🧠 뉴럴링크 AI, 가장 쉬운 4단계 이해

1. 뇌파는 '모스 부호'입니다 (Raw Data) 우리가 "오른쪽으로 움직여!"라고 생각할 때, 뇌세포는 한국어로 말하지 않습니다. 대신 "찌릿- 찌릿찌릿- 찌릿" 하고 아주 미세한 전기 신호(스파이크)를 쏩니다. 뉴럴링크 칩은 그저 이 무수한 모스 부호들을 수집하는 센서일 뿐입니다.

2. 머신러닝 AI는 '패턴 번역기'입니다 (의도 해독) 처음에는 AI도 이 모스 부호가 무슨 뜻인지 전혀 모릅니다. 그래서 환자에게 "화면의 빨간 점을 움직인다고 상상해 보세요"라고 훈련을 시킵니다. AI는 그때 들어오는 뇌파를 보면서 '아하, [찌릿-찌릿찌릿] 패턴이 들어오면 마우스를 오른쪽으로 움직이고 싶다는 뜻이구나!' 하고 규칙을 찾아냅니다. 스마트폰 키보드에서 내가 자주 쓰는 단어를 문맥에 맞게 '자동 완성' 해주는 것과 똑같은 원리입니다.

3. 필터링은 '손떨림 방지' 기능입니다 (움직임 보정) 번역기가 "오른쪽!"이라고 알아듣긴 했는데, 뇌파라는 게 워낙 불안정해서 그대로 마우스 커서로 옮기면 화면에서 커서가 덜덜덜 떨리게 됩니다. 이때 수학적 필터(칼만 필터 등)가 개입해서 스마트폰 카메라의 '손떨림 방지(OIS)' 기능처럼 움직임을 매끄럽고 부드럽게 깎아줍니다.

4. 매일 아침 '영점 조절'을 합니다 (적응형 학습) 이게 가장 중요하고 신기한 부분입니다. 사람의 뇌는 기계가 아니라서, 피곤하거나 기분에 따라 어제 쐈던 모스 부호의 리듬이 오늘 미세하게 다릅니다. 그래서 환자는 매일 아침 태블릿으로 5분 정도 간단한 게임(타겟 맞추기 등)을 합니다. 이 시간 동안 AI는 "오늘 뇌 컨디션은 이렇구나" 하고 번역기를 오늘의 상태에 맞게 다시 세팅(영점 조절)합니다.

1. 칼만 필터란 무엇인가? (개념과 비유)

칼만 필터는 과거의 데이터와 현재의 노이즈(오차)가 낀 센서 데이터를 조합해서, '현재의 가장 정확한 진짜 상태(최적값)'를 추정(Estimation)해 내는 알고리즘입니다. 로봇 공학이나 자율주행, 항공기 레이더에서 필수적으로 쓰입니다.

🚗 직관적인 비유: 터널 속 내비게이션 자동차 내비게이션을 켜고 터널에 들어갔다고 상상해 보세요. 터널 안에서는 GPS 신호가 끊기거나 벽에 튕겨서 심한 **노이즈(오차)**가 발생합니다. GPS만 믿으면 내 차가 갑자기 산속으로 순간이동을 하죠. 이때 칼만 필터가 개입합니다.

• 예측: "아까 터널 들어올 때 시속 80km였으니까, 1초 뒤면 대충 이쯤 있겠지?" (과거 상태 기반 예측)
• 측정: "어? GPS 센서는 지금 엉뚱한 벽에 부딪혔다고 나오는데?" (노이즈 낀 센서값)
• 결과 추정: 칼만 필터가 이 두 값을 수학적으로 타협(가중치 조절)시켜서, **"센서값은 무시하고, 원래 속도대로 직진하고 있는 이 위치가 진짜 내 차 위치야!"**라고 부드럽고 정확하게 궤적을 보정해 줍니다.

2. 뉴럴링크에서는 어디에, 어떻게 쓰이는가?

이 칼만 필터 알고리즘은 N1 칩 내부가 아니라, 수신받는 외부 기기(PC나 스마트폰)의 '디코딩 미들웨어' 단에서 돌아갑니다.

🧠 뉴럴링크 적용 원리 환자가 "마우스를 오른쪽으로 움직여야지"라고 생각할 때, 뇌에서 나오는 신경 발화(Spike) 신호는 방금 전의 터널 속 GPS처럼 엄청나게 불규칙하고 노이즈가 많습니다. 이걸 곧바로 마우스 좌표에 1:1로 입력하면, 마우스 커서가 덜덜덜 떨리면서 사방으로 튈 것입니다.

여기서 칼만 필터 알고리즘이 아래와 같이 작동합니다.

• 입력값 (Measurement): N1 칩에서 실시간으로 날아오는 불규칙한 스파이크(Spike) 패턴 데이터.
• 추정할 상태 (State): 환자가 진짜로 의도한 마우스 커서의 X, Y 이동 속도(Velocity Vector).
• 출력 및 보정 (Smoothing): 칼만 필터가 0.01초 전의 마우스 위치와 현재 들어온 뇌파 데이터를 계산하여, 비정상적으로 튀는 뇌파 신호는 무시하고 **커서의 궤적을 부드럽고 연속적인 직선으로 스무딩(Smoothing)**하여 출력해 줍니다.