뇌의 표적을 정밀 저격하는 AI 영상 — NEvo가 진화시켜내는 시각 영역별 맞춤 자극

> 한 줄 요약: EPFL 연구진이 시각 피질의 특정 영역을 최대로 활성화시키는 영상을 "진화 알고리즘"으로 인실리코(in silico) 생성하는 NEvo를 발표했다. 디지털 트윈을 보상 신호로 쓰고, 2단계 탐색으로 계산 비용을 끌어내렸다.

1. 무슨 일이 일어났나

EPFL의 NEvo 프로젝트(nevo-project.epfl.ch)는 시각 영역의 반응을 예측하는 뇌 디지털 트윈을 보상 모델로 삼아, 특정 영역의 예측 활성도를 극대화하는 영상을 진화시켜낸다.

핵심 요소를 풀어보면:

• 디지털 트윈 — V-JEPA2 같은 시각 인코딩 모델을 fMRI 자료에 복셀별 능선 회귀(ridge regression)로 적합시킨 부호화 모델. 임의의 영상에 대한 각 시각 영역의 반응을 예측한다.
• 유전자 표현 영상 — 피사체·조명·움직임·분위기 같은 시각 요소를 유전자로 표현한다.
• 진화 루프 — 후보 영상 배치를 생성 → 디지털 트윈으로 점수 계산 → 높은 점수 후보 유지 → 교차·변이 → 반복.
• 2단계 탐색 — 가장 강한 정지 이미지를 먼저 찾고, 그다음에 움직임을 별도로 탐색해 2초 영상으로 만든다.

2. 영역별 선택성 — 외측 시각 경로의 기울기

이들이 보고한 결과가 흥미로운 이유는 단순히 "이미지를 만든다"가 아니라 영역별 선호 자극과 정확히 일치하는 영상이 합성됐다는 점이다.

| 영역 | 알려진 선택성 | NEvo 합성 영상 |

|---|---|---|

| FFA | 얼굴 | 얼굴 중심 |

| PPA | 장소 | 장소 중심 |

| EBA | 신체 | 신체 중심 |

| MT | 움직임 | 순수한 움직임 |

| V1·V3A | 패턴 | 추상적 패턴 |

| pSTS·aSTS | 활기찬 사회적 장면 | 상호작용하는 캐릭터 |

그리고 searchlight 분석을 V1에서 aSTS 방향으로 이동시키면, 합성 자극과 자동 생성 단어 구름이 단순한 패턴·움직임 → 사람·얼굴·사회적 상호작용으로 바뀐다. 외측 시각 경로를 따라 사회적·동적 특징이 점점 강해지는 기울기가 데이터로 나타난 것이다.

수치도 인상적이다. PPA 합성 영상은 점수 0.767으로 자연 이미지 대비 100.0 백분위, rh_5 searchlight 합성 영상은 점수 1.124로 자연 이미지 대비 100.0 백분위에 해당한다. 모든 영역에서 수작업 로컬라이저 영상과 가장 강한 자연 영상보다 높은 활성도를 보였다.

3. 2단계 탐색이 왜 필요한가

이미지와 영상을 동시에 탐색하면 계산 비용이 폭발한다. NEvo는 이를 피하려고 탐색을 둘로 나눴다.

1. 1단계 — 정지 이미지 후보를 평가해 가장 강한 단일 프레임을 찾는다.
2. 2단계 — 그 이미지에 움직임을 더해 2초 영상으로 만든다.

이 분리 덕분에 움직임에 대한 별도 보상 모델 없이도 동적 자극을 만들 수 있고, 모든 영역에서 움직이는 영상이 같은 영상의 고정된 첫 프레임보다 높은 반응을 보였다. 동적 자극에 대한 선호가 모델 차원에서 일관되게 재현된 셈이다.

4. 왜 이 기술이 위험한가 — Hacker News의 반응

GN⁺ 코멘트에서 가장 목소리가 컸던 부분은 규제 우려다.

> "지금이야 수백만 개의 실제 영상 중에서 사용자별로 가장 중독적인 짧은 영상을 골라내지만, 그것들은 사용자를 사로잡을 가능성의 공간에 무작위로 던진 다트일 뿐이다. 이제 AI로 시청자 뇌의 모든 스위치를 정밀하게 누르는 개인 맞춤형 중독 영상을 생성해 며칠씩 좀비처럼 붙잡아둘 수 있다."

핵심 우려를 정리하면:

• 개인화 중독 — 시청자 뇌의 스위치를 정밀하게 누르는 영상을 AI가 생성할 수 있다.
• 심리 조작의 규모화 — Dario Amodei, Sam Altman 같은 인물들이 결국 보여줄 대규모 개인 맞춤형 심리 조작의 전조.
• GPT-4o의 아첨 성향과 AI 정신증 위기가 단순한 참여도 최적화의 예고편이었다는 해석.

한 댓글은 방법론적 의심도 제기한다. "영상에서 뇌 활성화를 안정적으로 예측하는 모델 자체가 가능한지 회의적이다. 사람을 대상으로 작은 검증 자료를 모으는 건 거의 사소할 만큼 쉬운데 하지 않은 점이 수상하다." NEvo가 디지털 트윈으로 예측한 활성도가 실제 사람 fMRI에서도 그대로 재현되는지는 아직 열린 질문이다.

5. 우리가 가져갈 것

NEvo는 두 가지를 동시에 보여준다.

• 연구자로서* — 디지털 트윈을 보상으로 쓰는 영상 진화는 시각 신경과학의 새로운 도구다. 영역별 선택성을 자동 탐색하고 외측 시각 경로의 기울기를 데이터로 재현한 것은 강력한 결과다.

• 플랫폼 사용자/시민으로서 — 이 기술은 분명 "맞춤형 중독 영상"으로 전용될 수 있다. NEvo가 영역별 자극을 만들 수 있다면, 시청자별 뇌 스위치를 누르는 개인화도 가능하다. 배포를 막을 규제, 그리고 사람들이 정신을 차리고 그 사이트를 더는 열지 않을 주체적 대응* 두 가지가 모두 필요하다.

> EPFL의 NEvo 프로젝트가 보여준 건, AI가 뇌의 표적을 정밀 저격할 수 있다는 사실이다. 그 표적이 어떤 가치가 될지는 우리 사회가 결정해야 한다.

• --

• 참고 링크*

• 원문 토픽: https://news.hada.io/topic?id=31329
• NEvo 프로젝트: https://nevo-project.epfl.ch
• 함께 보면 좋은 글: β 현업 영상 제작자의 AI 홍보영상 제작기 / AI 피로는 실제로 존재하지만 아무도 이야기하지 않는다 / 30 Papers - 일리야 서츠케버 추천 AI 핵심 논문 목록 / AI 시대, 취향(Taste) 경제의 부상

---

📰 원본 출처 · https://news.hada.io/topic?id=31329 (#N=31329)

이 글은 GeekNews(긱뉴스)에 게제된 글을 기반으로 작성되었습니다. 원본의 라이선스와 저작권은 원작자에게 있습니다.