신경과학은 지금 어디에 서 있을까. 뇌를 연구하는 사람들이 스스로 보는 것보다 훨씬 건강한 상태일 수도 있다. 그런데 동시에, 결정적으로 놓치고 있는 무언가가 있을 수도 있다.
마스트리흐트 대학의 마리오 센든(Mario Senden) 연구팀이 이 질문에 답하기 위해 꽤 대담한 시도를 했다. 1999년부터 2023년까지 발표된 신경과학 논문 약 50만 편의 초록을 AI로 분석해, 학문 전체를 한 장의 지도로 그려낸 것이다. 결과는 Aperture Neuro에 발표됐고, 시드니 대학의 맥 샤인(Mac Shine)이 직접 이 연구를 해설했다.
175개 클러스터, 그리고 예상 밖의 연결성
연구팀이 발견한 클러스터는 총 175개. 신경과학이 얼마나 다양한 주제로 분화되어 있는지를 단적으로 보여주는 숫자다. 그런데 흥미로운 건 분화가 아니라 통합이었다.
이렇게 방대하게 분기된 학문임에도, 클러스터들 사이의 연결성은 놀라울 만큼 촘촘했다. 겉에서 볼 때는 제각각인 것 같아도, 실제로는 서로가 서로를 참조하고 영향을 주고받는 구조가 유지되고 있었다. 샤인의 표현을 빌리자면, “안에서 보이는 것보다 훨씬 건강한 학문의 초상"이 드러난 셈이다.
특히 두 영역이 지적 허브 역할을 하고 있었다. 하나는 휴지기 fMRI 역학(resting-state fMRI dynamics), 다른 하나는 해마 가소성의 분자 메커니즘(hippocampal plasticity molecular mechanisms). 이 두 영역이 각각 미시적-거시적 스케일의 다리 역할을 하며 서로 다른 연구 흐름을 이어주고 있다는 걸 데이터가 보여줬다.
끊어진 선 두 가지
밝은 면이 있으면 어두운 면도 있다. 연구는 두 개의 뚜렷한 단층선을 찾아냈다.
첫 번째는 미시 스케일과 거시 스케일의 분리다. 세포 수준에서 뇌를 보는 연구자들과, 전체 뇌 네트워크를 보는 연구자들은 실질적으로 서로 다른 인식론적 세계에서 살고 있다. 두 집단이 공유하는 언어도, 참조하는 논문도 충분히 겹치지 않는다.
두 번째는 시간 스케일의 문제다. 밀리초 단위의 신경 발화부터 수십 년에 걸친 발달, 노화까지 — 신경과학은 극단적으로 넓은 시간 범위를 다룬다. 그런데 분석 결과, 이 시간 스케일들은 쌍으로만 연결될 뿐 전체적으로 통합되지 않는다. 각각은 이웃한 스케일과 대화하지만, 모두를 아우르는 프레임은 없다.
가장 도발적인 발견
그리고 여기서 이 연구에서 가장 충격적인 대목이 나온다.
175개 클러스터 중, 이론적 프레임워크를 중심으로 형성된 클러스터는 단 하나도 없었다.
베이지안 뇌(Bayesian brain), 자유 에너지 원리(free energy principle), 예측 코딩(predictive coding) — 신경과학계에서 가장 많이 언급되는 이론들이다. 이 개념들을 키워드로 쓰는 논문은 수천 편이 넘는다. 그런데 이 이론들 중 어느 것도 자신을 중심으로 연구자 커뮤니티를 끌어모으지 못했다. 이론은 인용되지만, 그 이론을 중심으로 결집하는 연구 생태계가 형성되지 않은 것이다.
이건 단순한 통계적 발견이 아니다. 신경과학이 지금 어떤 방식으로 지식을 쌓고 있는지에 대한 구조적 질문을 제기한다. 데이터는 쌓인다. 기술은 발전한다. 그런데 그 모든 것을 하나로 묶어줄 이론적 뼈대 — 그게 아직 없다는 뜻이기도 하다.
이론 없는 학문은 어디로 가는가
샤인은 이 발견에서 묻는다. “우리는 충분한 종류의 사고를 하고 있는가?”
데이터를 모으고, 패턴을 찾고, 기술을 정교화하는 것 — 이것은 신경과학이 잘하는 일이다. 하지만 그 데이터들이 왜 그런 패턴을 보이는지, 뇌가 어떤 원리로 작동하는지에 대한 설명 — 즉, 이론 — 이 없으면 지식은 파편으로 남는다.
물리학에는 양자역학이 있다. 진화생물학에는 자연선택론이 있다. 신경과학에는 아직 그것이 없다. 베이지안 뇌나 자유 에너지 원리가 유력한 후보이긴 하지만, 이 연구가 보여주듯 그 어느 것도 현장 연구자들의 실질적인 구심점이 되지는 못하고 있다.
우리 시스템에 적용하면 좋은 점
이 연구가 흥미로운 이유 중 하나는 AI 자체에 대한 함의이기도 하다.
LLM, 강화학습, 멀티모달 모델 — AI 연구도 지금 비슷한 상황에 처해 있다. 수많은 논문이 쏟아지고, 벤치마크 숫자는 계속 오르고, 새로운 아키텍처는 끝없이 제안된다. 그러나 왜 이런 모델들이 작동하는지에 대한 통합적 이론은 여전히 취약하다.
신경과학의 서지계량 지도를 AI 연구에도 그려본다면 어떤 모습일까. 아마 비슷한 단층선들이 드러날 것이다. 이론보다 실험, 이해보다 성능이 우선인 문화. 그리고 그 공백이 장기적으로 어떤 한계를 만들어낼지.
이 연구가 말하는 건 결국 하나다. 좋은 데이터와 좋은 방법론만으로는 충분하지 않다. 언젠가는 이 모든 것을 꿰뚫는 이론이 필요하다. 그리고 그 이론을 만드는 작업을 지금 시작하지 않으면, 50만 편이 100만 편이 돼도 같은 질문이 돌아올 것이다.
원문: What a bird’s-eye view of half a million papers reveals about neuroscience