김정훈

글

의식은 프레임으로 오는가

의식은 흐르는가, 영화처럼 한 장씩 오는가. 뇌의 리듬과 접근의 문턱, 사건으로 나뉘는 현재를 따라가며 이 질문을 층위별로 다시 묻는다.

창밖으로 자동차가 지나간다. 움직임은 끊기지 않고, 엔진 소리는 멀리서 다가와 커졌다가 다시 잦아든다. 눈과 귀가 만든 장면은 하나로 이어져 있다. 경험만 놓고 보면 세계는 흐른다.

필자는 오래전부터 의식의 창이 좁다는 사실이 마음에 걸렸다. 한 번에 붙들 수 있는 것은 문장 하나, 단어 몇 개 정도다. 그런데 그 좁은 창이 미끄러지듯 움직이는지, 한 칸씩 건너뛰는지는 따져 본 적이 없었다. 이 질문이 다시 돌아온 것은 AI의 기억을 만들면서다. 기계에게 언제 '지금'을 새로 쓰게 할지 정하려면, 사람의 '지금'이 어떻게 바뀌는지부터 알아야 했다.

실험실에서 지각을 재 보면 이 매끄러운 인상과 어긋나는 결과가 자꾸 나온다. 똑같이 희미한 섬광이 어떤 순간에는 보이고 수십 밀리초 뒤에는 보이지 않는다. 자극에 대한 초기 신경 반응은 서서히 변하는데, 참가자의 보고는 어느 지점에서 갑자기 '보았다'로 바뀐다. 뒤늦게 들어온 정보가 조금 전에 본 것의 모습을 바꾸기도 한다. 그래서 오래된 질문이 다시 고개를 든다. 의식은 정말 이어져 있는가, 영화처럼 한 장씩 넘어가는가.

지금까지의 연구는 둘 중 하나를 고르지 않는다. 뇌에 모든 경험을 같은 속도로 잘라 내는 셔터 하나가 있는 것 같지는 않다. 그 대신 서로 다른 시간 구조가 겹쳐 있다. 신경 활동은 계속 변하고, 감각 선택은 뇌의 리듬을 따라 흔들린다. 정보가 보고와 행동에 쓰이려면 문턱을 넘어야 하고, 지각 내용은 짧은 시간 동안 묶여 있다가 중요한 변화가 생기면 새 상태로 바뀐다. 그러니 연속이냐 이산이냐를 고르기보다, 어느 층위가 흐르고 어느 층위에서 전환이 일어나는지를 나눠 보는 편이 낫다.

이 글에서 말하는 의식은 주로 접근 의식이다. 눈에 들어온 내용이 보고, 작업기억, 계획, 행동에 쓰일 수 있게 되는 과정을 가리킨다. 경험 그 자체인 현상적 의식은 직접 재기 어렵다. 실험이 기록하는 것은 대개 버튼 누르기, 말로 한 보고, 기억 성적, 뇌 신호 같은 간접 지표다. 이 한계를 잊으면 행동이 끊겨 보이는 것을 경험이 끊기는 것으로 착각하기 쉽다.1


'의식이 끊겨서 온다'는 말에는 사실 서로 다른 네 가지 주장이 섞여 있다. 먼저 신경 과정 자체가 끊기는가. 뉴런 집단의 막전위와 발화율, 영역 사이의 상호작용이 매 순간 변하는지, 특정 시점에만 갱신되는지의 문제다. 다음은 감각 선택이 주기적인가. 뇌가 입력을 고르게 처리하지 않고 어떤 리듬을 따라 일부를 키우고 일부를 누르는지를 묻는다. 셋째는 접근에 문턱이 있는가. 증거가 조금씩 쌓이다가 어느 수준을 넘는 순간 보고와 작업기억에 한꺼번에 들어오는지의 문제다. 마지막은 내용이 사건 단위로 바뀌는가. 지금의 경험이 잠시 유지되다가 대상이 바뀌거나 목표가 달라지거나 예상이 빗나가는 순간 새로 짜이는지를 묻는다.

네 문제는 서로 얽혀 있지만 같지 않다. 보고가 '보았다'와 '못 보았다'로 갈린다고 해서 그 앞의 신경 과정까지 둘로 갈렸다고 할 수는 없다. 탐지 성능이 주기적으로 흔들려도 그 사이에 경험이 꺼진다는 결론은 나오지 않는다. 사건 경계에서 기억이 나뉜다는 사실 역시 뇌가 일정한 간격의 프레임을 쓴다는 증거가 되지 못한다. 지각 성능이 리듬을 탄다는 것은 관찰이고, 의식이 리듬의 골짜기에서 꺼진다는 것은 훨씬 강한 해석이다. 앞의 것은 여러 연구가 뒷받침하지만 뒤의 것은 아직 입증되지 않았다. 이 구분을 붙들고 있으면 서로 어긋나 보이던 증거들이 한 그림 안에 들어오기 시작한다.


뇌는 리듬을 가진 기관이다. 알파파, 세타파를 비롯한 여러 진동이 감각피질, 두정엽, 전두엽 사이의 정보 교환과 관련된다. 이 리듬은 배경 소음에 그치지 않는다. 자극이 나타나기 직전의 진동 위상만 보고도 역치 근처의 시각 자극이 보일지를 어느 정도 예측할 수 있다.[2,4] 여러 위치에 주의를 나누면 탐지 성능이 몇 헤르츠의 주기로 번갈아 오르내린다. Landau와 Fries의 실험에서 참가자가 두 위치 중 어디에 표적이 나타날지 지켜볼 때, 한쪽의 민감도가 올라가면 다른 쪽은 내려갔다. 주의가 두 곳을 번갈아 들른 것이다.3 Fiebelkorn 연구팀은 원숭이 실험에서 이런 리듬이 감각 영역 하나의 진동에 그치지 않고 전두엽과 두정엽 네트워크의 상호작용과 관련될 수 있음을 보였다.5

이 결과만 보면 뇌가 세상을 쭉 보는 대신 일정한 간격으로 표본을 뜬다고 생각하기 쉽다. 그런데 여기서 잰 것은 처리 효율이다. 경험이 있었는지 없었는지는 이 실험들이 재지 않았다. 같은 자극도 신경계의 흥분성과 주의가 높은 위상에서는 더 잘 잡히고, 낮은 위상에서는 놓치기 쉽다. 카메라 셔터는 노출과 노출 사이에 빛을 완전히 막는다. 뇌의 리듬은 오히려 밝기 조절기에 가깝다. 입력은 계속 들어오고, 그 입력이 접근에 기여하는 비중만 주기적으로 커졌다 작아진다. 관찰되는 주파수도 하나가 아니다. 알파 리듬이 빠른 사람일수록 짧은 간격으로 연달아 나온 두 섬광을 더 잘 구별하고,6 여러 대상을 오가는 주의는 그보다 느린 세타 대역에서 나타난다.[3,5] 의식 전체를 다스리는 프레임레이트가 하나 있다면 과제가 달라도 같은 기본 주기가 거듭 드러나야 한다. 지금까지의 자료는 그런 보편적 시계보다, 여러 회로가 저마다의 시간척도로 돈다는 해석에 더 잘 맞는다. 분석에도 함정이 있다. 자극 하나가 일으킨 과도 반응이나 시간에 대한 기대가 반복되는 진동처럼 보일 수 있다. 그래서 필자는 리듬을 의식의 시간을 조직하는 여러 요소 가운데 하나로 본다. 프레임이라고 부르기에는 아직 증거가 모자란다.


희미한 자극의 밝기를 조금씩 올리면 '보였다'는 보고는 고르게 늘지 않는다. 한동안 거의 보이지 않다가 좁은 구간에서 갑자기 늘어난다. 의식적 접근에 문턱이 있을지 모른다는 단서다. 이 현상을 연구하는 대표적인 방법이 역행 차폐다. 표적을 아주 짧게 보여 준 뒤 곧바로 다른 자극으로 덮으면, 초기 시각계는 표적에 반응하는데도 참가자는 그것을 보고하지 못할 수 있다. Del Cul 연구팀은 이 과제를 하는 동안 고밀도 EEG로 사건관련전위를 기록하고 피질의 신호원을 재구성했다. 보고되지 않은 표적도 초기 후두-측두 경로에서는 처리되었다. 보고된 시행에서는 약 270밀리초 뒤부터 전두, 두정, 측두에 걸친 넓은 네트워크가 한꺼번에 활성화되었다.7

연속적인 과정이 어떻게 갑작스러운 출력을 만드는지 보여 주는 결과다. 감각 증거는 시간에 따라 쌓이고, 영역 사이를 오가며 증폭된다. 증거가 모자라면 초기 처리에서 멈추고, 어느 수준을 넘으면 작업기억, 말로 하는 보고, 계획에 두루 쓰이는 상태로 넘어간다. 물이 서서히 차오르다 둑을 넘는 장면과 비슷하다. 수위는 연속으로 오르지만 넘치는 순간은 사건처럼 보인다. 필자는 사람이 하루의 대부분을 자동 모드로 살다가, 어떤 충격이나 질문 앞에서 잠깐 의식이 켜진다고 느껴 왔다. 둑을 넘는 이 장면은 그 막연한 느낌을 실험실의 언어로 옮겨 놓은 것처럼 읽힌다.

조심할 점도 있다. 넓게 퍼지는 후기 활동이 곧 의식이라고 단정할 수는 없다. 무엇을 보았다고 보고하려면 내용을 붙들고, 판단을 내리고, 손을 움직일 준비를 해야 한다. 후기 신호에는 이런 과제의 요구가 섞인다. 이 점화가 경험의 원인인지, 보고의 결과인지, 둘 다인지를 가려야 한다. 2025년 Cogitate 컨소시엄의 적대적 협업 연구가 이 문제를 정면으로 다뤘다. 연구진은 통합정보이론과 전역 신경 작업공간 이론이 서로 다르게 예측하는 결과를 미리 정해 두고, 256명에게 fMRI, MEG, 두개내 EEG를 적용했다. 의식 내용에 관한 정보는 후두엽과 복측두엽뿐 아니라 일부 전두 영역에서도 관찰되었고, 후방 피질의 일부 반응은 자극이 보이는 동안 계속 유지되었다. 두 이론의 강한 예측은 모두 일부 반박되었다.8 의식이 한 번의 전역적 폭발로만 생긴다고 보기는 어려워졌다. 접근에는 비선형적인 전환이 있을 수 있지만, 내용은 여러 영역에서 이어서 유지될 수 있다.


우리는 지금을 한순간처럼 느끼지만, 지각이 쓰는 현재에는 폭이 있다. 뇌는 짧은 시간 동안 들어온 정보를 묶어 하나의 사건으로 만든다. 후시적 구성이라 불리는 현상이 이를 잘 보여 준다. 어떤 자극을 본 뒤 수십에서 수백 밀리초 안에 들어온 정보가 앞선 자극의 최종 지각을 바꿀 수 있다. 나중 사건이 이전의 신경 반응을 시간을 거슬러 바꾼다고 볼 필요는 없다. 앞선 자극의 지각이 처음부터 완전히 확정되지 않았다고 보는 편이 자연스럽다. 뇌는 잠시 여러 해석을 쥐고 있다가 뒤이어 오는 단서로 하나를 고른다. Herzog, Kammer, Scharnowski는 이를 설명하려고 시간 조각 모델을 내놓았다. 특징 분석은 높은 시간 해상도로 거의 연속으로 진행되지만, 의식적 지각은 일정한 통합 구간을 거쳐 만들어진다는 생각이다.9 이 모델대로라면 우리가 경험하는 것은 매 순간의 날 신호보다 짧은 구간의 처리 결과를 압축한 내용에 가깝다.

음악에서 음 하나는 앞뒤 음 없이는 뜻을 갖지 못한다. 움직임의 방향도 적어도 두 시점의 위치가 있어야 정해지고, 단어 하나도 앞뒤 문맥에 따라 다르게 읽힌다. 시간 통합은 지각이 의미를 만들기 위한 기본 조건이다. 그렇다고 통합 구간이 서로 겹치지 않는 프레임이라는 뜻은 아니다. 구간은 겹칠 수 있고, 정보의 종류에 따라 길이도 다르다. 움직임, 말소리, 문장, 사회적 사건은 저마다 다른 시간 폭을 요구한다. 연속적인 재귀 동역학이나 점진적인 확률 갱신으로도 후시적 효과를 설명할 수 있다. 실제로 이산 지각 이론을 비판하는 쪽은, 지금까지의 실험이 시간 통합을 지지할 뿐 프레임 사이에 경험이 비는 구간까지 입증하지는 못한다고 지적한다.10 여기서 확실히 말할 수 있는 것은 많지 않다. 지각은 입력이 들어오는 순간 완성되지 않는다. 현재는 짧은 과거를 품고 있고, 그 길이는 하나의 숫자로 정해져 있지 않다.

필자는 AI에 실제로 들어가는 입력을 통째로 열어 본 적이 있는데, 이 대목을 쓰며 그때가 떠올랐다. 언어 모델의 현재는 컨텍스트 창이다. 모델은 답할 때마다 그 창 전체를 처음부터 다시 읽는다. 사람의 현재처럼 짧은 과거를 품고 있지만, 창과 창 사이에는 아무것도 흐르지 않는다. 대화가 길어지면 앞부분을 요약해 접어 버리기도 한다. 사람의 의식이 프레임으로 오는지는 아직 모르지만, 적어도 지금의 AI는 정말로 프레임 단위로 산다.


연속된 장면을 보아도 기억은 모든 순간을 같은 밀도로 남기지 않는다. 누군가 방에 들어와 컵을 집고 물을 따른 뒤 나가는 장면을 우리는 무수한 자세의 연속으로 기억하지 않는다. 들어옴, 컵을 집음, 물을 따름, 나감 같은 사건으로 나눠 기억한다. 사건 분절 이론에 따르면 뇌는 지금 상황에 대한 내부 모형을 유지하다가 예측이 크게 빗나가는 순간 그 모형을 고친다.11 행동의 목표가 바뀌거나, 장소가 달라지거나, 새 인물이 나타나거나, 인과 구조가 바뀌면 사건 경계가 생긴다. 이 경계는 나중에 무엇을 한 덩어리로 기억할지에도 영향을 준다.

사건 경계는 의식이 끊기는 방식에 대해 중요한 단서를 준다. 의식 내용의 큰 변화가 일정한 간격으로 오지 않고 정보 구조가 바뀌는 순간에 일어난다면, 의식의 시간을 조직하는 것은 시계보다 사건이라고 볼 수 있다. 경계는 고정되어 있지도 않다. 같은 영상을 봐도 요리법을 배우려는 사람과 등장인물의 감정을 따라가는 사람은 서로 다른 순간을 중요하게 여긴다. 사건은 여러 크기로 겹친다. 손을 뻗는 동작은 짧은 사건이고, 한 끼를 준비하는 과정은 더 긴 사건이며, 손님에게 식사를 대접하는 자리는 그보다 더 긴 사건이다. 이런 계층성과 과제 의존성은 고정 프레임 가설과 잘 맞지 않는다. 연속적인 신경 과정 위에 여러 크기의 준안정 상태가 생기고, 예측오차나 목표 관련성이 커질 때 상태가 바뀐다는 그림과 더 잘 맞는다.

기억을 만드는 입장에서 가장 반가운 대목이 여기다. 러시아의 심리학자 루리야가 오래 관찰한 기억술사 S.는 거의 아무것도 잊지 못했다. 그런데 그 때문에 문장을 읽으면 단어마다 떠오르는 이미지에 막혀 뜻에 닿지 못했고, 표정이 바뀔 때마다 달라 보이는 사람 얼굴을 잘 알아보지 못했다. 모든 순간을 같은 밀도로 저장하면 요약할 수 없다. 필자는 뇌가 기억을 사건 단위로 끊어 두는 것이 곧 의미를 만드는 방식이라고 생각한다. 저장 공간을 아끼는 것은 덤이다.


지금까지의 이야기를 계산 모델로 옮기면 크게 세 가지 그림이 나온다. 연속 모델에서는 내용이 입력과 함께 매 순간 조금씩 변한다. 고정 프레임 모델에서는 일정한 주기마다 내용 전체가 갱신된다. 하이브리드 모델에서는 바탕의 처리가 계속 흐르고, 사건이 생길 때 안정된 내용이 새 상태로 넘어간다. 필자는 지금까지의 증거를 가장 적은 가정으로 묶는 쪽이 세 번째라고 본다. 감각 입력과 신경 상태는 계속 변하고, 주의 리듬은 특정 정보의 비중을 조절하며, 최근 정보는 짧은 시간 창 안에서 묶인다. 그러다 예측오차, 현저성, 목표 관련성이 충분히 커지면 지금의 내용이 새로운 준안정 상태로 다시 짜인다. 식으로 쓰면 이렇다.

dzdt=f(z(t), x(t))\frac{\mathrm{d}z}{\mathrm{d}t} = f\big(z(t),\,x(t)\big)
c(k+1)=B(z[ tk−τ,  tk ])when    g(z(t), x(t), m(t))>θ\begin{gathered} c(k+1) = B\big(z_{[\,t_k-\tau,\;t_k\,]}\big) \\[0.3em] \htmlClass{mt-eq-when}{\text{when}}\;\; g\big(z(t),\,x(t),\,m(t)\big) > \theta \end{gathered}

z(t)z(t)⁠는 계속 변하는 신경 상태, x(t)x(t)⁠는 감각 입력, m(t)m(t)⁠는 주의, 목표, 예측오차 같은 조절 변수다. 함수 gg⁠가 문턱 θ\theta⁠를 넘으면 최근 시간 창의 정보가 새 내용 c(k+1)c(k+1)⁠로 묶인다. 중요한 것은 갱신 시점 tkt_k⁠가 일정하지 않다는 점이다. 고정 프레임 모델은 tk=kTt_k = kT⁠인 특수한 경우일 뿐이다. 사건 기반 모델에서는 조용하고 예측 가능한 장면에서 한 상태가 오래 유지되고, 변화가 많은 장면에서는 짧은 간격으로 여러 번 갱신된다. 의식이 프레임처럼 보이면서도 이어져 있다고 느껴지는 이유가 이 모델 하나로 설명된다. 내용은 한동안 안정되어 있으니 하나의 장면처럼 경험되고, 그 아래에서는 감각 증거와 내부 상태가 계속 변한다. 끊기는 것은 신경 과정이 아니라 내용의 재조직이다. 이 모델이 옳다고 확정할 수는 없다. 다만 리듬에 따른 선택, 비선형적 접근, 시간 통합, 사건 분절을 한 구조에 담을 수 있다는 점에서 지금으로서는 가장 경제적인 작업 가설이다.

어려운 것은 θ\theta⁠다. 필자는 올봄 구글이 내놓은 HOPE라는 메모리 구조를 하나씩 뜯어 본 적이 있다.12 이 구조에는 예측이 크게 빗나간 토큰에서만 기억을 고쳐 쓰는 서프라이즈 게이트가 들어 있다. 그런데 작은 규모로 직접 학습해 보니 이 게이트가 99.9%가 넘는 토큰에서 그냥 열려 있었다. 모든 토큰의 손실이 문턱을 한참 넘었기 때문이다. 모든 것이 놀라우면 어떤 것도 사건이 되지 못한다. 그때 배운 것은, 문턱은 절대값으로 정할 수 없고 지금의 기대에 비해 얼마나 놀라운지로 정해야 한다는 점이었다. 뇌의 문턱이 주의와 목표에 따라 움직인다는 사실도 그 뒤로 다르게 보였다.


AI를 의식 연구에 끌어올 때는 먼저 선을 그어야 한다. 모델이 정보를 압축하고, 기억하고, 사건을 나눈다고 해서 주관적 경험을 가진다는 뜻은 아니다. 지금의 AI에게 현상적 의식이 있는지 판정할 합의된 실험은 없고, 기능이 비슷하다고 경험이 같다는 보장도 없다.13 그래도 AI는 의식 이론의 계산적 부품을 하나씩 떼어 시험해 보기에 좋은 도구다. 사람과 동물의 뇌에서는 선택, 통합, 기억, 행동이 한꺼번에 일어나지만, 인공 시스템에서는 기능을 따로 만들고 뺄 수 있다. 어떤 병목이 필요한지, 갱신 주기를 고정해야 하는지, 사건 경계에서만 기억하는 편이 나은지를 직접 비교할 수 있다.

그런 부품은 이미 여럿 나와 있다. DeepMind의 Perceiver는 거대한 입력을 작은 잠재 배열로 반복해서 압축한다.14 좁은 잠재 공간이 입력을 골라 받는 구조로, 병목이 있다고 처리가 프레임 단위일 필요는 없다는 것을 보여 준다. 구글의 Titans는 예측이 빗나간 정도, 곧 놀람을 기준으로 무엇을 장기 기억에 새길지 정하고, 오래된 기억은 조금씩 흐리게 한다.15 Fountas 연구팀의 EM-LLM은 언어 모델이 읽는 토큰의 흐름을 놀람이 커지는 지점에서 끊어 일화 단위로 저장한다.16 사건 분절 이론을 거의 그대로 기계에 옮겨 놓은 구조다. 앞에서 말한 HOPE는 빠르게 바뀌는 기억과 느리게 바뀌는 기억을 층으로 쌓는다.12 다만 필자가 뜯어 본 작은 모델에서는 빠른 층과 느린 층이 결국 거의 같은 것을 배웠다. 시간척도를 나눠 놓는다고 역할이 저절로 나뉘지는 않았다.

이 모델들이 의식을 설명하지는 못한다. 그래도 의식 이론이 은연중에 요구하는 계산을 손에 잡히는 부품으로 바꿔 준다. 필자라면 같은 데이터와 같은 계산 예산으로 에이전트 셋을 비교해 보겠다. 하나는 매 순간 상태를 고치고, 하나는 정해진 주기마다 고치고, 하나는 예측오차나 목표 관련성이 문턱을 넘을 때만 고친다. 장기 예측, 사건 기억, 과제 성공률, 계산 비용을 함께 재면 어떤 시간 구조가 유리한지 드러난다. 이 실험으로 AI가 의식적인지 알 수는 없다. 알 수 있는 것은 의식과 비슷한 기능을 만들려면 어떤 시간 구조가 필요한가라는, 더 좁고 검증할 수 있는 질문의 답이다.

세 모델 모두 지금까지의 결과를 사후에 설명할 수는 있다. 그러니 각 모델이 틀릴 수 있는 실험이 필요하다. 같은 시행 안에서 초기 감각 표상은 자극 세기에 따라 매끄럽게 변하는데 작업기억과 보고 가능성만 특정 시점에 급격히 바뀌는지를 따로 재 볼 수 있다. 시간이 똑같이 흘러도 예측 가능한 장면에서는 상태 전환이 적고 인과 구조가 바뀌는 장면에서는 많아지는지 보면, 갱신이 시계를 따르는지 예측오차를 따르는지 가릴 수 있다. 보고가 필요한 조건과 필요 없는 조건을 비교하면, 의식 내용과 관련된 신호가 사실은 보고 준비나 운동 계획에서 온 것인지 확인할 수 있다. 리듬은 행동의 주기성을 찾는 데서 그치지 말고, 비침습적 자극으로 리듬을 흔들었을 때 지각의 시간 구조가 예측대로 바뀌는지까지 봐야 한다. 무엇보다 세 모델을 같은 자료에 맞춘 뒤, 보지 않은 시행에서 상태 전환 시점과 보고를 얼마나 잘 맞히는지 견주어야 한다. 그럴듯한 설명은 이미 충분히 많다.


지금의 증거는 의식이 일정한 속도로 재생되는 영화라는 생각을 지지하지 않는다. 모든 감각과 생각을 하나의 프레임레이트로 묶는 보편적 시계도 발견되지 않았다. 그렇다고 의식의 모든 측면이 매끄럽게 흐른다고 말하기도 어렵다. 그래서 의식이 끊겨 있느냐는 질문에는 층위별로 답할 수밖에 없다. 신경 동역학은 대체로 연속적이다. 정보 선택은 리듬을 따라 주기적으로 조절될 수 있고, 보고와 작업기억으로의 접근에는 문턱이 있을 수 있으며, 의식 내용은 한동안 유지되다가 사건을 만나면 바뀔 수 있다. 그 사이에 경험 자체가 완전히 꺼지는지는 아직 아무도 모른다.

필자가 이 글에서 얻은 결론은 소박하다. 의식은 고정된 프레임의 연속이라기보다, 흐르는 신경 과정이 잠시 하나의 내용으로 묶였다가 중요한 사건 앞에서 다음 상태로 넘어가는 체계에 가깝다. 기억을 만드는 사람으로서 질문 하나가 남는다. 기계는 언제 자신의 '지금'을 새로 써야 하는가. 무엇을 저장할지만큼 중요한 질문이라고 생각한다. 사람의 뇌는 그 시점을 사건에 맡기는 것 같다. 기계에게도 같은 방식을 가르칠 수 있을지는 아직 모른다. 다만 필자는 그쪽이 맞는 방향이라는 데 걸고 있다.


참고문헌

  1. Block, N. (1995). On a Confusion about a Function of Consciousness. Behavioral and Brain Sciences, 18(2), 227-247. doi:10.1017/S0140525X00038188
  2. VanRullen, R. (2016). Perceptual Cycles. Trends in Cognitive Sciences, 20(10), 723-735. doi:10.1016/j.tics.2016.07.006
  3. Landau, A. N., & Fries, P. (2012). Attention Samples Stimuli Rhythmically. Current Biology, 22(11), 1000-1004. doi:10.1016/j.cub.2012.03.054
  4. Busch, N. A., Dubois, J., & VanRullen, R. (2009). The Phase of Ongoing EEG Oscillations Predicts Visual Perception. Journal of Neuroscience, 29(24), 7869-7876. doi:10.1523/JNEUROSCI.0113-09.2009
  5. Fiebelkorn, I. C. et al. (2018). A Dynamic Interplay within the Frontoparietal Network Underlies Rhythmic Spatial Attention. Neuron, 99(4), 842-853.e8. doi:10.1016/j.neuron.2018.07.038
  6. Samaha, J., & Postle, B. R. (2015). The Speed of Alpha-Band Oscillations Predicts the Temporal Resolution of Visual Perception. Current Biology, 25(22), 2985-2990. doi:10.1016/j.cub.2015.10.007
  7. Del Cul, A., Baillet, S., & Dehaene, S. (2007). Brain Dynamics Underlying the Nonlinear Threshold for Access to Consciousness. PLOS Biology, 5(10), e260. doi:10.1371/journal.pbio.0050260
  8. Cogitate Consortium et al. (2025). Adversarial Testing of Global Neuronal Workspace and Integrated Information Theories of Consciousness. Nature, 642, 133-142. doi:10.1038/s41586-025-08888-1
  9. Herzog, M. H., Kammer, T., & Scharnowski, F. (2016). Time Slices: What Is the Duration of a Percept? PLOS Biology, 14(4), e1002433. doi:10.1371/journal.pbio.1002433
  10. Fekete, T., Van de Cruys, S., Ekroll, V., & van Leeuwen, C. (2018). In the Interest of Saving Time: A Critique of Discrete Perception. Neuroscience of Consciousness, 2018(1), niy003. doi:10.1093/nc/niy003
  11. Zacks, J. M. et al. (2007). Event Perception: A Mind-Brain Perspective. Psychological Bulletin, 133(2), 273-293. doi:10.1037/0033-2909.133.2.273
  12. Behrouz, A., Razaviyayn, M., Zhong, P., & Mirrokni, V. (2025). Nested Learning: The Illusion of Deep Learning Architectures. NeurIPS 2025. arXiv:2512.24695.
  13. Butlin, P. et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708.
  14. Jaegle, A. et al. (2021). Perceiver: General Perception with Iterative Attention. Proceedings of ICML 2021, PMLR 139, 4651-4664.
  15. Behrouz, A., Zhong, P., & Mirrokni, V. (2025). Titans: Learning to Memorize at Test Time. NeurIPS 2025. arXiv:2501.00663.
  16. Fountas, Z., Benfeghoul, M. A., Oomerjee, A., Christopoulou, F., Lampouras, G., Bou Ammar, H., & Wang, J. (2025). Human-inspired Episodic Memory for Infinite Context LLMs. ICLR 2025. arXiv:2407.09450.

AI의 도움을 받아 다듬었습니다.

글 목록