• 인지과학
• /
• 제23권4호
• /
• pp.517-551
• /
• 2012

우리는 모방하는 동물이다. '참된 모방(true imitation)'은 한 행위가 행해진 것을 보는 것으로부터 그 행위를 하는 법을 새롭게 배우는 것이라고 할 수 있다. 우리는 타 개체의 기술과 지식을 모방함으로써 다른 동물의 세계에서 찾아보기 힘든 문화와 문명을 이룩할 수 있었다. 이런 의미에서 모방 능력이 어떻게 진화하고 발달하는지를 묻는 것은 중요하다. 또한 인간이 아닌 다른 동물들이 참된 모방을 할 수 있는지, 그리고 모방 학습 측면에서 인간과 동물이 구체적으로 어떻게 다른지를 알아보는 작업도 매우 흥미로운 과제이다. 이 논문에서 나는 우선, 인간과 다른 동물들의 모방 능력에 대한 경험적 연구들을 검토해볼 것이다. 이런 비교 연구를 통해 동물과 인간의 모방 능력의 차이에 주목할 것이며, 그들에게서 보이는 복제 충실도의 차이가 왜 발생하는지에 대해 논의할 것이다. 그런 다음에 모방의 신경생물학적 메커니즘에 대한 최신 연구들을 검토할 것이다. 하전두회(inferior Frontal Gyrus, IFG)와 하두정엽(inferior Parietal Lobule, IPL)으로 구성된 인간의 거울 뉴런계(mirror neuron system)가 이 대목에서 가장 중요하게 등장한다. 거울 뉴런계는 타 개체의 행동을 이해하고 공감하고 따라하는 데에 필수적인 신경세포 다발이다. 나는 거울 뉴런계의 기능과 진화에 대한 최신 연구들을 소개할 것이다. 인간의 모방을 가능하게 하는 신경 메커니즘에 대한 연구는 처음에 거울 뉴런계와 후부상측두이랑(posterior Superior Temporal Sulcus, pSTS)로 구성된 '핵심 모방 회로'에 집중되어 있었다. 하지만 더 최신의 연구들은 핵심 모방 회로 밖에서도 모방의 신경 메커니즘이 작동한다는 사실을 말해준다. 마지막으로 나는 이러한 모방의 심리학과 생물학이 문화 진화에 어떤 함의를 지니는지를 탐구한다. 구체적으로 나는 밈과 거울뉴런계의 관계를 탐구한 최신 연구를 통해 문화 진화에 대한 밈학적 접근을 시도할 것이다.

• 정보과학회 논문지
• /
• 제42권3호
• /
• pp.320-327
• /
• 2015

최근 다양한 분야에 서비스 로봇이 상용화되고 있지만 대부분의 로봇 에이전트는 사용자의 구체적인 명령에 의존적이고, 불안정한 센서정보를 기반으로 환경변화에 빠르게 대응하여 목적을 달성하기는 어려운 문제가 있다. 이러한 문제를 해결하기 위해, 본 논문은 사람이 타인의 의도를 이해하고 대응하는 과정을 설명하는 거울뉴런(mirror neuron)과 마음이론(theory of mind) 시스템을 모델링하고 로봇에이전트에 적용하여 유용성을 입증한다. 제안하는 의도-대응 모델은 거울뉴런의 빠르고 직관적인 대응행동과 중간목적 지향적인 특성을 구현하기 위해, 환경과 목적을 고려하는 행동선택 네트워크(behavior selection network)를 사용한다. 또한, 장기적인 행동계획을 기반으로 대응행동을 수행하는 마음이론 시스템을 수행하기 위해, 계층적 계획생성 기법을 이용하여 중간목적 단위로 행동을 계획하고 이를 기반으로 행동선택네트워크 모듈을 제어한다. 다양한 시나리오에 대해 실험한 결과 외부자극에 적절한 대응행동이 생성됨을 확인하였다.

• 제어로봇시스템학회지
• /
• 제20권2호
• /
• pp.31-38
• /
• 2014

인간의 행동을 통해 내재된 의도를 인식하고 그 의도에 대응하는 서비스를 제공할 수 있는 능력을 로봇에게 부여하기 위한 연구의 일환으로 모방적 동기화 및 학습에 의한 인간-로봇 상호작용(Human-Robot Interaction, HRI) 시스템의 개발이 주목받고 있다. 하지만 인간이 관찰과 모방을 통해 목적을 가진 행동을 학습하는 과정은 감각 정보를 대응하는 운동 정보로 연계하고 모방 주체와 모방 대상 간의 물리적 상태의 차이를 보정하고 관측된 행동에 내재된 의도 또는 목표를 이해하는 복잡한 메커니즘 단계의 연속이기 때문에 이를 수행하기 위한 기술개발이 필요하다. 본고에서는 실제 인간이 수행하는 모방적 동기화 및 학습에 관여하는 것으로 추정되는 거울뉴런 시스템에 대하여 소개하고 이를 HRI 시스템에 활용하기 위해 개발된 선행 기술 동향을 논하고자 한다. 또한, 본 연구실에서 관련하여 진행해온 관련 연구를 통해 현재 거울 뉴런 시스템의 발전 정도와 향후 활용 방안 및 가능성을 고찰해보도록 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제68차 하계학술대회논문집 31권2호
• /
• pp.357-358
• /
• 2023

본 연구는 실제 행동과 운동 심상으로 팔과 다리 동작 인식을 위한 BCI 패러다임을 제안하고 유도성 분석을 한다. 이 페러다임은 각 팔과 양다리의 특정 움직임을 인식하기 위해 ERP를 기반 페러다임을 구성한다. BCI 페러다임은 왼팔, 오른팔, 양다리를 움직이는 영상 자극을 주며 이를 기반으로 왼팔, 오른팔, 양다리 움직임에 대한 인식을 한다. 거울뉴런은 실제 행동과 실제 행동을 보았을때와 운동심상을 통한 자극을 받았을 때 같은 뉴런이 활성화된다는 성질을 가지고 있다. 이러한 성질을 이용하여 운동심상만과 실제 행동을 동시에 학습할 경우를 유도성 분석을 진행한다. 또한 유도성 특징 분석을 통해 나타난 결과를 바탕으로 BCI 패러다임을 제안한다.

• Journal of the Korean Academy of Child and Adolescent Psychiatry
• /
• 제24권3호
• /
• pp.109-123
• /
• 2013

20세기의 가장 중요한 신경과학적 업적 중의 하나인 거울 뉴런의 발견은 ASD에서의 모방 및 공감 문제를 설명해줄 핵심 원인으로 인식되었으며 결국 2000년대 중반 '깨진 거울 이론'이 공식적으로 등장하게 되었다. 깨진 거울 이론은 돌출 풍경 맵 이론에 의해 보완되면서 ASD에서의 과잉 모방 및 자율신경계 과다 항진까지 보다 정교하게 설명할 수 있게 되었다. 그러나 ASD 환자가 항상 모방 문제를 보이지는 않는다는 것, 모방과 에뮬레이션에 대한 구별이 중요하다는 것이 밝혀졌다. ASD의 깨진 거울 이론에 대한 한계점을 비판하는 연구자들은 결국 모방과 공감에 대한 뇌의 사회적 하향 조정시스템 문제를 강조하는 'STORM 이론'을 내놓게 되었다. 깨진 거울 이론과 STORM 이론 중 어느 것이 더 옳은 이론이라고 현재 단정지을 수는 없다. 깨진 거울 이론은 여전히 학계의 지지를 받고 있으며 지금까지 상당한 연구 성과를 내고 있다. 그러나 STORM 이론은 깨진 거울 이론에서 특별히 강조하고 있지 않은 '사회적 맥락'의 중요성을 강조하며, 마음 이론 등의 정신화 기제가 뇌의 거울 뉴런계를 직접 조정하여 보다 더 세밀한 모방이 이루어진다는 것을 잘 보여주고 있다. 향후 STORM 이론 관련 연구 결과들이 어떻게 나올지를 관심있게 지켜볼 필요가 있다. 이 두 이론은 ASD의 사회적 인지에 관한 연구를 실시할 때 연구 방법이 얼마나 정교해야 하는지를 잘 알려주고 있다. 이는 모방과 공감 문제에 대한 치료 프로그램을 개발하는 경우에도 마찬가지로 적용되는 문제이다. 그러나 이러한 노력은 필연적으로 ASD에 대한 이해의 폭을 넓히게 되며 궁극적으로 ASD 환자에 대한 생물학적, 비생물학적 치료법의 발견에 기여하게 될 것이다. 두 이론을 각각 지지하고 있는 연구자들 간의 모범적인 논쟁을 지속적으로 기대하고자 한다.

• 한국지능시스템학회논문지
• /
• 제23권6호
• /
• pp.565-570
• /
• 2013

영장류 대뇌 피질 영역 중 거울 뉴런들이 분포한 것으로 추정되는 몇몇 영역은 목적성 행위에 대한 시각 정보를 기반으로 모방학습을 수행함으로써 관측 행동의 의도 인식 기능을 담당한다고 알려졌다. 본 논문은 이러한 거울 뉴런 영역을 모델링 하여 인간-로봇 상호작용 시스템에 적용함으로써, 자동화 된 의도인식 시스템을 개발하고자 한다. 거울 뉴런 시스템 계산 모델은 동적 신경망을 기반으로 구축하였으며, 모델의 입력은 객체와 행위자 동작에 대한 연속된 특징 벡터 집합이고 모델의 모방학습 및 추론과정을 통해 관측자가 수행할 수 있는 움직임 정보를 출력한다. 이를 위해 제한된 실험 공간 내에서 특정 객체와 그에 대한 행위자의 목적성 행동, 즉 의도에 대한 시나리오를 전제로 키넥트 센서를 통해 모델 입력 데이터를 수집하고 가상 로봇 시뮬레이션 환경에서 대응하는 움직임 정보를 계산하여 동작을 수행하는 프레임워크를 개발하였다.

• 건강소식
• /
• 제36권10호
• /
• pp.10-11
• /
• 2012

아기를 보고 웃으면 아기도 따라 웃는다. 앞에서 누군가가 하품을 하거나 활짝 웃으면 옆 사람도 이내 따라 한다. 이런 현상은 우리 뇌의 '미러 뉴런(Mirror Neuron, 거울 신경세포)'에 의한 것이라고 한다. 미러 뉴런이란 '보는 대로 따라 하는 신경'으로 불리는데 남의 행동을 모방하도록 하는 우리 두뇌 안의 신경세포다. 그렇다면 미러 뉴런을 다이어트에 활용해보자. 유명인들의 다이어트 성공담을 들으면, '나도 ${\bigcirc}{\bigcirc}{\bigcirc}$처럼 완벽한 몸매를 가질 수 있어'라며 나의 미로 뉴런이 반응해 금세 따라하고 싶어질 것이다.

• 정보과학회지
• /
• 제30권12호
• /
• pp.43-51
• /
• 2012

• 제어로봇시스템학회논문지
• /
• 제20권6호
• /
• pp.606-611
• /
• 2014

The understanding of another's behavior is a fundamental cognitive ability for primates including humans. Recent neuro-physiological studies suggested that there is a direct matching algorithm from visual observation onto an individual's own motor repertories for interpreting cognitive ability. The mirror neurons are known as core regions and are handled as a functionality of intent recognition on the basis of imitative learning of an observed action which is acquired from visual-information of a goal-directed action. In this paper, we addressed previous works used to model the function and mechanisms of mirror neurons and proposed a computational model of a mirror neuron system which can be used in human-robot interaction environments. The major focus of the computation model is the reproduction of an individual's motor repertory with different embodiments. The model's aim is the design of a continuous process which combines sensory evidence, prior task knowledge and a goal-directed matching of action observation and execution. We also propose a biologically inspired plausible equation model.

• 한국지능시스템학회논문지
• /
• 제21권5호
• /
• pp.537-542
• /
• 2011

거울 신경 세포는 동물이 어떤 동작을 할 때와 그 동물이 다른 동물의 동일한 동작을 하는 것을 관찰 할 때, 똑같은 세포 발화를 하는 신경세포이다. 본 논문에서는 거울 신경 세포의 발화 원리를 이용하여 비슷한 방법으로 보이지 않는 부분에 대한 객체의 움직임을 추적하는 방법을 3차원 재구축 방법을 통해 제안한다. 거울 신경 세포 시스템과 같은 발화 원리를 통해 의도 인지 시스템을 구축하기 위해, 스테레오 카메라를 통해 획득한 두 개의 이미지 데이터를 통해 깊이 정보를 계산하여 3차원으로 재구축한다. 3차원 재구축을 통해 만들어진 이미지 데이터를 옵티컬 플로우를 사용하여 3차원 이미지에서 객체의 움직임 방향을 추정한다. Estimation 알고리즘인 칼만 필터를 사용하여 객체의 움직임 추정을 잡음에 강인하게 한다. 객체의 움직임 추정을 통하여 객체의 움직임에 따라 구축된 이미지 데이터를 히스토리화 하여 데이터를 저장한다. 객체의 일부분 혹은 전체가 다른 물체로 인해 가려져 스테레오 카메라 시야에서 사라졌을 때, 과거에 저장된 히스토리로 부터 데이터를 가져와 가려진 부분에 대한 객체의 원래의 모습을 복원한다. 이 복원을 통하여 움직임 추정을 한다.