쥐 뇌세포 기반 AI 모델, 현실로 다가와
생물학적 컴퓨팅 스타트업 TBC(The Biological Computing Company)가 쥐 뇌세포의 신경 패턴을 활용한 AI 모델을 아마존 웹 서비스(AWS) 제한 프리뷰로 선보인다. TBC는 뇌세포가 정보를 처리하는 방식을 분석해 이를 모방하는 소프트웨어 도구를 만들어 비디오 생성 AI의 효율을 높이는 데 초점을 맞추고 있다. AI 효율성 경쟁이 치열해지면서 생물학적 컴퓨팅이라는 비주류 분야가 주목받고 있다는 점에서 의미가 크다.
쥐 뇌세포의 신경 패턴을 활용해 인공지능을 구축하는 생물학적 컴퓨팅 스타트업이 아마존으로부터 큰 지원을 받게 되었다. 화요일부터 일부 아마존 웹 서비스(AWS) 고객은 The Biological Computing Company(약칭 TBC)의 '쥐 뇌' AI 모델에 제한된 프리뷰 형태로 접근할 수 있게 된다. 이 스타트업의 기술은 특히 비디오 생성 AI의 성능을 향상시키도록 설계되었다. 아마존과 TBC 양사는 이 기술이 조만간 모든 AWS 기업 고객에게 확대 제공될 것으로 기대하고 있다.
TBC 공동 창업자인 알렉산더 크센즈오프스키(Alexander Ksendzovsky)는 "우리는 이미지 같은 정보를 생물학적 물질에 코딩하는 방법을 찾아냈다"며 "그런 다음 생물학적 조직이 그 정보를 어떻게 처리하는지 관찰하고, 그 과정을 모방하는 도구를 구축한다"고 말했다.
아마존 웹 서비스의 스타트업 부문 글로벌 기술 총괄인 딥 우비(Deap Ubhi)에 따르면, 이는 아마존이 마켓플레이스에 선보인 첫 생물학 기반 컴퓨팅 플랫폼이 아니다. 이 클라우드 컴퓨팅 거대 기업은 실험실 배양 뉴런을 실리콘 칩과 결합해 기업의 데이터 처리를 돕는 호주 기업 코티컬 랩스(Cortical Labs)와도 협력하고 있다. 코티컬 랩스는 자사 제품을 'WAAS(Wetware as a Service, 웨트웨어 즉 서비스)'라 부르며, 뉴런을 6개월간 생존시킬 수 있다는 수천 달러짜리 저전력 '생물학적 컴퓨터'도 판매한다.
우비는 TBC가 '실용적인 접근 방식'을 취한다고 말했으며, 이는 아마존이 이 회업에 끌린 이유 중 하나다. 대규모 언어 모델의 핵심 아키텍처 단위인 트랜스포머를 재발명하려는 큰 도전보다는, "기존 생성형 AI 분야의 표준 안에서 '현재의 비주얼 모델을 어떻게 더 효율적으로 만들 수 있을까'라고 묻고 있다"고 그는 설명했다.
AI 기업들이 모델 효율성을 높이는 방법을 찾기 위해 경쟁하면서, 한때 비주류였던 '생물학적 컴퓨팅' 분야가 주목받기 시작했다. 연구자들은 오래전부터 컴퓨터 소프트웨어가 수학 기반 알고리즘에만 의존하지 않고 인간 뇌 속 신경망처럼 작동하는 세상을 상상해 왔다. 하지만 생물학적 컴퓨팅에는 고유한 난제가 따른다. 이 분야는 단순히 컴퓨터 실험실이 아니라 실제 생물학 실험실을 운영해야 하며, 뇌세포나 줄기세포, 합성 생체재료를 살아있는 상태로 보존하고 정밀하게 모니터링하며, 이를 어떻게든 의미 있는 디지털 정보로 변환해야 한다. 일부 스타트업이 진전을 이루고 있지만, 자연과 코드 사이의 간극을 메우는 일은 여전히 복잡하다.
The Biological Computing Company는 4년 전 메릴랜드주 볼티모어에서 두 명의 신경과학자이자 신경외과 의사인 크센즈오프스키(현 CEO)와 존 포메라니엑(Jon Pomeraniec, 현 회장 겸 COO)에 의해 설립되었다. 올해 초 TBC는 Primary Venture Partners가 이끄는 투자자 그룹으로부터 2,500만 달러를 조달했으며, 이는 회사의 첫 본격적인 투자 유치였다. 3월에 이 라운드가 마무리된 직후 추가로 2,500만 달러를 확보해 총 투자 금액이 5,000만 달러를 넘어섰다. 이번 신규 투자 소식은 지금까지 공개된 적이 없었다.
이 스타트업은 작년 샌프란시스코에 사무실과 소규모 연구개발 실험실을 열었으며, 여기서 35명의 직원이 쥐 뇌세포와 인간 줄기세포를 직접 다룬다. 살아있는 세포들은 스위스 바이오텍 기업 3Brain이 제작한 다중 전극 실리콘 어레이 위에 놓인다. 연구자들은 이 어레이를 사용해 뉴런에 전기 자극 패턴을 보내고 뉴런이 반응하는 방식을 기록한다. TBC는 이 신경 활동을 분석해 소프트웨어로 변환할 수 있는 연산 패턴을 찾아내고, 이를 활용해 특히 비디오 생성 모델을 포함한 기존 AI 모델을 개선한다.
크센즈오프스키에 따르면 처음부터 비디오에 집중하기로 한 결정은 과학적이면서도 실용적인 이유에서였다. 한 가지 요인은 TBC가 사용하는 다중 전극 실리콘 어레이의 물리적 배치였다. 각 전극이 위치한 곳은 결과에 영향을 미친다.