본 논문은 초파리 유충 뇌의 완전한 연결체를 이용하여 인공지능 구현 가능성을 연구했습니다. 초파리 뇌의 연결 정보를 바탕으로 생물학적 처리 유닛(BPU)이라는 고정된 순환 신경망을 구축했습니다. 크기가 작은(3,000개 뉴런, 6,5000개 가중치) BPU임에도 불구하고, MNIST 데이터셋에서 98%의 정확도, CIFAR-10 데이터셋에서 58%의 정확도를 달성하여, 크기가 같은 다층 퍼셉트론(MLP)을 능가했습니다. 연결체 확장을 통해 CIFAR-10 성능을 향상시켰으며, 감각 시스템별 분석을 통해 각 시스템의 기여도 차이를 확인했습니다. 체스 데이터셋(ChessBench)에서는 경량 GNN-BPU 모델이 10,000개 게임만으로 60%의 수 정확도를 달성하여, 크기가 비슷한 트랜스포머보다 10배 가까이 높은 성능을 보였습니다. 또한, 약 2백만 개의 파라미터를 가진 CNN-BPU 모델은 파라미터 수가 같은 트랜스포머를 능가했고, 깊이 6의 미니맥스 검색을 사용하여 91.7%의 정확도를 달성, 9백만 개의 파라미터를 가진 트랜스포머 기준 모델보다 높은 성능을 보였습니다. 이러한 결과는 생물학적으로 사실적인 신경망 구조가 복잡한 인지 과제를 수행할 수 있는 잠재력을 보여주며, 향후 더 크고 지능적인 연결체로의 확장을 제시합니다.
