 그렇게 적은 지능으로 냄새를 구별하고 기억할까? 논문 저자들에 따르면 그 비결은 '희소 코딩'이라는 것이다. 파리의 뇌가 모든 냄새에 바코드를 할당한다고 생각하라. 파리의 후각 시스템은 약 2,000개의 특수 세포인 케년 세포에 의존하는데, 이 세포는 파리의 냄새 수용체에서 전달된 희소하고 무작위로 연결된 신호를 받는다. 그 케년 세포는 모두 단일 중계 지점인 전측 쌍측 뉴런(APL, 실제로는 뇌 반구당 하나씩 대칭 쌍)에 보고한다. APL은 모든 케년 세포에 강력한 전역 억제 신호를 발화하여 거의 모든 세포를 침묵시킨다. 그 진압 후에도 활성 상태를 유지하는 세포가 맥스와 양센이 특정 냄새에 대한 바코드라고 부르는 것이다.

Spi-Fly는 센서가 이미 작업을 수행한 후에만 이야기를 시작한다. 모든 것은 사전 기록된 센서 데이터를 사용한 시뮬레이션에서 발생하며, 알고리즘 자체는 처음에 냄새를 포착하는 것과는 아무 관련이 없다. 맥스와 양센의 연구에서 센서 판독값은 스파이크의 흐름이 되고, 케년 세포를 대표하는 은닉층에 희소하고 무작위로 투영되며, 뉴런은 단일 APL 유사 중재자에 의존하는 대신 서로를 억제한다. 거기서 은닉층은 출력층에 연결되며, 각 라벨된 냄새에 대해 하나의 뉴런이 어떤 바코드가 어떤 냄새에 속하는지 학습하기를 기다린다.

실제로 학습되는 것은 바코드와 특정 냄새 사이의 연결이다. 바코드가 주어지면 출력 뉴런은 해당 냄새에 대해 활성화되도록 조정된다. 새로운 냄새가 들어오면 새로운 바코드가 생성되고, 출력층에 새 뉴런이 추가되어 해당 바코드를 학습한다. 기존 뉴런은 건드리지 않으므로 이전에 학습한 냄새는 그대로 유지된다. 이것이 파괴적 망각을 피하는 방법이다.

Spi-Fly는 아직 실제 하드웨어에 구현되지 않았지만, 시뮬레이션에서 유망한 결과를 보여주었다. 연구자들은 이 알고리즘이 전자 코의 일반화 문제를 해결하는 데 도움이 될 수 있으며, 더 나아가 로봇 공학 및 기타 분야에서 지속적으로 학습해야 하는 시스템에 적용될 수 있다고 말한다. 그러나 그들은 이것이 단지 시작일 뿐이라고 인정한다. 실제 냄새를 포착하는 센서와의 통합, 더 복잡한 냄새 환경에서의 테스트 등 해결해야 할 과제가 남아 있다.

그럼에도 불구하고, 이 연구는 자연이 어떻게 작은 뇌로 복잡한 문제를 해결하는지에 대한 흥미로운 통찰을 제공하며, 우리의 기술이 따라잡을 수 있는 방법을 제시한다. 그리고 과일파리가 우리보다 더 나은 기억력을 가질 수 있다는 생각은 겸손하게 만든다. 결국, 당신의 스마트폰은 커피 주문조차 기억하지 못하지만, 과일파리는 와인잔에서 죽기 전에 그 냄새를 기억할 것이다.