The Biological Architecture of Memory: How Does the Brain Turn Experience into Lasting Change?

 A vast network of neural pathways glows within the darkness, revealing the silent biological process through which fleeting experience becomes a lasting capacity to recognize, learn, and act.

The Biological Architecture of Memory: How Does the Brain Turn Experience into Lasting Change?

Explore how the brain forms lasting memories and why biological memory differs from artificial neural networks.

How Can Living Matter Preserve the Effects of the Past?

A remembered face has no separate physical weight, but every known act of human remembering depends on a living nervous system. Changes caused by brain injury, neurological disease, medication, sleep deprivation, and aging can alter memory, although their effects vary across conditions, people, and types of memory.

This dependence does not mean that one memory can be reduced to one molecule, synapse, or brain location. Memory is studied across molecular, cellular, synaptic, circuit, systems, cognitive, and behavioral levels. An adequate explanation must connect these levels without treating any one of them as the complete memory.

Earlier theories proposed different physical models of memory, but modern neuroscience describes memory through interacting neural systems. The brain does not appear to preserve a miniature copy of an event or replay the past on an internal screen. Learning instead alters how neural populations respond and interact.

Different aspects of an event may involve partly distinct systems. Visual features, sounds, spatial context, emotional significance, concepts, actions, and personal relevance are processed through distributed networks. Later recollection may reactivate and integrate some of these components without reproducing the original experience in full.

Researchers use the term ‘engram’ for enduring biological changes that contribute to the storage and retrieval of a memory. An engram should not be imagined as one fixed file or cell. Evidence, much of it from animal research, indicates that memory-related cell ensembles and connections can be distributed, selective, and dynamic.

The central scientific problem is therefore how transient activity produces biological changes that later influence cognition and behavior. The past event is no longer present, but its effects can persist in the altered dispositions of a living system.

How Does Experience Alter Neural Systems?

Neural plasticity is the capacity of the nervous system to change in response to activity, experience, development, injury, and other conditions. Relevant changes can involve synaptic strength, cellular excitability, molecular signaling, gene expression, protein synthesis, dendritic structure, and connectivity.

Neurons communicate through electrical and chemical processes, including transmission across synapses. Particular patterns of activity can strengthen or weaken some connections, as in long-term potentiation and long-term depression. These mechanisms are important models of learning-related plasticity, but not every instance of synaptic change constitutes a memory.

The phrase “cells that fire together wire together” is a later summary of Hebbian learning rather than a complete account of memory. The timing and pattern of activity, neuromodulation, attention, prior knowledge, repetition, novelty, emotion, sleep, and the condition of the organism can affect whether learning produces durable change.

Memory consolidation refers to processes through which recently acquired representations become stabilized or transformed over time. Synaptic or cellular consolidation can involve changes occurring over minutes to hours, while systems consolidation concerns longer-term reorganization among interacting brain regions.

The hippocampus is important for forming many new episodic and relational memories and for binding information processed across different regions. Its later role remains debated. Some models propose that remote memories become less dependent on the hippocampus, while others hold that detailed episodic recollection may continue to require hippocampal involvement.

Neural reactivation during wakefulness and sleep may contribute to consolidation, integration, and planning. Evidence for replay is substantial, but its content and function vary, and it should not be described as a uniform transfer of every memory from the hippocampus to the cortex.

Other systems make different contributions. The amygdala modulates memory under emotional arousal, while cortical regions contribute perceptual and conceptual information. Circuits involving the basal ganglia and cerebellum are important for habits, skills, and forms of procedural learning. These systems interact rather than operating as completely isolated stores.

Memory is selective, but selectivity is not a perfectly designed filter for importance. Attention, relevance, novelty, repetition, emotion, prior knowledge, interference, and biological condition influence retention. Some forgetting can reduce interference, while other forgetting removes valuable information.

Biological memory is therefore not an exhaustive archive. It is a collection of capacities through which previous experience changes later perception, prediction, decision, and action. Describing this orientation as adaptive is a functional interpretation, not evidence that every remembered or forgotten detail serves a beneficial purpose.

Why Is Remembering Reconstructive?

Recollection can feel like direct access to a stable record. Its vividness and emotional force may create confidence that the event is returning exactly as it occurred. Experimental psychology and cognitive neuroscience instead indicate that remembering is constructive and reconstructive.

Retrieval cues reactivate information associated with an earlier event. The resulting recollection can combine retained details with semantic knowledge, expectations, emotional state, inferences, and present context. Reconstruction does not make all memory false, but it helps explain why accurate and inaccurate elements can coexist.

Under some conditions, retrieval can make a memory susceptible to modification before it is stabilized again. This process is called reconsolidation. It has strong support in several forms of animal learning, but its occurrence depends on boundary conditions and should not be assumed after every act of human remembering.

Details can fade, sources can be confused, and later information can be incorporated into an account. Eyewitness and autobiographical memories can therefore contain errors without deliberate deception. Confidence is relevant to memory assessment, but it does not guarantee the accuracy of every detail.

Memory flexibility can also support learning. New evidence may update an expectation, repeated events may yield general knowledge, and a familiar cue may acquire a different significance. These benefits do not mean that every distortion or false memory is adaptive.

Remembering also contributes to imagining possible futures. Research indicates that episodic recollection and the construction of future scenes use partly overlapping cognitive and neural resources. Memory can therefore guide prediction and planning, although it also preserves relationships and identity in ways that cannot be reduced to prediction alone.

How Does Artificial Memory Differ?

The term ‘neural network’ is used in both neuroscience and artificial intelligence, but it refers to very different systems. Artificial neural networks were historically inspired by highly simplified ideas about neurons. Contemporary networks are engineered mathematical models, not detailed simulations of living brains.

During training, an artificial network adjusts numerical parameters according to an optimization procedure. The resulting parameter configuration reflects statistical regularities in the training data and can sometimes retain specific details. This is a computational effect of prior input, but it is not equivalent to biological episodic memory.

Biological neurons are living cells shaped by electrical and chemical signaling, complex dendrites, neuromodulators, metabolism, gene expression, bodily regulation, development, and continuing plasticity. Artificial nodes usually perform defined mathematical operations within architectures whose learning rules differ substantially from those known in the brain.

Human memory is influenced by movement, sleep, pain, hunger, hormones, emotion, development, language, and social relationships. Some artificial systems have sensors, bodies, external tools, and continuing interaction with environments, but this does not make their embodiment biologically or autobiographically equivalent to human life.

In AI, the word ‘memory’ may refer to learned parameters, recurrent states, temporary context, external databases, caches, or retrieval systems. These mechanisms have different functions and limitations. None should automatically be treated as a direct counterpart of human recollection.

An AI system can reproduce patterns, retrieve records, and use previous inputs to influence later outputs. These abilities do not establish that it experiences an event as belonging to its own past, feels the loss of a memory, or possesses a continuous autobiographical self. Whether an artificial system has such experience cannot currently be determined from output fluency alone.

Computational models remain useful for neuroscience. They can formalize hypotheses, reveal consequences of proposed learning rules, and generate predictions for experiments. Agreement between a model and behavior does not by itself prove that the brain implements the same algorithm.

Understanding memory therefore requires more than locating retained information. It requires explaining how biological change supports learning, conscious and unconscious retrieval, emotion, prediction, identity, and action. No current artificial system reproduces this entire organization in the same form as a human nervous system.

A lasting memory is not simply an event preserved inside the brain. It is a continuing capacity for a previous encounter to affect what a person can recognize, feel, expect, and do. Repeated attention can contribute to that change, but it acts together with emotion, sleep, prior knowledge, bodily state, and the wider conditions of life.

References

Dudai, Yadin. 2004. ‘The Neurobiology of Consolidations, or, How Stable Is the Engram?’. ‘Annual Review of Psychology’ 55: 51–86. DOI: 10.1146/annurev.psych.55.090902.142050.

Dudai, Yadin, Avi Karni, and Jan Born. 2015. ‘The Consolidation and Transformation of Memory’. ‘Neuron’ 88 (1): 20–32. DOI: 10.1016/j.neuron.2015.09.004.

Hassabis, Demis, Dharshan Kumaran, Christopher Summerfield, and Matthew Botvinick. 2017. ‘Neuroscience-Inspired Artificial Intelligence’. ‘Neuron’ 95 (2): 245–258. DOI: 10.1016/j.neuron.2017.06.011.

Hebb, Donald O. 1949. ‘The Organization of Behavior: A Neuropsychological Theory’. Wiley.

Josselyn, Sheena A., Stefan Köhler, and Paul W. Frankland. 2015. ‘Finding the Engram’. ‘Nature Reviews Neuroscience’ 16 (9): 521–534. DOI: 10.1038/nrn4000.

Kandel, Eric R., Yadin Dudai, and Mark R. Mayford. 2014. ‘The Molecular and Systems Biology of Memory’. ‘Cell’ 157 (1): 163–186. DOI: 10.1016/j.cell.2014.03.001.

Lillicrap, Timothy P., Adam Santoro, Luke Marris, Colin J. Akerman, and Geoffrey Hinton. 2020. ‘Backpropagation and the Brain’. ‘Nature Reviews Neuroscience’ 21: 335–346. DOI: 10.1038/s41583-020-0277-3.

Loftus, Elizabeth F. 2005. ‘Planting Misinformation in the Human Mind: A 30-Year Investigation of the Malleability of Memory’. ‘Learning & Memory’ 12 (4): 361–366. DOI: 10.1101/lm.94705.

Nadel, Lynn, and Morris Moscovitch. 1997. ‘Memory Consolidation, Retrograde Amnesia and the Hippocampal Complex’. ‘Current Opinion in Neurobiology’ 7 (2): 217–227. DOI: 10.1016/S0959-4388(97)80010-4.

Nader, Karim, Glenn E. Schafe, and Joseph E. LeDoux. 2000. ‘Fear Memories Require Protein Synthesis in the Amygdala for Reconsolidation After Retrieval’. ‘Nature’ 406: 722–726. DOI: 10.1038/35021052.

Richards, Blake A., et al. 2019. ‘A Deep Learning Framework for Neuroscience’. ‘Nature Neuroscience’ 22: 1761–1770. DOI: 10.1038/s41593-019-0520-2.

Schacter, Daniel L., Kenneth A. Norman, and Wilma Koutstaal. 1998. ‘The Cognitive Neuroscience of Constructive Memory’. ‘Annual Review of Psychology’ 49: 289–318. DOI: 10.1146/annurev.psych.49.1.289.

Schacter, Daniel L., Donna Rose Addis, and Randy L. Buckner. 2007. ‘Remembering the Past to Imagine the Future: The Prospective Brain’. ‘Nature Reviews Neuroscience’ 8 (9): 657–661. DOI: 10.1038/nrn2213.

Squire, Larry R., and Adam J. O. Dede. 2015. ‘Conscious and Unconscious Memory Systems’. ‘Cold Spring Harbor Perspectives in Biology’ 7 (3): a021667. DOI: 10.1101/cshperspect.a021667.

광대하게 뻗은 신경 경로망이 어둠 속에서 빛나며, 덧없는 경험이 인식과 학습, 행동을 지속적으로 변화시키는 생물학적 흔적으로 전환되는 침묵의 과정을 드러낸다.

기억의 생물학적 구조: 뇌는 어떻게 경험을 지속적인 변화로 바꿀까?

뇌가 지속적인 기억을 형성하는 방식과 생물학적 기억이 인공신경망과 다른 이유를 살펴봅니다.

살아 있는 물질은 어떻게 과거의 영향을 보존할까?

기억 속 얼굴에 별도의 물리적 무게가 있는 것은 아니지만, 현재까지 알려진 모든 인간의 기억 활동은 살아 있는 신경계에 의존합니다. 뇌 손상, 신경질환, 약물, 수면 부족과 노화로 발생한 변화는 기억을 바꿀 수 있지만, 그 영향은 질환, 개인과 기억의 종류에 따라 달라집니다.

이러한 의존성이 하나의 기억을 하나의 분자, 시냅스 또는 뇌의 위치로 환원할 수 있다는 뜻은 아닙니다. 기억은 분자, 세포, 시냅스, 회로, 시스템, 인지와 행동의 여러 수준에서 연구됩니다. 적절한 설명은 어느 한 수준을 기억 전체로 취급하지 않으면서 이 수준들을 연결해야 합니다.

과거에는 기억의 물리적 기반에 관한 여러 모형이 제안되었지만, 현대 신경과학은 상호작용하는 신경 체계를 통해 기억을 설명합니다. 뇌가 사건의 축소 복사본을 보존하거나 내부 화면에 과거를 재생하는 것으로 보이지는 않습니다. 학습은 신경세포 집단이 반응하고 상호작용하는 방식을 변화시킵니다.

사건의 서로 다른 측면은 부분적으로 구별되는 체계에 관여할 수 있습니다. 시각적 특징, 소리, 공간적 맥락, 정서적 중요성, 개념, 행동과 개인적 관련성은 분산된 연결망을 통해 처리됩니다. 이후의 회상은 이러한 구성 요소의 일부를 재활성화하고 통합할 수 있지만 원래 경험 전체를 복제하지는 않습니다.

연구자들은 기억의 저장과 검색에 기여하는 지속적인 생물학적 변화를 ‘엔그램’이라고 부릅니다. 엔그램을 하나의 고정된 파일이나 세포로 상상해서는 안 됩니다. 상당 부분 동물 연구에서 얻은 증거에 따르면 기억과 관련된 세포 집단과 연결은 분산되고, 선택적이며, 역동적일 수 있습니다.

따라서 중심적인 과학 문제는 일시적인 활동이 어떻게 이후의 인지와 행동에 영향을 주는 생물학적 변화를 만드는가입니다. 과거의 사건은 더 이상 존재하지 않지만, 그 영향은 살아 있는 체계의 변화된 성향으로 지속될 수 있습니다.

경험은 신경 체계를 어떻게 변화시킬까?

신경가소성은 신경계가 활동, 경험, 발달, 손상과 그 밖의 조건에 반응하여 변화하는 능력입니다. 관련 변화에는 시냅스 강도, 세포 흥분성, 분자 신호, 유전자 발현, 단백질 합성, 수상돌기 구조와 연결성이 포함될 수 있습니다.

뉴런은 시냅스를 통한 전달을 포함한 전기적·화학적 과정을 통해 의사소통합니다. 특정한 활동 패턴은 장기강화와 장기억제에서처럼 일부 연결을 강화하거나 약화할 수 있습니다. 이러한 기제는 학습과 관련된 가소성의 중요한 모형이지만, 모든 시냅스 변화가 하나의 기억을 구성하는 것은 아닙니다.

“함께 발화하는 세포는 함께 연결된다”라는 문구는 헵 학습을 후대에 요약한 표현이며 기억 전체에 대한 설명은 아닙니다. 활동의 시점과 패턴, 신경조절, 주의, 기존 지식, 반복, 새로움, 정서, 수면과 유기체의 상태는 학습이 지속적인 변화를 만드는지에 영향을 줄 수 있습니다.

기억 공고화는 새로 획득한 표상이 시간의 흐름에 따라 안정화되거나 변형되는 과정을 가리킵니다. 시냅스 또는 세포 수준의 공고화에는 수분에서 수시간 동안 일어나는 변화가 포함될 수 있으며, 시스템 공고화는 상호작용하는 뇌 영역 사이의 장기적인 재조직을 다룹니다.

해마는 새로운 일화기억과 관계기억을 형성하고 서로 다른 영역에서 처리된 정보를 결합하는 데 중요합니다. 이후 해마의 역할에 관해서는 논쟁이 남아 있습니다. 일부 모형은 오래된 기억이 해마에 덜 의존한다고 설명하지만, 다른 모형은 세부적인 일화 회상에 해마의 관여가 계속 필요할 수 있다고 봅니다.

각성과 수면 중의 신경 재활성화는 공고화, 통합과 계획에 기여할 수 있습니다. 기억 재생을 뒷받침하는 증거는 상당하지만 그 내용과 기능은 일정하지 않으므로, 모든 기억이 해마에서 피질로 동일하게 이전되는 과정으로 설명해서는 안 됩니다.

다른 체계들도 서로 다른 기능에 기여합니다. 편도체는 정서적 각성 상태에서 기억을 조절하고, 피질 영역은 지각적·개념적 정보를 제공합니다. 기저핵과 소뇌가 포함된 회로는 습관, 기술과 절차학습의 여러 형태에 중요합니다. 이러한 체계는 완전히 분리된 저장소처럼 작동하지 않고 서로 상호작용합니다.

기억은 선택적이지만 중요성을 완벽하게 판별하도록 설계된 여과 장치는 아닙니다. 주의, 관련성, 새로움, 반복, 감정, 기존 지식, 간섭과 생물학적 상태가 기억의 지속에 영향을 줍니다. 일부 망각은 간섭을 줄일 수 있지만 다른 망각은 중요한 정보를 제거합니다.

따라서 생물학적 기억은 모든 것을 보존하는 기록물이 아닙니다. 이전 경험을 통해 이후의 지각, 예측, 결정과 행동이 달라지게 하는 여러 능력의 집합입니다. 이러한 방향을 적응적이라고 설명하는 것은 기능적 해석이며, 기억되거나 잊힌 모든 세부 사항이 유익한 목적을 가진다는 증거는 아닙니다.

기억은 왜 재구성될까?

회상은 안정된 기록에 직접 접근하는 것처럼 느껴질 수 있습니다. 기억의 생생함과 정서적 힘은 사건이 일어났던 그대로 돌아온다는 확신을 만들 수 있습니다. 그러나 실험심리학과 인지신경과학은 기억이 구성되고 재구성된다는 사실을 보여 줍니다.

검색 단서는 이전 사건과 관련된 정보를 재활성화합니다. 그 결과로 나타나는 기억은 보존된 세부 사항을 의미지식, 기대, 감정 상태, 추론과 현재의 맥락과 결합할 수 있습니다. 재구성된다는 사실이 모든 기억을 거짓으로 만들지는 않지만, 정확한 요소와 부정확한 요소가 함께 존재할 수 있는 이유를 설명합니다.

일부 조건에서는 검색이 기억을 다시 안정화하기 전에 수정될 수 있는 상태로 만들 수 있습니다. 이 과정을 재공고화라고 합니다. 여러 형태의 동물학습에서 이를 뒷받침하는 강한 증거가 있지만 경계조건에 따라 발생하므로, 인간이 기억할 때마다 자동으로 일어난다고 가정해서는 안 됩니다.

세부 사항이 희미해지고, 정보의 출처가 혼동되며, 이후에 얻은 정보가 기억에 포함될 수 있습니다. 따라서 목격자 기억과 자전적 기억에는 의도적인 기만 없이도 오류가 들어갈 수 있습니다. 확신은 기억을 평가할 때 고려할 요소이지만 모든 세부 사항의 정확성을 보장하지 않습니다.

기억의 유연성은 학습을 지원할 수도 있습니다. 새로운 증거는 기존의 예상을 갱신하고, 반복된 사건은 일반적 지식의 형성을 돕고, 익숙한 단서는 다른 의미를 얻을 수 있습니다. 이러한 이점이 모든 왜곡이나 거짓 기억이 적응적이라는 뜻은 아닙니다.

기억은 가능한 미래를 상상하는 데에도 기여합니다. 연구에 따르면 일화적 회상과 미래 장면의 구성은 일부 인지적·신경적 자원을 공유합니다. 따라서 기억은 예측과 계획을 이끌 수 있지만, 예측으로 환원할 수 없는 관계와 정체성도 보존합니다.

인공기억은 어떻게 다를까?

‘신경망’이라는 용어는 신경과학과 인공지능에서 모두 사용되지만 매우 다른 체계를 가리킵니다. 인공신경망은 역사적으로 뉴런을 극도로 단순화한 개념에서 영감을 받았습니다. 현대의 인공신경망은 살아 있는 뇌를 상세하게 모사한 것이 아니라 설계된 수학적 모형입니다.

인공신경망은 훈련 과정에서 최적화 절차에 따라 수치 매개변수를 조정합니다. 그 결과 만들어진 매개변수의 구성은 학습 자료의 통계적 규칙성을 반영하며, 때로는 구체적인 세부 사항도 보존할 수 있습니다. 이는 이전 입력이 남긴 계산적 효과이지만 생물학적 일화기억과 동일하지 않습니다.

생물학적 뉴런은 전기적·화학적 신호, 복잡한 수상돌기, 신경조절물질, 대사, 유전자 발현, 신체 조절, 발달과 지속적인 가소성의 영향을 받는 살아 있는 세포입니다. 인공 노드는 일반적으로 실제 뇌에서 알려진 학습 규칙과 크게 다른 구조 안에서 정해진 수학적 연산을 수행합니다.

인간의 기억은 움직임, 수면, 통증, 배고픔, 호르몬, 감정, 발달, 언어와 사회적 관계의 영향을 받습니다. 일부 인공시스템도 센서, 신체, 외부 도구와 환경과의 지속적인 상호작용을 갖지만, 그렇다고 그 체화가 인간의 생물학적·자전적 삶과 같아지는 것은 아닙니다.

AI에서 ‘기억’은 학습된 매개변수, 순환 상태, 임시 문맥, 외부 데이터베이스, 캐시 또는 검색 시스템을 가리킬 수 있습니다. 이러한 기제는 서로 다른 기능과 한계를 지닙니다. 어느 것도 인간의 회상과 직접 대응한다고 자동적으로 간주해서는 안 됩니다.

AI 시스템은 패턴을 재현하고, 기록을 검색하며, 이전 입력을 이용해 이후의 출력에 영향을 줄 수 있습니다. 이러한 능력은 AI가 사건을 자신의 과거로 경험하고, 기억의 상실을 느끼거나, 연속적인 자전적 자아를 지닌다는 사실을 입증하지 않습니다. 인공시스템에 그러한 경험이 있는지는 유창한 출력만으로 현재 판단할 수 없습니다.

계산 모형은 신경과학에서 계속 유용합니다. 가설을 형식화하고, 제안된 학습 규칙의 결과를 밝히며, 실험으로 확인할 예측을 만들 수 있습니다. 모형과 행동이 일치한다는 사실만으로 뇌가 동일한 알고리즘을 구현한다고 입증되는 것은 아닙니다.

따라서 기억을 이해하려면 정보가 남아 있는 위치를 찾는 것 이상이 필요합니다. 생물학적 변화가 학습, 의식적·비의식적 검색, 감정, 예측, 정체성과 행동을 어떻게 뒷받침하는지 설명해야 합니다. 현재의 인공시스템 가운데 어느 것도 이 전체 구조를 인간 신경계와 동일한 형태로 재현하지는 않습니다.

지속적인 기억은 뇌 안에 보존된 하나의 사건이 아닙니다. 이전의 만남이 한 사람이 인식하고, 느끼고, 예상하고, 행동하는 방식에 계속 영향을 주는 능력입니다. 반복적인 주의는 이러한 변화에 기여할 수 있지만, 감정, 수면, 기존 지식, 신체 상태와 삶의 더 넓은 조건도 함께 작용합니다.

참고문헌

두다이, 야딘. 2004. ‘공고화의 신경생물학, 또는 엔그램은 얼마나 안정적인가?’. ‘심리학 연례 리뷰’ 55권, 51–86쪽. DOI: 10.1146/annurev.psych.55.090902.142050. 시냅스 공고화와 시스템 공고화를 구분하고 기억이 안정화되는 여러 시간 규모를 검토한 논문입니다.

두다이, 야딘, 아비 카르니, 얀 보른. 2015. ‘기억의 공고화와 변형’. ‘뉴런’ 88권 1호, 20–32쪽. DOI: 10.1016/j.neuron.2015.09.004. 기억 공고화를 단순한 고정이 아니라 시간이 지나며 표상과 신경학적 기반이 변형되는 과정으로 분석한 논문입니다.

허사비스, 데미스, 다르샨 쿠마란, 크리스토퍼 서머필드, 매슈 보트비닉. 2017. ‘신경과학에서 영감을 받은 인공지능’. ‘뉴런’ 95권 2호, 245–258쪽. DOI: 10.1016/j.neuron.2017.06.011. 신경과학이 인공지능의 발전에 제공한 개념과 두 분야를 직접 동일시할 때의 한계를 검토한 논문입니다.

헵, 도널드 O. 1949. ‘행동의 조직: 신경심리학 이론’. 와일리. 반복되는 공동 활동이 뉴런 사이의 연결 변화를 일으킬 수 있다는 헵 학습의 기본 구상을 제시한 원전입니다. “함께 발화하는 세포는 함께 연결된다”라는 문장은 이 저작의 정확한 원문이 아니라 후대의 요약입니다.

조슬린, 시나 A., 슈테판 쾰러, 폴 W. 프랭클런드. 2015. ‘엔그램 찾기’. ‘네이처 리뷰 신경과학’ 16권 9호, 521–534쪽. DOI: 10.1038/nrn4000. 기억의 생물학적 흔적인 엔그램을 식별하기 위한 기준과 동물실험의 근거를 종합한 논문입니다.

칸델, 에릭 R., 야딘 두다이, 마크 R. 메이퍼드. 2014. ‘기억의 분자생물학과 시스템생물학’. ‘셀’ 157권 1호, 163–186쪽. DOI: 10.1016/j.cell.2014.03.001. 기억의 형성, 보존, 검색과 소실에 관여하는 분자·세포·회로 기제를 종합적으로 검토한 논문입니다.

릴리크랩, 티머시 P., 애덤 산토로, 루크 매리스, 콜린 J. 에이커먼, 제프리 힌턴. 2020. ‘역전파와 뇌’. ‘네이처 리뷰 신경과학’ 21권, 335–346쪽. DOI: 10.1038/s41583-020-0277-3. 인공신경망의 역전파 학습과 생물학적 뇌의 학습 기제를 비교하고 그 대응 가능성과 차이를 검토한 논문입니다.

로프터스, 엘리자베스 F. 2005. ‘인간의 정신에 잘못된 정보를 심기: 기억의 가변성에 관한 30년의 연구’. ‘학습과 기억’ 12권 4호, 361–366쪽. DOI: 10.1101/lm.94705. 이후에 제공된 정보와 암시가 기존 기억을 변경하거나 잘못된 기억을 형성할 수 있음을 검토한 논문입니다.

네이들, 린, 모리스 모스코비치. 1997. ‘기억 공고화, 역행성 기억상실과 해마 복합체’. ‘신경생물학의 최신 견해’ 7권 2호, 217–227쪽. DOI: 10.1016/S0959-4388(97)80010-4. 오래된 일화기억에도 해마가 계속 관여할 수 있다는 다중 흔적 이론을 제시한 논문입니다.

네이더, 카림, 글렌 E. 셰이프, 조지프 E. 르두. 2000. ‘공포기억은 검색 후 재공고화를 위해 편도체의 단백질 합성을 필요로 한다’. ‘네이처’ 406권, 722–726쪽. DOI: 10.1038/35021052. 검색된 공포기억이 특정 조건에서 다시 불안정해지고 안정화될 수 있음을 동물실험으로 보여 준 대표적인 논문입니다.

리처즈, 블레이크 A. 외. 2019. ‘신경과학을 위한 딥러닝 체계’. ‘네이처 뉴로사이언스’ 22권, 1761–1770쪽. DOI: 10.1038/s41593-019-0520-2. 딥러닝을 신경과학의 계산 모형으로 활용할 가능성과 모형을 실제 뇌 기제로 해석할 때 필요한 주의를 설명합니다.

섁터, 대니얼 L., 케네스 A. 노먼, 윌마 카우트스탈. 1998. ‘구성적 기억의 인지신경과학’. ‘심리학 연례 리뷰’ 49권, 289–318쪽. DOI: 10.1146/annurev.psych.49.1.289. 기억이 여러 정보의 선택과 통합을 통해 구성되며 그 과정에서 정확한 회상과 왜곡이 함께 나타날 수 있음을 종합한 논문입니다.

섁터, 대니얼 L., 도나 로즈 애디스, 랜디 L. 버크너. 2007. ‘미래를 상상하기 위해 과거 기억하기: 전망하는 뇌’. ‘네이처 리뷰 신경과학’ 8권 9호, 657–661쪽. DOI: 10.1038/nrn2213. 일화기억과 미래 사건의 시뮬레이션이 일부 공통된 인지·신경 체계를 사용한다는 연구를 정리한 논문입니다.

스콰이어, 래리 R., 애덤 J. O. 디디. 2015. ‘의식적 기억 체계와 비의식적 기억 체계’. ‘콜드스프링하버 생물학 관점’ 7권 3호, a021667. DOI: 10.1101/cshperspect.a021667. 일화·의미기억과 기술·습관을 포함한 여러 기억 체계의 구분과 상호관계를 정리한 논문입니다.

Previous Episode - Charles Darwin’s On the Origin of Species — How Does Order Emerge Through Change?

Related Label - Science

Next Episode - How Does the Brain Distinguish Reality from Imagination? - Perception, Dreams, and Reality Monitoring