달력

32024  이전 다음

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31

신경망은 갈수록 깊어지고, 정교화 되고, 복잡해지고, 자동화 되고 있습니다. 때론 과거에는 어떤 기초적인 논리가 있었는지 궁금할 때가 있습니다. 그래서 인공지능의 초기 연구에 인기가 있었던 논문들을 볼 수 있는 URL을 소개하겠습니다. 참고하시고 많은 발전을 이루시기 바랍니다. 저는 다행히 모든 다운로드를 받았지만, 종종 해당 사이트의 접근이 막힐 때도 있으니 참고하시길 바랍니다.

● Some Studies in Machine Learning Using the Game of Checkers.  스탠포드대의 아서 사무엘 교수가 1959년 발표한 논문 "체커 게임을 활용한 머신러닝에 관한 연구"가 머시러닝의 시초입니다.
http://www2.stat.duke.edu/~sayan/R_stuff/Datamatters.key/Data/samuel_1959_B-95.pdf
https://ieeexplore.ieee.org/document/5392560/authors#authors

논문 이미지


● COMPUTING MACHINERY AND INTELLIGENCE. 앨런 튜링의 유명한 튜링 테스트에 대한 논문입니다.
https://www.csee.umbc.edu/courses/471/papers/turing.pdf

논문 이미지

● The General and Logical Theory of Automata. 폰 노이만의 인공지능과 인공생명에 관한 초기연구에 관한 논문입니다.
https://www.vordenker.de/ggphilosophy/jvn_the-general-and-logical-theory-of-automata.pdf

논문 이미지

●Theory of Games and Economic Behavior. 1944년에는 오스카 모르겐슈테른(독일어: Oskar Morgenstern)과 함께 쓴 책 《게임 이론과 경제적 행동》입니다.
http://jmvidal.cse.sc.edu/library/neumann44a.pdf

책 이미지


  ● On computable numbers, with an application to the Entscheidungsproblem. 튜링의 계산가능한 수와 그것의 결정문제에 대한 적용에 관한 논문입니다. 계산 기계를 대표하는 가상의 장치를 만들고 automatic의 앞 글자 a를 따서 "a-기계"라는 이름을 제안합니다. 이것이 훗날 튜링 기계(튜링 머신)라고 불리게 됩니다.
https://www.cs.virginia.edu/~robins/Turing_Paper_1936.pdf

논문 이미지

● A PROPOSAL FOR THE DARTMOUTH SUMMER RESEARCH PROJECT ON ARTIFICIAL INTELLIGENCE. 논문이라기 보다는 다트머스 학회 제안서입니다. 
http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf

제안서 이미지

● A Logical calculus of ideas immanent in nervous activity. 초기 신경망 모델 중에서 잘 알려진 맥컬럭과 피츠가 제안한 뉴런 모델에 대한 논문입니다.
https://www.cs.cmu.edu/~./epxing/Class/10715/reading/McCulloch.and.Pitts.pdf

 

논문 이미지

● SINGLE UNIT ACTIVITY IN STRIATE CORTEX OF UNRESTRAINED CATS. 데이비드 헌터 후벨의 제한되지 않은 고양이의 선조피질에서의 단일 단위 활동에 관한 논문입니다. 
https://physoc.onlinelibrary.wiley.com/doi/pdf/10.1113/jphysiol.1959.sp006238

논문 이미지

●The Perceptron : A Perceiving and Recognizing Automation. 신경생물학자인 프랑크 로젠블랫의 퍼셉트론에 관한 논문입니다.
https://www.import.io/wp-content/uploads/2017/06/rosenblatt-1957.pdf

논문 이미지

Posted by 오드리공주될뻔
|

#2. 맥컬럭-피츠 모델 : 최초의 인공 뉴런 모델

이와같은 생물학적 뉴런의 작동원리를 기계에 접목한 최초의 인공 뉴런은 1943년 워렌 스터기스 맥컬록(워런 맥컬럭, 워런 멕컬로치, 혹은 워런 매컬럭으로도 표기)와 월터 피츠(Walter Pitts)가 처음 제안한 TLU(Threshold Logic Unit, 임계논리활성화 함수) 또는 Linear Threshold Unit(선형 임계값 게이트)이었습니다. 그들은 인간의 뇌를 닮은 기계회로를 설계합니다. 이 모델을 맥컬럭-피츠 모델(혹은 맥컬럭-피츠 뉴런, 혹은 맥컬럭-피츠 신경모형, McCulloch-Pitts Model 줄여서 MCP 모델)이라고도합니다. 그들은 인간의 두뇌를 on이나 off 상태를 나타내는 이진법 논리모델의 결합으로 설명했습니다.

 

워렌 스터기스 맥컬록(Warren Sturgis McCulloch, 1898년 11월 16일 ~ 1969년 9월 24일)은 미국의 신경 생리학자이자 사이버네틱스 전문가로 특정 뇌 이론의 기초와 사이버네틱스 운동에 기여한 것으로 알려져 있습니다. 월터 피츠(Walter Harry Pitts, Jr. : 1923년 ~ 1969년)는 컴퓨터 신경 과학 분야에서 일한 논리 학자였습니다. 월터 피츠의 일생은 영화 "Good Will Hunting(1997)"의 주인공 천재 청년의 일생과 내용이 유사합니다. MIT 청소부가 수학과 교수가 낸 교실 밖 복도에 난해한 문제를 풀면서 전개되는 이야기였습니다.

Warren Sturgis McCulloch
Walter Harry Pitts, Jr (오른쪽, 출처 : 영어 위키백과)

 

월터 피츠는 미국의 북부 도시 디트로이트의 가난한 가정에서 태어나서, 아버지에게 학대당하고, 동네 불량배에게 놀림 받는 등의 많은 괴롭힘을 받았습니다. 1935년, 그가 12살이었을 때 피츠는 자신을 괴롭히던 동네 불량배들을 피해 그 지역 도서관에 숨었고, 거기서 책 한 권을 집어 들어 읽기 시작했는데, 이 책이 바로 유명학 수학서인  "Principia Mathematica(수학 원리)"입니다. 월터 피츠는 3일 동안 도서관에서 거의 2,000페이지에 가까운 책의 내용을 전부 읽고, 몇 가지 오류를 발견했다.  책의 저자가 이 내용을 알아야 한다고 생각한 피츠는, 저자 러셀에게 오류를 상세하게 적어 편지를 보냈습니다. 여기서 인연이 되어,  어찌어찌해서 결국 신경과학자 워렌 맥컬록까지 만나게 됩니다. 피츠가 청소와 허드렛일을 하며 떠돌이 생활을 하고 있다는 것을 알게된 워렌 맥컬록은 자기 집에서 살 수 있도록 배려해줍니다.

그렇게 해서 두사람이 가까워지고, 결국 두 사람은 1943년에, 뉴런의 작용을 0과 1로 이루어진 2진법 논리모델로 설명하는 논문 ""A Logical Calculus of the Ideas Immanent in Nervous Activity(신경 활동에  내재된 아이디어의 논리적 미적분)"입니다.  이 논문은 인간의 생리학적인 신경망의 첫 번째 수학적 모델을 제안한 것 입니다. 이 모델의 단위인 간단하게 형식화된 인공 뉴런은 여전히 ​​신경망 분야에서 참조 표준입니다. 종종 이 모델을 맥컬럭-피츠 모델(줄여서 MCP 모델), 혹은 맥컬럭-피츠 뉴런(McCulloch–Pitts neuron)이라고합니다 . 각 신경세포(neuron)의 기능은 매우 단순하나, 이들이 상호 연결됨으로써 복잡한 계산을 수행하는 신경 시스템의 기초를 마련한 논문입니다.

신경 활동에 내재된 아이디어의 논리적 미적분(1943)

 

논문 본문 첫페이지의 붉은 색으로 테두리친 요약을 다음과 같은 내용입니다.

"신경 활동의 '전부 아니면 전무 (All-or-Nothing)' 적인 특성 때문에 신경계의 일과 그들 사이의 관계들은 명제논리(Propositional logic)로 취급된다. 모든 망의 행동은 이러한 관점에서 기술될 수 있다. ...중략... 어떠한 조건들을 만족시키려는 논리적 표현에 대하여, 우리는 그것이 기술하는 방법대로 행동하는 망을 찾을 수 있다." 

명제논리로 나타낸 맥컬록-피츠 모델

 

명제논리로 나타낸 맥컬록-피츠 모델은 출력 펄스를 보내기 위해 각 뉴런은 두 개의 흥분 입력을 받아야 하며 억제 입력은 없어야 하는 구조입니다. 후프로 끝나는 선은 억제 연결을 나타냅니다.  상기 이미지에서 점으로 끝나는 선은 흥분 연결을 나타냅니다. 뉴런의 활성화 비활성화에 따른 각종 연산을 처리할 수 있게 한 것입니다. 훗날 마빈 민스키는(Marvin Minsky)는 맥컬록-피츠 모델을 사용하여 AND, OR, NOT에 대한 세 가지 부울함수를 자신의 표기법으로 재해석하여 설명하기도 했습니다.

MCP의 마빈 민스키 표기법

 

그들은 뉴런의 오퍼레이션을 지배하는 5개의 가정을 하였고, 명제논리에 대해서는 논문 본문에 서술하였습니다. 5가지 가설은 다음과 같습니다.

1. 뉴런은 활성화되거나 혹은 활성화되지 않은 2 가지 상태이다. 즉, 뉴런의 활성화는 all-or-none 프로세스이다. 
(The activity of the neuron is an “all-or-none” process.)

2. 어떤 뉴런을 흥분되게 (excited) 하려면 2개 이상의 고정된 수의 시냅스가 일정한 시간내에 활성화 (activated) 되어야 한다. 
(A certain fixed number of synapses must be excited within the period of latent addition in order to excite a neuron at any time, and this number is independent of previous activity and position on the neuron.)

3. 신경 시스템에서 유일하게 의미있는 시간지연 (delay) 은 시냅스에서의 지연 (synaptic delay) 이다. 
(The only significant delay within the nervous sytem is synaptic delay.)

4. 어떠한 억제적인 (inhibitory) 시냅스는 그 시각의 뉴런의 활성화 (activation) 를 절대적으로 방지한다. 
(The activity of any inhibitory synapse absolutely prevents excitation of the neuron at that time.)

5. 신경망의 구조는 시간에 따라 변하지 않는다.
(The structure of the net does not change with time.)

 

맥컬럭과 피츠는 제안한 인공 뉴런 모형이 적절히 학습도 가능할 것이라고 언급했습니다. 맥컬럭-피츠 모델과 같은 단순한 인공 뉴런은 하나 이상의 신경 생리 학적 관찰을 반영하기위한 것이기 때문에 "caricature models(희화한 모델)"이라고도합니다. 또한 논문에서는 임계 값(threshold)에 의해서 처리하는 수학 알고리즘에 기초한 연산 모델을 만들었는데, 이 때문에 임계논리활성화 함수(Threshold Logic Unit, TLU) 또는 선형 임계값 게이트(linear threshold gate)라고도 알려져 있습니다. 어떻게 보면 TLU는 맥컬럭-피츠 모델의 특별한 타입의 하나입니다.

임계치를 넘는 뉴런에 대한 처리방법

이 알고리즘은 뇌의 생물학적 과정에 초점을 맞춘 접근 방식으로 향후 인공지능에서 신경망을 적용하는 데 기본적인 개념이 됩니다.  이를 현대적으로 재해석하면 다음과 같은 산식입니다.

인공 뉴런의 기본 구조 [출처 : 영어 위키백과]
결과치

한마디로 해석하면, k번째 뉴런의 출력(output)은 각각 입력과 그에 따른 가중치를 합친 값을 더하여, 그를 임계 함수화한 것입니다. 이는 앞에서 설명한 생물학적 뉴런과 마찬가지로 뉴런에 달려있는 각각의 수상돌기가 시냅스를 통해 자극을 전달받으면 그 값들의 합이 일정 조건이 되면 활성화되어 다른 뉴런으로 신호를 전달하게되는 구조입니다.

 

인공 뉴런은 사용되는 특정 모델에 따라 영어로는 "semilinear unit", "Nv neuron", "binary neuron", "linear threshold function", "McCulloch–Pitts(MCP) neuron"으로 달리 이름을 불리웁니다. 

 

월터 피츠는 결혼하지 않았습니다. 월터 피츠는 또한 그의 이름이 공개적으로 공개되는 것을 거부하는 괴짜로 묘사되었습니다. 그는 MIT에서 고급 학위나 권위있는 모든 제안을 거부했습니다. 월터 피츠는 1969년에 식도 정맥류 출혈로 사망했으며, 이는 일반적으로 간경변 및 알코올 중독과 관련된 질환입니다. 학대와 가난에서도 천재성을 발휘한 인물이 월터 피츠입니다.

 

1943년 이 논문이 발표된 이후15년 후에는 프랭크 로젠블랫(Frank Rosenblatt)의 퍼셉트론(1957년)이 나옵니다. 오늘날 각광받고 있는 딥러닝의 기원은 퍼셉트론과 함께 최초의 인공 뉴런의 시도인 맥컬럭-피츠 모델도 같이 취급하고 있습니다. 

물론 중간에 여러 연구가 있었지만, 크게 보면 오늘의 날의 딥 러닝은 맥컬럭-피츠 모델 --> 헵의규칙-->퍼셉트론 --> 인공 신경망 --> 딥 러닝 순으로 발전한 것입니다.

 

Copyright 2021. 『오드리공주될뻔 블로거』  All rights reserved.

Posted by 오드리공주될뻔
|

#1. 생물학적 뉴런의 작동 원리

여러분들은 인공지능을 공부하기 이전부터 이런 생각 안 해보셨나요? 인간의 두뇌를 닮은 컴퓨터를 만들면 편하겠다. 인공지능의 초기모델들이 바로 인간의 뇌의 작동원리에 대한 이해를 바탕으로 나옵니다. 바로 인공 뉴런(artificial neuron), 인공두뇌(artificial brain), 전자두뇌(electronic brain)에 대한 모델입니다.  우선 비슷한 용어들이 많이 나와서 사전과 위키백과를 중심으로 개념정리부터하고 들어가겠습니다.

 

인공 뉴런 유사 용어의 이해 [사전과 영어 위키백과를 기준으로 작성함] 

  • 전자두뇌 : electronic brain. (사전) 전자를 이용한 높은 정밀도의 기계류에서 그것을 조작하는 컴퓨터 따위의 중추. 계산이나 논리적 판단 따위의 기능을 갖는 컴퓨터를 뇌에 비유하여 이르는 말. 1950년대 퍼셉트론이 처음 등장했을때 이를 두고 Electronic "Brain"이라고 뉴욕타임즈가 헤드라인을 작성하기도 했음 

  • 인공두뇌 : artificial brain or artificial mind. (사전) 사람의 머리가 하는 활동과 비슷한 일을 하는 기계나 기구. 컴퓨터나 전자계산기 따위를 말함 
    (위키백과) 동물이나 인간의 두뇌와 유사한 인지 능력을 가진 소프트웨어 및 하드웨어

  • 인공 뉴런 : artificial neuron. (위키백과) 신경해부학적 사실을 토대로 하여 고안된 간단한 연산기능만을 갖는 처리기. 인공 뉴런은 신경망 인 생물학적 뉴런의 모델로 생각되는 수학적 함수. 인공 뉴런은 인공 신경망의 기본 단위

  • 인공 신경망 : artificial neural network(약어 ANN). 인공 신경망은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘. 인공 신경망은 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 가리킴


뇌의 구성요소 간의 개념 차이

 

일단 최초의 인공 뉴런에 대해서 알려면, 뇌와 신경세포(뉴런)에 대한 기본적 이해를 해야합니다. 인간의 경우 성인의 뇌 무게는 약 1,400g ~ 1,600g 정도(어떤 곳에서는 평균적으로 1.2 ~ 1.4kg 가량으로 표시함. 성인 몸무게 60kg ~ 70kg을 기준으로 신체의 2% 정도의 중량)입니다. 사람의 뇌는 대뇌, 소뇌, 뇌간의 3부분으로 구분됩니다. 대뇌는 감각과 수의 운동의 중추일 뿐만 아니라 기억이나 판단 등 정신활동의 중추입니다. 대뇌의 바깥층은 뉴런의 신경세포체가 모여 회색을 띠고 있어 회백질이라 불리고 안쪽 층은 신경섬유가 모여 있고 흰색을 띠고 있어 백질이라 불립니다. 물론 뉴런은 뇌간에도 있습니다. 뉴런(neuron)은 뇌의 구성 요소로써 신경계를 구성하는 세포입니다. 뉴런은 신경 계통의 구조적ㆍ기능적 단위입니다. 다른 말로는 "신경 세포" 혹은 "신경원"이라고도 합니다.  

 

인간의 두뇌와 두개골 [출처 : 영어 위키백과]

 

뉴런(신경세포)

 

사람의 뇌는 출생 시 600억 ~ 1,000억 개의 뉴런이 만들어져 있고(성인 기준으로 통상 1000억 개), 뇌에는 수 많은 뇌세포들이 존재하는데 이 중 약 10% 정도는 뉴런이 차지합니다. 뉴런에는 감각 뉴런(혹은 구심성 뉴런, Sensory Neuron), 연합 뉴런(혹은 중간 뉴런, Interneuron), 운동 뉴런(혹은 원심성 뉴런, Motor Neuron) 이렇게 크게 세 가지 종류가 있는데, 겉모습과 역할에 따라 분류합니다. 

뇌와 척수는 연합 뉴런으로 이루어져 자극의 처리와 가공을 담당하므로 중추신경계로 분류합니다. 뇌는 움직임, 행동 대부분을 관장하고, 신체 항상성을 유지하며 인지, 감정, 기억, 학습 등을 담당합니다. 뇌 활동은 목표에 도달하기 위해 서로 연결된 뉴런의 상호 연결에 의해 가능합니다. 연결된 뉴런의 그룹을 "신경 회로(neural circuit)"라고 합니다. 뇌에 기억이 저장되는 방식에 대해서는 여전히 연구가 진행 중이지만, 대부분의 연구자들이 추정하기로는 '뇌세포 간의 연결 상태가 바로 기억입니다'라고 합니다.  뇌가 크다고 지능이 높은 것은 아니며, 신경회로의 설계가 더 큰 영향을 준다는 것이 대체적인 중론입니다. 


뉴런은 시냅스라는 특수 연결을 통해 다른 세포와 통신하는 전기적으로 흥분 할 수 있는 세포입니다. 전형적인 뉴런은 세포체, 수상돌기 및 단일 축삭으로 구성 됩니다. 수상돌기는 다른 뉴런의 축삭 말단에서 신호 형태로 정보를 받는 광범위한 가지입니다. 뉴런과 뉴런은 "시냅스(synapse)"라는 특수한 구조를 통해서 신경전달을 매개하게 됩니다. 시냅스(synapse)는 "연접", 혹은 "신경 접합부"라고도 말합니다. 하나의 뉴런의 축삭돌기의 말단(축삭 말단)과 다른 뉴런의 수상돌기가 만나는 곳으로, 뉴런과 뉴런 사이의 접합하는 부위를 말합니다. 시냅스는 뉴런들이 전기적(Electrical) 또는 화학적(Chemical) 신호를 서로 주고 받으며 흥분이 전달되는 구조적 장소라고 볼 수 있습니다. 각각의 뉴런은 다른 뉴런과 약 1천 개 ~ 1만 개의 시냅스를 형성하여 다중 연결구조를 형성합니다. 따라서 수 백조 이상(어떤 곳에서는 10의 16승, "경" 단위 수준으로 이야기 함)의 시냅스가 포함됩니다.

신경 전달 물질을 포함하는시냅스 소포체(혹은 소포, 소낭) [출처 : 영어 위키백과]
시냅스를 통한 뉴런 간의 신호전달

 

생물학적 뉴런의 작동 원리를 살펴보겠습니다. 신경전달은 하나의 뉴런에서 전기신호가 발생하면 뉴런 말단에 빠르게 도달하여 신경전달물질을 분비하게 되는데 이 분비된 신경전달물질은 다른 뉴런에 존재하는 수용체에 결합하여 화학신호를 전달하게 됩니다. 이러한 과정을 통해서 시냅스에서 신경전달이 발생합니다.

기본적으로 뉴런의 안과 밖에는 칼륨 이온과 나트륨 이온이 있습니다. 뉴런은 쉬고 있을 때(휴지상태) 일정 강도 이상의 입력 신호가 발생하면(즉 수상돌기에서 받은 가중치 합계가 임계 값 제한보다 크면) 뉴런이 활동합니다. 그렇지 않으면 휴식 상태로 유지됩니다. 뉴런의 상태 (켜짐 또는 꺼짐)는 축삭을 통해 전파되고 시냅스를 통해 연결된 다른 뉴런으로 전달됩니다. 일정 강도 이상의 신호는 신경세포체에서 축삭으로 넘어가는 곳에서 이온들이 몰려와 급격한 전위차로 발생시킵니다.  이 전위차를 감지해 이온이 교환되어 활동 전위가 생깁니다.  즉 전기 신호가 발생하고, 이런 식으로 말단까지 전위가 전달되면 말단 안의 작은 알 같은 소포체(vesicle)들이  끝쪽으로 붙어 터지면서 신경전달물질이 시냅스 틈(synaptic cleft)으로 방출됩니다.  시냅스 사이로는 전기차를 전달할 센서가 없기에 화학적인 형태인 신경전달물질로 신호를 보냅니다. 이 신경전달물질을 다른 뉴런이 수상돌기를 통해 받아들이면 다음 뉴런으로 신호가 전달되는 것입니다. (입력 신호 --> 뉴런 자극 --> 전위차 --> 전기 신호  --> 시냅스를 통한 출력 전달)

뉴런은 이와같이 시냅스에서 연결되어 신경 경로, 신경 회로로 크고 정교한 네트워크 시스템을 형성합니다. 뇌 및 신경계는 많은 수의 뉴런이 만든 네트워크(network)이라고도 볼 수 있습니다. 뇌가 감각기관을 통해 환경을 경험하며 만들어가는 방법으로 출생 후부터 사춘기까지 출생 시 가지고 태어나는 미성숙한 뇌의 활발한 변화를 통해 신경 네트워크가 변하는 것입니다. 이때 자주 사용하는 신경세포들은 신경회로의 결합이 활발하게 일어나는 반면 자주 사용하지 않는 신경세포는 점차 그 회로 결합이 적어지게 됩니다.

Copyright 2021. 『오드리공주될뻔 블로거』  All rights reserved.


지능 지수 만평

Posted by 오드리공주될뻔
|

인공지능을 한마디로 정의하기 어려운 것은 “지능”을 정의하기가 어렵기 때문입니다. 지난번 앨런 튜링이 기계가 지능이 있다고 판단하는 방법으로 튜링 테스트(Turing Test)를 소개해드렸는데, 오늘은 그에 대한 반박 논리로 나온 “중국어 방(중국인 방 혹은 중국어 방 논증, Chinese room or Chinese room argument)”에 대해 설명해드리겠습니다. (튜링 테스트는 지난번 글인 "#2. 새로 나오는 50파운드 영국 지폐(1)"을 참고하시길 바랍니다.) 한마디로 기계가 사람의 행동을 모방해서 사람과 같은 행동과 답을 낸다고 과연 지능을 판별 할 수 있느냐의 문제입니다. 일종의 철학적 주장입니다.

인간을 모방하는 인공지능

 

중국어 방은 존 설(John Rogers Searle, 1932~ )이 튜링 테스트로 기계의 인공지능 여부를 판정할 수 없다는 것을 논증하기 위해 고안한 사고실험입니다. 존 설은 미국 철학자이면서, 버클리 캘리포니아 대학교 대학원 교수였지만, 문제가 있어 UC Berkeley에서 명예를 박탈당했습니다. 그의 주목할 만한 개념에는 강한 인공지능에 대한 중국어 방의 주장이 포함됩니다. 중국어 방은 Behavioral and Brain Sciences(행동과 뇌 과학지 미국에서 캠브리지 대학 출판부가 발간되는 뇌 과학 학술지)에 실린 존 설의 1980년 논문인 "Minds, Brains, and Programs"에서 소개되었습니다. 이 논문은 결국 저널의 "가장 영향력 있는 표적 기사"가 되었고, 이후 수십 년 동안 엄청난 수의 논평과 반응을 낳았으며 존 설은 계속해서 많은 논문, 인기 기사 및 책에서 논쟁을 옹호하고 다듬었습니다.

존 설의 중국어 방관련 논문 표지

 

그가 제안한 중국어 방의 사고 실험 개념은 이렇습니다. 어느 방에 중국어를 한 자도 이해하지 못하는 중국어 모르는 사람을 집어넣고, 중국어로 된 질문 목록과 그에 대한 중국어 대답이 적힌 목록 및 필기도구를 넣어 둡니다. 중국인 심사관이 그 방 안으로 중국어 질문을 써서 넣는다면 안의 사람은 중국어를 전혀 할 줄 모르지만 목록을 따라 그에 대한 대답을 중국어로 써서 심사관에게 건네줄 수 있습니다. 밖의 사람의 입장에서는 안의 사람은 중국어를 할 줄 아는 것으로 보이지만 실제로 안의 사람은 중국어를 전혀 모르고, 질문 및 대답도 전혀 이해하지 못하는 상태이다. 즉 중국어 문답을 완벽히 한다고 해도 안의 사람이 중국어를 진짜로 이해하는지는 알 수 없습니다.

 

존 설의 중국어 방 만화 이미지

 

따라서 지능이 있어서 질문 답변을 수행할 수 있는 기계나 컴퓨터가 있어도 그것이 지능을 가졌는지는 튜링 테스트로는 판정할 수 없다는 주장입니다. 즉, 기계나 컴퓨터가 지능을 가졌는지 판단하는 튜링 테스트의 답변이 과연 지능을 가지고 하는 것인지 아니면 단순히 저장된 답변을 하는 것인지 알 수 없다는 주장입니다. 컴퓨터가 중국어를 이해하는 것인지단순히 중국어를 이해하는 능력을 모방한 것인지에 대한 의문이 생기고앞의 것을 강한 인공지능뒤에 것을 약한 인공지능으로 생각하고강한 인공지능에 대한 반박을 한 것입니다.

존 설의 논증

존 설은 "이해(understanding)" 또는 "고의성(intentionality)" 없이는 기계가 "생각(thinking)"하고 있다고 설명 할 수 없으며, 그것은 생각하지 않기 때문에 일반적인 단어의 의미와 같은 "마음(mind)"이 없다고 주장합니다. (음, 심오한 철학적 관점의 생각이네요!) 그의 주장은 컴퓨터 프로그램이 아무리 발달한다고 해도 그것은 형식적이고 구문론적이므로, 중국어를 이해하는 즉, 의미론을 포함하는 인간의 마음과 같이 될 수 없음을 함축하고 있습니다. 따라서 강한 인공지능이 잘못되었다고 주장합니다.

 

존 설의 주장에 대해 여러가지 반론이 있는데, 그 중의 하나가 시스템적 관점에서의 반론입니다.  만일 중국어 방에서 완벽한 중국어가 나온다면, 그 과정이 무엇이 되었든 간에 그것은 하나의 "시스템"이며, 곧 시스템 단위로 봤을 때는 중국어를 할 줄 안다고 봐야 한다는 것입니다. 한 예로 애플사의 시리(Siri)는 본질적으로는 미리 학습되어 저장된 데이터를 통해서 입력된 문장을 분석하고 적당한 문장을 출력하는 '중국인 방 이론'에 의해 프로그램 되어 있지만많은 사람들은 시리가 아주 훌륭한 인공지능의 예시라고 생각합니다.

 

현재 중국인 방의 반론과 재반론 속에 이에 문제는 일종의 교착상태에 가깝다고 볼 수 있습니다. 그리고 일반적으로 존 설의 주장은 인공지능 연구의 문제로 간주되지 않습니다. 컴퓨터 과학에서는 중국의 방 주장은 주로 마음 철학(philosophy of mind)의 주장이며, 주요 컴퓨터 과학자와 인공 지능 연구자들은 모두 자신의 분야와 관련이 없다고 생각합니다.

 

사실 우리가 현재 쓰고 있는 많은 인공지능 프로그램들은 인간의 언어를 이해하고 있든지 말든지 상관없습니다. 그저 엉뚱한 답변 없이, 오류 없이, 잘 알아듣고, 잘 대답하고, 잘 행동하면 되는 것입니다.


존 설의 중국인 방과 유사한 관점의 사고 실험이 그 이전에도 있었습니다. 인구가 많은 중국의 전체 인구를 뇌 시뮬레이션에 참여하는 상상의 사고 실험입니다. 이 사고 실험을 중국 두뇌(China brain) , "중국 국가(Chinese Nation)"또는 "중국 체육관(Chinese Gym)"이라고도합니다. 이 사고 실험의 시나리오의 초기 버전은 1961년 Anatoly Dneprov, 1974년 Lawrence Davis, 1978 년 Ned Block에 의해 제출되었습니다.

 

중국 두뇌 사고 실험은 중국 국가의 각 구성원이 뇌의 뉴런을 연결하는 축삭과 수상 돌기를 시뮬레이션하기 위한 것입니다. 이는 중국 전체가 단일 두뇌의 작동을 시뮬레이션 하도록 가정한 것입니다. 각 구성원들이 전화나 워키토키를 사용하여 두뇌에서 하나의 뉴런의 동작을 시뮬레이션 하도록 요청하면 어떤 일이 일어날지 고려합니다.  각 중국인은 뉴런 역할을 하며 다른 사람들과 양방향으로 통신합니다. 중국 두뇌의 현재 정신 상태는 중국 어디에서나 볼 수있는 위성에 표시됩니다. 그런 다음 중국의 두뇌는 라디오를 통해 뇌의 감각 입력과 행동 출력을 제공하는 신체에 연결됩니다. 따라서 중국의 두뇌는 다른 정신 상태와 인과적으로 연결된 감각 입력, 행동 출력 및 내부 정신 상태와 같은 정신 기능 설명의 모든 요소를 ​​보유합니다. 이 배열이 두뇌가 하는 것처럼 같은 방식으로 마음이나 의식을 가지는 것일까요?

 

기능주의에 따르면, 중국 두뇌와 같은 식으로 행동하도록 만들 수 있다면 그 시스템은 마음을 가질 것 입니다. 그러나  그와 같은 배열이 생각과 감정을 가질 수 있는 마음을 만들 수 있다고 생각하는 것이 얼마나 비직관적인지를 보여주는 것입니다. 이런 관점에서 찬반 논의를 일으킨 것이 바로 중국 두뇌(China brain)이였습니다.

중국 두뇌 이미지 [출처 : 영어 위키백과]

 


 

중국어 방이나 중국 두뇌 모두 컴퓨터 구현관점에서 보면 쓸모없는 논쟁이라고도 할 수 있으나, 한번쯤은 생각해볼만한 논의였습니다. 우리가 인공지능을 공부하면서 때때로 다른 관점에서 생각해본다는 것이 좋은 것 같습니다.

Copyright 2021. 『오드리공주될뻔 블로거』  All rights reserved.


역술가 이미지

Posted by 오드리공주될뻔
|