마음은 뇌의 또 다른 이름인가?
[인지과학연습] 인지신경과학이 밝히는 사고와 의식의 구조
IV. 마음은 단순히 뇌와 뇌의 기능을 지칭하는 또 다른 이름인가?
(Is Mind Just Another Name for the Brain and What the Brain Does?)
서론 (Introduction) – Christina E. Erneling
연구의 핵심 내용 요약
이 장에서는 마음과 뇌의 관계에 대한 주요 논점을 제시하며, 인지신경과학이 이를 과학적으로 연구하는 방법을 설명한다. 저자는 전통적인 이원론적 관점과 현대 인지과학의 물질적 접근을 비교하고, 인지신경과학이 마음을 이해하는 데 중요한 역할을 할 수 있음을 강조한다.
연구의 필요성 및 배경
마음이 단순히 뇌의 다른 이름인지, 아니면 뇌의 기능적 표현인지에 대한 문제는 철학과 과학에서 오랫동안 논의되어 왔다.
인지신경과학은 신경과학, 행동과학, 정보처리 이론을 결합하여 마음을 연구하는 학문으로 자리 잡고 있다.
본서의 여러 연구들은 마음을 단일한 실체가 아닌, 여러 기능적 모듈로 구성된 복합 시스템으로 바라본다.
마음을 연구하는 다양한 관점
피노키오 모델 vs. 프랑켄슈타인 모델
. 피노키오 모델: 마음이 신비롭고 비물질적인 요소라는 전통적 견해(데카르트적 이원론). 과학적 연구가 어렵다고 본다.
. 프랑켄슈타인 모델: 마음과 신체가 동일한 물질적 기초를 가지며, 과학적으로 연구될 수 있다는 입장.
모듈성과 기능적 국소화
. 인지신경과학은 마음이 여러 하위 시스템(모듈)으로 구성되어 있다고 본다. 예를 들어, 기억, 주의, 시각, 추론 등은 각각 독립적이지만 상호작용하는 인지 시스템이다. Zawidzki & Bechtel: Franz Joseph Gall의 국소화 이론과 현대 인지신경과학의 관계를 탐구.
인지신경과학과 계산적 접근
. Vinod Goel: Jerry Fodor의 중앙 인지 시스템 비모듈성 주장에 반박하며, 인지신경과학이 계산적 수준에서도 인간 인지를 설명할 수 있다고 주장.
. Martin Ingvar: 뇌의 정보 처리 방식이 시간적 제약을 극복하는 방법(병렬 처리, 예측 메커니즘 등)을 논의.
결론 및 시사점
마음을 연구하는 데 있어 다학제적 접근이 필수적이다.
마음은 단순한 신경 활동 이상의 요소들을 포함하며, 사회적, 문화적 맥락도 함께 고려해야 한다.
과학적 접근이 마음을 완전히 설명할 수 있을지에 대한 논의는 여전히 진행 중이며, 이후 장에서 다양한 관점이 제시될 것이다.
14장. 시간과 인지의 문제: 처리 속도의 한계
(All in the Interest of Time: On the Problem of Speed and Cognition) – Martin Ingvar
Ingvar, Martin (2004). All in the Interest of Time: On the Problem of Speed and Cognition. In Christina E. Erneling, The Mind As a Scientific Object: Between Brain and Culture. Oxford University Press. pp. 251.
기본 요소 (The Building Blocks)
인간의 뇌는 약 1000억 개의 신경세포(neurons)로 구성되어 있으며, 이 신경세포들은 서로 연결되어 방대한 네트워크를 형성한다. 그러나 뇌의 정보 처리 속도는 물리적 한계를 가진다.
정보 전달 속도는 200m/s 이하이며, 시냅스를 거칠 때마다 추가적인 시간 지연(delay) 이 발생한다.
뇌는 이러한 한계를 극복하기 위해 병렬 처리(parallel processing) 및 정보 축소(information reduction) 같은 전략을 활용한다.
모듈성 재검토 (Modularity Revisited)
뇌의 정보 처리를 설명하는 핵심 개념 중 하나는 모듈성(modularity)이다. 초기 모듈성 이론(예: Fodor, 1981)은 뇌가 독립적인 기능 단위로 구성되어 있다고 보았다. 그러나 현대 인지신경과학에서는 보다 유연한 모듈 개념을 제시한다.
뇌는 계층적으로 조직되어 있으며, 병렬 처리와 상호작용이 가능한 방식으로 작동한다.
일부 연구자들은 정보 계층화(hierarchical organization)를 강조하며, 정보가 단순한 감각 수준에서 고차원적인 개념으로 정리된다고 주장한다.
Rumelhart & McClelland(1986) 은 병렬 분산 처리(parallel distributed processing, PDP) 모델을 통해, 정보가 개별 모듈이 아니라 네트워크 내에서 동적으로 처리된다고 설명한다.
시간의 다중적 표상 (Multiple Representations of Time)
뇌는 다양한 방식으로 시간을 인식하며, 시간 정보는 서로 다른 인지 과정에서 다르게 사용된다.
병렬 처리 시스템에서는 각 모듈이 독립적으로 정보를 처리하기 때문에 동일한 사건이라도 각 모듈이 다르게 시간 정보를 저장할 수 있다.
모듈 간 동기화(synchronization)는 정보 전달을 원활하게 하는 중요한 요소이며, 일부 연구에서는 동기화가 특정 주파수(100Hz 이하)에서 이루어진다고 주장하지만, 이에 대한 논란이 있다.
정보의 비연속적 전달을 보완하기 위해, 뇌는 불완전한 정보를 기반으로 예상치를 보완(prediction & interpolation) 하는 방식으로 작동한다.
지각-행동 주기에 기억 추가하기 (Adding Memory to the Perception-Action Cycle)
기본적인 지각-행동 주기(perception-action cycle)는 감각 입력을 즉각적인 행동으로 변환하는 방식으로 작동한다. 하지만 여기에 기억(memory)이 추가되면, 기존 경험을 활용하여 보다 정교한 반응을 생성할 수 있다.
기억이 없는 단순한 지각-행동 주기는 반응 속도는 빠르지만 유연성이 부족하다.
Grossberg(1999)의 적응 공명 이론(Adaptive Resonance Theory, ART)에 따르면, 뇌는 새로운 정보를 기존 기억과 비교하여 일치하면 강화하고, 다르면 수정하는 방식으로 처리한다.
기억은 단순한 저장 공간이 아니라, 과거 경험과 현재 입력을 비교하며 지속적으로 업데이트 되는 동적 시스템이다.
지각-행동 주기에 감정 추가하기 (Adding Emotion to the Perception-Action Cycle)
인지 과정에서 감정(emotion)은 단순한 반응을 넘어서 행동을 조절하는 중요한 기능을 한다. 감정은 외부 자극의 중요도를 평가하고, 신체를 적절한 반응 상태로 준비시키며, 최종적으로 행동을 결정하는 데 영향을 미친다.
James(1894)는 감정을 신체적 변화의 결과로 보았으며,
Darwin(1872)은 감정 표현이 생물학적으로 보편적이라는 관점을 제시했다.
감정적 신호는 행동 선택뿐만 아니라, 인지 과정(예: 의사결정, 기억)에도 영향을 미친다.
전통적으로 감정의 신경학적 기초는 변연계(limbic system)에서 이루어진다고 보았으나, 최근 연구에서는 감정이 전전두엽(prefrontal cortex), 편도체(amygdala), 대뇌 피질(cerebral cortex) 등 더 광범위한 뇌 영역과 연관된다고 제안한다.
정보 축소 (Information Reduction)
뇌는 방대한 양의 정보를 처리해야 하지만, 처리 용량(capacity)과 기억 저장 공간(storage)은 제한적이다. 따라서 뇌는 정보 축소(information reduction) 메커니즘을 활용하여 불필요한 데이터를 제거하고, 중요한 정보만 선택적으로 유지한다.
James(1890)는 뇌가 정보 과부하를 방지하기 위해 주의(attention)를 사용한다고 주장했다.
주의의 신경학적 기초는 우측 후두정엽(right posterior parietal cortex), 전방 대상회(anterior cingulate cortex), 전두엽(prefrontal cortex)이 관여하는 네트워크로 밝혀졌다.
Mesulam(1990)은 주의가 상향식(bottom-up) 과정과 하향식(top-down) 과정을 통해 조절된다고 설명했다.
. 상향식 주의: 새로운 감각 자극이 자동으로 우리의 주의를 끄는 과정.
. 하향식 주의: 목표 지향적인 방식으로 특정 정보에 집중하는 과정.
또한, 뇌는 기억을 저장할 때 안정성(stability)과 가소성(plasticity) 사이에서 균형을 유지해야 한다.
지나치게 안정적인 시스템 → 새로운 정보를 학습하기 어려움.
지나치게 가소성이 높은 시스템 → 기존 정보가 쉽게 사라짐.
이를 "안정성-가소성 딜레마(stability-plasticity dilemma)"라고 하며, 인공지능(AI) 및 신경과학에서 중요한 연구 주제이다.
입력-출력 기능 통합 (Integrating Input-Output Function)
지각-행동 주기(perception-action cycle)는 단순히 외부 자극을 처리하는 것이 아니라, 과거 경험과 다양한 감각 정보들을 통합하여 행동을 최적화하는 과정이다.
우리는 감각 정보를 통해 주변 세계를 인식하고, 이를 바탕으로 시간적/공간적 패턴을 학습한다.
예를 들어, 시각과 청각 정보가 동시에 들어올 때, 뇌는 시간적 일관성(temporal coherence)을 유지하여 의미 있는 연결성을 만든다.
LeDoux(2000)는 감각 정보가 여러 모듈에서 다르게 처리되더라도, 시간적으로 일치하는 정보가 더 효과적으로 학습된다고 주장했다.
이러한 감각 통합(sensory integration) 과정은 운동 시스템과도 연결되어 있으며, 리듬(rhythm)이나 예측(prediction) 같은 요소가 중요한 역할을 한다.
500밀리 초 점프 (The 500-Millisecond Jump)
뇌는 감각 정보를 실시간으로 처리해야 하지만, 신경 신호 전달 속도에는 한계가 있다. 예를 들어, 손가락을 코에 가져다 대면 손가락과 코에서 전달되는 감각 신호가 동시에 도착하지 않는다.
손가락 → 뇌까지 도달하는 신경 신호가 더 빠름.
하지만 우리는 이를 동시에 인식함.
이는 뇌가 시간적 왜곡(temporal distortion)을 보정하기 때문이다.
Libet(1991)의 실험에 따르면, 뇌는 감각 정보를 처리할 때 항상 약 500ms의 지연(delay)이 발생하지만, 우리는 이를 실시간 경험처럼 인식한다.
뇌는 정보를 거꾸로 보정(back-projection)하여, 실제보다 더 빠르게 감각을 인식할 수 있도록 조정한다.
이러한 메커니즘 덕분에 우리는 느린 신경 신호를 보정하여, 외부 세계와의 동기화(synchronization)를 유지할 수 있다.
그러나 이러한 시간 보정 시스템은 방해받을 수 있다. 예를 들어, 너무 빠른 시각적 자극(예: 빠른 화면 깜빡임)이나 10개 이상의 연속 숫자를 기억해야 하는 상황에서는 시간 지연이 왜곡되어 인지가 어려워진다.
자동화 재검토 (Automaticity Revisited)
뇌는 반복된 경험을 통해 특정 행동을 자동화(automatization)할 수 있다. 자동화가 진행될수록, 인지적 부하(cognitive load)가 줄어들고, 처리 속도가 빨라진다.
Schneider & Shiffrin(1977)은 학습 초기에는 많은 인지적 자원이 필요하지만, 반복을 통해 점점 자동화된다고 설명했다.
Petersson et al.(1999)의 뇌 영상 연구에 따르면,
. 학습 초기: 전전두엽(prefrontal cortex)이 활발히 작동하며, 다양한 가능성을 탐색.
. 숙련 단계: 기저핵(basal ganglia)과 소뇌(cerebellum)가 주도하며, 보다 효율적으로 수행.
자동화는 뇌의 정보 축소 전략과 연결되며, 불필요한 신경 자원 낭비를 줄이고, 신속한 반응을 가능하게 한다. 그러나 자동화가 과도하게 진행되면 유연성(flexibility)이 감소하여 새로운 상황에 적응하기 어려워질 수 있다.
효과적인 연산을 위한 예측 (Predictions for Effective Computations)
뇌는 단순히 입력을 처리하는 기계가 아니라, 예측(prediction)을 기반으로 정보를 처리하는 시스템이다.
Wolpert et al.(1995)의 연구에 따르면, 뇌는 단순한 감각 입력에 의존하는 것이 아니라 미리 감각 입력을 예상하고, 이를 비교하여 오류를 줄이는 방식으로 작동한다.
이러한 예측 기제는 운동뿐만 아니라, 인지적 판단과 의사결정 과정에서도 중요한 역할을 한다.
예를 들어, 우리가 공을 던지면, 뇌는 공이 날아가는 궤적을 예상하고 손을 미리 준비한다. 기대했던 감각 입력이 들어오지 않으면, 뇌는 오류를 감지하고 보정한다. 이러한 예측 시스템 덕분에 우리는 효율적으로 정보를 처리하고, 불확실한 상황에서도 빠르게 적응할 수 있다.
의식? (Consciousness?)
뇌의 속도 제한을 극복하기 위해 다양한 전략이 존재하지만, 그렇다면 의식(consciousness)의 역할은 무엇인가?
의식은 정보 처리 속도가 느린 반면, 높은 수준의 통합적 사고를 가능하게 한다.
병렬 처리, 자동화, 예측 기제를 통해 대부분의 인지 과정은 무의식적으로 수행된다.
그러나 특정한 상황(예: 새로운 문제 해결, 창의적 사고)에서는 의식적 처리(conscious processing)가 필요하다.
Martin Ingvar는 의식이 주어진 정보를 정교하게 분석하고, 기존 패턴에서 벗어난 상황을 해결하는 데 사용된다고 설명한다. 즉, 의식은 복잡한 문제를 해결하고, 새로운 패턴을 학습하는 과정에서 핵심적인 역할을 한다.
15장. 중앙 인지 시스템의 인지신경과학은 가능한가?
(Can There Be a Cognitive Neuroscience of Central Cognitive Systems?) – Vinod Goel
Goel, Vinod, 'Can There Be a Cognitive Neuroscience of Central Cognitive Systems?', in Christina E Erneling, and David Martel Johnson (eds), The Mind as a Scientific Object: Between Brain And Culture (New York, NY, 2005; online edn, Oxford Academic, 31 Oct. 2023).
인지신경과학과 전통적 연구의 융합
신경심리학은 지난 150년 동안 뇌 손상 환자의 행동 변화를 연구하여 정상적인 인지 구조를 유추하는 데 주력해 왔다. 반면, 인지과학은 정상적인 인간의 사고 과정을 분석하고 이를 정보 처리 모델로 설명하려 했다.
1950년대 이후 인지과학은 인간의 사고 과정을 정보 처리 시스템으로 간주하고, 인공지능(AI) 및 계산 모델과 연결하여 연구했다.
신경심리학과 인지과학의 융합으로 인지신경과학이 탄생했으며, 이는 뇌 이미지 연구와 컴퓨터 모델링을 결합하여 인간의 인지 과정을 설명하는 것을 목표로 한다.
그러나 이러한 융합이 모든 인지 과정에서 성공적인 것은 아니며, 특히 고차원적인 추론과 문제 해결과 같은 중앙 인지 시스템에 대한 연구는 여전히 도전 과제로 남아 있다.
인지신경과학의 성장과 기여
인지신경과학은 다양한 인지 영역에서 성과를 거두었으며, 특히 다음과 같은 연구에서 강력한 도구로 자리 잡았다.
시각 처리(vision): Marr(1982)의 연구를 통해 시각 인식이 단계적으로 처리된다는 개념이 확립됨.
객체 인식(object recognition): Farah et al.(1991)은 특정 뇌 손상 환자가 회전된 객체를 인식하지 못하는 사례를 분석하여 인지 모델을 개선.
기억(memory) 구조: Dolan & Fletcher(1997), Tulving et al.(1994)은 기억의 개별 모듈성을 탐구.
공간 개념(spatial concepts) 및 언어(language processing): Kosslyn et al.(1995), Price(2000) 등의 연구에서 신경 네트워크 기반 인지 과정이 밝혀짐.
하지만 문제 해결 및 고차원적 추론과 같은 중앙 인지 시스템에 대한 연구는 여전히 논란이 많다.
중앙 인지 시스템 연구의 난제
인지신경과학이 문제 해결 및 고차원적 사고를 연구하는 데 어려움을 겪는 이유는 두 가지 주요 논점으로 정리할 수 있다.
계산 수준의 독립성(computational level independence)
인지 과정은 특정한 신경 기제와 독립적으로 존재할 수 있으며, 따라서 심리학적 상태(mental states)와 신경학적 상태(neural states)가 직접적으로 연결되지 않을 수도 있음.
중앙 인지 시스템의 비모듈성(non-modular nature)
Fodor(1983)는 문제 해결과 같은 고차원적 사고 과정은 모듈적이지 않다고 주장했다. 즉, 특정 뇌 영역에 국한되지 않고 광범위한 신경 네트워크가 동시다발적으로 작용하는 과정이라는 것. 이 때문에, 국소적 손상(localized lesion)을 분석하는 전통적인 신경심리학적 방법이 중앙 인지 시스템 연구에 적합하지 않을 수 있음.
계산 수준의 독립성에 대한 논쟁 (The Argument for Independence of Computational Level)
인지과학의 핵심 가정 중 하나는 계산적(computational) 과정이 신경학적(physiological) 과정과 독립적으로 연구될 수 있다는 점이다.
심리적 상태는 신경 상태와 1:1로 대응하지 않을 수도 있다.
즉, 같은 사고 과정이 다양한 신경 기제에서 실현될 가능성이 있다.
이는 "다중 실현성(multiple realizability)" 문제와 연결되며, 인공지능(AI) 및 철학적 논의에서도 중요한 주제로 다뤄진다.
고엘(Goel)은 이러한 논쟁을 다음과 같이 정리한다.
인지 과정은 독립적인 연산 단위로 정의될 수 있다.
. 인간의 논리적 사고는 특정 신경 기제와 무관하게 이루어질 가능성이 있음.
. 심지어 물리적 두뇌가 아닌 컴퓨터 시스템에서도 동일한 사고 과정이 구현될 수 있음.
그러나, 실제 인간 두뇌에서는 신경 기제의 제약이 존재한다.
. 즉, 계산적 모델이 인간의 사고를 설명하기 위해서는 신경적 현실성을 고려해야 함.
. 예를 들어, 어떤 사고 과정이 이론적으로 가능하더라도, 인간 뇌의 정보 처리 속도나 신경망 연결 구조 때문에 현실적으로 구현되지 않을 수 있음.
이 논의는 결국 인지과학과 신경과학이 어느 정도까지 독립적으로 연구될 수 있는지에 대한 중요한 질문을 던진다.
모듈성의 요구조건 (Modularity Requirements)
모듈성(modularity)은 인지 과정이 독립적인 하위 시스템(모듈)으로 나뉘어 있다는 개념이다. 인지신경과학이 중앙 인지 시스템을 연구할 수 있는지를 논의하려면, 먼저 모듈성이 어떻게 정의되는지를 검토할 필요가 있다.
Fodor(1983)은 모듈이 갖추어야 할 필수 조건을 제시했으며, 이를 바탕으로 모듈성을 평가할 수 있다.
정보 캡슐화(Information encapsulation): 각 모듈은 독립적으로 작동하며, 다른 인지 시스템의 영향을 거의 받지 않는다.
처리 자동성(Automaticity): 모듈은 의식적인 개입 없이 작동하며, 특정 입력이 주어지면 자동으로 반응한다.
특수화(Specialization): 모듈은 특정한 유형의 정보(예: 시각, 언어 등)를 처리하도록 설계되어 있다.
고정된 신경 기제(Fixed neural architecture): 각 모듈은 특정한 뇌 영역과 대응하며, 신경적으로 구체적인 구조를 가진다.
Fodor의 이론은 주로 저수준 인지(low-level cognition)에 적용되며, 예를 들어 시각, 청각, 언어 처리 같은 영역에서 강력한 설명력을 갖는다. 하지만 고수준 인지(high-level cognition), 즉 문제 해결, 논리적 추론과 같은 영역에서도 모듈성이 적용될 수 있는지는 여전히 논쟁 중이다.
모듈성이란 무엇인가? (What Is Modularity?)
모듈성 개념은 단순하지 않으며, 여러 학자들이 각기 다른 정의를 제시해 왔다.
Fodor(1983)의 전통적 모듈성 이론:
감각 처리(sensory processing)는 모듈적이지만, 문제 해결 같은 고수준 인지는 모듈적이지 않다고 주장. 예를 들어, 시각 처리는 특정한 경로를 따라 자동적으로 이루어지지만, 창의적인 사고는 특정한 모듈에서 처리되지 않는다.
Carruthers(2006)의 수정된 모듈성 이론:
모든 인지 과정이 모듈화 되어 있으며, 심지어 고수준 인지조차 다중 모듈 시스템으로 구성된다고 주장. 단, 이러한 고수준 모듈은 보다 유연하며, 상호작용이 가능하다는 점에서 Fodor의 전통적 모듈성과 차이가 있다.
Karmiloff-Smith(1992)의 점진적 모듈화 이론:
인간의 인지 과정은 처음에는 일반적인 처리 방식(general processing)을 사용하지만, 경험을 통해 점진적으로 모듈화 된다고 설명. 예를 들어, 아동은 언어를 처음에는 일반적인 인지 능력을 사용하여 학습하지만, 점차 특정한 언어 모듈이 형성된다.
이처럼 모듈성이란 개념은 단일한 정의로 설명될 수 없으며, 특히 중앙 인지 시스템의 모듈성을 인정할 것인지에 따라 논쟁이 발생한다.
심리학적 모듈성 주장 (Psychological Claims of Modularity)
인지심리학에서는 모듈성이 다양한 방식으로 적용될 수 있다고 주장하며, 이를 실험적 연구를 통해 검토해 왔다.
언어 처리(Language Processing):
언어는 독립적인 모듈을 통해 처리된다는 증거가 있다. 예를 들어, Broca 영역(Broca’s area) 손상 환자는 문법적 문장을 이해하는 데 어려움을 겪지만, 단어의 의미를 파악하는 능력은 유지된다. 이는 문법 처리와 의미 처리가 별개의 모듈로 존재할 가능성을 시사한다.
시각 및 얼굴 인식(Visual and Face Recognition):
Prosopagnosia(안면실인증) 환자는 얼굴을 인식하지 못하지만, 사물 인식 능력은 유지된다. 이는 얼굴 인식이 특정한 모듈에서 처리될 가능성을 보여준다. Kanwisher et al.(1997)의 연구에서는 특정한 뇌 영역(방추형 얼굴 영역, Fusiform Face Area, FFA)이 얼굴 인식에 특화되어 있음을 발견했다.
도덕적 추론(Moral Reasoning):
일부 연구에서는 도덕적 추론이 특정한 신경 네트워크(예: 편도체, 전두엽)를 통해 이루어진다고 주장한다. Greene et al.(2001)의 연구에 따르면, 감정적인 도덕적 판단은 편도체가 활성화되며, 논리적인 도덕적 판단은 전전두엽이 더 활발히 작동하는 것으로 나타났다. 이는 감정과 논리를 처리하는 모듈이 분리되어 있을 가능성을 시사한다.
심리학적 연구들은 다양한 인지 기능이 독립적인 모듈로 작동할 수 있음을 보여주지만, 중앙 인지 시스템(예: 논리적 사고, 창의성, 문제 해결)도 이와 같은 방식으로 모듈화 될 수 있는지는 여전히 불분명하다.
포더의 중앙 시스템 모듈성 반대 논증 (Fodor’s Argument against the Modularity of Central Systems)
Fodor(1983)은 중앙 인지 시스템(central cognitive systems)이 모듈적이지 않다고 주장하며, 그 근거로 다음과 같은 논점을 제시했다.
정보 캡슐화의 부재(Absence of Information Encapsulation)
저수준 인지 시스템(예: 시각, 청각)은 특정 입력을 자동으로 처리하지만, 고수준 인지 시스템(예: 논리적 사고, 문제 해결)은 다양한 정보원으로부터 영향을 받는다. 예를 들어, 우리가 논리 문제를 풀 때는 기억, 경험, 감정, 배경지식 등 여러 요소가 동시에 작용하므로, 이를 독립적인 모듈로 보기 어렵다.
상호작용성(Interactivity)
중앙 인지 시스템은 단일한 입력을 처리하는 것이 아니라, 여러 인지 시스템과 동시적으로 상호작용한다. 따라서 모듈처럼 독립적으로 작동하는 것이 아니라, 연결망(network) 방식으로 작동할 가능성이 크다. 예를 들어, 문제 해결 과정에서는 언어, 기억, 시각적 정보 등이 함께 작용하며, 이러한 과정은 모듈적인 방식으로 설명하기 어렵다.
고정된 신경 구조의 부재(Absence of Fixed Neural Architecture)
모듈적 시스템은 특정한 뇌 영역과 밀접하게 연관되어야 하지만, 중앙 인지 시스템은 광범위한 뇌 영역을 활용하며, 특정한 국소적 구조를 가지지 않는다. 예를 들어, 창의적 사고나 복잡한 문제 해결은 전두엽뿐만 아니라 여러 뇌 영역이 동시에 관여하는 과정이다.
이러한 이유로, Fodor는 "저수준 인지는 모듈적이지만, 고수준 인지는 모듈적이지 않다"는 입장을 견지하며, 중앙 인지 시스템이 모듈성을 가질 수 없다고 주장했다.
포더에 대한 응답 (Response to Fodor)
Fodor의 주장에 대해 다른 학자들은 반박을 제시하며, 중앙 인지 시스템도 모듈성을 가질 수 있다는 다양한 가능성을 제시했다.
유연한 모듈성(Flexible Modularity)
Carruthers(2006)는 모듈성이 반드시 완전히 독립적인 것이 아니라, 상호작용이 가능한 다층적 모듈(hierarchical modularity) 일 수 있다고 주장했다. 즉, 특정한 모듈이 다양한 인지 기능과 협력하면서 작동할 수 있다는 것이다.
분산적 모듈성(Distributed Modularity)
Anderson(2010)은 특정한 인지 기능이 단일한 뇌 영역이 아니라, 분산된 신경 네트워크(distributed neural networks)를 통해 구현될 수 있다고 설명했다. 예를 들어, 기억은 해마(hippocampus)뿐만 아니라 여러 피질 영역과 연결되어 있으며, 중앙 인지 과정에서도 비슷한 방식으로 분산적 모듈성이 작동할 가능성이 있다.
연산적 모듈성(Computational Modularity)
Goel(2014)은 중앙 인지 시스템이 고정된 신경 구조를 가지지 않더라도, 계산적(computational) 수준에서는 여전히 모듈적으로 작동할 수 있다고 주장했다. 즉, 특정한 연산(예: 논리적 추론, 수학적 계산)은 독립적인 알고리즘을 통해 처리될 수 있으며, 이는 기능적 모듈성과 연결될 수 있다.
이러한 반박들은 중앙 인지 시스템이 기존의 감각 모듈과 동일한 방식으로 작동하지는 않지만, 보다 유연한 형태의 모듈성을 가질 가능성이 있음을 시사한다.
결함을 통한 구조 유추 논리 (The Logic of Inferring Structure from Deficits)
신경심리학은 뇌 손상 환자의 사례를 통해 특정 인지 기능이 뇌의 어느 부분과 연관되는지를 분석하는 방식을 사용한다. 하지만 이러한 방식이 중앙 인지 시스템을 연구하는 데 적절한지는 논란이 있다.
Broca(1861)는 언어 생산 장애(실어증, aphasia)를 연구하여 Broca 영역(Broca’s area)이 언어 생성과 관련이 있음을 발견했다.
하지만 중앙 인지 시스템(예: 문제 해결, 창의성)의 경우, 특정 뇌 손상이 이러한 기능을 명확하게 제거하는 사례가 드물다.
예를 들어, 전두엽 손상 환자는 추론 능력에 문제가 생길 수 있지만, 완전히 기능이 상실되지는 않으며, 다양한 보상 메커니즘(compensatory mechanisms)이 작동하여 기능을 일부 유지할 수 있다.
따라서 "어느 뇌 영역이 손상되었을 때 특정 기능이 사라진다"는 방식으로 중앙 인지 시스템의 구조를 분석하는 것이 적절한지에 대한 의문이 제기된다.
결론 (Conclusion)
본 장에서는 중앙 인지 시스템이 모듈성을 가질 수 있는지, 그리고 인지신경과학이 이를 연구할 수 있는지를 다루었다.
Fodor는 중앙 인지 시스템이 모듈적이지 않다고 주장하며, 정보 캡슐화, 고정된 신경 구조 부재 등의 이유를 제시했다.
반면, 일부 연구자들은 보다 유연한 형태의 모듈성이 가능하다고 주장하며, 분산적 모듈성, 연산적 모듈성 개념을 제시했다.
신경심리학적 접근(뇌 손상을 통한 연구)이 중앙 인지 시스템 연구에 적절한지에 대한 논의도 이루어졌다.
결국, 중앙 인지 시스템이 모듈성을 가질 수 있는지에 대한 논쟁은 여전히 해결되지 않은 상태이며, 인지신경과학이 이를 실험적으로 규명하기 위해서는 보다 정교한 연구 방법이 필요하다는 점이 강조된다.
16장. 인지신경과학 실험실: 마음의 과학을 위한 틀
(The Cognitive Neuroscience Laboratory: A Framework for the Science of Mind) – Itiel E. Dror & Robin D. Thomas
Thomas, Itiel Dror & & Robin, (2004). The cognitive neuroscience laboratory: a framework for the science of mind. In Christina E. Erneling, The Mind As a Scientific Object: Between Brain and Culture. Oxford University Press.
인지신경과학의 연구 방식
인지신경과학은 뇌의 구조와 기능을 분석하여 인간의 사고 과정과 행동을 이해하는 것을 목표로 한다. 하지만 마음(mind)을 과학적으로 연구할 수 있는가에 대한 논란은 여전히 존재한다.
전통적으로 철학과 심리학은 마음을 연구해 왔으며, 경험적 연구보다는 개념적 분석이 중심이었다.
반면, 인지신경과학은 신경학적 증거를 바탕으로 마음을 연구하고자 하며, 신경영상(Neuroimaging), 신경생리학(Neurophysiology), 행동 실험(Behavioral experiments) 등 다양한 방법론을 사용한다.
하지만 이러한 접근 방식이 마음을 완전히 설명할 수 있는지에 대한 의문이 제기되며, 이는 철학적 논쟁과 연결된다.
마음은 과학적 연구 대상인가? (Is the Mind a Scientific Object?)
마음을 과학적으로 연구할 수 있는지에 대한 논의는 크게 두 가지 입장으로 나뉜다.
과학적 연구 가능 주장
. 기계론적 접근(Mechanistic Approach): 마음은 뇌의 활동으로 설명될 수 있으며, 신경과학적 연구를 통해 객관적인 분석이 가능하다.
. 실험적 연구(Experimental Research): 뇌 영상 기술(예: fMRI, EEG)을 활용하여 특정 인지 과정이 어떻게 작동하는지를 실험적으로 연구할 수 있다.
. 정량적 분석(Quantitative Analysis): 인공지능과 계산 모델을 활용하여 인지 과정을 수학적, 알고리즘적 방식으로 설명할 수 있다.
과학적 연구 불가능 주장
. 주관성의 문제(Subjectivity Problem): 마음은 개인적인 경험을 포함하는 개념이며, 완전히 객관적인 연구가 어렵다.
. 환원주의의 한계(Limitations of Reductionism): 신경 과정과 의식적 경험을 동일시하는 것은 마음의 본질을 충분히 설명하지 못할 수 있다.
. 의식의 설명 문제(The Explanatory Gap): 뇌의 물리적 상태가 어떻게 주관적인 경험(qualia)으로 전환되는지에 대한 명확한 설명이 부족하다.
이 논쟁은 단순히 과학적 방법론의 문제가 아니라, 철학적, 개념적 문제와도 연결되며 이후 장에서 더 깊이 논의될 것이다.
마음은 과학적으로 연구될 수 있는가? 가능하다면 어떻게?
(Can the Mind Be Studied Scientifically, and If So, How?)
마음을 과학적으로 연구할 수 있는지에 대한 질문은 단순히 가능 여부를 넘어, 어떤 방식으로 연구할 것인가에 대한 논의로 이어진다. 연구자들은 신경과학, 인공지능, 심리학 등 다양한 접근 방식을 통해 마음의 본질을 탐구해 왔다.
1. 환원주의적 접근 (Reductionist Approach)
환원주의는 정신적 과정이 신경 생리학적 과정으로 환원될 수 있으며, 뇌를 연구하면 마음을 이해할 수 있다는 입장이다.
기본 전제:
마음은 뇌의 활동으로부터 발생하며, 모든 정신적 현상은 신경 활동으로 설명될 수 있다. 따라서 신경과학적 연구를 통해 마음을 객관적으로 분석할 수 있다.
주요 연구 방법:
. 신경영상 기법(Neuroimaging): fMRI, PET, EEG 등을 사용하여 특정 정신 기능과 관련된 뇌 영역을 탐색한다.
. 신경생리학(Neurophysiology): 뉴런의 전기적 활동을 기록하여 인지 과정과 신경 신호 간의 관계를 분석한다.
. 유전학 및 분자생물학: 특정 유전자가 신경 활동과 인지 기능에 미치는 영향을 연구한다.
환원주의의 한계:
신경 활동을 분석하는 것만으로 주관적인 경험(qualia)을 설명할 수 있는가?
의식(consciousness)이 단순한 신경 신호의 집합이라면, 왜 우리는 ‘느끼는 경험’을 가지는가?
동일한 신경 활동이 서로 다른 정신적 경험을 유발할 가능성이 있다면, 신경과학만으로 마음을 완전히 이해할 수 있는가?
이러한 한계로 인해, 연구자들은 환원주의적 접근만으로는 마음을 충분히 설명할 수 없다고 보고, 보다 복합적인 접근 방식을 고려하고 있다.
2. 계산주의적 접근 (Computational Approach)
계산주의적 접근은 마음을 정보 처리 시스템(information-processing system)으로 간주하며, 사고와 학습을 수학적 모델과 알고리즘으로 설명하려고 시도한다.
기본 전제:
. 뇌는 입력(input)을 받아 이를 처리(processing)하고, 결과(output)를 생성하는 정보 처리 기계로 볼 수 있다.
. 인간의 인지 과정은 알고리즘과 규칙에 의해 작동하며, 이를 컴퓨터 모델로 재현할 수 있다.
주요 연구 방법:
. 인공지능(AI) 모델링: 인간의 인지 과정을 컴퓨터 프로그램으로 시뮬레이션하여 학습과 문제 해결 과정을 분석한다.
. 신경망 모델(Neural Network Models): 뇌의 뉴런 네트워크를 모방한 기계 학습 알고리즘을 통해 학습과 기억의 원리를 연구한다.
. 계산 신경과학(Computational Neuroscience): 뇌의 정보 처리 방식을 수학적으로 모델링하여 사고 과정의 메커니즘을 설명한다.
계산주의적 접근의 강점:
. 인간의 인지 과정을 객관적으로 분석할 수 있는 정량적(quantitative) 방법을 제공한다.
. AI 모델을 통해 특정 인지 과정(예: 언어 처리, 시각 인식)이 어떻게 작동하는지를 실험적으로 검증할 수 있다.
. 뇌의 신경 신호를 분석하는 것만으로는 알 수 없는 복잡한 사고 과정을 정교하게 재현할 수 있다.
계산주의의 한계:
. 인간의 마음이 단순한 정보 처리 시스템과 동일한 방식으로 작동하는가?
. 감정(emotion), 직관(intuition), 창의성(creativity) 같은 요소는 단순한 연산으로 설명될 수 있는가?
. 동일한 입력이 주어졌을 때 인간과 AI의 반응이 다르다면, 계산 모델은 인간의 정신을 충분히 설명하는 것인가?
계산주의적 접근은 매우 강력한 도구이지만, 인간의 정신이 단순한 계산 시스템이 아니라는 점에서 한계를 가진다.
3. 상호작용적 접근 (Interactive Approach)
마음을 단순한 신경 신호나 정보 처리 시스템으로 환원하는 것이 아니라, 환경과의 상호작용 속에서 의미를 형성하는 과정으로 보는 접근 방식이다.
기본 전제:
. 인간의 인지는 신경 과정뿐만 아니라, 환경적 맥락(context)과 사회적 상호작용(social interaction) 속에서 형성된다.
. 마음을 이해하려면 신경과학적 분석뿐만 아니라, 심리학, 철학, 사회과학적 관점이 함께 고려되어야 한다.
주요 연구 방법:
. 행동 실험(Behavioral Experiments): 실험실 환경에서 인간의 인지 및 행동 패턴을 분석한다.
. 발달 심리학 연구(Developmental Psychology): 인지가 성장 과정에서 어떻게 변화하는지 연구하여, 환경과의 상호작용이 사고 과정에 미치는 영향을 분석한다.
. 사회 신경과학(Social Neuroscience): 인간이 다른 사람과 상호작용할 때 뇌에서 어떤 변화가 일어나는지를 연구한다.
상호작용적 접근의 강점:
. 신경과학적 연구가 다루지 못하는 문화적, 사회적 요소를 포함하여 인간의 정신을 보다 포괄적으로 설명할 수 있다.
. 환경과 상호작용하는 과정을 연구함으로써, 실생활에서 인간의 행동을 예측하는 데 도움이 된다.
한계:
. 주관적인 해석이 개입될 가능성이 높다.
. 과학적으로 측정하기 어려운 요소(예: 감정, 의식, 경험 등)를 포함하기 때문에 실험적 검증이 어려울 수 있다.
세 접근 방식의 종합과 시사점
환원주의, 계산주의, 상호작용적 접근은 각기 다른 방식으로 마음을 연구하지만, 단일한 접근만으로는 마음을 완전히 이해하기 어렵다.
신경과학적 연구를 통해 마음의 물리적 기초를 분석하는 것은 중요하지만,
계산 모델과 행동 실험을 병행해야 보다 정교한 설명이 가능하며,
인간이 환경과 어떻게 상호작용하는지를 고려해야 실제적인 이해가 가능하다.
따라서 마음을 연구하기 위해서는 신경과학, 인공지능, 심리학, 사회과학 등의 다학제적 접근이 필요하다는 점이 강조된다. 이러한 논의는 다음 장에서 다룰 인지신경과학에서의 기능 분해와 국소화(decomposition and localization) 개념과 연결될 것이다.
요약 (Summary)
본 장에서는 마음을 과학적으로 연구할 수 있는지, 그리고 연구가 가능하다면 어떤 방법을 사용할 수 있는지를 다루었다.
마음을 연구하는 과정에서 환원주의적, 계산주의적, 상호작용적 접근이 각각 어떤 방식으로 활용되는지 설명했다.
신경과학적 연구 방법(fMRI, EEG 등)이 마음을 분석하는 데 강력한 도구가 될 수 있지만, 주관성의 문제와 의식의 본질 같은 논의는 여전히 해결되지 않았다.
따라서 마음의 연구는 단순히 신경과학적 분석을 넘어서, 철학, 심리학, 인공지능, 사회과학 등의 다학제적 접근이 필요하다는 점이 강조되었다.
5장. 갈의 유산 재검토: 인지신경과학에서의 기능 분해와 국소화
(Gall’s Legacy Revisited: Decomposition and Localization in Cognitive Neuroscience) – Tadeusz Zawidzki & William Bechtel
Zawidski, Tadeusz & Bechtel, William P. (2005). Gall's legacy revisited: Decomposition and localization in cognitive neuroscience. In David Martel Johnson & Christina E. Erneling, The Mind As a Scientific Object. Oxford University Press.
서론 (Introduction)
본 장에서는 인지신경과학에서 중요한 개념인 기능 분해(decomposition)와 국소화(localization)에 대해 논의한다. 기능 분해와 국소화는 특정한 인지 기능이 뇌의 어느 부분에서 수행되는지를 연구하는 접근 방식이다.
이 장의 핵심 논점은 다음과 같다.
현대 인지신경과학이 프란츠 요제프 갈(Franz Joseph Gall)의 초기 국소화 이론과 어떤 관련성을 가지는가?
기능 분해와 국소화 개념이 현대적 연구에서 어떻게 발전해 왔는가?
특정 인지 기능을 뇌의 개별 영역과 연결하는 것이 타당한가?
이러한 논의를 위해, 연구자들은 세 가지 주요 접근 방식을 검토한다.
갈과 직접적 국소화 프로그램(Direct Localization)
상향적 복합 국소화(Top-Down Complex Localization)
상호작용적 분해 및 국소화(Interactive Decomposition and Localization)
기능 분해와 국소화의 개념
기능 분해와 국소화는 인지 기능이 뇌의 특정 영역과 어떻게 연결되는지를 분석하는 두 가지 접근법이다.
기능 분해(Decomposition)
특정한 인지 과정을 더 작은 하위 기능으로 나누어 연구하는 방식이다. 예를 들어, ‘기억(memory)’은 단일한 과정이 아니라, 단기 기억(Short-term memory), 작업 기억(Working memory), 장기 기억(Long-term memory)으로 세분화될 수 있다.
국소화(Localization)
분해된 하위 기능이 뇌의 특정한 영역과 어떻게 연결되는지를 연구하는 방식이다. 예를 들어, 언어 기능은 브로카 영역(Broca’s area)이 언어 생성(language production)을 담당하고, 베르니케 영역(Wernicke’s area)이 언어 이해(language comprehension)를 담당하는 방식으로 국소화될 수 있다.
인지신경과학은 기능 분해와 국소화를 활용하여 뇌의 특정 영역이 어떤 역할을 수행하는지를 연구하지만, 이러한 접근 방식에는 한계도 존재한다.
1단계: 갈과 직접적 국소화 프로그램 (Strand 1: Gall and the Program of Direct Localization)
현대 인지신경과학에서 기능 분해와 국소화 개념은 프란츠 요제프 갈(Franz Joseph Gall, 1758–1828)의 연구에서 그 기원을 찾을 수 있다.
두뇌 국소화 이론(Phrenology)의 창시자:
갈은 특정한 정신적 기능이 뇌의 특정 영역과 직접적으로 연결된다고 주장했다. 그는 두개골의 형태와 개인의 성격 및 능력 사이의 관계를 연구하며, 이를 통해 각 뇌 영역이 특정 기능을 담당한다고 가정했다.
갈의 주요 가설:
정신 능력은 단일한 실체가 아니라, 여러 개의 독립된 모듈로 구성되어 있다. 각 모듈은 뇌의 특정 부분에 의해 담당되며, 두개골의 돌출부를 통해 그 기능을 측정할 수 있다. 예를 들어, 어떤 사람의 이마 부분이 넓으면 언어 능력이 뛰어날 것이라는 식의 주장을 펼쳤다.
한계와 비판:
갈의 두개골 분석 기법(골상학, phrenology)은 과학적으로 검증되지 않았으며, 두개골의 형태와 정신적 능력 사이의 직접적인 상관관계를 찾을 수 없다는 점에서 비판받았다. 하지만 그의 뇌 기능 국소화 개념 자체는 현대 신경과학 발전의 기초를 제공했다.
이후 연구자들은 갈의 이론을 수정하고 발전시키면서, 보다 정교한 방식으로 뇌 기능을 분석하는 방향으로 나아갔다. 갈의 국소화 이론은 과학적으로 엄밀하지 못한 점이 많았지만, 그의 기본 개념은 현대 인지신경과학의 발전에 중요한 영향을 미쳤다. 갈 이후 연구자들은 보다 정교한 방법을 사용하여 뇌 기능 국소화를 연구하기 시작했다.
갈 이후 국소화 개념의 발전
브로카와 언어 국소화 (Paul Broca, 1861)
브로카는 실어증 환자 연구를 통해, 좌측 전두엽(Broca’s area)이 언어 생성과 밀접한 관련이 있음을 발견했다. 이는 특정 인지 기능이 특정 뇌 영역에 위치할 수 있음을 실험적으로 입증한 사례였다.
베르니케와 언어 이해 (Carl Wernicke, 1874)
베르니케는 좌측 측두엽(Wernicke’s area)이 언어 이해에 중요한 역할을 한다는 사실을 밝혀냈다. 브로카와 베르니케의 연구는 뇌 기능 국소화 개념이 신경과학적으로 실증될 수 있음을 보여주었다.
펜필드의 전기 자극 실험 (Wilder Penfield, 1950s)
펜필드는 뇌 수술 중 전기 자극을 가하여, 특정한 뇌 영역이 감각과 운동 기능을 담당한다는 것을 확인했다. 이를 통해 감각 피질과 운동 피질의 국소적 기능이 보다 명확하게 규명되었다.
이러한 연구들은 갈의 국소화 개념이 완전히 틀린 것이 아니라, 보다 정교한 방식으로 수정될 필요가 있음을 보여주었다.
기능 분해와 국소화 개념의 변화
갈의 직접적 국소화 프로그램은 기본적으로 1:1 대응 방식을 전제로 했다. 즉,
특정한 인지 기능은 특정한 뇌 영역에서만 수행된다고 가정했다.
따라서 뇌의 특정 부분이 손상되면, 해당 기능이 완전히 상실된다고 보았다.
그러나 현대 인지신경과학은 이러한 단순한 국소화 모델을 벗어나, 보다 복합적인 국소화 개념을 고려하게 되었다.
뇌는 특정 기능을 수행할 때 여러 영역이 동시에 협력하는 구조를 가진다.
개별 기능이 단일한 뇌 영역이 아니라, 분산된 네트워크(distributed networks)를 통해 수행될 수 있다.
동일한 기능이 여러 영역에서 부분적으로 처리될 수 있으며, 특정 영역이 손상되더라도 보상 메커니즘(compensatory mechanisms)을 통해 일부 기능이 유지될 수도 있다.
이러한 인식의 변화는 국소화 개념을 보다 정교하게 발전시키는 계기가 되었으며, 이후 연구자들은 보다 상위 수준에서 뇌 기능을 분석하는 접근 방식을 모색하게 되었다.
2단계: 상향식 복합 국소화 (Strand 2: Top-Down Complex Localization)
상향식 복합 국소화(top-down complex localization)는 초기 국소화 이론과 비교하여 보다 복잡한 방식으로 뇌 기능을 설명하는 접근법이다.
기본 개념
단순한 1:1 대응 방식의 국소화가 아니라,
인지 기능이 다층적 계층 구조(hierarchical structure)로 이루어져 있다고 본다.
즉, 개별적인 뇌 영역들이 단독으로 작동하는 것이 아니라, 감각 입력(sensory input) →중간 수준 처리(intermediate processing) →고차원적 인지 기능(high-level cognition)과 같은 방식으로 위계적으로 구성되어 있다고 가정한다.
사례 연구: 시각 시스템의 위계적 처리
시각 정보 처리를 예로 들면, 다음과 같은 단계가 존재한다.
저수준 시각 처리 (Primary Visual Processing, V1–V4)
후두엽의 시각 피질(primary visual cortex)에서 기본적인 정보(밝기, 색상, 형태 등)를 분석한다.
중간 수준 처리 (Intermediate Processing, V5, IT Cortex)
움직임 감지(motion detection)와 같은 보다 복잡한 분석이 이루어진다.
고차원적 시각 인지 (High-Level Visual Cognition)
얼굴 인식(Fusiform Face Area, FFA), 사물 인식(Lateral Occipital Complex, LOC)과 같은 보다 정교한 인지 과정이 진행된다.
즉, 시각 정보는 한 번에 단일한 영역에서 처리되는 것이 아니라, 저수준 → 중간 수준 → 고차원 수준으로 점진적으로 분석된다는 것이다.
상향식 복합 국소화의 특징
하나의 뇌 영역이 단일 기능을 수행하는 것이 아니라,
여러 수준의 처리를 거쳐 최종적으로 특정 기능이 발현된다.
따라서 인지 과정은 분산 네트워크에서 점진적이고 계층적으로 수행된다.
이 개념은 단순 국소화 이론보다 뇌의 실제 작동 방식을 더 잘 설명할 수 있으며, 이후 연구들은 더욱 정교한 기능 분해 및 국소화 모델을 제안하는 방향으로 발전해 왔다.
상향식 복합 국소화와 현대 인지신경과학
전통적인 국소화 이론이 특정 기능이 특정한 뇌 영역에 직접 연결된다고 본 반면, 상향식 복합 국소화는 여러 영역이 함께 작용하는 네트워크 모델을 강조한다.
기능이 개별적으로 국소화되지 않고,
뇌의 여러 영역이 협력하여 특정한 인지 기능을 수행한다.
특정 영역이 손상되더라도, 대체 경로(alternative pathways)가 작동하여 기능을 보완할 수도 있다.
예시: 언어 처리 네트워크
언어 처리는 브로카 영역과 베르니케 영역이 담당한다고 알려져 있지만, 현대 연구에 따르면 언어 이해와 생성에는 다음과 같은 여러 영역이 관여한다.
좌측 전두엽(Broca’s area, 언어 생성)
좌측 측두엽(Wernicke’s area, 언어 이해)
두정엽(Supramarginal gyrus, 문법적 분석 및 의미 처리)
해마(Hippocampus, 어휘 기억 및 연관성 저장)
뇌량(Corpus Callosum, 좌우 반구 간 정보 전달)
이처럼 언어 기능은 단일 영역이 아닌 분산된 네트워크(distributed networks)로 이루어져 있으며, 개별적인 기능 모듈이 계층적으로 결합하여 작동한다.
3단계: 상호작용적 분해 및 국소화 (Strand 3: Interactive Decomposition and Localization)
상호작용적 분해 및 국소화는 상향식 복합 국소화보다 한 단계 더 나아가, 인지 기능과 뇌 영역이 상호작용을 통해 유연하게 변화할 수 있다는 개념을 제시한다.
기본 개념
특정 기능이 특정 영역에 고정된 것이 아니라,
인지적 요구와 환경적 요인에 따라 유연하게 변화한다.
따라서 뇌 기능은 단순한 국소화가 아니라 적응적(adaptive)으로 작동할 가능성이 크다.
예시: 작업 기억(Working Memory) 시스템
작업 기억은 단순한 기억 저장 기능이 아니라, 현재 필요한 정보를 일시적으로 유지하고 조작하는 기능을 수행한다.
전전두엽(Prefrontal Cortex, 정보 유지 및 조작)
두정엽(Parietal Cortex, 공간 정보 유지)
측두엽(Temporal Cortex, 청각적 정보 유지)
기저핵(Basal Ganglia, 주의 및 반응 조절)
이 시스템은 특정한 기억 작업의 유형에 따라 활성화되는 영역이 다를 수 있으며, 개인의 학습 경험이나 손상 여부에 따라 기능이 다른 영역으로 재구성될 수도 있다. 즉, 작업 기억 기능이 손상되었을 경우, 다른 영역이 이를 보완하는 방식으로 작동할 수도 있으며, 이는 뇌의 가소성(neuroplasticity)과 연결되는 개념이다.
사례 연구: 주의 메커니즘의 분해 및 국소화 (Case Study: Decomposition and Localization of Attentional Mechanisms)
주의(attention)는 단일한 인지 기능이 아니라, 여러 하위 요소로 분해될 수 있으며, 각 요소는 다른 신경 네트워크와 연관된다.
경고(alerting) 시스템
새로운 자극이 등장할 때 이를 감지하는 기능.
주요 뇌 영역: 청반핵(locus coeruleus), 우측 전두엽
방향 전환(orienting) 시스템
특정한 자극에 집중하도록 초점을 조절하는 기능.
주요 뇌 영역: 상구(superior colliculus), 두정엽(parietal cortex)
집행(control) 시스템
목표 지향적 주의 조절 및 충동 억제 기능.
주요 뇌 영역: 전측 대상회(anterior cingulate cortex, ACC), 전전두엽(prefrontal cortex)
이 연구는 주의 기능이 단순히 한 영역에서 처리되는 것이 아니라, 여러 개의 신경 네트워크가 조정하는 과정이라는 점을 보여준다.
결론 (Conclusion)
본 장에서는 인지신경과학에서 기능 분해와 국소화 개념이 어떻게 발전해 왔는지를 살펴보았다.
1단계: 갈과 직접적 국소화
갈은 특정한 정신적 기능이 특정한 뇌 부위와 직접적으로 연결된다고 주장했다. 그러나 그의 두개골 분석 이론(골상학)은 과학적으로 검증되지 않았다.
2단계: 상향식 복합 국소화
특정 기능이 단일한 영역이 아니라, 여러 뇌 영역 간의 협력을 통해 수행된다는 점이 강조되었다. 시각 및 언어 처리 연구를 통해, 기능이 계층적으로 조직된다는 개념이 도입되었다.
3단계: 상호작용적 분해 및 국소화
뇌의 기능은 고정된 것이 아니라, 경험과 환경적 요인에 따라 가변적일 수 있다. 작업 기억 및 주의 연구에서, 특정 기능이 다양한 신경 네트워크와 연결될 수 있음이 밝혀졌다.
기능 분해와 국소화 개념은 인지신경과학에서 핵심적인 연구 방법론으로 자리 잡고 있으며, 현대 연구에서는 단순 국소화 이론을 넘어, 뇌가 유연하고 적응적으로 작동한다는 점이 점점 더 강조되고 있다.
대학 시절 심리학 수업을 들으면서 뇌의 각 부분을 외우던 때가 있었다. 해마가 기억을 담당하고, 편도체가 감정을 조절하며, 전전두엽이 논리적 사고와 의사결정을 관장한다는 식의 내용들이었다. 그리고 그때의 나는 '심리학은 나와 맞지 않나 보다'라는 생각을 했던 것 같다. 하지만 HR 소속으로 일하며 다양한 사람들을 만나고, 그들의 행동과 의사결정 이면에 깔린 사고 과정을 고민하다 보니, 다시 심리학에 대한 관심이 생겼다. 그리고 그 끝에는 또다시 뇌에 대한 이야기를 마주했다.
인지과학의 기본 전제는 인간의 모든 사고 과정을 계량화할 수 있다는 것이다. 박사 과정 입학 구술 고사를 준비할 때부터 알고 있던 기본 중 기본 전제이지만, 솔직히 그게 정말 가능한지에 대한 의문은 늘 남아 있다. 지난 학기 신경과학 연구를 처음 접했을 때는 티비 속 뇌과학자들의 말처럼 뇌의 각 영역과 특정 행동이나 감정이 1:1로 매칭된다고 생각했지만, 간단히 몇 가지 연구만 더 살펴보아도 인간이 그렇게 단순하지 않다는 걸 금방 깨닫게 된다. 같은 기억이라도 감정에 따라 다르게 저장되고, 같은 자극이라도 상황에 따라 다르게 해석된다. 단순한 입력과 출력의 관계로 설명하기에는 마음이라는 것이 너무나도 복잡하다.
그렇다면 이번에 정리한 아티클 속 내용들은 어떻게 받아들여야 할까? 뇌 기능의 국소화나 신경 네트워크의 작동 원리를 이해하는 것은 분명 중요하다. 하지만 인간의 사고와 행동을 단순히 특정한 뇌 영역에 고정된 기계적 과정으로 보아서는 안 될 것이다. 연구가 발전할수록, 우리는 뇌가 단순한 하드웨어가 아니라 끊임없이 변화하고 적응하는 시스템이라는 것을 더 명확하게 알게 된다. 최신 연구들은 뇌의 신경가소성(neuroplasticity)과 적응성을 강조한다. 특정 영역이 손상되었을 때도 다른 부분이 그 기능을 대체하기도 하고, 새로운 기술을 배울 때마다 뇌의 연결망이 재구성되기도 한다. 이처럼 우리의 뇌는 고정된 것이 아닌, 경험과 학습에 따라 끊임없이 변화하는 살아있는 시스템이다.
마음이 뇌의 또 다른 이름인지, 혹은 뇌 이상의 무언가인지에 대한 답을 당장에 단정할 수는 없겠지만, 적어도 이전 세대에 이뤄진 연구들이 인간을 이해하는 데 있어 강력한 도구가 될 수 있다는 것은 거부감 없이 받아들일 수 있다. 그리고 각각의 관점과 발견을 어떻게 활용할지는 나의 몫으로 남아 있다. 업무 장면에서 마주한 무수히 많은 구성원들의 행동과 생각에 대한 경험과 학문적 지식이 만나는 지점에서, 나는 더 풍부한 인간 이해의 가능성을 바라고 있다. 뇌 과학과 심리학의 통합적 이해, 그리고 철학적 사유는 단순히 학문적 호기심을 넘어, 소명과도 같은 타인의 성장과 변화를 지원하기 위한 그들의 마음에 대한 더 깊은 공감과 소통의 기반이 될 수 있을 것이다.
