최근 실리콘밸리에서는 생물학적 난제를 ‘엔지니어링 스프린트’로 해결하려는 시도들이 줄을 잇고 있습니다. 그중에서도 최근 가장 뜨거운 감자는 단연 Eon Systems가 공개한 ‘가상 파리(Virtual Embodied Fly)’ 데모일 것입니다. 14만 개의 뉴런을 가진 초파리의 뇌를 시뮬레이션하여 가상 환경에서 파리가 먹이를 찾고, 스스로 몸을 다듬는(Grooming) 영상을 보면 마치 우리가 마침내 ‘마인드 업로딩(Mind Uploading)‘의 첫 단추를 끼운 것 같은 착각마저 듭니다.

하지만 15년 차 엔지니어의 관점에서 이 시스템의 아키텍처를 뜯어보면, 감탄과 동시에 짙은 회의감이 밀려옵니다. 과연 이것은 진정한 의미의 뇌 에뮬레이션일까요, 아니면 잘 만들어진 게임 속 NPC에 불과할까요? Hacker News를 뜨겁게 달군 이 논쟁적인 프로젝트의 기술적 디테일과 그 이면을 깊게 파헤쳐 보겠습니다.

프랑켄슈타인 아키텍처: 세 가지 모델의 결합

Eon Systems의 블로그 포스트를 자세히 읽어보면, 이들이 무에서 유를 창조한 것은 아님을 알 수 있습니다. 사실 이 프로젝트의 본질은 학계에 이미 공개된 훌륭한 오픈소스 모델들을 하나로 엮어낸 통합(Integration) 엔지니어링 입니다. 시스템은 크게 세 가지 컴포넌트로 구성됩니다.

• Brain Model: 성체 초파리의 Connectome(신경망 지도)을 기반으로 한 LIF(Leaky Integrate-and-Fire) 모델입니다. 약 14만 개의 뉴런과 5천만 개의 시냅스로 구성되어 있습니다.
• Vision Model: 초파리의 시각 경로를 모사한 Lappalainen et al.의 모델을 사용합니다.
• Body Model: MuJoCo 물리 엔진 위에서 돌아가는 NeuroMechFly입니다. 87개의 관절을 가진 정밀한 3D 메쉬 모델입니다.

소프트웨어 엔지니어링 관점에서 보면 이는 매우 훌륭한 모듈화 접근 방식입니다. Hacker News의 한 유저가 지적했듯, 현대의 복잡한 시스템(Docker가 Linux cgroups를 감싸고, Kubernetes가 이를 다시 오케스트레이션하듯)은 대부분 기존 기술의 영리한 결합에서 탄생합니다. 하지만 생물학적 뇌를 시뮬레이션하는 데 있어서 이러한 ‘결합’이 과연 유효한지에 대해서는 깊은 고민이 필요합니다.

15ms Tick Rate와 ‘WASD’ 컨트롤의 한계

제가 이 시스템에서 가장 흥미로우면서도 아쉬웠던 부분은 뇌와 신체가 통신하는 인터페이스, 즉 Descending Neurons(하행 뉴런) 의 처리 방식입니다.

이 가상 파리의 시뮬레이션 루프는 15ms 주기로 실행됩니다. 구조를 간단한 의사코드(Pseudo-code)로 표현하면 다음과 같습니다.

while simulation_running:
    # 1. Sensory Input: 가상 환경의 자극(시각, 미각, 촉각)을 뇌 모델에 주입
    sensory_signals = get_sensory_input(world_state)
    
    # 2. Brain Update: 14만 개 뉴런의 LIF 모델을 15ms 동안 시뮬레이션
    brain_state = lif_model.step(sensory_signals, dt=15)
    
    # 3. Motor Command: 특정 하행 뉴런(DN)의 활성화 여부 확인
    dn_signals = extract_descending_neurons(brain_state)
    
    # 4. Body Physics: 활성화된 DN에 따라 미리 학습된 애니메이션/컨트롤러 실행
    if dn_signals['oDN1'] > threshold:
        neuromechfly.walk_forward()
    elif dn_signals['DNa01'] > threshold:
        neuromechfly.turn_left()
        
    world_state = neuromechfly.step(dt=15)

문제가 보이시나요? 뇌 모델이 신체의 87개 관절을 세밀하게 제어하는 것이 아닙니다. 뇌 시뮬레이션에서 특정 뉴런(예: 직진을 담당하는 oDN1, 방향 전환을 담당하는 DNa01/DNa02)이 발화하면, 신체 모델에 내장된 미리 학습된 매크로 애니메이션 이 재생되는 구조입니다.

이건 본질적으로 게임에서 NPC를 움직이는 WASD 컨트롤 과 다를 바 없습니다. 뇌가 ‘앞으로 가’라는 버튼을 누르면, 신체 모델이 알아서 걷기 애니메이션을 수행합니다. Eon Systems 측도 블로그를 통해 “현재의 컨트롤러는 훨씬 더 복잡한 신경계에서 의도적으로 차원을 낮춘(low-dimensional) 읽기 레이어”라고 인정하고 있습니다. 즉, QWOP처럼 근육 하나하나를 제어하는 것이 아니라, 고수준의 상태 머신(State Machine) 트리거에 가깝습니다.

학계의 분노: “미래의 승리를 훔치려 하지 마라”

이러한 기술적 한계 때문에 신경과학계의 반응은 싸늘하기 그지없습니다. 특히 뇌 보존 및 커넥톰 분야의 권위자인 Kenneth Hayworth의 비판은 Hacker News 스레드에서 엄청난 반향을 일으켰습니다.

Hayworth는 Eon Systems의 데모가 대중과 투자자들을 기만하는 행위라고 강도 높게 비판했습니다. 그의 주장의 요지는 이렇습니다. 현재 우리가 가진 것은 뇌의 ‘구조적 배선도(Connectome)‘일 뿐, 각 뉴런과 시냅스의 정확한 전기생리학적, 분자적 동역학(Dynamics) 데이터는 턱없이 부족하다는 것입니다. 수지상 돌기의 비선형성, 내부 상태(배고픔, 각성 등), 호르몬의 변화 등 파리의 행동을 결정짓는 핵심 요소들이 현재의 LIF 모델에는 완전히 누락되어 있습니다.

솔직히 말해서 저는 Hayworth의 분노에 깊이 공감합니다. 수십 년간 묵묵히 기초 데이터를 쌓아 올린 학계의 노력 위에, 스타트업이 단순화된 모델 몇 개를 이어 붙여 놓고 “우리가 뇌를 업로드했다”는 뉘앙스의 마케팅을 펼치는 것은 실리콘밸리 특유의 오만함(Bluster)으로 비칠 수밖에 없습니다.

총평: 훌륭한 테스트베드, 그러나 과도한 하입(Hype)

결론적으로 Eon Systems의 가상 파리는 진정한 의미의 ‘뇌 에뮬레이션’이 아닙니다. 생물학적 정밀도 측면에서는 아직 갈 길이 멉니다.

하지만 엔지니어로서 이 프로젝트를 완전히 폄하하고 싶지는 않습니다. 복잡한 신경망 모델과 물리 엔진을 15ms Latency 내에 연동하고, 이를 시각적으로 그럴듯하게 구현해 낸 통합 엔지니어링 역량은 칭찬받아 마땅합니다. 이것은 뇌-신체 인터페이스(Brain-Body Interface) 가설을 테스트하기 위한 훌륭한 v0.1 연구 플랫폼 입니다.

다만, “수십 년이 걸릴 연구를 엔지니어링 스프린트로 해결하겠다”는 그들의 슬로건은 수정되어야 할 것 같습니다. 생명의 복잡성은 단순히 API를 연결하고 파라미터를 튜닝한다고 해결되는 문제가 아니니까요. 우리는 여전히 AGI나 완벽한 뇌 업로딩에서 수십 년은 떨어져 있습니다. 지금은 하입을 거두고, 조용히 기초 공사에 집중해야 할 때입니다.