동물의 몸짓에도 언어와 같은 구조가 존재한다는 가설에서 출발한 KAIST의 AI가 2026년 7월, 뇌 과학계의 주목을 받고 있습니다. KAIST 뇌 인지과학과 김대수 교수 연구팀이 개발한 AI 모델 ‘비헤이버트(BehaVERT)’는 생쥐의 골격 움직임을 자연어의 단어처럼 처리해 사전 생물학 지식 없이 자폐 행동의 핵심 결함을 찾아내는 데 성공했습니다. 이번 글에서는 비헤이버트의 작동 원리, 실험 성과, 그리고 뇌 과학과 신약 개발 분야에 미칠 파급 효과를 상세히 정리합니다.
핵심 요약
한 줄 정의: 비헤이버트(BehaVERT)는 생쥐의 골격 움직임을 자연어 토큰으로 변환해 행동의 의미를 자기지도학습으로 파악하는 AI 모델로, 사전 생물학 지식 없이 자폐 행동의 핵심 특징을 자동 발견하는 뇌 과학 혁신 기술입니다.
- 개발 주체: KAIST 뇌 인지과학과 김대수 교수 연구팀, 제1저자 신승재 박사 — 연구팀 전원이 생명과학 전공자
- 핵심 기술: 생쥐의 코·귀·척추·사지·꼬리 골격 좌표를 토큰으로 변환 후 BERT 기반 트랜스포머 모델로 행동 의미 학습
- 주요 발견: 자폐 모델 생쥐(유전자 결손)에서 ‘구강-구강 접촉(oral-oral contact)’ 행동 결함을 AI가 스스로 발견
- 벤치마크 성과: 사회적 상호작용·다개체 행동·3차원 움직임 분석 등 국제표준 5종에서 기존 최고 성능 전부 초과
- 게재 매체: 컴퓨터 비전 분야 국제학술지 International Journal of Computer Vision(IJCV)
목차
- 핵심 요약 — 비헤이버트의 핵심만 빠르게
- 비헤이버트란 무엇인가 — KAIST 혁신 AI 모델 소개
- 동물 몸짓을 언어로 번역하는 원리 — BERT 트랜스포머 적용 방식
- 자폐 행동 분석 성과와 벤치마크 결과 — 구체적 실험 결과와 5종 벤치마크
- 향후 활용 가능성과 뇌 과학의 미래 — 신약 개발부터 행동 유전학까지
- 자주 묻는 질문 (FAQ)
- 마무리
- 핵심 체크리스트
비헤이버트란 무엇인가
비헤이버트(BehaVERT)는 자연어 처리의 BERT 모델을 동물 행동 분석에 이식한 세계 최초 수준의 동물 행동 파운데이션 AI 모델입니다.
비헤이버트(BehaVERT)는 ‘Behavior(행동)’와 구글의 자연어 처리 모델 ‘BERT(Bidirectional Encoder Representations from Transformers)’를 결합한 이름입니다. KAIST 뇌 인지과학과 김대수 교수 연구팀이 개발했으며, 2026년 7월 컴퓨터 비전 분야 국제학술지 International Journal of Computer Vision(IJCV)에 게재가 확정되었습니다. 뇌 과학계는 이 연구를 동물 행동 연구 방법론의 패러다임 전환으로 평가하고 있습니다.
연구의 출발점은 간결하지만 혁신적인 가설에 있었습니다. 제1저자 신승재 박사는 “동물의 몸짓에도 언어와 같은 구조가 존재한다는 가정에서 연구를 시작했다”고 밝혔습니다. 인간이 언어를 통해 의사소통하듯, 동물도 특정 패턴의 움직임 시퀀스로 사회적 신호를 주고받는다는 개념입니다. 이 가설이 참이라면, 수십 년간 자연어 처리 분야에서 검증된 트랜스포머 모델을 동물 행동 데이터에 그대로 적용할 수 있게 됩니다.
특히 주목할 점은 연구팀 전원이 생명과학 전공자라는 사실입니다. AI 공학 전공자 없이 생물학자들이 직접 딥러닝을 배워 행동 분석 특화 모델과 학습 전략을 설계했습니다. 이 때문에 모델은 AI가 어떤 행동에 근거해 판단을 내렸는지 ‘해석 가능성(interpretability)’을 연구자와 공유하는 구조로 설계되었습니다. 블랙박스로 작동하는 기존 AI와 달리, 과학자가 AI의 판단 근거를 직접 검증하고 이해할 수 있는 투명한 도구입니다.
BERT가 동물 행동 분석에 적용된 이유
BERT는 원래 구글이 개발한 자연어 처리 모델로, 문장에서 단어의 맥락적 의미를 양방향으로 학습하는 데 탁월한 성능을 보입니다. 예를 들어 “배”라는 단어가 과일인지 신체 부위인지 선박인지를, 앞뒤 문맥을 동시에 참조하며 구분합니다. 비헤이버트는 이 원리를 동물 행동에 그대로 이식했습니다. 시간 축을 따라 이어지는 신체 움직임 시퀀스를 ‘문장’으로, 각 순간의 자세 정보를 ‘단어’로 처리해 행동의 맥락적 의미를 학습합니다.
동물 몸짓을 언어로 번역하는 원리
비헤이버트는 생쥐 신체의 주요 골격 좌표를 토큰으로 변환해 BERT 기반 트랜스포머에 입력하는 방식으로, 사전 레이블 없이 행동의 의미를 스스로 발견합니다.
비헤이버트의 핵심 메커니즘은 ‘행동의 토큰화’입니다. 생쥐의 코, 귀, 척추, 사지, 꼬리 등 주요 신체 부위의 골격 좌표를 시간 순서에 따라 캡처하고, 각 시점의 자세 정보를 하나의 토큰으로 변환합니다. 이 토큰들이 문장 속 단어처럼 순서를 이루어 BERT 기반 트랜스포머에 입력됩니다. 모델은 수천 시간 분량의 생쥐 행동 영상에서 추출된 토큰 시퀀스를 학습하며, 어떤 자세 패턴이 어떤 행동적 맥락에서 나타나는지 스스로 파악하게 됩니다.
이 방식이 기존 동물 행동 분석 방법과 결정적으로 다른 점은 사전 레이블이 전혀 필요 없다는 것입니다. 기존 연구에서는 연구자가 “사회적 접근”, “그루밍”, “투쟁” 같은 행동 범주를 미리 정의하고 AI를 훈련했습니다. 이 방식은 연구자의 선입견이 개입되고, 예상치 못한 새로운 행동 패턴을 발견하지 못한다는 근본적 한계를 안고 있습니다. 비헤이버트는 레이블 없는 행동 데이터만으로 자기지도학습(self-supervised learning)을 수행해, 생물학적으로 의미 있는 패턴을 데이터 속에서 직접 추출합니다.
기존 방법 대비 비헤이버트의 차별점
| 구분 | 기존 지도학습 방법 | 비헤이버트(BehaVERT) |
|---|---|---|
| 학습 방식 | 지도학습 (레이블 필수) | 자기지도학습 (레이블 불필요) |
| 행동 범주 정의 | 연구자가 사전 정의 | AI가 데이터에서 자동 발견 |
| 분석 차원 | 2D 영상 중심 | 3D 골격 좌표 기반 |
| 해석 가능성 | 제한적 | 연구자와 공유 가능 |
| 모델 범용성 | 특정 태스크 전용 | 파운데이션 모델 (범용) |
| 새로운 패턴 발견 | 정의된 범주 내에서만 | 예상 외 패턴 발견 가능 |
마스크드 토큰 예측으로 행동 의미 내재화
비헤이버트는 BERT가 자연어에서 쓰는 마스크드 토큰 예측(Masked Token Prediction) 방식을 그대로 차용합니다. BERT가 문장에서 일부 단어를 가리고 나머지 맥락으로 예측하도록 훈련받듯, 비헤이버트도 생쥐 행동 시퀀스에서 특정 시점의 자세를 가리고 예측하도록 학습합니다. 이 과정에서 모델은 “어떤 자세 다음에 어떤 자세가 오는가”라는 행동의 연속적 구조를 내재화합니다. 학습이 완료된 모델 내부에는 동물의 움직임, 주의력, 사회성 등 다양한 행동 특성이 체계적으로 정리된 표현 공간이 형성됩니다.
자폐 행동 분석 성과와 벤치마크 결과
비헤이버트는 사전 생물학 지식 없이도 자폐 모델 생쥐와 정상 생쥐의 핵심 행동 차이를 발견했으며, 국제표준 벤치마크 5종 모두에서 기존 최고 성능을 초과했습니다.
연구팀은 비헤이버트를 자폐증 동물 모델 연구에 적용해 눈에 띄는 결과를 얻었습니다. 특정 유전자가 결손된 자폐 모델 생쥐와 정상 생쥐를 사회 행동 측면에서 구분하는 실험에서, 비헤이버트는 자폐 모델 생쥐가 ‘입과 입을 맞대는 접촉(oral-oral contact)’ 행동에서 두드러진 차이를 보인다는 점을 스스로 발견했습니다. 자폐 모델 생쥐는 상대에게 접근하는 행동(approach behavior)은 정상적으로 수행하지만, 그 이후의 실제 사회적 상호작용에서 결함을 보인다는 것입니다. 이는 기존 자폐 연구에서 이미 확립된 결론과 정확히 일치합니다.
여기서 결정적으로 중요한 점은, 연구팀이 AI에게 “oral-oral contact를 찾아라”고 지시한 적이 없다는 것입니다. 비헤이버트는 오직 골격 움직임 데이터만으로 학습하고, 어떤 행동 패턴이 두 집단을 가르는 핵심 특징인지를 완전히 자율적으로 발견했습니다. 이는 AI가 단순한 분류기를 넘어, 생물학적으로 의미 있는 패턴을 독자적으로 탐색하는 과학적 도구로 기능할 수 있음을 보여주는 핵심 증거입니다.
국제표준 벤치마크 5종 최고 성능 달성
비헤이버트는 동물 행동 AI 분야의 국제표준 벤치마크 5종에서 기존 최고 성능을 전부 초과했습니다. 이번 연구가 평가받은 주요 벤치마크 영역은 다음과 같습니다.
| 벤치마크 영역 | 내용 |
|---|---|
| 사회적 상호작용 분석 | 두 개체 이상 동물 간 사회 행동 인식 |
| 다개체 행동 추적 | 여러 동물이 동시에 있을 때 개체별 행동 식별 |
| 3차원 움직임 분석 | 입체 공간에서 자세와 동작 정밀 분석 |
| 자폐 행동 분석 | 자폐 스펙트럼 장애 관련 행동 특성 탐지 |
| 행동 파운데이션 모델 | 다양한 태스크에 전이 가능한 범용 표현 학습 |
이 결과는 비헤이버트가 특정 실험에 특화된 일회성 도구가 아니라, 다양한 동물 종과 연구 목적에 범용적으로 적용 가능한 ‘행동 파운데이션 모델’로서의 잠재력을 지닌다는 의미를 담고 있습니다. AI 언어 모델 분야에서 GPT나 BERT가 다양한 하위 태스크에 전이되듯, 비헤이버트도 여러 동물 행동 연구 태스크에 공통으로 활용될 수 있는 범용 기반 모델이 될 수 있습니다.
향후 활용 가능성과 뇌 과학의 미래
비헤이버트는 신약 개발, 정신질환 연구, 행동 유전학 등 생명과학 전 분야에서 AI 기반 행동 분석의 표준 도구로 자리 잡을 것으로 기대됩니다.
김대수 교수는 “비헤이버트는 외형적 행동 분류를 넘어 행동에 내포된 의미를 이해하는 새로운 AI 모델”이라며, “신약 개발과 정신질환 연구, 행동 유전학 등 다양한 생명과학 분야에서 새로운 발견을 이끄는 핵심 도구가 될 것으로 기대한다”고 밝혔습니다. 현재 신약 개발 과정에서 동물 행동 평가는 주로 연구자의 육안 관찰 또는 단순 센서 기반 측정에 의존하는데, 이는 주관성이 개입되고 미세한 행동 변화를 놓칠 수 있다는 한계가 있습니다.
비헤이버트는 생쥐의 골격 움직임 전체를 밀리초 단위로 분석해 기존 방법으로는 감지할 수 없었던 미세한 행동 변화를 정량화합니다. 신약이 뇌 기능에 미치는 영향을 기존보다 훨씬 정밀하고 객관적으로 평가할 수 있게 되는 것입니다. 신약 후보 물질의 효능과 부작용을 동물 실험 단계에서 더 정확하게 선별하면, 이후 임상시험으로 이어지는 실패 비용을 크게 줄일 수 있습니다.
자폐·조현병·파킨슨병 연구로의 확장
정신질환 연구 분야에서도 비헤이버트의 잠재력은 광범위합니다. 자폐 스펙트럼 장애(ASD), 조현병, 주의력 결핍 과잉 행동 장애(ADHD), 파킨슨병 등 많은 뇌 질환이 행동적 이상 징후를 동반하며, 이를 동물 모델에서 정확히 측정하는 일이 연구의 핵심 과제입니다. 비헤이버트는 각 질환의 동물 모델에서 나타나는 행동 특이성을 자동으로 발견하고 정량화해, 뇌-행동 연결 메커니즘을 이해하는 새로운 단서를 제공할 수 있습니다.
연구팀은 현재 생쥐 중심의 모델을 여러 동물 종으로 확장하는 ‘행동 파운데이션 모델’ 개발을 다음 단계 목표로 설정했습니다. 신승재 박사는 “여러 동물 종에 적용할 수 있는 행동 파운데이션 모델 개발의 기반을 마련했다”고 밝혔습니다. 생쥐뿐 아니라 영장류, 어류, 조류 등 다양한 종의 행동을 단일 모델 체계 안에서 분석할 수 있게 되면, 종간 비교 연구와 진화 신경과학 연구에도 새로운 지평이 열립니다.
NLP 기술과 생명과학의 융합이 여는 새 시대
비헤이버트가 학계와 산업계의 주목을 받는 또 다른 이유는 자연어 처리(NLP)의 핵심 기술을 생물학 데이터에 성공적으로 이식했다는 점입니다. 딥마인드의 AlphaFold가 단백질 구조 예측에 딥러닝을 적용해 생명과학 혁명을 일으킨 것처럼, 비헤이버트는 언어 모델의 논리를 동물 행동 데이터에 적용해 새로운 영역을 개척했습니다. 이번 연구의 성공은 NLP 기술이 신경과학, 행동학, 유전체학 등 더 넓은 생명과학 영역에 체계적으로 접목될 수 있다는 강력한 가능성을 시사합니다.
자주 묻는 질문 (FAQ)
Q1. 비헤이버트(BehaVERT)는 어떤 AI 기술을 기반으로 하나요?
비헤이버트(BehaVERT)는 구글이 개발한 BERT 기반 트랜스포머 모델을 기반으로 합니다. 생쥐의 코, 귀, 척추, 사지, 꼬리 등 신체 부위의 골격 좌표를 자연어의 단어에 해당하는 ‘토큰’으로 변환하고, 이 토큰 시퀀스를 트랜스포머에 입력해 행동의 의미를 학습하는 방식입니다. 사전 생물학 지식 없이도 행동 패턴을 스스로 발견하는 자기지도학습 방식을 채택했습니다.
Q2. 비헤이버트는 자폐 연구에 어떻게 기여하나요?
비헤이버트는 자폐 모델 생쥐(유전자 결손)와 정상 생쥐의 사회적 행동을 비교 분석해, 두 집단을 구분하는 핵심 행동 패턴을 자동으로 발견합니다. 이번 연구에서 자폐 모델 생쥐가 ‘구강-구강 접촉(oral-oral contact)’ 행동에서 결함을 보인다는 것을 AI가 사전 지시 없이 스스로 찾아냈습니다. 향후 다양한 자폐 유전자 변이가 어떤 행동 결함으로 이어지는지 대규모로 분석하는 데 활용될 수 있습니다.
Q3. 비헤이버트 연구 결과는 어디에 발표되었나요?
비헤이버트 연구 결과는 컴퓨터 비전 분야 글로벌 국제학술지 International Journal of Computer Vision(IJCV)에 게재되었습니다. KAIST 뇌 인지과학과 김대수 교수가 연구를 주도했으며, 신승재 박사가 제1저자로 참여했습니다. 연구팀 전원이 생명과학 전공자로 AI 공학 비전공자들이 주도한 AI 개발이라는 점에서도 학계의 주목을 받았습니다.
Q4. 기존 동물 행동 분석 방법과 비헤이버트의 차이는 무엇인가요?
기존 방법은 연구자가 행동 범주를 미리 정의하고 AI를 훈련하는 지도학습 방식으로, 연구자의 선입견이 반영되고 새로운 행동 패턴 발견이 어렵습니다. 비헤이버트는 레이블 없이 행동 데이터만으로 학습하는 자기지도학습 방식으로, 생물학적으로 중요한 패턴을 데이터 안에서 자동으로 발견합니다. AI가 어떤 행동 근거로 판단했는지 해석 가능성을 연구자와 공유한다는 점도 기존 방법과 다른 핵심 차별점입니다.
Q5. 비헤이버트는 생쥐 이외 동물에도 적용할 수 있나요?
비헤이버트 연구팀은 현재 생쥐 중심 모델을 여러 동물 종으로 확장하는 ‘행동 파운데이션 모델’ 개발을 다음 목표로 설정하고 있습니다. 신승재 박사는 “여러 동물 종에 적용할 수 있는 행동 파운데이션 모델 개발의 기반을 마련했다”고 밝혔습니다. 영장류, 어류, 조류 등 다양한 동물의 행동을 단일 모델로 분석하게 되면, 종간 비교 연구와 진화 신경과학 연구에도 혁신적 도구로 활용될 수 있습니다.
마무리
동물의 몸짓을 언어로 번역하는 AI 비헤이버트(BehaVERT)는 단순한 기술적 성취를 넘어, 뇌 과학 연구의 방법론 자체를 바꾸는 혁신입니다. 사전 생물학 지식 없이 자폐 행동의 핵심 특징을 스스로 발견하고 국제 벤치마크 5종 모두에서 최고 성능을 달성한 이번 성과는, 생명과학과 AI의 융합이 만들어 낼 새로운 발견의 서막임을 알려줍니다. 신약 개발과 정신질환 연구, 행동 유전학 분야에서 비헤이버트가 이끌어 낼 다음 발견에 계속 주목해 보세요.
이 글이 유익했다면 공유하거나 북마크해 두세요. AI와 뇌 과학의 교차점에서 펼쳐지는 최신 연구 소식은 blog.ne.kr에서 계속 전해 드립니다. 관련 주제로 트랜스포머 모델이 과학 연구를 바꾸는 방식과 AI가 여는 신약 개발의 새 시대도 함께 읽어 보시기를 권합니다.
핵심 체크리스트
- 비헤이버트(BehaVERT)가 KAIST 김대수 교수 연구팀이 개발한 동물 행동 AI 모델임을 이해한다
- 생쥐 골격 좌표를 토큰으로 변환해 BERT 기반 트랜스포머로 행동 의미를 자기지도학습하는 원리를 파악한다
- 사전 생물학 지식 없이 자폐 행동 결함을 자동 발견한다는 핵심 혁신을 기억한다
- 자폐 모델 생쥐에서 ‘oral-oral contact’ 결함이 AI에 의해 자율 발견되었다는 실험 결과를 확인한다
- 국제표준 벤치마크 5종 전체에서 기존 최고 성능을 초과했다는 성과를 파악한다
- AI 해석 가능성(interpretability)을 연구자와 공유하는 투명한 설계 방식을 이해한다
- 연구팀 전원이 생명과학 전공자로 구성되어 AI를 직접 학습해 개발했다는 점을 주목한다
- 신약 개발·정신질환 연구·행동 유전학으로의 확장 가능성을 파악한다
- 여러 동물 종으로 확장되는 ‘행동 파운데이션 모델’ 개발 방향성을 기억한다
- NLP 기술이 생명과학과 융합해 새로운 연구 패러다임을 만들어 가고 있음을 인식한다
