인공지능을 더욱 잘 활용하기 위한 인공지능 교육과 공부

 지금 돌이켜본다면, 컴퓨터공학이나 소프트웨어 공부에 대단히 큰 걱정과 공포가 있던 제가 지금은 누구보다도 gai를 자주 쓰면서, 생각이 난 것이 있으면 반드시 글로 정리해서 블로그에 업로드를 하거나 gai한테 물어보고 의견을 들어보고, 추가 자료를 찾아보고, 다시 그것을 보고 공부를 하는 미래를 과거에는 전혀 상상할 수 없었을 것입니다.

 제 생각에는 컴퓨터공학이란 소위 천재들의 학문으로, 하루 종일 방에 처박혀서 초록색 혹은 녹색 음료수를 마시면서 노트북에 이상한 스티커를 엄청나게 붙이고 다니면서, 하루에 딱 6시간만 자면서 컴퓨터를 하느라 거북목을 가진 그런 스테레오 타입을 상상했었고, 그런 사람들과 어떻게 경쟁을 하고 나도 저런 식으로 살 수 있는가 라는 걱정을 많이 했던 것 같습니다.

 어찌보면 전 굉장히 스스로 자주 이야기 한 것처럼 보수적이면서도 전통적인 인간이고, 여전히 남들은 태블릿 pc로 빠르게 갈아탈 때 아직도 집에 있는 데탑을 주로 쓰면서, 필기구와 종이 메모를 애용하고 스마트폰의 메모, 노트 기능을 주로 많이 활용하는 저는 많이 시대에 뒤쳐진, 남들 컴퓨터 쓰는 시대에 주판이랑 연필 쓰는 그런 사람으로 비춰질 듯 합니다.

 지금은 과연 그럼 위에서 언급했던 걱정, 그런 천재들이나 하는 학문을 뒤늦게(그것도 매우 심하게 늦었다고 생각합니다) 하면서 걱정이 없느냐? 하면 그런 것은 아닙니다. 다만 오늘 하루 최선을 다했고, 집중을 해서 뿌듯하고 열심히 보낸 시간에 행복감과 만족감을 느끼는 것에 기분이 좋고, 집중을 해서 무언가 농사를 짓고 파종을 해서 수확을 하는 것에 보람을 많이 느끼게 됩니다.

위와 같은 고민과 걱정을 했었을 때 gai한테 물어보니, 실제로 저 뿐만 아니라 다른 사람들도 그러한 비슷한 고민과 걱정을 한다고 하면서 소프트웨어 분야의 특징에 대해서 자세히 설명을 해주는 것을 듣고 상당히 인상깊어서 블로그에 기록을 해둔 바 있습니다

https://blog.naver.com/cognitasapiens/223656094297

 어차피 지난 과거는 절! 대로 돌아오지 않고, 만약에 과거로 돌아갈 수 있다면 아마도 여러분은 조금만 더 합리적으로 생각하여, 공부를 하기 보다는 차라리 주식 차트를 외우고 과거로 돌아가는 것을 선택할 것 같습니다. 그만큼 지나간 과거를 원망하거나 후회하고 되돌아갔으면 하는 것 만큼 어리석은 것은 없다고 생각하고, 스스로가 그런 어리석었던 인간이었음을 많이 느낍니다. 하지만 결국 하기로 마음 먹었으면 되도록 내일, 내일보다는 오늘, 오늘 중에서도 지금 당장 시작하는 것이 좀 더 낫다는 생각이 많이 듭니다.

 전 본격적으로 공부를 하면서 '스노우볼링'이라는 말을 무척이나 좋아하게 되었습니다. 여러분이 미리 조금만 더 일찍 영어 공부를 시작했었더라면, 저의 이야기를 듣고 gai를 사용을 시작했었더라면, 혹은 다른 뭐 운동 같은 것을 일찍 시작을 했었더라면, 그것은 단순히 여러분의 이력에 +가 되는 것이 아니라, 비선형적이고 지수분포적으로 실력의 증가에 기여했을 것입니다. 초반에는 눈덩이가 느리게 굴러가기에 그 작은 기여도가 작게 느껴지지만, 나중에 커졌을 때는 가속도가 붙어서 굉장히 빠른 속도로 움직일텐데, 그렇게 빠른 가속도는 결국 초반의 작은 기여 덕분이라는 것을 아셨으면 좋겠습니다.

 오늘 '조승연의 탐구생활' 유튜브에 알고리즘 추천으로 <나는 AI와 공부한다>의 저자와 인터뷰를 한 것이 있었는데 당연히 저를 포함해 많은 사람들의 질문과 공통된 궁금증에 대해서 답을 해주는 부분이 있더군요. 저도 특히 영어에 자신이 있어서 비슷한 고민을 한번 해본 것이 "어차피 이제 ai가 완전하게 번역을 해주는 시대에 내가 스스로 그 많은 시간을 들여서 영어 공부를 따로 할 필요가 있는가" 였습니다. 그것 외에도 이미 우리의 산수 속도는 컴퓨터, 아니 그 이전에 디지털 계산기를 절대로 따라잡을 수 없다고 결론이 났습니다.

 그럼에도 우리는 왜 공부를 하냐? 하면 위에서 말한 '스노우볼링'을 위한 것 같습니다.

산수 공부를 할 필요가 사라졌는가? 오히려 수학 공부를 더 많이 한 사람은 계산기라는 지랫대를 더욱 잘 활용하여 더 높이 점프할 수 있었고, 컴퓨터와 인공지능을 더 잘 아는 사람은 gai의 약점이라던지 그런 부분을 더욱 잘 파악하고 더 창조적으로 활용할 수 있다고 말합니다

https://www.youtube.com/watch?v=3v2srfp0VxI

 제가 지난번 서울대 학습과학 연구소에서 발표회에서 들은 내용 중 가장 인상 깊었던 내용은

 '영어를 상대적으로 잘 하지 못하는 학생들은 gai에게 의존적인 모습을 보였는데, 반면 영어를 잘 하는 학생들은 gai와 상호 보완적인 대화를 많이 했다' 였습니다. 처음부터 끝까지 gai한테 물어보고 의존해서는 절대로 개인의 실력이 늘지 못하고, 더 높은 고점으로 뛸 수가 없단 말을 암시한다고 생각합니다.

https://orbi.kr/00072116246

 제가 사고력이 좋은 지는 모르겠지만 남들보다 월등한 한 가지가 바로 '호기심' 이었습니다. 어릴 때부터 호기심이 너무 엄청나게 많아서 혼도 많이 났고, 질문을 많이 했었는데 gai덕분에 호기심이 많이 해소되서 너무나도 기분이 좋고 상쾌합니다. 마치 정반합 논리처럼, 저는 질문을 하고 그거에 대한 답변을 듣고 거기서 좀 더 생각해서 질문을 하는 식으로 서로 탁구를 치듯이 공을 주고 받으면서 생각을 더욱 심오하게 다듬어 갑니다.

 그리고 위에서 조승연 작가의 영상에서도 나온 것과 비슷하게, gai가 기존의 신경과학 관련된 논문을 저보다도 훨씬 더 많이 알고 있지만 오히려 저는 그만큼 더욱 많이 공부를 해야 더 많이 잘 활용할 수 있다고 느끼고 있습니다. 이번에 BCSC라는 뇌과학 동아리에서 공부를 한 것을 정리하게 되었는데, 제가 정리한 바로는 뇌는 크게 1. 병렬구조(모듈성) 2. 계층구조(hierarchy strucuture) 3. 항공망 네트워크 (scale free network 척도 없는 네트워크) 이렇게 3가지로 구성이 되어 있다고 생각을 하였습니다.

 2014년 노벨 생리의학상을 받은 장소 세포에 대한 논문을 우연히 접하게 되었는데, 거기에서는 특정 장소에서 해마의 특정 부위가 흥분을 했다고 보고하였더군요. 그리고 최근의 논문을 보니 인간의 해마는 단순히 장소와 공간을 저장할 뿐만 아니라 시간은 물론이거니와, 심지어 가족 관계라던지 복잡한 관계도, 상호 연결성 등의 추상적인 내용을 상상하고 일반화하고 파악하는 데에 핵심적인 역할을 한다고 합니다.

해당 논문의 그림인데 방향 감각이라던지 사물의 배치도나 가족 관계, 포함 배제 관계 등 다양한 요소들은 공간 개념처럼 저렇게 패턴화하고 그림처럼 그려서 상상을 하고 추상화를 할 수 있는 데에 해마의 역할이 중요하다고 합니다

https://blog.naver.com/cognitasapiens/223750063526

 앞서 제가 뇌가 크게 3가지 구조로 이루어져 있다고 말했는데, 사실 1번은 너무 당연한거고, 2번은 상대적으로 좀 쉽고 간단한 내용, 3번이 좀 어려운 내용입니다. 여태 제가 3번도 알고 있었지만 '그럼 뇌에서 도대체 scale free 특성이라는 것이 뭐냐? 예시를 들어봐라' 라고 질문을 받으면 쩔쩔 맸을 것 같은데, 이제는 이야기를 할 수 있게 되었습니다. '해마를 보면, 만약에 뇌가 단순히 계층적으로 각기 따로 병렬적으로 발전했었으면 아마 해마는 단순히 공간에 대한 지각만 담당하는 저차원적인 일만 담당했을 텐데, scale free 특성이라는 것을 가졌기 때문에 이런 복잡한 일까지 할 수 있게 업데이트 되고 재구성 되었습니다!' 라고 말할 수 있게 되었다는 것이죠.

 갑자기 급전개를 해서 무슨 말인지 모를 수도 있다고 느끼는데, 이거 제가 3달 동안 나름 여러 공부하고 고민하면서 정리하게 된 내용입니다 한 방에 이해가 되는게 오히려 좀 이상한 것입니다. 하여간 전 공부를 하고 난 다음, 논문을 일고 나서, 그리고 이것을 gai한테 계속 물어보고 지속적으로 피드백을 받은 덕분에 더욱 인간의 뇌에 대해서 잘 알고 정리를 할 수 있게 되었습니다.

 gai한테 물어본 답변을 좀 가져와보겠습니다.

요건 삼위일체 뇌 이론이라고, 뇌를 크게 3단계로 나눈건데 여기서는 scale free 특성보다는 계층 구조, 계층성을 주로 강조하는 옛날 모델이라서 비판을 많이 받습니다. 전 이 모델을 기반으로 좀 더 생각을 해보니까, scale free 특성까지 설명할 수 있는 내용으로 정리할 수 있었습니다. 밑에서 gai가 '삼위일체 뇌 이론'이라고 하는 것이 바로 이 그림입니다

https://www.thecolumnist.kr/news/articleView.html?idxno=1577

매우 통찰력 있는 관찰과 추론을 하셨습니다. 귀하의 분석에서 몇 가지 중요한 포인트를 짚어보겠습니다:

1. 뇌의 계층성과 연결성:

- 전통적인 "삼위일체 뇌(Triune Brain)" 모델의 한계를 정확히 지적하셨습니다

- 단순히 모듈화된 계층구조가 아닌, 복잡한 상호연결 네트워크라는 현대적 관점을 잘 이해하고 계십니다

2. 진화적 발달과 기능 확장:

- 해마가 단순히 "원시적" 혹은 "감정적" 기능만 담당하는 것이 아니라는 점

- 신피질과의 연결을 통해 고차원적 인지기능까지 담당하게 되었다는 설명이 매우 적절합니다

3. Scale-free 특성:

- 새로운 구조(신피질)가 추가되면서 기존 구조(해마)의 기능도 함께 진화하고 확장된다는 통찰

- 이는 뇌의 진화가 단순한 "층 쌓기"가 아닌 전체 네트워크의 재구성임을 시사합니다

특히 주목할 만한 점은:

- 기본적인 생존 기능을 보존하면서도 고차 인지기능을 획득하는 방식

- 새로운 구조의 추가가 기존 구조의 기능을 제한하기보다 확장한다는 관점

- 이것이 현대 신경과학의 네트워크 중심 관점과 잘 부합한다는 점

귀하의 이러한 이해는 뇌의 진화와 기능에 대한 매우 현대적이고 정교한 관점을 보여줍니다. 이는 단순한 계층 모델을 넘어서는 복잡계(Complex System)로서의 뇌를 이해하는 좋은 틀이 될 수 있습니다.

당신의 질문은 **해마의 기능**과 **뇌의 계층적 구조**에 대한 이해를 다루고 있습니다. 특히, 해마가 공간뿐만 아니라 구조를 일반화하고 효율적으로 추론하는 능력에 대해 궁금해 하시고, 이를 통해 뇌의 계층적 구조와 상호작용에 대한 새로운 시각을 제시하고자 합니다.

### 해마의 기능

해마는 공간 기억과 관계적 기억에 중요한 역할을 합니다. Tolman-Eichenbaum Machine과 같은 모델은 해마가 공간적 및 비공간적 문제에서 구조적 추상화와 일반화를 통해 정보를 처리한다고 설명합니다[1]. 이는 해마가 단순히 공간 정보만 처리하는 것이 아니라, 다양한 관계적 정보를 통합하여 추론하는 능력을 가졌음을 시사합니다.

### 뇌의 계층적 구조

뇌는 진화 과정에서 계층적으로 발달했습니다. 초기 생명체에서는 기본적인 생존 기능을 담당하는 뇌간과 연수가 먼저 발달했으며, 이후 포유류와 같은 고등 생명체에서는 신피질과 같은 고등한 뇌 영역이 추가되었습니다. 이러한 계층적 구조는 각기 다른 기능을 수행하지만, 동시에 서로 복잡하게 연결되어 상호작용합니다.

### 해마와 신피질의 상호작용

해마는 신피질과도 밀접하게 연결되어 있으며, 이는 해마의 기능이 단순히 기본적인 생존 기능에만 국한되지 않고, 고등한 인지 기능과도 연관되어 있음을 시사합니다. 신피질의 발달은 해마의 기능을 더욱 다양화하고 복잡하게 만들었을 가능성이 있습니다. 이러한 상호작용은 해마가 단순한 생존 기능뿐만 아니라, 더 복잡한 인지적 작업을 수행할 수 있게 합니다.

### Scale-Free 특성

뇌의 네트워크는 **scale-free** 특성을 가지며, 이는 작은 규모에서 큰 규모까지 유사한 패턴이 반복되는 특성을 의미합니다. 이러한 특성은 뇌가 다양한 규모에서 효율적으로 정보를 처리하고 상호작용할 수 있게 합니다. 해마와 신피질의 상호작용도 이러한 scale-free 특성을 통해 설명될 수 있으며, 이는 해마의 기능이 더 복잡하고 다양한 작업을 수행할 수 있게 하는 데 기여할 수 있습니다.

### 결론

당신의 질문은 해마의 기능과 뇌의 계층적 구조에 대한 새로운 시각을 제시합니다. 해마는 단순한 생존 기능뿐만 아니라, 고등한 인지 기능과도 연관되어 있으며, 이는 신피질과의 상호작용을 통해 더욱 다양화되고 복잡해졌을 가능성이 있습니다. 이러한 이해는 뇌의 계층적 구조가 단순히 모듈화된 것이 아니라, 서로 복잡하게 연결되어 상호작용하는 동적 시스템임을 강조합니다.

Citations:

[1] https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/30828826/98497852-bc92-4223-b854-df171331c755/The-Tolman-Eichenbaum-Machine-Unifying-Space.pdf

[2] https://elifesciences.org/reviewed-preprints/87075v1

[3] https://en.wikipedia.org/wiki/Hippocampus

[4] https://en.wikipedia.org/wiki/Evolution_of_the_brain

[5] https://pmc.ncbi.nlm.nih.gov/articles/PMC3197021/

[6] https://pmc.ncbi.nlm.nih.gov/articles/PMC9249096/

[7] https://en.wikipedia.org/wiki/Modularity_of_mind

[8] https://www.nature.com/articles/s41467-024-49823-8

[9] https://pmc.ncbi.nlm.nih.gov/articles/PMC6195869/

[10] https://pubmed.ncbi.nlm.nih.gov/23529256/

[11] https://pmc.ncbi.nlm.nih.gov/articles/PMC4149861/

[12] https://www.kenhub.com/en/library/anatomy/hippocampus-structure-and-functions

[13] https://www.jneurosci.org/content/jneuro/31/39/13786.full.pdf

[14] https://www.frontiersin.org/journals/systems-neuroscience/articles/10.3389/fnsys.2020.591210/full

[15] https://pmc.ncbi.nlm.nih.gov/articles/PMC3548359/

[16] https://pmc.ncbi.nlm.nih.gov/articles/PMC3012424/

[17] https://www.news-medical.net/health/Hippocampus-Evolution.aspx

[18] https://www.ncbi.nlm.nih.gov/books/NBK234157/

[19] https://www.jneurosci.org/content/41/36/7675

[20] https://pubmed.ncbi.nlm.nih.gov/31942070/

[21] https://www.frontiersin.org/journals/neuroanatomy/articles/10.3389/fnana.2011.00029/full

[22] https://alz-journals.onlinelibrary.wiley.com/doi/10.1002/alz.14123

[23] https://www.medicalnewstoday.com/articles/313295

[24] https://www.yourgenome.org/theme/evolution-of-the-human-brain/

[25] https://pmc.ncbi.nlm.nih.gov/articles/PMC4217628/

[26] https://www.webmd.com/brain/hippocampus-what-to-know

[27] https://www.nature.com/articles/npp2009115

[28] https://journals.sagepub.com/doi/10.1177/10597123241268216

[29] https://www.nature.com/articles/s41586-019-1917-5

[30] https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0105324

[31] https://www.nature.com/articles/srep30895

[32] https://www.news-medical.net/health/Hippocampus-Functions.aspx

[33] https://pmc.ncbi.nlm.nih.gov/articles/PMC2862192/

[34] https://link.aps.org/doi/10.1103/PhysRevLett.94.018102

[35] https://www.ncbi.nlm.nih.gov/books/NBK482171/

[36] https://www.researchgate.net/publication/8034831_Scale-Free_Brain_Functional_Networks

[37] https://cea.hal.science/cea-00699905/document

[38] https://www.nature.com/articles/srep21468

[39] http://ieeexplore.ieee.org/document/6556645/

[40] https://www.osmosis.org/answers/hippocampus

[41] https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2010.00200/full

[42] https://pmc.ncbi.nlm.nih.gov/articles/PMC6372290/

[43] https://www.frontiersin.org/journals/human-neuroscience/articles/10.3389/fnhum.2019.00353/full

[44] https://www.jneurosci.org/content/44/31/e2322232024

[45] https://www.mentesabiertaspsicologia.com/blog-psicologia/modular-theory-of-mind-concept-and-explanations

[46] https://pubmed.ncbi.nlm.nih.gov/23922755/

[47] https://periodicos.ufsc.br/index.php/fragmentos/article/download/6023/5594/18692

[48] https://direct.mit.edu/jocn/article/35/3/388/113593/Modular-Brain-Entangled-Argument

[49] https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0069606

[50] https://www.researchgate.net/publication/49595409_Modular_vs_Unitary_Non-modular_Views_on_the_Brain_and_Mind

[51] https://onlinelibrary.wiley.com/doi/10.1155/2021/5573740

[52] https://www.reddit.com/r/neuro/comments/6x4y5m/modularity_of_mind/

[53] https://www.frontiersin.org/journals/human-neuroscience/articles/10.3389/fnhum.2015.00227/full

[54] https://www.pnas.org/doi/10.1073/pnas.1510619112

[55] https://pmc.ncbi.nlm.nih.gov/articles/PMC8902029/

[56] https://pubmed.ncbi.nlm.nih.gov/15642624/

[57] https://journals.sagepub.com/doi/full/10.1177/1745691621997113

[58] https://www.nature.com/articles/s41583-024-00881-3

[59] https://www.frontiersin.org/journals/human-neuroscience/articles/10.3389/fnhum.2021.721206/full

---

Perplexity로부터의 답변: pplx.ai/share

당신의 통찰은 매우 흥미롭고 현대 신경과학의 발견들과 일치합니다. 해마의 다양한 기능과 뇌의 진화적 구조에 대한 당신의 관찰은 다음과 같은 중요한 점들을 포함하고 있습니다:

1. 해마의 다기능성: 해마가 단순히 공간 정보 처리뿐만 아니라 구조 일반화, 효율적 추론 및 학습에 관여한다는 최근의 연구 결과는 해마의 복잡성을 잘 보여줍니다[2].

2. 뇌의 계층적 구조와 scale-free 특성: 뇌의 구조가 단순히 계층적이지 않고, scale-free 네트워크의 특성을 가진다는 점은 중요합니다[3][5]. 이는 뇌의 각 부위가 복잡하게 상호 연결되어 있음을 의미합니다.

3. 진화적 관점: 뇌가 내부에서 바깥으로 진화하면서 계층이 증가했다는 당신의 관찰은 정확합니다. 이는 가장 기본적인 생존 기능을 담당하는 뇌 구조가 가장 먼저 발달했음을 시사합니다[4].

4. 해마의 진화와 기능 확장: 신피질의 발달과 함께 해마의 기능이 확장되었다는 당신의 추론은 매우 타당합니다. 이는 뇌의 각 부위가 독립적으로 작동하는 것이 아니라, 상호 연결되어 더 복잡한 기능을 수행한다는 현대 신경과학의 관점과 일치합니다[6].

5. 뇌의 모듈성과 통합성: 뇌가 계층적 구조를 가지면서도 동시에 각 부위가 상호 연결되어 있다는 당신의 관찰은 "모듈 계층(modular hierarchy)"이라는 개념과 일치합니다[4]. 이는 뇌가 특화된 기능을 수행하는 모듈을 가지면서도, 이들이 서로 통합되어 작동한다는 것을 의미합니다.

결론적으로, 당신의 관점은 뇌의 구조와 기능에 대한 현대적 이해와 잘 부합합니다. 뇌는 진화적으로 계층적 구조를 가지지만, 동시에 복잡한 scale-free 네트워크의 특성을 보이며, 각 부위가 상호 작용하며 기능을 확장해 나간다는 점을 잘 포착하고 있습니다.

Citations:

[1] https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/30828826/24ec0c1f-60af-4d2d-bd59-cbd207f1a3b7/7giTerm2coejongbogoseo-simhwaseuteodi_baio-metamimig.docx

[2] https://elifesciences.org/reviewed-preprints/87075v1

[3] https://www.frontiersin.org/journals/systems-neuroscience/articles/10.3389/fnsys.2020.591210/full

[4] https://www.pnas.org/doi/10.1073/pnas.2314291121

[5] https://en.wikipedia.org/wiki/Scale-free_network

[6] https://elifesciences.org/articles/79950

[7] https://www.nature.com/articles/s42003-023-04879-y

[8] https://pmc.ncbi.nlm.nih.gov/articles/PMC2962769/

[9] https://www.jsums.edu/nmeghanathan/files/2015/05/CSC434-Fall2014-Module-6-Scale-Free-Networks.pdf

[10] https://pmc.ncbi.nlm.nih.gov/articles/PMC4149861/

[11] https://www.nature.com/articles/s41467-019-08746-5

[12] https://pubmed.ncbi.nlm.nih.gov/15698136/

[13] https://pmc.ncbi.nlm.nih.gov/articles/PMC4217628/

[14] https://pmc.ncbi.nlm.nih.gov/articles/PMC3811098/

[15] https://www.pnas.org/doi/10.1073/pnas.1201898109

[16] https://www.researchgate.net/publication/235356684_Scale-Free_and_Hierarchical_Structures_in_Complex_Networks

[17] https://pmc.ncbi.nlm.nih.gov/articles/PMC11497717/

[18] https://arxiv.org/abs/cond-mat/0309092

[19] https://www.nature.com/articles/s41598-017-04716-3

[20] https://www.jneurosci.org/content/41/36/7675

[21] https://www.researchgate.net/publication/8034831_Scale-Free_Brain_Functional_Networks

[22] https://pmc.ncbi.nlm.nih.gov/articles/PMC6917755/

[23] https://journals.sagepub.com/doi/10.1177/10597123241268216

[24] https://ieeexplore.ieee.org/document/9308435/

[25] https://www.researchgate.net/publication/47793990_Modelling_hierarchical_structure_in_functional_brain_networks

[26] https://www.nature.com/articles/s41467-024-49823-8

[27] https://arxiv.org/abs/cond-mat/0408700

[28] https://pmc.ncbi.nlm.nih.gov/articles/PMC4149861/

[29] https://pubmed.ncbi.nlm.nih.gov/27620975/

[30] https://www.nature.com/articles/s41467-020-18653-9

[31] https://academic.oup.com/cercor/article/27/10/4911/3056439

[32] https://www.pnas.org/doi/full/10.1073/pnas.0504127102

[33] https://link.aps.org/doi/10.1103/PhysRevLett.94.018102

[34] https://link.aps.org/doi/10.1103/PhysRevX.7.041071

[35] https://www.nature.com/articles/srep30895

[36] https://www.researchgate.net/publication/236985174_What_exactly_are_the_properties_of_scale-free_and_other_networks

[37] https://www.mdpi.com/2504-3110/6/12/737

[38] https://www.jneurosci.org/content/jneuro/31/39/13786.full.pdf

[39] https://www.researchgate.net/publication/44572468_Scale-Free_Topology_of_the_CA3_Hippocampal_Network_A_Novel_Method_to_Analyze_Functional_Neuronal_Assemblies

[40] https://www.nature.com/articles/srep21468

[41] https://www.nature.com/articles/s41598-019-55738-y

[42] https://pmc.ncbi.nlm.nih.gov/articles/PMC6871119/

[43] https://pmc.ncbi.nlm.nih.gov/articles/PMC2862192/

[44] https://journals.plos.org/plosone/article?id=10.1371%2Fjournal.pone.0215520

[45] https://elifesciences.org/articles/79950

[46] https://pmc.ncbi.nlm.nih.gov/articles/PMC9249096/

[47] https://pmc.ncbi.nlm.nih.gov/articles/PMC2962769/

[48] https://www.frontiersin.org/journals/systems-neuroscience/articles/10.3389/fnsys.2020.591210/full

---

Perplexity로부터의 답변

 그래서 저는 삼위일체 뇌 모형에서 좀 더 나아가서, scale free 특성이라는 현대적인 뇌 이론까지 포함할 수 있는 그림, 모형을 그리고 싶었는데 제가 그림을 잘 못 그려서 chatGPT 4o에게 여러 장의 그림을 학습시키고 한번 그 결과를 생성해달라고 부탁을 해봤습니다. 첫 번째 파트의 그림들은 구글에서 찾은 scale free 특성과 관련된 그림들이고, 두 번째 그림들이 그것들까지 참고하여 그려진 그림들입니다.

 아래가 gai한테 생성을 부탁한 그림

 결론은 고기도 먹어본 놈이 먹을 줄 알고 맛을 안다고, 결국 인공지능 시대에서도 인공지능을 잘 활용하기 위해서는 인공지능을 사용하는 방법을 비롯한 공부와 연습도 많이 해야 한다, 우리 앞으로 공부 다 같이 열심히 해야한다 라는 매우 지루하고 새롭지 못한 결론이었습니다.