“인공지능과 인공 골격의 만남” 발작 환자의 재활 지원

‘열린 마음’은 엘사 키르히너의 과학 연구 경력을 가장 잘 설명하는 말이다. 키르히너는 자신의 학위 논문을 위해 심도 전극을 사용해 간질 발작 이후의 뇌 손상 부위를 측정했고, 이후 신경 생체 기술과 인지 심리학을 결합했다.
 

키르히너는 “인공 지능 분야의 연구가 흥미롭다는 것을 알고 있다. 언제나 다른 주제와의 교류와 학문 간의 제휴를 기반으로 하는 공동 연구를 찾고 있는데, AI와 신경 과학 간의 연결이 바로 그런 영역이다”라고 말했다. 키르히너는 2008년부터 브레멘의 독일 AI 연구 센터(Deutsches Forschungszentrum für Künstliche Intelligenz, DFKI)에서 연구하고 있다. 

키르히너는 20년 전 장학생으로 MIT에 갔고, 로봇을 만들고 기계의 자율성을 개선할 방법을 연구하기 시작했다. 자율 로봇이 얼마나 한계가 많은지 깨달은 키르히너는 2007년부터 인간의 인지 능력을 이들 기계와 결합하는 데 집중했으며, 인간과의 인터랙션으로부터 학습하고 직관적으로 제어할 수 있는 자율 시스템을 설계했다.
 

현재 진행 중인 연구 프로젝트 중 하나는 발작 환자의 재활이다. 발작 때문에 뇌의 일부가 동작을 멈춘 환자들이다. 키르히너는 “초기에 움직임 연습을 하면 이런 환자에게 도움이 된다. 뇌가 움직임을 위한 뇌파를 제어하지 않기 때문에 뇌의 장애가 있는 부분을 다시 사용해 유연하게 재조절한다”고 설명했다. 
 

사람은 생각하고 로봇이 움직인다

연구의 목표는 “환자의 움직임을 지원해 두뇌 프로세스의 개입을 긍정적으로 보강해 뇌의 재활을 돕는 것”이다. 이를 위해 키르히너와 연구팀은 뇌전도(electroencephalography, EEG) 후드를 이용해 뇌 데이터를 읽어낸다. 따라서 로봇은 사람이 행동하기 전에 움직이고 싶어한다는 것을 알 수 있다. 환자는 EEG 후드뿐만 아니라 외골격도 손에 장착한다. 외골격은 산업 현장에서 힘든 일을 하는 사람을 지원하는 데 사용되곤 한다. 착용하는 로봇 또는 기계의 형태로, 착용자의 움직임을 증폭한다. 서보모터를 이용해 외골격의 관절을 운전하는 방식이다.

의료나 재활 분야에서 건강보험회사나 전문가 협회의 결정에 따라 하반신 마비 환자가 이런 외골격의 도움을 받아 재활 훈련을 하곤 한다. 키르히너는 “외골격은 환자에게 움직일 수 있다는 느낌도 준다”고 덧붙였다. 하지만 로봇형 슈트는 보조적인 도움을 줄 뿐, 물리 치료는 여전히 필요하다. 키르히너는 사람과 기계 간의 인터랙션 부분에 대해 “물리치료사가 환자의 팔을 움직이면, 외골격이 이 움직임을 기억했다가 도움을 준다”고 설명했다. 
 

무게가 없은 로봇 팔

이 프로젝트에서 키르히너는 외골격의 무게를 들어 올릴 수 있는 한 가지 실행 가능한 해법도 발견했다. 외골격의 무게는 최대 6kg이지만, 중력 보상(gravitational compensation) 모드 덕분에 환자는 팔에 무게를 느끼지 않는다. 알고리즘이 힘의 전환을 계산해 휠체어로 보내는데, 로봇 암의 무게를 계산해 다른 방향으로 보낼 수 있어 움직임이 한층 쉬워진다. 키르히너는 “환자에게는 큰 동기 부여가 되고 물리치료사는 이런 식으로 움직임이 성공했을 때 깨달음을 얻을 수 있다. 환자가 여전히 유지하고 있는 움직임을 알 수 있다”고 설명했다.

 

훈련 움직임에 외골격이 도움이 되는 또 하나의 가능성은 마스터/슬레이브 배열이다. 환자는 양쪽 팔에 외골격을 착용하고, 건강한 팔이 연습을 수행하고 아픈 팔을 제어한다. 이런 식으로 움직임이 어떻게 작용하는지 뇌에 알려줄 수 있다.

키르히너의 연구 결과를 병원이 일상적인 재활 훈련에 적용하기 위해서는 아직 갈 길이 멀다. 초기 시도는 베를린 샤리테 병원에서 이루어졌는데, 임상신경과학 교수 수르조 쇠카다르가 신경 제어 손 외골격을 개발해 편마비 발작 환자에게 사용했다. 키르히너에 따르면, 인간과 기계의 인터랙션을 위한 적절한 응용 시나리오를 찾는 것은 여전히 어렵다. 예를 들어, 인지산업안전은 너무 등한시되고 있으며, 인간과 기계 간의 의미있는 작업 분배가 이루어지지 않는 경우가 흔하다.
 

사람과 교감하며 학습하는 로봇

키르히너의 또 다른 접근법은 사람을 더 잘 이해하는 것이다. 그리고 로봇이 사람과 인터랙션을 통해 학습한다. 로봇은 보상과 처벌을 통해 지식을 획득한다. 예를 들어, 알고리즘에서 부정적인 값은 로봇에게는 처벌이다. 만약 로봇이 EEG 데이터나 음성 피드백으로부터 직접 나온 에러 메시지를 받는다면, 10~30번의 반복을 통해 학습한다. 

로봇을 위한 학습을 두 단계로 나눈다. 먼저 알고리즘이 수많은 데이터와 시뮬레이션을 학습해 인간의 EEG를 해석한다. 이후에는 사람과의 인터랙션을 통해 추가 지식을 얻는데, 이때 사람의 변화를 학습한다. 키르히너는 “2단계 학습이 중요한 이유는 사람의 행동이 끊임없이 변화하기 때문이다”라고 설명했다.

AI 기반 보조 시스템의 승인 역시 어려운 문제인데, AI 시스템이 승인 이후에 전혀 다르게 동작할 수 있기 때문이다. 키르히너는 “무엇보다도 가장 중요한 문제는 AI 시스템을 어떻게 탑재해야 아무도 다치지 않게 할 것인가이다”라고 강조했다. 여기에 더해 AI 시스템은 전체적인 맥락에 맞춰 구현할 수 있어야 한다. 예를 들어 흑색종 판별에 특화된 AI 시스템은 흉터를 구분하지 못한다. 키르히너는 “사람과 달리, AI 시스템은 훈련받지 않은 이상 좌우를 살피지 않는다”고 덧붙였다. editor@itworld.co.kr