뇌파 신호로부터 감정을 인식하는 기술은 마케팅이나 게임, 비대면 의료 분야 등에서 중요도가 높아지고 있어 세계적으로 많은 연구 결과가 발표되고 있지만 정확도가 높지 않다는 문제가 있었다. 

임창환 교수팀은 인간 뇌의 특성을 모방한 새로운 딥러닝 알고리즘 개발을 통해 기존 방식보다 높은 정확도로 사람의 감정을 인식하는 데 성공했다.

뇌-컴퓨터 인터페이스(BCI)는 뇌에서 발생하는 뇌 신호를 인공지능 기술을 이용해 해독함으로써 생각만으로 외부 기기를 제어하거나 외부와 의사소통을 가능하게 하는 기술을 의미한다. 

올해 3월에는 일론 머스크가 설립한 뉴럴링크(Neuralink)에서 사지마비 장애인의 운동영역에 '텔레파시'라는 브레인칩을 삽입해 생각만으로 체스 게임을 플레이하는 동영상을 공개해 화제가 되기도 했다. 

이처럼 인공지능 기술이 발전하면서 뇌파를 실시간으로 분석해 사람의 감정 상태를 인식하는 BCI 기술이 최근 활발히 연구되고 있다. 

특히 뇌 신호로부터 사람의 감정이나 뇌 상태를 인식하는 감성 BCI(affective BCI) 분야는 최근 뇌공학 분야에서도 가장 주목받는 분야 중 하나다. 

뇌파로부터 감정을 인식할 수 있으면 비대면으로 우울증을 진단하거나 치료할 때 정확도나 효과성을 높일 수 있다. 

가정용 로봇이나 고령자 돌봄 로봇에 적용하면 사용자의 감정을 읽어 다양한 서비스를 자율적으로 제공하는 기술도 구현이 가능하다. 

가장 경제성이 높다고 평가되는 뉴로마케팅 분야는 제품에 대한 소비자의 선호도를 객관적으로 평가하기 위해 쓰일 수 있다. 

임 교수팀은 2022년에 현대자동차의 제네시스 G90에 탑재된 '무드 큐레이터'가 탑승자의 감정 개선에 효과가 있음을 뇌파를 이용한 뉴로마케팅 기술을 이용해 증명하기도 했다. 

하지만 기존에 뇌파로부터 감정을 인식하기 위해 사용된 딥러닝 기술은 정확도가 낮다는 문제가 있었다. 

BCI를 위해 사용된 기존 딥러닝 알고리즘은 뇌파 전극 각각에서 측정되는 뇌파 신호의 시간에 따른 변화만을 이용하고 개인별 뇌파의 차이를 고려하지 않아 70% 수준의 낮은 정확도를 보인 것이다.

임 교수팀은 이러한 문제를 해결하기 위해 인간 뇌의 특성을 모방하는 딥러닝 알고리즘을 제안했다. 

실제 인간의 뇌에서 각각의 뇌 영역이 서로 긴밀하게 정보를 주고받으며 정보를 처리하는 '기능적 연결성'을 고려해 뇌파 신호에 힐베르트 변환(Hilbert Transform)이라는 방법을 도입했다. 

또한 뇌파 신호에 포함된 위상(phase) 정보를 함께 처리할 수 있는 HiRENet이라는 새로운 딥러닝 구조를 개발했다. 

제안된 딥러닝 알고리즘은 개인의 감정가(긍정-부정)와 각성가(흥분-안정)를 각각 86%와 84%의 정확도로 인식했으며 이는 기존에 발표된 딥러닝 알고리즘의 정확도보다 최소 5% 이상 향상된 결과를 나타냈다.

임창환 교수는 "개인별 학습 과정 없이도 뇌파로부터 사람의 감정 상태를 높은 정확도로 인식할 수 있어 다양한 응용 분야에 적용이 가능할 것"이라며 "이 기술을 바탕으로 교육이나 마케팅 분야에 적용하는 후속 연구를 계속해 나갈 것"이라고 밝혔다. 

한국연구재단의 뇌과학 선도융합기술개발사업 및 인공지능대학원지원사업의 지원을 받아 수행된 이번 연구의 결과는 수학 및 계산 생물학 분야 상위 3% 이내 국제 학술지인 「Computers in Biology and Medicine」 최신호에 게재됐다.

해당 논문 'HiRENet: 개인 독립적인 감정 분류를 위한 힐베르트 변환 및 원시 뇌파를 활용하는 새로운 합성곱 신경망 (HiRENet: Novel convolutional neural network architecture using Hilbert-transformed andraw electroencephalogram (EEG) forsubject-independent emotion classification)'은 한양대 인공지능학과 김민수 석사과정생이 제1저자로 참여하고, 임창환 교수가 교신저자로 참여했다.