어려서 카드홀짝 우리는 숫자에는 짝수도 있고 홀수도 있다는 것을 배웁니다. 그리고 숫자를 짝수와 홀수로 분류하는 방법은 여러 가지가 있습니다.​1, 3, 5, 7, 9로 끝나는 숫자는 홀수이고 0, 2, 4, 6, 8로 끝나는 숫자는 짝수라는 규칙을 기억할 수 있습니다. 또는 숫자를 2로 나눌 수 있습니다. 나눈 결과가 정수이면 숫자가 짝수임을 의미하고, 그렇지 않으면 홀수입니다.​유사하게, 실제 세계의 대상을 다룰 때도 짝짓기를 사용할 수 있습니다. 짝을 이루지 않은 요소가 남아 있으면 개체 수가 홀수임을 의미합니다.​지금까지 홀짝성(parity) 분류라고도 하는 홀수 및 짝수 분류는 인간이 아닌 동물에서 한 번도 발견되지 않았습니다. 그런데 4월 29일 자 Frontiers in Ecology and Evolution 저널에 꿀벌이 홀짝성 분류를 카드홀짝 하는 방법을 배울 수 있다는 연구 결과가 발표되었습니다.​꿀벌에게 홀짝 테스트를 시켜보았다.​홀짝성 분류가 특별한 이유는?홀수 및 짝수 분류와 같은 홀짝성 작업은 인간의 추상적이고 높은 수준의 숫자 개념으로 간주됩니다.​흥미롭게도 인간은 숫자를 홀수 또는 짝수로 분류할 때 정확성, 속도, 언어 및 공간 관계 편향을 보여줍니다. 예를 들어, 우리는 오른손으로 하는 동작으로 짝수에 더 빨리 반응하고 왼손으로 수행하는 동작으로 홀수에 더 빨리 반응하는 경향이 있습니다.​또한 숫자를 홀수와 짝수로 분류할 때 더 빠르고 정확합니다. 그리고 연구에 따르면 아이들은 일반적으로 짝수라는 단어를 오른쪽과 연관시키고 홀수를 왼쪽과 연관시킵니다.​이러한 연구는 인간에게 홀수 및 짝수에 대한 학습된 편향성 및/또는 타고난 편향성이 있음을 시사하며, 이는 진화나 문화적 카드홀짝 전수 또는 이 둘의 조합을 통해 발생할 수 있습니다.​홀짝성이 수학에서 사용되는 것 이상의 중요한 이유는 명확하지 않으므로 이러한 편향의 기원은 불분명합니다. 다른 동물이 홀수와 짝수를 인식할 수 있는지(또는 인식하는 방법을 배울 수 있는지) 이해하면 홀짝성과 관련된 우리 자신의 역사에 대해서도 알 수 있을 것입니다.​홀짝을 배우도록 꿀벌 훈련시키기연구에 따르면 꿀벌은 수량을 정렬하고, 간단한 덧셈과 뺄셈을 수행하고, 기호를 수량과 매치시키고, 크기와 숫자 개념을 연관시키는 법을 배울 수 있습니다.​꿀벌에게 홀짝성 작업을 가르치기 위해 개체들을 두 그룹으로 나눴습니다. 하나는 짝수를 설탕물과 연관시키고 홀수를 쓴맛이 나는 액체(퀴닌)와 연관시키도록 훈련되었습니다. 다른 그룹은 홀수를 설탕물과 연관시키고 짝수를 퀴닌과 연관시키도록 훈련되었습니다.​40가지 이상의 선택지 종류에서 '짝수'자극을 카드홀짝 보상과 연관시키는 훈련을 꿀벌에게 시켰습니다. © Scarlett Howard​연구팀은 80%의 정확도로 정답을 선택할 때까지 홀수와 짝수의 비교(1-10개의 도형이 인쇄된 카드들로)를 이용하여 개별 꿀벌을 훈련했습니다.​놀랍게도, 각 그룹은 다른 속도로 학습했습니다. 홀수와 설탕물을 연관시키도록 훈련된 꿀벌은 더 빨리 학습했습니다. 홀수에 대한 학습 편향은 짝수를 더 빨리 분류하는 인간과 정반대였습니다.​꿀벌이 실험 중에 설탕물을 마시기 위해 플랫폼에 착륙했습니다. © Scarlett Howard​그런 다음 훈련 중에 표시되지 않은 새로운 숫자로 각 벌을 테스트했습니다. 인상적이게도 그들은 11개 또는 12개 요소의 새로운 숫자를 약 70%의 정확도로 홀수 또는 짝수로 분류했습니다.​이 결과는 꿀벌의 미니어처 두뇌가 홀수와 짝수의 개념을 이해할 수 있음을 보여주는 것입니다. 따라서 860억 개의 뉴런으로 카드홀짝 구성된 크고 복잡한 인간의 뇌와 약 960,000개의 뉴런이 있는 작은 곤충 뇌는 모두 홀짝성 별로 숫자를 분류할 수 있습니다.​이것은 홀짝성 작업이 이전에 생각했던 것보다 덜 복잡하다는 것을 의미할까요? 답을 찾기 위해 우리는 생체에서 영감을 받은 기술로 눈을 돌렸습니다.​연구팀은 일군의 꿀벌이 짝수를 선택하도록 훈련했습니다. 이 비디오에서 꿀벌이 화면의 각 카드를 검사한 후 도형이 12개로 짝수인 카드를 올바르게 선택하는 것을 볼 수 있습니다.​간단한 인공 신경망 만들기인공 신경망은 기계 학습을 위해 개발된 최초의 학습 알고리즘 중 하나입니다. 생물학적 뉴런에서 영감을 받은 이 네트워크는 확장 가능(scalable)하며 명제 논리를 사용하여 복잡한 인식 및 분류 작업을 처리할 수 있습니다.​홀짝성 테스트를 수행하기 위해 단 카드홀짝 5개의 뉴런으로 간단한 인공 신경망을 구성했습니다. 여기에 0에서 40 펄스 사이의 네트워크 신호를 제공했으며 이를 신경망은 홀수 또는 짝수로 분류했습니다. 단순함에도 불구하고 신경망은 펄스 수를 100% 정확도로 홀수 또는 짝수로 올바르게 분류했습니다.​이것은 원칙적으로 홀짝성 분류가 인간과 같은 크고 복잡한 뇌를 필요로 하지 않는다는 것을 보여주었습니다. 그러나 이것이 반드시 꿀벌과 간단한 신경망이 동일한 메커니즘을 사용하여 작업을 해결한다는 의미는 아닙니다.​단순? 복잡?우리는 꿀벌이 어떻게 홀짝성 작업을 수행할 수 있었는지 아직 모릅니다. 설명은 단순한 것일 수도 복잡한 것일 수도 있습니다. 예를 들어 꿀벌은 다음의 방식들을 쓸 수 있습니다.​1. 짝을 이루지 않은 요소를 찾기 위해 짝을 짓기2. 부분 구역 계산 수행 – 카드홀짝 이전에 벌이 본 적이 없는 부분 구역을 활용해서3. 각 요소를 세고 홀수/짝수 분류 규칙을 총 수량에 적용​다른 동물 종에게 홀수와 짝수를 구별하도록 가르치고 다른 추상 수학을 수행시킴으로써 우리는 수학과 추상적 사고가 인간에게 어떻게 나타났는지 더 많이 배울 수 있습니다.​수학을 발견하는 것은 지능의 불가피한 결과일까요? 아니면 수학이 어떻게든 인간의 두뇌와 연결되어 있는 것일까요? 인간과 다른 동물의 차이점은 이전에 생각했던 것보다 작을까요? 아마도 우리가 제대로 경청한다면 이러한 지적 통찰을 얻을 수 있을 것입니다.​- Jo Adetunji, The Conversation​▷ 기사 원문 및 논문 링크​The miniature brains of honeybees were able to understand the concepts of odd and even, despite only having 카드홀짝 960,000 neurons (compared to 86 billion in humans).A frequent question as technology improves and becomes increasingly complex, is how we enable technological solutions and models inspired by biological systems. Creating technology based on humans is challenging and costly as human brains and cognition are complex. The honeybee has emerged as a valu...▷ 네이버 과학 관련 포스트 더 보기​1963년에 헤르베르트 헤란(Herbert Heran)이라는 오스트리아 곤충학자와 독일 행동 과학자인 마르틴 린다...[BY 전파과학사] 동서양을 막론하고 꿀벌을 키우는 양봉가들은 벌통에 장수말벌(Asian giant hornet)이 ...naver.me[BY 전파과학사] (A large group of trained bees clustered on a sunflower. Credit: Walter Farina) (...naver.me▷ 재미있는 과학 이야기 카드홀짝 동영상으로 보기​​​