이스라엘 와이즈만 연구소가 개발한 새로운 AI 도구는 fMRI 뇌 스캔만 분석해 당신이 보고 있는 이미지를 놀라운 정확도로 재구성합니다. 이 기술의 원리, 활용 가능성, 그리고 정신적 사생활이라는 새로운 윤리적 쟁점까지 한 번에 정리했습니다.
2026년 9월, 이스라엘 와이즈만 연구소(Weizmann Institute of Science)의 컴퓨터 과학자 미할 이라니(Michal Irani) 교수팀이 충격적인 AI 도구를 공개했습니다. 이 도구는 사람의 fMRI 뇌 스캔 데이터만 입력으로 받아, 그 사람이 무엇을 보고 있었는지 거의 똑같이 맞춰 맞춥니다. 마법처럼 들리죠?
간단히 말하면 이렇습니다. 당신이 표범 사진을 보고 있을 때, 특정 뇌 영역이 활발하게 움직입니다. AI는 이 활동 패턴을 학습해서, 새 표범 이미지를 보여주지 않아도 그 뇌 패턴이 어떤 이미지에 해당하는지 "그림을 다시 그려"내는 것입니다. 위 예시 이미지에서 왼쪽이 실제 본 사진, 오른쪽이 AI가 재구성한 결과입니다.
우선 fMRI(functional magnetic resonance imaging, 기능적 자기공명영상)부터 쉽게 설명드리겠습니다. 큰 자석 안에서 뇌를 촬영하면, 산소가 풍부한 혈액이 흐르는 위치를 알 수 있습니다. 뇌가 활발하게 일하는 부분일수록 혈류가 늘기 때문에 "어떤 영역이 켜졌는지" 간접적으로 알 수 있는 거죠.
다만 fMRI는 픽셀처럼 깔끔하지 않습니다. 결과를 구성하는 최소 단위를 복셀(voxel)이라고 부르는데, 일반 스캐너의 복셀 크기는 약 3mm³, 즉 세제곱밀리미터 정도입니다. 이 작은 큐브 하나에 약 16,000개의 뉴런이 들어 있어요. 그래서 기존 fMRI 데이터만으로는 이미지를 정밀하게 복원하기 어려웠습니다.
이라니 교수팀은 더 고해상도 스캐너로 수집한 최신 데이터셋을 사용했습니다. 이 데이터셋은 복셀 하나가 약 1mm³ 크기로 뉴런 1,000개 수준을 덮을 수 있어 훨씬 정교한 분석이 가능했습니다.
연구팀의 뇌 디코더(brain decoder)는 두 갈래로 나뉘어 정보를 처리합니다.
| 분기 | 역할 | 예시 |
|---|---|---|
| 구조 분기 | 색상·위치 등 공간 정보 | 노란색이 화면 오른쪽에 있다 |
| 내용 분기 | 객체의 의미 정보 | 접시 위의 바나나 한 다발 |
이 두 정보를 합쳐 만든 예측값을, Stable Diffusion 같은 모델의 원리인 확산 모델(diffusion model)에 넣습니다. 확산 모델은 처음에 픽셀 노이즈만 있다가 점진적으로 이미지를 정제해 나가는 AI인데, 여기에 뇌 신호를 단서로 주면 놀라울 정도로 원본과 비슷한 결과가 나옵니다.
여기서 핵심 아이디어가 나옵니다. 디코더만으로는 데이터가 부족했습니다. 사람은 8명, 각자 약 9,000장씩 본 데이터뿐이었거든요. 그래서 이라니 팀은 또 다른 AI인 뇌 인코더(brain encoder)를 함께 만들었습니다.
작동 흐름은 다음과 같습니다.
이 방식의 장점은, fMRI 스캐너에서 실제로 보여주지 않은 이미지로도 학습 데이터를 무한히 만들 수 있다는 점입니다. 이라니 교수에 따르면 학습 데이터의 약 70%가 실제 스캔과 짝지어지지 않은 이미지에서 나왔다고 합니다. 즉, 디코더를 풍부하게 가르치기 위해 가짜 뇌 신호를 인코더로 생성한 셈이죠.
"우리가 개발한 이 도구들을 실제로 사용하여 뇌에 대한 새로운 사실을 발견할 수 있는지 보기 위해 현재 신경과학자들과 함께 작업하고 있습니다."
— Michal Irani, Weizmann Institute of Science
디코더의 가장 큰 성과는 범용 뇌 인코더(universal brain encoder)입니다. 사람마다 뇌 구조와 활동 패턴이 조금씩 다른데, 보통 새로운 사람에게 적용하려면 그 사람의 fMRI 데이터를 약 40시간, 시간당 600~1,000달러 비용으로 모아야 했습니다.
이번 연구의 범용 뇌 인코더는 단 1시간의 데이터만 있으면 새로운 사람의 뇌 스캔도 분석할 수 있습니다. 비용과 시간 모두 약 1/40 수준으로 줄어든 거죠. 캘리포니아 대학 토미 스프래그(Tommy Sprague) 신경과학자는 "우리 중 누구도 40시간 이미징을 감당할 수 없다"며 "이 도구들이 연구를 가속화할 것"이라고 평가했습니다.
또한 여러 연구의 데이터를 결합해 공통 뇌 영역도 식별할 수 있었습니다. 예를 들어 특정 영역은 음식 이미지에, 다른 영역은 스포츠 이미지에 강하게 반응하는 식입니다.
이 기술의 응용 범위는 굉장히 넓습니다. 특히 의학 분야에서 두 가지 가능성이 크게 기대됩니다.
잠금증후군(locked-in syndrome)이란 의식은 또렷한데 전신이 완전히 마비돼 몸을 움직이거나 말할 수 없는 상태를 말합니다. 서울아산병원 질환백과에 따르면, 외부 자극에 반응하지 못하는 것처럼 보이지만 안에서는 깨어 있는 상태입니다. 이 환자들에게 뇌 디코더는 "그냥 누워서 생각만으로 의사소통"할 수 있는 길을 열어줍니다.
PTSD(외상 후 스트레스 장애) 환자가 겪는 플래시백이 실제로 어떤 이미지인지, 꿈의 내용이 무엇인지, 이런 오래된 미스터리를 과학자가 직접 들여다볼 수 있게 됩니다. 이라니 교수는 "사람들이 생각하거나 상상하는 것, 꿈의 내용을 재구성하는 것이 목표"라고 말했습니다. 아직은 달성하지 못했지만 비디오·오디오 영역으로 확장하는 중입니다.
물론 모든 게 완벽한 건 아닙니다. 이라니 교수는 Zoom 발표에서 "물론 실패 사례도 있다"며 케이크를 샌드위치 세 개로, 욕조 속 개를 욕조 속 염소로 재구성한 일화를 공개했습니다. 현재의 한계도 분명합니다.
기술이 강력해질수록 윤리적 우려도 커집니다. 가장 큰 키워드는 정신적 사생활(mental privacy)입니다. 한겨레 등多家 언론이 인용한 정의처럼, 정신적 사생활이란 "자신의 동의 없이 신경기술 기기가 수집한 정신 활동 관련 데이터에 접근하려는 제3자로부터 보호받을 권리"입니다.
토미 스프래그 박사는 이렇게 말했습니다. "만약 당신이 무엇을 생각하고 있는지에 대한 정보를 몰래 추출할 방법이 있다면, 150년 분량의 공상과학이 언제든 실현될 수 있고, 그것은 여러 면에서 우려됩니다." 10년 전만 해도 이런 질문에 "웃었을 것"이라고 덧붙였습니다.
현재 뇌 디코더의 입력은 fMRI입니다. 하지만 fMRI는 거대한 병원 장치라서 일상적으로 적용하기 어렵죠. 문제는 EEG(뇌전도)입니다. EEG는 전극이 달린 모자만 쓰면 누구나 측정할 수 있어 접근성이 훨씬 높습니다.
독일 뮌헨 공대의 신경윤리학자 마르첼로 이엔카(Marcello Ienca) 박사는 EEG로의 전환을 "판도를 바꿀 일(game changer)"이라고 표현했습니다. 회사들이 사용자 동의 없이 추가 정보를 추출하거나, 법원이 정신 이미지 재구성을 법적 증거로 채택하는 미래까지 상상할 수 있다는 겁니다.
아직은 "보고 있는 것"을 재구성하는 수준입니다. "생각하는 이미지"를 읽는 것도 꽤 잘 작동할 것으로 보이지만, 텔레파시 수준은 아닙니다. 스프래그 박사는 동의 없는 사용을 우려했고, 이엔카 박사는 EEG 기반 미래의 위험성을 짚었습니다.
fMRI는 자기공명 장치에서 혈류 변화를 측정해 공간 해상도가 높지만, 거대하고 비쌉니다. EEG는 전극 모자로 두피의 전기적 활동을 측정해 휴대 가능하지만 공간 해상도는 낮습니다. 두 방식 모두 "뇌 디코더"의 입력이 될 수 있습니다.
이라니 교수팀은 "뇌 활동만으로 의사소통할 수 있게 해줄 수 있다"고 말했지만, 상용화 시점은 명확히 밝히지 않았습니다. 비디오·오디오 확장과 꿈 재구성 연구가 진행 중이라 임상 적용까지는 시간이 더 필요합니다.
현재는 법적·기술적 보호장치가 충분하지 않습니다. 신경윤리학자들은 데이터 접근 통제, 동의 절차 표준화, 법원 증거 채택 기준 마련 등을 요구하고 있습니다.
🧠 AI가 뇌를 읽는 시대, 우리는 어떻게 준비해야 할까요?
구독하시면 AI·뇌과학 최신 이슈를 가장 먼저 받아보실 수 있습니다.
본 글은 MIT Technology Review(2026-10-01) 기사를 한국어로 정리한 2차 저작물입니다.