혼합선택성 (Mixed Selectivity)
쉽게 풀면
단순한 뉴런은 자극의 밝기나 방향처럼 한 가지 특성에만 반응할 수 있지만, 혼합선택성을 가진 뉴런은 여러 변수가 특정하게 조합될 때만 반응한다. 예를 들어 어떤 뉴런은 ‘왼쪽을 보면서 동시에 보상을 기대할 때만’ 강하게 반응하는 식이다. 이런 복잡하고 비선형적인 반응 패턴은 뇌가 다양한 정보를 유연하게 조합해서 복잡한 인지 과제를 수행할 수 있게 해 준다. 혼합선택성이 높은 신경집단일수록 고차원의 표상 공간을 만들어낼 수 있어, 다양한 문제를 유연하게 풀어내는 계산 능력과 관련이 있다는 이론이 있다.
왜 중요한가
혼합선택성은 뇌가 제한된 수의 뉴런으로도 매우 다양하고 복잡한 인지 과제를 수행할 수 있는 이유를 설명하는 핵심 개념으로 여겨진다. 개별 뉴런이 하나의 변수에만 반응하는 방식보다, 여러 변수를 비선형적으로 조합해 반응하는 방식이 훨씬 더 풍부한 표상 공간을 만들어낼 수 있기 때문에, 작업기억, 의사결정, 인지적 유연성을 연구하는 신경과학 논문에서 신경집단의 계산적 능력을 설명하는 이론적 근거로 자주 활용된다.
논문에서는 이렇게 쓰입니다
전전두피질처럼 여러 인지 변수를 동시에 처리하는 영역의 단일세포 반응 특성을 설명할 때 사용된다.
공간 인지를 연구하는 신경과학 분야에서는 장소세포조차 단일 변수가 아니라 여러 맥락 요인이 결합된 방식으로 반응할 수 있음을 보여주는 근거로 이런 표현이 쓰인다.
계산신경과학 연구에서는 인공신경망이 학습 과정에서 생물학적 뉴런과 비슷한 혼합선택성을 자발적으로 획득한다는 점을 밝히는 데 이러한 표현이 사용된다.
조금 더 깊게 보면
혼합선택성은 크게 선형 혼합선택성과 비선형 혼합선택성으로 구분할 수 있는데, 비선형 혼합선택성이야말로 신경집단의 표상 차원을 실질적으로 높여준다는 점에서 더 중요하게 다뤄진다. 연구자들은 흔히 회귀분석을 통해 각 뉴런의 반응을 여러 변수와 그 상호작용 항으로 분해하여 혼합선택성의 정도를 정량화하며, 신경다양체(neural manifold) 분석이나 차원축소 기법을 함께 사용해 신경집단 수준에서 표상 공간의 구조를 살펴보는 경우도 많다.
주의할 점
단순히 반응이 복잡하다고 해서 모두 혼합선택성이라고 부르지는 않으며, 통계적으로 변수들의 비선형 상호작용 항이 유의해야 한다는 엄밀한 기준이 있다.