BCI (컴퓨터)

BCI(Brain–Computer Interface)는 뇌와 외부 장치 간의 직접적인 상호작용을 가능하게 하는 기술이다. 양방향 정보 전달을 지원한다는 점에서 신경제어 기술(neuromodulation)과 차이가 있다. 이 기술은 인간의 인지 능력과 감각-운동 기능을 연구하고, 뇌의 다양한 부위의 기능을 지도화하며, 이를 통해 보조, 증진, 치료하는 데 활용된다. 한글로는 뇌-컴퓨터 인터페이스라 칭한다.

BCI는 MMI(정신-기계 인터페이스), DNI(직접 신경 인터페이스), BMI(뇌-기계 인터페이스) 등 다양한 이름으로 불린다. 미겔 니콜렐리스(Miguel Nicolelis) 교수는 침습적인 경우 BMI로, 비침습적인 경우 BCI로 부르기도 했으나, 학계에서는 침습적인 경우 iBCI(intracortical BCI)라는 용어를 사용하는 추세이다.

상세

BCI 기술은 뇌파를 이용해 컴퓨터나 기타 외부 기기를 제어할 수 있는 인터페이스를 의미한다. 사용자가 의사결정을 하거나 특정 행동을 상상할 때 발생하는 뇌파를 시스템의 센서가 감지하여 이를 해석하고, 컴퓨터에서 해당 명령을 실행하게 하는 기술이다. 이는 신체를 사용하지 못하는 경우에도 유용하게 사용될 수 있어, 장애인들을 위한 보조 기기로 활용되며 다양한 연구가 지속적으로 이루어지고 있다.

BCI는 크게 두 가지 방식으로 나뉜다. 하나는 두개골을 열어 뇌 내부에 장치를 설치하는 침습식 방식이고, 다른 하나는 두피에서 뇌파를 측정하는 비침습식 방식이다. 비침습식 방식은 안전하고 비용이 저렴하여 널리 사용되며, 주로 뇌전도를 기반으로 한다. 이 방식은 신체의 움직임 없이 상상만으로도 기계에 명령을 내릴 수 있게 해준다. 예를 들어, 사람이 팔이나 다리를 움직이려고 상상만 해도 유사한 뇌파 변동이 일어나며, BCI는 이러한 변동을 감지해 명령을 수행한다.

BCI는 신경 세포로부터 신호를 획득하고, 기계학습(machine learning) 등의 기술을 이용해 신호를 처리 및 해석한 후, 이를 통해 외부 기기를 제어하는 기술로 구성된다. 초기에는 질병이나 사고로 인한 신체 장애를 극복하는 방법으로 연구되었으며, 현재는 엔터테인먼트, 제어 시스템 등 다양한 분야에 적용될 가능성이 높다. 예를 들어, 사용자가 뇌파로 CD 플레이어를 조작하거나, 의수와 같은 보조 기기를 제어할 수 있는 기술이 상용화되고 있다.

특히, 페이스북(Facebook)과 테슬라(Tesla)와 같은 기업들은 BCI 연구에 많은 투자를 하고 있다. 페이스북은 2019년 7월, 말을 하지 않고도 컴퓨터에 텍스트를 입력하는 기술에서 상당한 진전을 이뤘다고 발표했으며, 이 기술을 가상현실(VR) 및 증강현실(AR) 기기 등에 적용하는 것을 목표로 하고 있다. 이는 가상현실에서 핸드 컨트롤러 없이 게임을 즐기는 등, 다양한 응용 가능성을 보여준다.

그러나 BCI 기술에는 여전히 한계가 있다. 두피에 전극을 부착하거나 근적외선 분광분석기를 통해 뇌파를 측정하는 방식은 신호 측정 범위가 제한적이며, 두개골을 관통해 미세 전극을 설치하는 방식은 감염 위험과 신호 왜곡의 문제를 안고 있다. 따라서 BCI를 구현하기 위해서는 신경 세포의 신호를 정확하게 확보하고, 잡음이 섞인 신호를 해석하며, 이를 외부 기기 제어에 적용하는 기술이 필요하다. 이 과정에서는 의공학, 컴퓨터학, 뇌공학 등 다양한 분야의 융합된 전문 지식이 요구된다.

BCI 기술의 발전으로 인해 앞으로는 터치스크린이나 증강현실을 잇는 차세대 인터페이스로서 인간과 컴퓨터 간의 상호작용 방식이 더욱 자연스럽고 직관적으로 변할 것으로 기대된다. 이러한 기술은 신체의 움직임이 불편한 사람들에게 새로운 의사전달 수단을 제공할 뿐만 아니라, 일반 사용자들에게도 새로운 형태의 상호작용을 경험하게 할 것으로 보인다.

역사

BCI의 역사는 1920년대 독일의 신경정신과학자인 한스 베르거(Hans Berger)가 뇌의 전기적 활동을 발견하고 뇌전도(EEG)를 개발하면서 시작되었다. 1924년, 베르거는 뇌전도를 이용해 두뇌 활동을 최초로 기록하고, 이를 분석하여 알파파(8–13 Hz)와 같은 진동 신호를 식별하였다. 당시 베르거가 사용한 기록 장치는 환자의 두피 아래에 은 도선을 삽입하는 방식이었으나, 이후에는 고무밴드를 사용해 은박을 고정하는 방식으로 개선되었다. 베르거는 초기 실험에서 리프만 전기계를 사용해 만족스러운 결과를 얻지 못했으나, 지멘스(Siemens)사의 이중고리 검류계와 같은 정교한 측정 장치를 도입하면서 뇌파 측정에 성공했다. 그는 뇌 질환과 뇌파 사이의 상관관계를 분석했으며, 뇌전도는 뇌 연구에 새로운 가능성을 열었다.

비록 BCI라는 용어는 당시 사용되지 않았으나, 뇌-기계 인터페이스의 초기 사례로는 1965년 미국의 작곡가 앨빈 루시어(Alvin Lucier)의 《독주자를 위한 음악》이 있다. 이 작품에서 연주자는 알파파를 생성하고, 뇌전도를 필터, 증폭기, 오디오 믹서 등의 아날로그 신호처리 기계를 통해 다양한 타악기를 연주했다.

BCI라는 용어는 캘리포니아 대학교 로스앤젤레스 캠퍼스(UCLA)의 자크 바이달(Jacques Vidal) 교수가 처음 제안하였으며, 그는 1973년 논문에서 BCI를 "뇌파를 통해 사물을 조작하는 것"으로 정의하였다. 바이달은 불확정 음전위 편차 전위(CNV)를 활용해 BCI 연구를 진행하였고, 1977년에는 시각 유발 전위(VEP)를 사용해 컴퓨터 화면의 커서를 움직여 미로를 탈출하는 실험을 통해 BCI 기술을 처음으로 응용하였다. 이후 바이달은 2011년 오스트리아 그라츠에서 열린 퓨처 BNCI(Future BNCI) 프로젝트에서 BCI에 대한 발표를 하였으나, 그 외에는 이 분야에서 추가적인 활동을 하지 않았다.

1970년대에는 원숭이를 이용한 기계 조작 실험이 성공적으로 이루어졌고, 이는 BCI 연구의 중요한 전환점이 되었다. 1988년에는 뇌전도를 이용해 로봇에게 시작, 정지, 재시작 명령을 내려 바닥에 그어진 선을 따라 움직이도록 하는 연구가 진행되었다. 1990년대에는 CNV를 활용해 맞춤형 양방향성 BCI를 제작하고, 이를 통해 버저를 조절하는 실험이 보고되었다. CNV로 얻어진 예측 정보는 EXG(Electroexpectogram)이라 불린다.

BCI 기술은 초기에는 주로 ADHD 아동이나 중증 신체 장애인의 치료와 같은 의료 목적으로 사용되었다. 당시 측정 기기는 무겁고 센서가 많이 달려 있어 착용이 불편했으나, 최근에는 뉴로스카이(Neurosky), 이모티브(Emotive), OCZ와 같은 회사들이 가볍고 착용이 간편한 헤드셋 형태의 기기를 개발해 BCI 기술의 상용화를 가속화하고 있다. BCI는 뇌파를 통해 두뇌 활동의 변화를 시각적, 공간적으로 파악할 수 있는 수단으로서, fMRI와 같은 대형 장치에 비해 저렴한 비용과 비침습적 특성을 갖추고 있어 인체에 무해하며, 실시간 분석이 가능하다. 그러나 비침습형 BCI의 경우 잡파 혼입과 정보 손실의 문제가 있어 분석이 어려운 반면, 침습형 BCI는 시술 부담이 크다는 단점이 있다.

현재 BCI 연구와 기술이 발달함에 따라, 미래에는 터치스크린이나 증강현실을 잇는 차세대 인터페이스로서 기대되고 있다. 컴퓨터와 스마트폰에서 사용되는 기존의 입력 인터페이스인 키보드, 마우스, 키패드 등은 최근 터치패드, 모션 인식으로 진화하고 있으며, BCI는 이러한 흐름 속에서 손이나 기타 신체를 사용하지 않고도 자연스럽게 명령을 내릴 수 있는 기술로 주목받고 있다. 특히 가상현실, 영상 및 사진 인식 등의 분야에서 BCI의 활용 가능성이 높게 평가되고 있다.

연구

동물 대상

초기 연구

원숭이와 쥐 등의 동물 대뇌피질에서 신호를 기록해 움직임을 디코딩하려는 연구가 진행되고 있다. 원숭이를 대상으로 한 실험에서는 화면의 커서를 조작해 로봇 팔로 간단한 작업을 수행할 수 있는 수준에 도달했다. 2008년 5월, 피츠버그대학교 의료센터의 원숭이가 생각만으로 로봇 팔을 움직이는 사진이 여러 유명 과학 저널과 잡지에 실렸다.

1969년, 워싱턴 생리학 및 생물물리학과와 지방 기초연구센터의 페츠(Fetz)와 동료들은 조작적 조건화 연구를 통해 원숭이가 지속적인 신경 비활성화 자극에 대해 신경 활성을 증가시킬 수 있음을 확인했다. 1970년대에는 적절한 신경 활성 패턴을 지속적으로 보상받은 원숭이가 매우 빠르게 학습하여 운동피질의 몇몇 뉴런을 자발적으로 조종할 수 있다는 연구 결과가 나왔다.

운동피질 뉴런의 활성 패턴을 운동으로 복원하려는 연구는 1980년대에 시작되었다. 1980년대 존스 홉킨스 대학교의 아포스톨로스 게오르고폴로스(Apostolos Georgopoulos)는 붉은털원숭이의 운동피질에서 한 뉴런의 전기신호와 팔의 움직임 방향 간의 수학적 상관관계를 발견했다. 또한, 뇌의 여러 신경 그룹이 운동을 조절하는 데 종합적으로 작용함을 밝혔으나, 당시 기술적인 문제로 인해 여러 신경 그룹의 신호를 동시에 기록하는 것은 불가능했다.

1990년대 중반에는 BCI(Brain-Computer Interface) 분야에서 급속한 발전이 이루어졌다. 현재에도 운동피질의 신경 앙상블로부터 복잡한 신호를 기록해 외부 장비를 조종하는 연구가 계속되고 있다.

대표 연구

• 필립 케네디(Phillip Kennedy), 양 단(Yang Dan) : 필립 케네디와 그의 동료들은 최초로 신경영양전극을 이용해 BCI를 구현했다. 이후 1987년, 케네디는 뉴럴시그널(Neural Signal)을 설립했다. 1999년, 캘리포니아 대학교 버클리의 양 단은 고양이의 시상에 전극 배열을 삽입해 기록한 신경 신호를 해독하여 고양이가 보고 있는 이미지를 생성하는 데 성공했다. 연구팀은 8개의 짧은 영상을 고양이에게 보여준 뒤, 외측슬상핵 뉴런 177개로부터 신호를 기록해 이를 수학적으로 복원함으로써 영상을 해독했다. 이후 일본에서는 fMRI를 통해 사람을 대상으로 비슷한 결과를 얻었다.

• 미게우 니콜렐리스(Miguel Nicolelis) : 듀크 대학교의 미게우 니콜렐리스 교수는 여러 개의 전극을 이용해 넓은 영역에서 신경 신호를 동시에 기록하는 방식의 BCI를 연구했다. 1990년대에는 쥐를 대상으로 시작해, 이후 올빼미원숭이의 뇌 신호를 해독하여 로봇 팔을 움직이는 데 성공했다. 원숭이는 손을 사용해 뻗거나 잡는 등 다양한 동작을 수행할 수 있어 이러한 연구에 자주 사용된다. 2000년에는 인터넷 프로토콜을 통해 실시간으로 로봇 팔을 조종하는 연구가 진행되었으며, 원숭이에게 피드백을 제공하지 않는 방식의 개방루프 BCI(open-loop BCI)가 시도되었다. 이후 니콜렐리스는 붉은털원숭이를 대상으로 폐쇄루프 BCI(closed-loop BCI)를 이용해 팔을 뻗고 물체를 잡는 행동을 로봇 팔로 구현하는 데 성공했다. 시각 피드백을 제공함으로써 원숭이에게 폐쇄루프 BCI를 다시 훈련시켰다. 이 실험에서는 팔을 뻗는 속도와 손을 쥐는 힘을 매개변수로 사용했다. 2011년, 오도허티(O'Doherty)와 동료들은 붉은털원숭이에게 대뇌피질 자극을 통해 팔 부위의 촉각 피드백을 제공함으로써 BCI를 구현하는 데 성공했다.

• 존 도너휴(John Donoghue), 앤드류 슈워츠(Andrew Schwartz), 리처드 앤더슨(Richard Andersen) : BCI 기술과 신경 해독 알고리즘 연구에 기여한 주요 연구자들로는 브라운 대학교의 존 도너휴, 피츠버그 대학교의 앤드류 슈워츠, 그리고 캘리포니아 공대의 리처드 앤더슨이 있다. 니콜렐리스는 50200개의 뉴런을 대상으로 연구를 진행한 반면, 이 연구자들은 1530개의 뉴런으로 BCI를 구현하는 더욱 발전된 연구를 수행했다. 니콜렐리스 교수는 붉은털원숭이가 조이스틱을 통해 실제 움직임을 어느 정도 허용했으나, 도너휴 연구팀은 조이스틱 없이도 컴퓨터 스크린의 대상을 추적할 수 있도록 훈련시키는 데 성공했다. 슈워츠 팀은 BCI를 통해 가상현실에서 3차원 물체를 추적하는 연구를 수행했고, 원숭이들이 이를 통해 로봇 팔로 과일이나 마시멜로를 입으로 가져오는 동작을 성공적으로 구현했다. 앤더슨 팀은 후두정엽피질에서 나오는 움직임 이전 신호와 동물이 행동에 대한 보상을 예측할 때 나타나는 신호를 이용해 BCI를 구현했다.

다른 연구들

팔 운동의 위치와 작용하는 힘을 예측하는 연구에 이어 근전도를 예측하는 BCI 연구도 진행되고 있다. 이러한 BCI는 사지마비 환자가 움직이기 위해 어떤 근육에 어떻게 전기 자극을 줘야 하는지 알려준다. 니콜렐리스와 그의 동료들은 대규모 신경 그룹의 활동을 통해 팔의 위치를 예측할 수 있음을 보여주었으며, 이는 곧 팔의 운동을 기구에 그대로 적용할 수 있다는 것을 의미한다. 카르메나(Carmena)와 동료들은 원숭이들이 로봇 팔을 뻗고 물체를 잡을 수 있도록 신경 신호를 프로그래밍해 BCI에 적용하는 데 성공했다. 또한, 레베데프(Lebedev)와 동료들은 기존 사지 외에 인공적으로 추가된 로봇 팔에 대응하는 새로운 두뇌 회로가 재조직된다는 사실을 입증했다.

2019년에는 캘리포니아 대학교 샌프란시스코 캠퍼스(UCSF) 연구진이 신경장애로 인해 대화를 잘 하지 못하는 사람들을 위한 BCI를 구현했다. 연구진은 고도로 집적된 ECoG를 통해 환자의 뇌 신호를 기록하고, 딥러닝을 이용해 대화를 복원했다.

현재 BCI 기술의 가장 큰 장애물은 두뇌의 감각 정보에 대해 정밀하고 안전하게 접근할 방법이 부족하다는 점이다. 이러한 기술이 개발된다면, 뇌와 상호작용하는 방식이 크게 발전할 것으로 기대된다.

BCI는 매우 복잡하고 시간이 많이 필요한 연구 분야다. 이 때문에 거윈 샬크(Gerwin Schalk)는 2000년부터 뉴욕주 보건부의 R&D 프로그램을 통해 BCI2000이라는 일반적인 BCI 시스템을 장기 프로젝트로 개발하고 있다.

최근에는 유전자를 조작한 신경세포에서 채널로돕신과 같은 빛-개폐 이온채널을 이용해 생체 내(in vivo) 신경을 자극하는 방식으로 BCI에 접근하고 있다. 감각피질 신경세포를 형질주입하여 유전자를 조작한 뒤 빛을 비추어 쥐의 운동 결정 단계에 영향을 주는 방식의 학습 연구도 진행되고 있다.

연구의 부산물로 신경회로와 중추신경계에 대한 이해 역시 깊어지고 있다. 여러 신경을 모니터링하는 것이 가장 효율적일 것이라는 신경과학자들의 예상과 달리, 단일 뉴런을 모니터링하는 것만으로도 원숭이가 외부 운동 기관을 효과적으로 조종할 수 있다는 사실이 드러났다. 그러나 단일 뉴런은 소량의 정보만 제공하므로, 가장 정밀한 BCI를 구현하려면 다수의 신경을 종합적으로 측정해야 한다는 점은 여전히 유효하다. 또한, 다음과 같은 사실들이 밝혀졌다.

• 한 신경이 여러 정보를 처리할 수 있다(neuronal multitasking principle).
• 안정적인 운동을 위해서는 특정 개수 이상의 신경세포가 필요하다(neuronal mass principle).
• 여러 신경 군집이 동일한 행동을 생성할 수 있다(neural degeneracy principle).
• 새로운 행동을 위해 기존 신경 군집의 기능이 대체될 수 있다(plasticity principle).

장애가 없는 사람들에게도 BCI를 적용하려는 연구가 진행 중이다. 토르스텐 찬더(Thorsten O. Zander)와 크리스티안 코테(Christian Kothe)는 사용자 중심의 BCI 접근법을 사용하며, 수동적 BCI(passive BCI)라는 용어를 도입했다. 기존의 BCI가 행동과 반응을 통해 직접 조종하는 방식이었다면, 수동적 BCI는 인간-컴퓨터 상호작용(HCI) 중 사용자의 상태 변화를 분석해 이를 해석하는 방식이다. 또한, 암시적 제어 루프(implicit control loop)를 통해 컴퓨터 시스템이 사용자에게 적응함으로써 편의를 높일 수 있다.

신경 신호를 해독해 외부 장치를 구동하는 방식 외에도 말초신경계의 신호를 해독하는 방식으로도 적용될 수 있다. 이처럼 체성 감각을 해독하여 더 발전된 폐쇄루프 BCI를 구현할 가능성이 있다.

인간 대상

침습적 BCI

침습적 BCI는 신경 신호를 포착하기 위해 두개골 아래에 전극을 삽입하는 방식이다. 이 방법은 신호를 더욱 정밀하게 수집할 수 있는 장점이 있지만, 수술에 따른 부작용도 존재한다. 수술로 인해 대뇌에 생긴 흉터가 신호를 약화시킬 수 있으며, 2015년 압둘카터(Abdurkader)의 연구에 따르면, 신체가 전극을 거부하여 의료적 문제를 일으킬 가능성도 있다.

시각

침습적 BCI 연구는 시각 장애인이나 마비 환자에게 새로운 기능을 제공하는 데 중점을 두고 있다. 회백질에 직접 전극을 삽입하기 때문에 신호의 질이 매우 높지만, 시간이 지나면서 흉터 조직이 형성되어 신호가 약해지거나 소실되는 현상이 나타날 수 있다. 시각 과학 분야에서는 후천적 시각장애인을 위해 두뇌에 삽입물을 사용하는 연구가 진행되어 왔다. 초기 연구자 중 한 명인 윌리엄 도벨(William Dobelle)은 BCI를 통해 시각을 회복시키는 데 성공한 바 있다.

도벨의 첫 번째 실험 대상은 1978년에 후천적 시각장애인이 된 제리였다. 제리의 시각피질에 68개의 전극 배열을 삽입하고, 안경에 장착된 카메라로 신호를 전달해 안내섬광을 느끼게 하는 데 성공했다. 초기에는 낮은 프레임 속도와 어두운 그림자로만 사물을 인식할 수 있었지만, 기술 발전으로 이제는 메인프레임 컴퓨터 없이도 휴대 가능한 기구를 통해 간단한 작업을 수행할 수 있게 되었다.

2002년, 도벨의 연구를 지원받은 16명의 환자 중 후천적 시각장애인인 젠스 나우만(Jens Naumann)이 처음으로 2세대 삽입술을 받은 피험자가 되었다. 2세대 장치는 안내섬광을 통해 시각을 구현하는 능력을 더욱 향상시켰으며, 삽입 직후 젠스는 자동차로 주차장을 천천히 돌 정도로 시각이 회복되었다. 그러나 도벨은 2004년에 사망하여 연구를 문서화하지 못했고, 이후 실험에 참여한 환자들은 점차 시각을 상실했다. 나우만은 도벨과의 경험을 기록한 책 《낙원을 찾아서: 인공 시각 피험자의 증언》을 출판했다.

운동기능

침습적 BCI 연구는 원숭이의 로봇팔 조작과 같이, 마비 환자들의 운동 기능을 회복시키기 위한 목적으로도 진행되고 있다. 애틀랜타 에모리 대학교의 필립 케네디(Philip Kennedy)와 로이 배케이(Roy Bakay) 연구팀은 인간의 뇌에 전극을 삽입해 행동을 고도로 복제하는 데 성공했다. 피험자인 조니 레이(Johnny Ray, 1944-2002)는 1997년 뇌간 뇌졸중 이후 락트인 증후군으로 고통받았고, 1998년 연구팀이 그의 뇌에 전극을 삽입한 후, 오랜 훈련 끝에 컴퓨터 커서를 움직일 수 있게 되었다. 레이는 2002년에 뇌동맥류로 사망했다.

사지마비 환자인 맷 네이글(Matt Nagle)은 2005년에 사이버키네틱스의 브레인게이트(BrainGate) 임상시험에 참여했다. 팔 운동을 담당하는 중심전두엽에 96개의 전극이 삽입되었으며, 이를 통해 네이글은 로봇팔, 컴퓨터 커서, 전등, TV 등을 생각만으로 조작할 수 있었다. 1년 후 조나단 월포(Jonathan Wolpaw) 교수는 두개골에 부착된 전극으로 BCI를 구현하는 데 성공하여 알트란(Altran) 재단으로부터 상을 받았다. 최근에는 브라운 대학교의 브레인게이트 연구팀과 피츠버그 의료센터의 연구팀이 미국 보훈부와 협력하여, 사지마비 환자의 운동피질 신경 배열을 통해 높은 자유도로 로봇팔을 조작하는 데 성공했다.

부분침습적 BCI

부분침습적 BCI는 두개골과 뇌 사이에 장치를 삽입하는 방식으로, 두개골이 신호를 왜곡하거나 약화시키는 비침습적 BCI보다 해상도가 우수하며, 뇌에 흉터 조직을 형성할 위험이 없어 침습적 BCI보다 안전성이 높다. 현재 뇌졸중 병변 주변 부위를 대상으로 임상적으로 활용되고 있다.

뇌 실질이 아닌 경막 하부 또는 경막 외부에서 뇌파를 측정하는 방식을 ECoG(Electrocorticography, 피질파)라고 한다. ECoG는 2004년 워싱턴 대학교 세인트루이스의 에릭 로이트하트와 대니얼 머랜에 의해 처음으로 인간을 대상으로 측정되었으며, 이후 스페이스 인베이더와 같은 게임을 조작할 수 있을 정도로 기술이 발전했다. 기존 연구들보다 훈련 시간이 훨씬 적고, 즉각적인 제어가 가능하다는 점에서 ECoG는 신호의 유용성과 침습 정도를 절충한 우수한 대안으로 평가받고 있다.

현재 ECoG에 대한 연구는 피험자가 제한적이기 때문에 충분히 이루어지지 않았다. 주로 침습적 치료가 필요한 심각한 뇌전증 발작 환자들을 대상으로 연구가 진행되고 있다. ECoG는 뇌파에 비해 해상도와 신호 대 잡음비, 넓은 주파수 대역에서 우수하며, 침습적 측정 기술에 비해 기술적 난이도와 의료적 문제, 장기적인 관찰 가능성이 있어 운동 장애를 가진 사람들에게 적용 가능성이 높은 것으로 평가된다. 빛을 이용한 BCI 장치는 여전히 이론적인 범주에 머물러 있다.

비침습적 BCI

비침습적 신경영상법을 활용한 BCI 연구도 활발히 진행되고 있다. 현재 많은 BCI 논문은 뇌전도(EEG)에 기반하고 있다. 비침습적인 EEG는 수술이 필요 없고 착용이 간편하다는 장점이 있으나, 침습적 BCI에 비해 공간 해상도가 낮고 두개골이 고주파를 흡수해 신호가 퍼지거나 왜곡되는 단점이 있다. 또한, EEG 기반 BCI는 적용 전에 충분한 훈련이 필요하다는 단점도 있다. 따라서 사용자의 상황에 따라 가장 적합한 BCI를 선택해야 한다.

• 뇌전도에 기반하지 않은 BCI 기술

1. 안전도: 안전도를 이용한 사물 조종은 BCI라는 용어가 처음 사용된 1973년 바이달의 논문에서 처음 언급되었다. 실질적인 적용은 1989년 안전도를 사용해 전진, 후진, 좌회전, 우회전, 정지의 다섯 가지 명령으로 로봇을 조종한 연구에서 이루어졌다.
2. 동공 진동: 2016년 발표된 논문에서는 가상 키보드를 사용해 각 문자의 배경색 밝기를 조정하여 문자를 직접 바라보지 않고도 입력할 수 있는 방법이 제시되었다.
3. 기능성 근적외선 분광기법(fNIRS): 2014년과 2017년에는 근위축성 측색 경화증(ALS)으로 인해 락트인 증후군에 걸린 환자들이 fNIRS를 통해 다른 사람들과 기본적인 의사소통을 할 수 있는 연구 결과가 보고되었다.

• 뇌전도 기반 BCI

뇌전도(EEG)는 우수한 시간분해능, 사용의 간편성, 휴대성과 저렴한 비용 덕분에 비침습적 BCI 연구에서 큰 비중을 차지하고 있다. 초기에는 EEG 사용자가 많은 훈련을 필요로 한다는 점이 한계로 여겨졌으나, 다양한 연구와 기술 발전을 통해 이러한 한계가 점차 극복되고 있다.

1990년대 중반, 독일 튀빙겐 대학교의 닐스 비르바우머는 마비 환자들이 느린피질전위(Slow Cortical Potential; SCP)를 조절해 컴퓨터 커서를 움직이는 실험을 진행했으며, 이 실험에서 10명의 환자들이 성공적으로 뇌파를 조절해 컴퓨터 커서를 움직였다. 한 달 이상의 훈련을 통해 한 시간에 100글자 이상을 입력할 수 있었으나, 훈련량, 정확도, 범용성 면에서 더 나은 접근법들이 존재해 SCP를 통한 BCI 연구는 이후 중단되었다.

신경진동(neural oscillation)을 이용한 BCI도 있다. 1991년 게르트 푸르트셸러는 BCI 연구실을 열고 운동 상상을 통한 BCI를 구현했으며, 비르바우머도 후에 뉴욕 주립 대학교의 조너선 월포와 함께 BCI에 적합한 뇌파를 연구하며 뮤파와 베타파의 신경진동을 사용했다.

P300을 피드백으로 활용할 수도 있다. P300은 사람이 특정 자극을 인지할 때 비자발적으로 나타나는 반응으로, 훈련을 통해 뇌파를 제어하는 바이오피드백 방법과 대조된다.

2005년에는 CNV 플립플롭(flip-flop)이라는 새로운 BCI 디지털 제어 회로가 제안되었으며, 2009년에는 이를 통해 로봇팔을 움직이는 실험이, 2011년에는 하노이탑을 조작하는 실험이 이루어졌다. 2015년에는 EEG로 슈미트 트리거, 플립플롭, 디멀티플렉서, 모뎀을 구현하는 방법이 제안되었다.

미네소타 대학교의 빈 허 교수 연구팀은 EEG를 통해 침습적 BCI와 비슷한 성능을 달성할 수 있음을 입증했다. BOLD fMRI와 EEG 소스 이미징 등의 최신 기능성 신경영상법을 통해, 운동을 상상할 때 전기생리학적 신호와 혈류역학적 신호 사이에 상관관계가 존재하며, 해당 영역에서도 공통점이 있다는 사실이 발견되었다. 빈 허와 동료들은 비침습적 EEG 기반 BCI를 통해 운동 상상만으로 3차원 가상 헬기를 조종하는 데 성공했으며, 2013년에는 장애물이 많은 코스에서도 헬기를 조종할 수 있는 수준으로 기술을 향상시켰다. 이후 빈 허는 EEG 역문제를 해결해 가상의 뇌파를 기반으로 BCI를 구현하는 데에도 성공했다. 이 연구는 신호의 원천을 분석해 BCI를 구현하는 것의 장점을 보여준다.

2014년에는 심각한 운동능력 손상 환자가 다른 신경 기반 소통 채널보다도 EEG BCI를 통해 더 빠르고 정확하게 소통할 수 있다는 사실이 밝혀졌다.

텔레파시

2010년 다르파(DARPA)는 "조용한 대화(Silent Talk)" 프로그램을 위해 400만 달러의 예산을 책정했다. 이 프로그램의 목표는 전장에서 군인들이 목소리 없이 신경 신호를 통해 상호작용할 수 있는 방법을 개발하는 것이다. 이를 위해, 첫째로 각 단어에 대응하는 EEG 패턴을 구분하고, 둘째로 사용자 간 차이가 없는 EEG 패턴을 찾아내며, 셋째로 이 신호를 해석해 한정된 거리 내로 전달할 수 있는 장치를 개발하는 것을 목표로 삼았다. 육군은 630만 달러를 투자해 텔레파시 프로젝트를 시작했으며, 거윈 샬크는 220만 달러의 지원을 받아 ECoG 신호를 통해 실제로 말하거나 상상한 자음과 모음을 구분하는 연구를 성공적으로 수행했다. 이 연구는 자음과 모음을 구분하는 메커니즘을 제시함과 동시에 대화 상상을 통한 뇌 기반 의사소통의 기초를 마련했다.

2002년에는 켈빈 워릭이 100개의 전극 배열을 사용해 자신의 신경계를 인터넷에 연결하는 실험을 진행했으며, 성공적인 결과를 얻었다. 이후 워릭은 아내에게도 전극을 삽입하여 신경계 간 직접 의사소통을 한 최초의 사례가 되었다.

말하는 것을 상상(subvocalization)하여 인조 텔레파시를 구현하는 연구는 캘리포니아대학 어바인 캠퍼스의 마이크 즈무라의 지도하에 이루어지고 있다. 최초의 인조 텔레파시 시도는 1960년대 EEG의 알파파를 사용해 모스 부호를 생성하는 방식으로 이루어졌다. 이후 뇌와 두개골 사이에 전극을 삽입하는 방식으로 개선된 결과를 얻었다. 듀크 대학의 미겔 니코렐리스와 브라질 신경과학연구소는 2013년에 두 쥐의 뇌를 연결해 정보를 공유하는 데 성공하여, 최초로 뇌-뇌 인터페이스를 구현했다.

핵심 기술

BCI 기술은 뇌파나 뇌세포의 전기적 신경 신호를 측정하는 방법에 따라 크게 침습형(삽입형)과 비침습형(비삽입형)으로 구분된다. 특히, 뇌파 감지 방식은 활용되는 뇌파의 특징에 따라 뇌파유도형과 뇌파인식형으로 더 세분화된다.

침습적 BCI

침습적 BCI는 두개골을 열고 뇌에 임플란트를 삽입하여 전기신호나 운동피질의 움직임 등을 측정한 후, 임플란트에 연결된 신호를 외부 기기에 전달하는 방식이다. 이 방식은 뇌의 전기적 활동 결과물인 뇌파뿐만 아니라, 신경 신호를 직접 감지하여 뇌의 전기적 활동 원인을 파악하는 신경 신호 감지 방식도 포함된다. 신경 신호 감지 방식의 BCI는 신경계와 직접적으로 접속해 신호를 읽어내는 방식으로, 침습적으로만 구현이 가능하다.

이 방식은 높은 민감도를 가지며, 신경계와의 직접적인 접속을 통해 뇌와의 정보 입출력을 가능하게 한다는 장점이 있다. 이를 통해 BCI만으로도 사용자가 감각을 느낄 수 있는 가능성을 제공한다. 그러나, 전극과 뇌 조직이 맞닿는 부분에 생기는 흉터로 인해 시간이 지나면서 신호가 약해지거나 부작용이 발생할 위험이 존재한다. 이러한 부작용은 SF 작품 '공각기동대'의 '전뇌 경화증'에 반영되기도 했다.

침습적 BCI는 주로 시각 장애를 겪는 사람들에게 시각을 복원하거나, 전신마비 환자들에게 기계 조작 능력을 제공하는 연구에 초점을 맞추고 있다. 실제로 제한적이지만 시각 정보를 얻어 자동차 운전이 가능한 수준에 도달한 사례도 있다. 전신 마비 환자에게 침습적 BCI 시술을 통해 개선된 사례도 보고된 바 있다.

2015년 2월 17일, 다르파(DARPA)는 인간 뇌에 삽입해 시각 피질에 이미지를 주입할 수 있는 칩을 개발 중이라고 발표했다. 또한 2016년 10월 14일, 뇌신경 삽입술을 통해 촉각 신경을 재현하는 데 성공했다. 2024년 1월 29일에는 뉴럴링크(Neuralink)가 인간 대상의 이식 수술을 성공적으로 마쳤고, 중화권에서는 2024년 1월 30일, 14년 전 교통사고로 사지가 마비된 환자에게 신경 전자 기회를 이식해 획기적인 진전을 이루었다고 발표했다.

부분침습적 BCI

부분침습적 BCI는 두개골 내부에 임플란트를 삽입하지만, 뇌의 회백질에는 직접적으로 접촉하지 않는다. 이 방식은 주로 뇌파를 감지하여 읽어내는 뇌파 감지 방식의 BCI로 구현된다. 이 기술은 비침습적 BCI와 유사하게 EEG(뇌파 전위 기록) 방식으로 작동하지만, 경뇌막 아래에 플라스틱 판을 삽입해 대뇌피질에 전극을 직접 접촉시켜 뇌파를 측정하는 ECoG(Electrocorticography) 방식을 활용한다. 이를 통해 두개골에 의한 신호 감쇠가 적어 해상도가 높아지며, 침습적 BCI에 비해 흉터 발생 문제도 줄일 수 있다.

비침습적 BCI

비침습적 BCI는 신체에 어떠한 장치도 삽입하지 않는 방식이다. 주로 뇌파 감지 방식을 통해 뇌의 전기적 활동 결과물을 측정하는데 사용된다. 가장 일반적인 방식은 EEG 단자를 두피에 부착해 뇌파를 읽어내는 것이다. 이 외에도 MEG(Magnetoencephalography), 기능적 자기공명영상(fMRI), ELF/SLF/ULF파 등을 활용한 연구가 진행되고 있다. EEG 단자는 의료용으로 이미 사용되고 있으며, 비교적 저가에 상업화된 상태이다. 특히, 젤을 바르지 않아도 접속 효율이 높은 건식 EEG 단자의 등장으로 더욱 활성화되고 있다.

비침습적 BCI는 수술이 필요하지 않아 일반인 대상의 상업화에 유리하지만, 정밀도 면에서 침습적 BCI을 따라갈 수 없다는 단점이 있다. 또한 신경 신호 감지 방식의 구현이 불가능해 출력 기능이 제한되며, 이는 비침습적 BCI의 가장 큰 문제로 꼽힌다. 그러나, 뇌파 감지 방식을 보조 수단으로 활용해 정보 입력 용도로는 충분히 유용하게 사용할 수 있으며, 일부 기술적 단점에도 불구하고 상업적 가치는 높다. 예를 들어, 컴퓨터나 모바일 기기 조작 용도로 유용하게 사용될 수 있으며, 다른 인터페이스 장치들과 병용하여 사이보그 기술에도 제한적으로 활용할 수 있는 가능성이 있다.

구성 요소

BCI 시스템은 4단계의 작동 과정을 거쳐서 운영된다. 첫 번째는 신호 측정 단계이다. 신호 측정 단계에서는 머리에 부착된 전극을 통해 뇌파를 측정하는데, AD 컨버터를 뇌파 측정기와 컴퓨터 사이에 연결하여 뇌파 측정 기기에서 나오는 아날로그 신호가 디지털 신호로 바꾸어 컴퓨터가 처리할 수 있도록 해야 한다. 두 번째 단계는 수집한 뇌파 데이터를 분석하기 좋게 가공하는 전처리와 형태 추출 과정이다. 전처리 과정에서는 필터를 이용하여 수집한 뇌파의 잡신호를 제거하고 분석에 필요한 신호를 분리한 뒤 미약한 뇌파 신호를 증폭한다. 전처리 과정은 여러 가지 잡신호가 섞이는 비침습형 과정에서 특히 중요하다. 형태 추출 과정은 뇌전도 측정 장치로부터 들어온 뇌파 데이터 정보에서, 중요한 정보와 중요하지 않은 정보들을 명확하게 구분하여 신호의 인식률을 높이는 과정이다. 가공된 뇌파 정보는 전환 알고리즘을 통해 샘플들과 비교하여 분석한다. 분석된 뇌파 정보는 마지막으로 컴퓨터, 스마트폰, 헬스케어 기기 등의 단말기기에 명령을 내리는 응용 단계를 거친다.

이러한 단계를 거칠 때에는 복잡한 뇌파 신호의 분석이 요구되기 때문에, 어떤 제약 조건도 없이 다양한 분야에 BCI가 두루 사용되기 위해서는 3가지 조건을 만족해야 한다. 첫째, 활용성을 높이기 위해 뇌에서 필요한 부분만의 뇌파를 분석해야 한다. 원래 뇌파를 정확하게 측정하기 위해서는 두피 전체에 많은 전극을 붙여야 하지만, 그렇게 되면 사용자 입장에서 불편하기 때문이다. 둘째, 뇌파를 분석하는 데에 많은 저장 용량이 필요하고, 뇌파를 인식하고 연산하는 데 필요한 시간도 짧아야 한다. 따라서 적은 용량과 짧은 시간으로 많은 양의 데이터를 처리할 수 있는 분석법이 필요하다. 마지막으로, 초기의 불완전한 분석법에서 벗어나, 오류가 없는 완벽한 분석법이 요구된다. 그러나 아직 이 세 조건을 모두 충족하기에는 기술적인 한계가 있다. 따라서, 장치의 사용자가 장애인인지 비장애인인지 구별하는 등 사용자의 특성을 정확히 정의해야 한다. 또한, 사용하는 장치의 역할을 분명하게 정의하여 다른 장치와 역할이 겹치지 않도록 할 때 BCI는 더 유용하게 쓰일 수 있다.

적용 전망

BCI는 단기적으로는 뇌파를 이용한 전기기구 스위치와 같은 단순한 기술 발전이 예상되며, 장기적으로는 뇌파를 통해 의사와 동작 등을 분별하는 기술로 발전할 것으로 보인다. 앞으로 신속성과 정확성이 향상되면, 가상현실 기술과 결합하여 지능적 실감형 인터페이스로 진화할 가능성이 있다. 또한, 머리와 팔다리의 움직임을 포함한 모션 센서, 심장 박동과 같은 생체 신호, 눈의 시각 움직임 등 여러 인터페이스 기술과 결합되어, 오감을 활용하는 융합형 인터페이스로 발전할 전망이다. BCI 기술이 가속화된다면, 터치스크린이나 증강현실을 잇는 차세대 인터페이스로 활용될 가능성이 크다. 현재 컴퓨터와 스마트폰의 입력 인터페이스로 사용되는 키보드, 마우스, 키패드 등은 터치패드와 모션 인식으로 진화하고 있으며, BCI 기술의 발전으로 차세대 인터페이스로서의 역할이 기대된다. BCI는 손이나 기타 신체를 사용하지 않고도 자연스럽게 명령을 내릴 수 있어, 가상현실, 영상, 사진 인식 등 다양한 분야에서 활용될 가능성이 높다. 앞으로는 게임기 외에도 가전기구와 자동차 운전 등 다양한 장치를 생각만으로 조작할 수 있는 기술이 개발될 것이다.

미래학자 레이 커즈와일(Ray Kurzweil)은 "미래에는 뇌 스캐닝(Brain Scanning) 기술을 통해 사람의 뇌 정보를 컴퓨터에 저장하고, 이를 통해 사람 간 지식과 노하우를 이식하는 것이 가능해질 것이다"라고 전망하고 있다. 예를 들어, 타이거 우즈의 골프 스윙 노하우를 초보 골퍼의 뇌에 전달하여, 초보자도 타이거 우즈처럼 스윙할 수 있게 되는 것이 가능해질 수 있으며, 화성에 로봇이나 침팬지를 보내어 지구에서 사람의 생각대로 탐사를 수행하게 하는 것도 가능할 것이다.

전문가들 사이에서는 BCI 기술이 진화에 미치는 영향에 대한 의견이 갈리고 있다. 카이스트(KAIST)의 정재승 교수는 "BCI 기술은 유전되지 않는 특질이므로 진화에 미치는 영향은 적을 것"이라고 전망하는 반면, 옥스퍼드대의 닉 보스트롬(Nick Bostrom) 교수는 "뇌의 영역별 기능이 규명되고 이를 대체하는 기술이 발전한다면, 수학이나 외국어를 배우는 대신 '계산 모듈', '언어 모듈' 등을 업로드하는 시대가 올 수 있다"라고 예측하고 있다. 레이 커즈와일 또한, "1세기 후에는 물리적 신체로부터 자유로운 세대가 등장할 것이며, 소프트웨어 기반의 '뇌'를 가진 인간이 뉴런 기반의 뇌를 가진 인간보다 많아질 것"이라고 예측하고 있다. 필요에 따라 가상현실이나 나노봇을 통해 물리적 신체를 만들 수 있을 것이라고 주장하고 있다.

BCI는 궁극적으로 컴퓨터-뇌-인터페이스(CBI: Computer Brain Interface)를 거쳐, 뇌-뇌-인터페이스(BBI: Brain-to-Brain Interface)로 발전할 가능성이 있다. 하버드 의대의 유승식 교수와 민병경 박사는 생각만으로 살아 있는 동물을 조종하는 연구를 진행 중이며, 이는 뇌파를 컴퓨터에 전달하는 BCI 기술에서 출발해, 컴퓨터에 입력된 뇌파를 동물의 뇌에 전달하는 '컴퓨터-뇌 인터페이스(CBI)' 단계로 발전하고 있다. 유 교수팀은 뇌에 전극을 심어 전선을 통해 뇌 신호를 주고받던 기존 방법 대신, 초음파를 이용한 '무선 뇌 통신'을 구현하고 있다. 미래에는 BCI를 통해 동물이나 로봇을 조종하고, 두뇌 칩 등을 활용해 사람들 간의 노하우를 공유하는 무선 뇌 통신 시대가 열릴 것으로 예상된다.

활용 분야

의학

BCI는 신체가 불편한 사람들의 움직임을 돕거나 뇌 기능이 저하된 사람들의 의사소통을 지원할 수 있다는 점에서 연구개발의 필요성이 크게 강조되는 기술이다. 생각만으로도 인공적인 신체를 조종하거나, 뇌와 장치를 연결해 정보를 교환할 수 있다면 삶의 질이 크게 향상될 것이다. 예를 들어, 한 BCI 기업에서 최초로 개발한 침습형 BCI 센서는 환자의 생각을 읽어 마우스 포인터를 움직이고 클릭하는 것은 물론, 글쓰기에도 성공했다. 또한, 뇌와 척수 사이의 끊어진 신경 신호를 이어 하반신 마비 환자가 걷게 하거나 신경 재활을 도운 사례도 있다. 이처럼 BCI 연구개발은 사고나 질병으로 신체가 불편해진 사람들에게 새로운 가능성을 제시하고 있다.

자율주행

뇌파를 더욱 명확하게 읽을 수 있는 기술이 발전한다면 완전 자율주행의 시대도 앞당겨질 것이다. 뇌파로 차량을 제어하고 운전자의 상태를 파악하는 B2V(Brain to Vehicle) 기술도 많은 이들의 관심을 끌고 있다. 뇌에서 근육으로 명령이 전달되는 것보다 뇌파 신호가 더 빠르게 전달되기 때문에, BCI가 자율주행차에 접목된다면 반응 속도가 더욱 빨라져 안전성이 높아질 것이다. 또한, 뇌파에 담긴 생체 정보를 통해 운전자의 컨디션을 파악해 그에 맞는 편의 기능을 제공할 수도 있다. BCI가 접목된 자율주행차는 운전자의 의도를 보다 정확하게 반영할 수 있는 능동적인 기술이라 할 수 있다.

군사

BCI 연구는 의료 분야 외에도 다양한 분야에서 활발히 진행되고 있다. 군사용 BCI 연구는 미국 국방고등연구계획국(DARPA)의 지원을 받아 1970년부터 진행되어 왔다. 2009년에는 말하려는 의도를 신경 신호로 직접 주고받는, 마치 텔레파시와 같은 기술을 연구하고 있다고 발표되었다. BCI 기술이 군사 분야에 적용된다면 전시 상황에서 뇌파 신호를 측정해 적군의 위치나 지원 병력이 필요한 곳을 자동으로 파악하고 메시지를 전송할 수 있을 것이다. 또한, 뇌파 신호를 디지털 신호로 변환하여 드론 비행을 원격으로 제어하는 기술도 개발되었다. 기술이 발전함에 따라 자동차, 전차, 미사일 발사대와 같은 군사용 장비도 뇌파로 제어할 수 있을 것이다. 운전 대상에 대한 뇌파 신호의 응답 시간을 단축하면 더 빠르고 정밀한 제어가 가능해진다. 더 나아가, 후각이나 시각 같은 감각을 증강해 인간의 능력을 초월하는 기술도 개발될 수 있다.

뉴로 마케팅

뉴로 마케팅은 신경과학과 마케팅을 결합한 용어로, 무의식적인 반응과 같은 두뇌 활동을 분석해 마케팅에 접목하는 것을 의미한다. 사람들은 제품 선택 시 합리적인 이유뿐만 아니라 무의식적으로 끌리는 것을 선택하는 경향이 있다. 이 뉴로 마케팅에 BCI를 접목하면, 소비자의 뇌를 분석해 진정으로 원하는 것이 무엇인지 파악하고, 이를 통해 제품 선호도를 정량적으로 평가할 수 있다. 설문 조사 결과는 종종 응답자의 선입견 등 여러 요인에 영향을 받기 때문에 완전히 신뢰하기 어렵다. 같은 맥락에서, 뉴로 에듀케이션, 뉴로 러닝 등 신경 교육 시스템에도 BCI를 활용할 수 있을 것이다.

기타

범죄 수사에서도 뇌파 측정을 활용할 수 있다. 낯선 자극에 반응하는 뇌의 특성을 이용해 용의자에게 낯선 장면을 보여주다가 범죄 현장을 보여주면, 실제 범죄 현장을 방문한 사람과 그렇지 않은 사람의 뇌파가 다르게 나타난다. 95% 정도의 정확성을 보이는 만큼, BCI 기술을 통해 범죄자를 신속히 검거하고 오판을 줄일 수 있을 것이다. BCI를 이용해 실제와 구분하기 어려울 정도로 생생한 VR 게임을 개발한다면, 엔터테인먼트 산업에도 새로운 바람을 일으킬 수 있을 것이다. 기존의 VR 기기가 작은 디스플레이를 렌즈로 확대해 시야를 채우는 방식이라면, BCI는 뇌에 시청각 신호를 직접 전달하는 형태이기 때문이다.

국가별 현황

미국

BCI 기술에서 가장 앞서 있는 국가는 미국이다. 블랙록뉴로테크(Blackrock Neurotech)는 2004년에 처음으로 인간 뇌에 컴퓨터 칩을 이식하는 실험에 성공했고, 2012년에는 뇌졸중으로 목 아래가 마비된 여성의 뇌에 100개의 전극을 가진 센서를 이식해, 로봇 팔을 움직여 커피를 마실 수 있게 하는 데 성공했다. 이후, 반신마비 환자가 뇌로 조종하는 로봇 슈트를 입고 걷거나, 마비 환자가 의수를 통해 촉각을 인식할 수 있도록 하는 등 BCI 기술의 가능성을 꾸준히 증명하고 있다. 일론 머스크(Elon Musk)가 설립한 뇌 신경과학 기업 뉴럴링크(Neuralink)도 동전 크기의 칩에 연결된 1024개의 얇은 전극을 대뇌피질에 직접 삽입해 뇌 신호를 무선으로 외부에 송신하는 데 성공했다. 2024년 1월에는 사지마비 환자에게 처음으로 컴퓨터 칩을 이식해, 두 달 뒤 이 환자가 생각만으로 자동차 경주 게임을 즐기는 모습을 공개했다. 뉴럴링크는 2030년까지 2만여 명에게 BCI 시술을 한다는 계획을 발표했다. 또, 브루클린에 본사를 둔 싱크론(Syncron)은 뇌를 지나는 경정맥을 통해 뇌 신호를 읽는 장치를 삽입하는 기술을 개발했다. 2021년에는 FDA의 승인을 받아 6명의 환자에게 이식 수술을 진행했으며, 현재는 대규모 임상을 준비하고 있다.

중국

중국도 BCI 기술에 대한 연구에 속도를 내고 있다. 2023년 중관춘 포럼에서 BCI 기술을 중요한 첨단 신기술로 분류하며 연구를 강화했다. 2024년 1월 칭화대학 연구팀은 BCI 기기를 전신마비 환자의 두개골에 이식해 의수를 사용하는 데 성공했으나, 뇌 신호를 읽는 알고리즘 등에서 미국보다 뒤처져 있다는 평가를 받고 있다. 이러한 이유로, 중국은 상대적으로 기술 난이도가 낮은 헤드셋형 BCI 개발에 집중하고 있다. 헤드셋형 BCI는 뇌 수술 없이 머리에 착용하는 방식으로, 장치를 이식할 필요가 없어 편리하지만, 뇌 신호를 읽는 정확도는 떨어지는 단점이 있다. 이 분야에서 중국은 세계 특허 출원의 35%를 차지하며, 미국은 30%, 일본은 10% 수준이다.

중국은 헤드셋형 BCI 기술을 고도화해 상업적으로 활용하려는 전략을 추진 중이다. 미 안보신기술센터(CSET)에 따르면, 2024년 2월 중국이 발표한 BCI 윤리 지침에 “엄격한 규제와 명확한 이점이 있는 한, 증강 BCI 기술은 주의 조절, 수면 조절, 기억 조절 및 외골격과 같은 비의료적 목적에서도 탐색되고 개발돼야 한다”는 내용이 포함돼 있다. 이는 중국이 BCI 기술을 활용해 인간의 주의력 향상이나 기억 조절 등을 통해 ‘인간 개조’의 목표를 실현하려는 의도를 시사한다.

이에 따라, 중국의 BCI 연구가 장차 ‘무기화’될 가능성도 제기되고 있다. 예를 들어, 전투기 조종사의 헬멧에 BCI 기술을 적용하면 조종사가 위험을 인지하는 순간 뇌 신호가 헬멧을 통해 전투기에 전달돼 자동으로 회피 기동을 하거나 미사일을 발사하는 등 대응 능력이 크게 향상될 수 있다. 마거릿 코살 미 조지아공대 부교수는 “BCI 기술이 무기화된다면 전쟁의 양상이 근본적으로 변할 수 있다”며 “중국이 군과 상업을 연계하는 방식에 대한 우려가 크다”고 지적했다.

과제

BCI 기술이 인터넷, 모바일, 인공지능(AI)에 이어 인류가 이루게 될 다음 기술적 진보로 평가받고 있다. 그러나 이 기술이 인간의 신체에 직접 영향을 미치는 만큼, 해결해야 할 과제가 다수 존재한다.

우선, 뇌와 컴퓨터의 연결로 인한 개인정보 유출 가능성이 있다. 이는 곧 뇌를 해킹하는 것과 같은 위험을 내포하며, 뇌에 삽입된 전자칩을 통해 잘못된 기억이나 정보를 주입하거나 원치 않는 행동을 유도함으로써 인간을 제어하는 상황이 발생할 수 있다. 또한, BCI 기술은 고비용이 예상되는 만큼, 경제적 격차에 따른 기술 접근의 불평등 문제도 제기된다. 이 기술의 오용으로 인해 인간의 독립성과 자유가 침해될 가능성뿐 아니라, 뇌의 신체적 손상과 거부 반응 같은 내재적 위험에서도 자유로울 수 없다. 이에 따라 전문가들은 인간의 뇌와 기술의 결합에 대한 명확한 윤리적 기준을 세우고, BCI 기술의 발전과 상용화에 따른 사회적, 법적 영향을 최소화하기 위한 정책과 법률 도입이 시급하다고 주장하고 있다.

또한, BCI 기술의 혜택이 특정 집단에만 집중되지 않도록 하고, 사회 구성원 모두가 동등하게 접근할 수 있도록 해야 한다. 이를 위해 향후 예상되는 미래에 대비해 전문가뿐만 아니라 일반 소비자들도 준비할 수 있도록 교육과 훈련 프로그램을 개발해야 한다는 의견도 제시되고 있다.

참고자료

• 〈뇌-컴퓨터 인터페이스〉, 《위키백과》
• 〈뇌-컴퓨터 인터페이스〉, 《나무위키》
• 〈IT용어사전 - 뇌-컴퓨터 인터페이스 ( Brain-Computer Interface , 腦- )〉, 《한국정보통신기술협회》
• 〈손에 잡히는 IT 시사용어 - 뇌·컴퓨터 인터페이스 ( Brain-Computer Interface )〉, 《한국정보통신기술협회》, 2008-02-01
• 김희원 기자, 〈(탄생 200년·진화론 150년 다윈은 미래다) 2부 <9> 우리는 어디로 가는가〉, 《한국일보》, 2009-05-02
• 이영완·이길성 기자, 〈뇌에서 뇌로 정보 전달하는 무선통신 시대 성큼 "주말 골퍼도 우즈처럼 칠 수 있다"〉, 《조선비즈》, 2011-01-12
• 산업분석연구팀 전황수 책임연구원, 〈뇌-컴퓨터 인터페이스(BCI) 기술 및 개발 동향〉, 《한국전자통신연구원》, 2011-10
• 노자운 기자, 〈'세계적 미래학자' 레이 커즈와일 "2030년대, 뇌에 나노봇 넣어 컴퓨터에 연결하는 시대 온다"〉, 《조선비즈》, 2016-07-24
• arronlee33, 〈DARPA - Sense Of Touch Via Brain & Machine Neural Interface (1080p)〉, 《유튜브》, 2016-10-14
• 김은정 기자, 〈뇌에 칩 심어 외국어를 술술?…일론 머스크, 이번엔 뇌-컴퓨터 연결 도전〉, 《조선비즈》, 2017-03-28
• 오유경 기자, 〈BCI, 생각만으로 기계를 조종하다〉, 《카이스트신문》, 2019-05-15
• 〈ICT 시사상식 2021 - 뇌-컴퓨터 인터페이스 ( Brain Computer Interface )〉, 《한국정보통신기술협회》, 2021
• 〈생각만으로도 작동이 가능해지는 마법, BCI(뇌-컴퓨터 인터페이스)〉, 《LG이노텍 튜스룸》, 2023-08-30
• 정의진 기자, 〈(자막뉴스) 중국 "획기적인 기술 진전"...머스크 '뉴럴링크'와 다른 점〉, 《YTN》, 2024-02-02
• 차종환 기자, 〈"뇌와 컴퓨터를 연결한다" BCI 시대 가속페달〉, 《정보통신신문》, 2024-04-09
• 황규락 기자, 〈생각만으로 차 몰고 전투기 조종하고… 中, 美 BCI 기술 맹추격〉, 《조선일보》, 2024-05-09

같이 보기

• 뇌파
• 컴퓨터
• 신경망
• 머신러닝
• 인공지능

이 BCI (컴퓨터) 문서는 인공지능 기술에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.

인공지능 : 인공지능 서비스, 인공지능 로봇, 인공지능 기술 □■⊕, 인공지능 기업, 인공지능 인물 인공지능 기술 AI 워싱 • 랭체인 • 로봇공학 • 로봇기술 • 인지과학 • 자동추론 • 자연어 처리 • 지능 • 지식표현 • 컴퓨터 비전 • 튜링 테스트 • 프롬프트 • 프롬프트 엔지니어링 문자인식과 음성인식 ICR • OCR • OMR • TTS • URL • 글자 • 답변 • 대화 • 동영상 • 디자인 • 맥락 • 문서 • 문자 • 문자인식 • 문자채팅 • 발음 • 번역 • 분류 • 상담 • 소스코드 • 스토리 • 얼굴 • 얼굴인식 • 음성 • 음성채팅 • 음성인식(STT) • 이미지 • 인공어 • 자막 • 자연어 • 질문 • 채팅 • 코드 • 코딩 • 텍스트 • 통번역 • 통역 • 파일 • 폴더 • 화상채팅 • 화자인식 인공지능 데이터 데이터라벨러 • 데이터라벨링 • 데이터셋 • 벡터 • 벡터DB • 벡터공간 • 스칼라 • 임베딩 • 크라우드워커 • 토큰 • 토큰화 인공지능 학습 ADP • CoLLM • DALL-E • DDPG • DQN • LAM • LMM • SARSA • sLLM • SLM • 강화학습 • 거대언어모델(LLM) • 결정이론적 메타추론 • 계통적 강화학습 • 과적합 • 동적 계획법 • 딥러닝 • 딥큐러닝 • 머신러닝(기계학습) • 메타추론 • 모델 기반 강화학습 • 모델 프리 강화학습 • 미세조정(파인튜닝) • 반영식 아키텍처 • 비지도학습 • 사전학습 • 수시 알고리즘 • 어니 • 에이전트 • 인공지능 학습 • 전이학습 • 준지도학습 • 지도학습 • 추론 • 학습 • 확률적 경사하강법 인공지능 알고리즘 AGI • ANI • ASI • RAG • XAI • 가중치 • 관계형 네트워크(RN) • 뉴런 • 다층퍼셉트론 • 단층퍼셉트론 • 데이터마이닝 • 방사신경망 • 볼츠만 머신 • 분산 샌드박스 • 생성대립신경망(GAN) • 생성형 AI • 수퍼얼라인먼트 • 순전파 • 순환신경망(RNN) • 시그모이드 함수 • 신경망 • 신경망 구조 • 심층신경망(DNN) • 심층신뢰신경망(DBN) • 양방향 비고정값 암호 체계(TSID) • 역전파 • 은닉층 • 인공신경망(ANN) • 인공지능(AI) • 제한 볼츠만 머신(RBM) • 전방전달신경망 • 주의 메커니즘 • 코헨 자기조직 신경망 • 텍스트마이닝 • 트랜스포머 • 파이 • 퍼셉트론 • 합성곱 신경망(CNN) 계산복잡도 NP • NP-완전 • 계산복잡도 • 공간복잡도 • 시간복잡도 • 여 NP • 여 NP-완전 인공지능 프로그램 BCI • GPT • 딥블루 • 딥페이크 • 멀티모달 AI • 모달 • 모달리티 • 모달창 • 알렉스넷 • 어니 • 알파고 • 알파고제로 • 알파폴드 • 왓슨 • 카페 • 컨트롤넷 • 텐서플로 • 텔레파시 • 토치 • 파이토치 • 한돌 인공지능 특징 결정이론 • 계산상의 합리성 • 논리학 • 논리주의자 • 분산성 • 불확실성 • 삼단논법 • 선호도 • 예측곤란성 • 완벽한 합리성 • 유계 합리성 • 이유 불충분의 원리 • 자율성 • 최대기대효용 • 할루시네이션 • 효용이론 인공지능 법적 지위 권리주체성 • 소버린 AI • 전자대리인 • 전자적 인간 • 책임법 위키 : 자동차, 교통, 지역, 지도, 산업, 기업, 단체, 업무, 생활, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반