신경과학 · 11장
시냅스는 무엇을 계산하는가 — 확률·시간·맥락이 연결의 반응을 어떻게 바꾸는지 살펴봅니다
시냅스는 공을 던지는 사람입니다 — 가끔 놓치고, 그래서 정보를 실어 나릅니다
신호가 도착하면 시냅스는 작은 주머니(소포)를 여러 자리에서 던집니다. 세 가지 숫자만 알면 됩니다. n = 던지는 자리 수, p = 한 자리에서 성공할 확률, q = 공 하나가 만드는 신호 크기. 놓치는 일(failure)은 결함이 아니라 원래 그런 동작입니다.
정보량은 성공률 하나만으로 정해지지 않습니다. 같은 입력을 얼마나 잘 구분하는지, 실패가 얼마나 예측 가능한지와 에너지 비용을 함께 봐야 합니다. 소포를 내보내고 다시 준비하는 데도 에너지가 듭니다. 같은 에너지로 소식을 많이 실으려면 어떻게 해야 할까요?
교육용 근사. ⚠ "시냅스당 몇 비트"는 측정 방법에 따라 답이 달라지는 논쟁 중인 숫자입니다(1–5비트대로 흩어짐).
평균이 아니라 꼬리가 정보를 싣습니다
시냅스 강도를 그려 보면 종 모양(가우시안)이 아니라 오른쪽으로 길게 늘어진 모양(로그정상)입니다. 약한 시냅스가 수없이 많고, 아주 강한 시냅스는 극소수입니다. 마치 어떤 도시의 부가 소수에게 몰려 있는 것과 같습니다.
이것이 왜 중요할까요? 연결 강도가 고르게 퍼져 있지 않다면 평균값만으로는 회로의 반응을 충분히 설명하기 어렵습니다. 적은 수의 강한 연결과 많은 약한 연결이 서로 다른 역할을 할 수 있기 때문입니다.
교육용 근사. ⚠ 강도의 물리적 정의(PSD 면적 · 전도도 · 방출 확률)에 따라 분포 모양이 달라집니다.
시냅스에는 "재고"가 있습니다 — 닳고, 다시 채워집니다
연속해서 신호가 오면 쓸 수 있는 주머니(재고 x)가 닳습니다. 닳는 속도보다 채우는 속도(τ_rec)가 느리면 반복 자극에 약해집니다(저주파 필터). 반대로 처음에는 적게 내보내더라도 반복하면서 방출 준비가 쉬워지는 성질이 크면 뒤의 반응이 커질 수 있습니다.
이것은 결함이 아니라 계산입니다. 같은 입력도 "처음인지, 계속 오는지"에 따라 다르게 통과시키므로, 이런 차이는 회로가 처음 들어온 신호와 반복되는 신호를 다르게 다루는 데 기여할 수 있습니다.
교육용 근사(Tsodyks–Markram형). ⚠ 실제 시냅스는 두 개 이상의 자원이 공존하고 세포유형별로 다릅니다.
뉴런은 단순한 합산기보다, 여러 단계로 입력을 거르는 구조에 가깝습니다
수상돌기 가지는 들어온 신호를 그대로 더하기만 하지 않습니다. 한 가지에 신호가 모이면 이온통로가 열리며 그 부위의 반응이 커질 수 있습니다. 비유하면 가지에서 먼저 살펴보고 세포체에서 다시 모아 보는 두 단계 구조입니다.
여기에 맥락을 반영하는 입력이 더해지면 같은 감각 입력에도 반응 문턱과 세기가 달라질 수 있습니다. 억제 세포도 한 종류가 아니어서 세포체 가까이, 수상돌기 가지, 다른 억제 세포 등 서로 다른 위치에 작용합니다.
교육용 근사(Poirazi–Mel형 2단 모델). ⚠ 살아있는 동물에서 이 계산이 실제로 쓰이는지는 진행 중인 논증입니다.
"먼저 써둔 외상전표"가 도파민 지연 문제를 해결합니다
"먼저 켜진 것과 나중에 켜진 것이 짝이면 강화된다"(STDP)는 단순한 규칙에서 출발해, 지금은 칼슘 양과 지속 시간으로 세 구역(LTP / 변화 없음 / LTD)을 나누는 모델, 그리고 활동 평균에 따라 문턱이 스스로 움직이는 모델(BCM)로 정리되었습니다.
문제가 하나 있습니다. 보상 신호(도파민)는 수 초 늦게 옵니다. 그런데도 왜 강화될까요? 답은 외상전표입니다. 짝이 맞는 순간 시냅스에 "기다린다"는 표를 써 두고(유효 시간 수십 ms~수 초), 보상이 도착하면 표가 붙은 시냅스만 결제(단백질 합성)합니다.
교육용 근사. ⚠ 전표 후보 분자(키나제·인산화 상태·구조적 태그)는 여러 개이며 확정되지 않았습니다.
구성 요소는 바뀌는데, 기억은 어떻게 더 오래 이어질까요
시냅스를 이루는 많은 단백질은 기억보다 짧은 시간 안에 교체됩니다. 그런데 일부 기억은 훨씬 오래 남습니다. 하나의 분자만으로 오랜 기억을 모두 설명하기는 어렵고, 여러 유지 과정이 함께 작동한다는 설명이 연구되고 있습니다.
① 자기 되먹임 — 부품은 바뀌지만 "크기"가 자기 자신을 유지합니다(벽돌을 바꿔도 건물을 그대로). ② 여러 개의 안정 상태 — 분자 스위치가 약한/강한 상태를 유지합니다. ③ 중복·분산 — 여러 곳에 나눠 저장합니다. ④ 재작성 — 해마에서 피질로 옮겨 쓰고, 자는 동안 반복합니다.
교육용 근사. ⚠ 기억의 유지에는 분자·시냅스·회로 수준의 여러 과정이 함께 관여할 수 있으며, 하나의 기전으로 확정할 수 없습니다.
뇌의 잡음은 버그일까요, 아니면 계산에 쓰는 주사위일까요
시냅스는 실패하고 이온채널은 랜덤하게 열립니다. 뇌는 이 무작위성을 여러 가능한 답을 돌려보는 도구로 쓸 수 있다는 해석이 있습니다(표본추출 가설). 즉 뉴런의 발화 패턴이 "정답 하나"가 아니라 정답 후보들의 분포를 나타낸다는 것입니다.
중요한 것은 잡음의 크기만이 아니라 여러 뉴런의 흔들림이 어떤 구조로 함께 나타나는가입니다. 이 화면처럼 같은 방향의 오차가 공유되면 뉴런 수를 늘려도 평균의 이득이 줄 수 있지만, 다른 상관 구조에서는 결과가 달라질 수 있습니다.
교육용 근사. ⚠ "뇌가 표본추출을 한다"는 해석은 실험적 검증이 아직 약합니다. 논점은 "무엇이 샘플링되고 무엇이 평균인가"입니다.
공정한 비교는 "연산 vs 연산"이 아니라 "짐을 나르는가, 제자리에서 하는가"입니다
자주 듣는 말이 "시냅스는 pJ, GPU는 mJ"입니다. 이 비교는 부정확합니다. 장치와 계산 방식에 따라 값은 크게 달라지지만, 많은 시스템에서는 계산 자체보다 데이터를 옮기는 과정이 큰 비용을 차지합니다.
생물 시냅스는 저장(가중치)과 계산(전도도)이 같은 물체에 있습니다. 값을 옮기지 않고 그 자리에서 곱합니다. 그래서 뉴로모픽 구조의 장점은 연산 속도 하나보다 데이터 이동을 줄이는 것과 사건이 있을 때만 작동해 대기 전력을 낮추는 것에서 찾을 수 있습니다. 어떤 장치가 더 효율적인지는 과제, 정밀도, 칩 구성과 시스템 범위를 어떻게 잡는지에 따라 달라집니다.
교육용 근사 · 노드·세대별 편차 큼. ⚠ "연산당 에너지"는 정의(칩/시스템, FMA/추론, 정수/부동소수)를 반드시 함께 적어야 합니다.
시냅스는 하나의 숫자가 아니라, 서로 다른 시간상수를 가진 여러 기억의 합입니다
| 생물이 하는 일 | 지속 시간 | 컴퓨터로 치면 | 주의할 점 |
|---|---|---|---|
| 이온채널 열림·닫힘 | 0.1–10 ms | 활성화 함수 | 생물은 전도도와 구배를 함께 씀 |
| 공 던지기(방출) | ms | 확률적 노드(드롭아웃과 닮음) | 드롭아웃은 학습 요령일 뿐 유지 기전이 없음 |
| 재고 닳고 참(단기 가소성) | 50 ms–분 | 상황에 따라 달라지는 연결값 | 처음과 반복 입력을 다르게 거름 |
| 짝 강화와 보상 신호 | ms–초 | 가까운 연결에서 일어나는 학습 | 활동과 뒤늦은 신호를 함께 봄 |
| LTP / LTD | 초–분 | 가중치 갱신 | 생물은 갱신 자체가 확률적 |
| 변화 문턱이 스스로 움직임 | 분–시간 | 얼마나 쉽게 배우는지 조절 | 이전 활동이 다음 변화에 영향을 줌 |
| 전역 조정(always-on scaling) | 시간–일 | 정규화·클리핑 | 생물은 양방향·전역·장기 |
| 가시 생성·제거 | 일–주 | 연결을 만들고 정리함 | 에너지와 공간의 제약을 함께 받음 |
| 기억의 재활성화 | 일–년 | 이전 경험을 다시 불러옴 | 수면과 휴식 중 재활성화가 연구됨 |
| 조절물질(도파민 등) | 100 ms–분 | 여러 연결의 변화 가능성을 조절 | 물질·회로·상황에 따라 역할이 다름 |
0.1–10 ms 수용체 개폐(완전 가역) → 1–100 ms 잔류 칼슘 → 0.05–60 s 소포 재활용 → 50 ms–분 단기 가소성 →
초–수 시간 인산화 상태 → 30분–수 시간 단백질 합성·구조 변화 → 일–주 가시 생성·제거 → 주–개월 회로 재구성 → 더 긴 시간의 회로 재활성화와 유지 과정.
서로 다른 시간 규모가 겹치면서 즉각 반응·단기 변화·장기 기억에 함께 기여할 수 있습니다.
① 성공률만으로 좋은 시냅스를 정할 수 없는 이유 — 전달의 신뢰도뿐 아니라 에너지 비용, 입력의 종류와 회로의 목적을 함께 봐야 합니다.
어떤 범위에서는 성공률을 낮추는 것이 에너지당 정보량에 유리할 수 있지만, 모든 시냅스에 같은 최적값이 적용되는 것은 아닙니다.
② 외상전표가 해결하는 문제와 후보 분자 — 보상은 짝 자극보다 수 초 늦게 도착합니다. 늦게 도착한 보상이 "방금 짝이 맞았던" 시냅스만 골라 강화하려면,
그 사이에 기다리는 표가 필요합니다. 후보는 활성 키나제(CaMKII 등)의 인산화 상태, 구조적 태그(엔 actin·PSD 확장), 국소 번역 산물,
그리고 전역 신호를 받는 수용체 복합체입니다 — 확정되지 않았습니다.
③ 수상돌기의 모양이 중요한 이유 — 가지와 가시의 모양은 신호가 얼마나 퍼지고 어느 입력끼리 함께 영향을 주는지를 바꿀 수 있습니다.
따라서 같은 수의 입력도 위치와 조합에 따라 다른 결과를 만들 수 있습니다.
④ 장치의 흔들림을 활용할 수 있는 경우 — 값의 작은 흔들림은 정확한 계산에는 불리하지만, 여러 가능성을 탐색하는 계산에서는 활용될 수 있습니다.
다만 모든 잡음이 도움이 되는 것은 아니며 과제와 장치에 따라 결과가 달라집니다.
이 페이지는 공개된 신경과학 지식을 바탕으로 만든 독자적 교육 콘텐츠입니다. 비유·수치·곡선은 이해를 위한 단순화이며 실제 시냅스의 정보량, 에너지 비용, 기억 유지와 계산 방식을 직접 측정하거나 예측하지 않습니다. 임상적 판단이나 의학적 조언을 대신하지 않습니다. 3D rendering: Three.js (MIT License). 근거·자료·라이선스 보기