"고양이는 왜 다른 동물보다 공짜먹이 선호할까…이유는 미궁"

 

 동물들은 쉽게 먹을 수 있는 먹이와 일정한 일을 해야 먹을 수 있는 먹이를 주면 대부분 일이 필요한 먹이를 선택한다. 이는 소위 '공짜먹이외면'(contrafreeloading)으로 널리 알려진 현상이지만, 집고양이는 이런 경향을 보이지 않아 과학자들의 관심을 끌어왔다.

 집고양이는 쉽게 먹을 수 있는 먹이와 어떤 일을 해야 먹을 수 있는 '먹이퍼즐'로 먹이를 주면 주로 쉽게 먹을 수 있는 먹이를 선택한다. 하지만 고양이가 왜 다른 동물들과 달리 이런 행동하는지는 여전히 수수께끼로 남아 있다.

 미국 데이비스 캘리포니아대(UC 데이비스) 미켈 델가도 교수팀은 과학저널 '동물 인지'(Animal Cognition)에서 집고양이 17마리에게 먹이를 쟁반과 먹이퍼즐에 담아 주는 실험을 한 결과 대부분 쟁반의 먹이를 우선 선택해 더 많이 먹었고, 이런 경향은 각 개체의 활동성, 성별, 나이와 관계없이 같았다고 밝혔다.

 '공짜먹이외면'은 1963년 동물심리학자 글렌 젠슨이 쥐실험에서 처음 발견해 이름 붙인 현상으로, 먹이를 아무 노력 없이 먹을 수 있는 방식과 일정한 노력(발판을 일정한 횟수만큼 밟는 것)이 필요한 방식으로 주고 선택하게 할 경우 노력이 필요한 방식을 선호하는 것을 말한다.

 동물들의 이런 행동은 이후 다른 과학자들의 실험에서 설치류는 물론 어류와 조류, 영장류 등에서 모두 확인됐다. 하지만 유독 집고양이는 공짜 먹이를 선호하는 행동을 보여 관심을 끌어왔다.

 연구팀은 이 연구에서 나이와 성별, 활동성 등이 다양한 집고양이 17마리에게 활동 추적기를 부착한 뒤 먹이를 단순한 접시와 먹이퍼즐에 각각 담아 주고 이들의 행동과 움직임을 관찰했다.

 실험 대상 고양이는 나이 1~10살, 수컷 10마리, 암컷 7마리로 구성됐고, 6마리는 먹이퍼즐 사용 경험이 있었다.

 10차례에 걸친 실험에서 먹이가 제공됐을 때 고양이들이 처음부터 쟁반에 담긴 먹이를 선택한 것이 128번으로 전체의 75% 이상이었고 먹이퍼즐을 선택한 경우는 39회(23%)에 불과했다.

 8마리는 먹이퍼즐의 먹이를 아예 먹지 않았고, 5마리는 먹이퍼즐 먹이도 먹었으나 그 양은 쟁반 먹이를 먹은 양보다 훨씬 적었다. 쟁반 먹이보다 먹이퍼즐 먹이를 많이 먹은 것은 4마리뿐이었다.

 먹이퍼즐보다 쟁반을 선택하는 경향은 고양이의 나이와 성별, 먹이퍼즐 사용 경험 여부 등과 관계없이 비슷했으며, 활동성이 강한 개체들도 먹이퍼즐보다 쟁반의 먹이를 선호하는 것으로 나타났다.

 델가도 교수는 "고양이들이 먹이퍼즐을 사용하지 않은 것은 아니지만, 대부분 처음부터 먹이퍼즐보다 쟁반을 선택했고 쟁반에서 더 많은 음식을 먹고 더 많은 시간을 보냈다"고 말했다.

 하지만 고양이가 공짜 먹이를 선호하는 이유는 여전히 명확지 않다. 델가도 교수는 이 실험에 사용된 먹이퍼즐이 그들의 타고난 사냥행동을 자극하지 못했을 수도 있다고 말했다.

 그는 이어 "고양이가 먹이퍼즐을 (공짜먹이보다) 선호하지 않는다고 해서 그것을 좋아하지 않는다는 의미는 아니다"라며 이 연구 결과가 먹이퍼즐이 필요 없다는 식으로 받아들여져서는 안된다고 덧붙였다.


의료.병원,한방

더보기

학회.학술.건강

더보기
KAIST, '뇌를 닮은 AI' 개발…예측이 틀려도 한번 더 생각
한국과학기술원(KAIST)은 뇌인지과학과 이상완 교수 연구팀이 인간 뇌의 학습 원리를 딥러닝에 적용해 인공지능(AI) 모델도 안정적으로 학습시키는 새로운 기술을 개발했다고 1일 밝혔다. 우리 뇌는 현재 벌어지는 일을 단순히 인식하는 데 그치지 않고 '다음에 무슨 일이 일어날까'를 먼저 예측하고, 실제 결과가 다르면 그 차이를 줄이는 방향으로 스스로 수정한다. 바둑에서 상대의 다음 수를 예상했다가 빗나가면 전략을 바꾸는 것과 비슷하다. 이 같은 정보처리 방식을 '예측 부호화'라고 한다. 과학자들은 이 원리를 AI에 적용하려 했지만 신경망이 깊어질수록 오차가 특정 부위에 몰리거나 아예 사라져 성능이 떨어지는 문제가 반복되면서 어려움을 겪었다. 연구팀은 AI가 결과만 예측하는 것이 아니라 '예측 오차가 앞으로 어떻게 변할지'까지 다시 예측하도록 만들었다. 연구팀은 이를 '메타 예측'이라 설명하는데 '틀림을 한 번 더 생각하는 AI'를 말한다. 이 방식을 적용하면서 깊은 신경망에서도 학습이 멈추지 않고 안정적으로 진행됐다. 총 30가지 실험 중 29개에서 현재 AI의 표준 학습법인 '역전파'보다 높은 정확도를 기록했다고 연구팀은 설명했다. 역전파는 AI가 '틀린 만