초파리 뇌 코넥톰을 시뮬레이션해 이메일 분류와 템플릿 답장을 연결했다.

01핵심 개요

• 발표자는 구글 연구원들이 공개한 초파리 뇌 코넥톰을 활용해 이메일 처리 시뮬레이션을 만들었다고 설명한다.
• 사용한 구조는 16만 6,000개 뉴런과 1억 2,500만 개 이상의 뉴런 간 연결을 포함한다고 소개된다.
• GPT6 Astra 고성능 모드에 링크를 제공하고, 6개 범주의 라벨 이메일 864개로 분류 작업을 학습시켰다.
• 후원·컨설팅·학생 지원·일정·뉴스레터·영수증으로 분류한 뒤 미리 준비한 답변 템플릿을 연결했다.
• 발표자는 전체 이메일 데이터셋에서 약 80% 정확도를 주장하며, 답장 생성이 아닌 템플릿 선택 방식이라고 밝혔다.

02핵심 주장 / 논점 구조

• 발표자는 실제 초파리 뇌의 연결 구조인 코넥톰을 시뮬레이션에 넣고 이메일 업무에 연결했다고 말한다.
• 핵심 기능은 이메일 본문 패턴을 분류하고, 분류 결과에 맞는 사전 작성 답변을 선택하는 것이다.
• 이를 효율적인 자동화 제품이 아니라 생물학적 신경 구조로도 경제적 작업을 수행할 수 있음을 보이는 실험으로 규정한다.
• 발표자는 생물학적 뇌를 컴퓨터에 구현하는 일이 감정·감각을 수반하는지 알 수 없다는 윤리적 질문도 제기한다.

03공개 초파리 코넥톰과 시뮬레이션 환경

• 발표자는 구글 연구원들이 최근 지도화해 공개한 초파리 뇌 데이터를 다운로드해 사용했다고 설명한다.
• 소개된 코넥톰은 초파리 뇌와 신경삭의 16만 6,000개 뉴런을 지도화한 구조다.
• 이 구조에는 뉴런 사이 연결이 1억 2,500만 개 이상 포함돼 있다고 영상에서 제시된다.
• 이메일 작업을 하지 않을 때는 가상 공간을 돌아다니고, 가상 음식과 NPC 친구가 있는 환경을 구성했다고 말한다.

04864개 라벨 이메일로 진행한 분류 학습

• 발표자는 6개 범주를 포괄하는 라벨 이메일 예시 864개를 모델에 넣었다고 밝힌다.
• 6개 분류 항목은 후원, 컨설팅, 학생 지원, 일정 관리, 뉴스레터, 영수증이다.
• 이메일의 문자 조합을 입력 패턴으로 사용하고, 정답 라벨을 이용한 학습과 보상 기반 훈련을 거쳤다고 설명한다.
• 활성화된 뇌 영역을 시각적 fMRI처럼 확인하고, 해당 활성 패턴을 각 이메일 라벨과 연결했다고 말한다.

05운동 회로와 이메일 회로의 분리

• 발표자는 앱 실행 중에 이메일 기능을 실시간으로 훈련하는 방식은 아니라고 구분한다.
• 시뮬레이션에서 움직임을 제어하는 운동 피질은 이메일 학습에 사용된 모델과 다르다고 설명한다.
• 운동 신경세포를 이메일 관련 내용으로 훈련하면 움직임 제어에 문제가 생길 수 있다며 회로 보존의 필요성을 언급한다.
• 화면 오른쪽 상단에서 특정 순간의 초파리 뇌 활동을 볼 수 있으며, 특정 행동으로 신경 활동을 유도할 수 있다고 말한다.

06분류 결과와 Gmail API 답장 연결

• 답장이 필요 없는 이메일은 ‘답글 필요 없음’ 태그를 붙여 답장 대기열에서 제외하는 방식으로 소개된다.
• 통화 요청 이메일에는 가능한 시간 두 가지와 시간대를 보내 달라는 템플릿 답변이 제시된다.
• Paper Kite의 월 12달러 구독 결제 확인 메일과 영수증 데모 1043을 예시 이메일로 사용했다.
• 발표자는 Gmail API에 원하는 답장 본문을 보내 자동 처리 흐름을 연결할 수 있다고 설명한다.
• 자동화 도구는 분류 결과에 따라 템플릿을 고르고, 사용자는 검토·편집·전송을 수행한다고 말한다.

07성능 한계와 인간 뇌 업로드 전망

• 발표자는 이 시스템이 전체 이메일 데이터셋에서 약 80% 정확도에 도달할 수 있다고 주장한다.
• 초파리 뇌는 작은 인공 신경망 수준의 약 80% 성능이며, 일반 인공 신경망보다 처리 효율이 낮다고 평가한다.
• 약 20개 범주를 시험했지만 5~10개 범위부터 분류가 어려워졌으며, 이것이 현재 상한선처럼 보인다고 말한다.
• 이 시스템은 새 이메일 문장을 작성하지 않고 사전 제작된 답변 목록에서 가장 적합한 템플릿을 선택한다.
• 발표자는 인간 뇌 시뮬레이션이 실제 시간보다 수천~수만 배 빠르게 실행될 가능성과 그 철학적 문제를 언급한다.

08용어 사전