기호의 경계를 넘나들며
현대 인공지능과 로봇공학의 발전은 인간의 고차원적인 행동과 의사결정을 모사하는 데 큰 진전을 보이고 있다. 특히 심층 신경망 기반의 강화학습(Deep Reinforcement Learning, DRL)은 과거의 제어 문제를 뛰어넘는 복잡한 행동을 구현하는 데 성공했다. 기존에는 게임이나 단순 작업을 수행하는 로봇에 유한 상태 기계(Finite State Machine, FSM)를 사용했지만, 최근에는 행동 트리(Behavior Tree, BT)가 널리 적용되고 있다. 이러한 변화는 기술의 진보와 더불어 복잡한 문제 해결에 대한 새로운 접근 방식을 제시한다.
심층 신경망 기반의 강화학습은 확실히 기존 제어 방식보다 더 많은 가능성을 제공한다. 실제 작업 현장에서도 이 기술이 적용되고 있으며, 이는 우리가 직면한 다양한 문제를 해결하는 데 유용하다. 그러나 심층 신경망의 복잡성과 학습 과정은 블랙박스처럼 작용하여 귀납 편향을 유발할 수 있다. 이러한 이유로 하위 기호적 시스템(Sub-symbolic 시스템, 인공 신경망)을 사용할 때 신중을 기해야 한다. 최근 Tesla의 자율 주행 기술과 관련된 인사 사고는 이러한 우려를 잘 보여준다. 여러 국가에서 관련 법안을 강화하고 있으며, 이는 인공지능의 안전성과 신뢰성을 높이는 데 중요한 역할을 하고 있다. 이와 같은 문제를 해결하기 위해 현대 기계는 더욱 반응적이고 모듈적인 월드 모델을 필요로 한다.
한편, 현대의 기계는 인간이나 동물의 반사신경에 비해 빠르거나 에너지 효율적이지 않다. 대부분의 기계는 단일 태스크에만 초점을 맞추고 있는 반면, 인간이나 동물은 훨씬 어렵고 복잡한 세상에서의 생존이라는 태스크를 해결하기 위해 다양한 기술을 갖추고 있다. 이처럼 반응적이고 모듈적인 월드 모델을 구축하면 복잡한 환경에서도 유연하게 대처하며 부분적인 수정도 쉬워진다. 진정한 자율 에이전트를 구현하기 위해서는 이러한 반응적이고 모듈적인 월드 모델이 구축될 필요가 있다. 이러한 반응적이고 모듈적인 월드 모델은 인간의 고차 인지 기능과 메타인지와도 밀접한 관련이 있다.
인간의 경우, 복잡한 심층 신경망이나 자기 지도된 월드 모델을 통해 언어와 세상에 대한 물리적 이해를 바탕으로 행동한다. 이러한 행동 양식은 종종 암묵적이거나 명시적으로 나타나며, 이를 거시적 수준에서 모사한다면 유한 상태 기계나 행동 트리로 간주할 수 있겠다. 예를 들어, Jurgen Schmidhuber는 Godel Machine을 제안하면서 의식의 핵심 능력이 내부 프로그램을 자체적으로 수정하고 더 나은 프로그램으로 발전해 나가는 능력임을 강조했다. 이를 통해 인간은 신경망이라는 하위 기호적 시스템으로부터 유용한 프로그램 내지는 상위 기호적 시스템(Symbolic 시스템)을 지속적으로 발전시키고 수정하는 능력을 지니고 있음을 알 수 있다. 최근 의식 연구에서도 대뇌의 고차 인지 기능과 메타인지에 초점을 두는 학파가 강세를 보이고 있다. 이는 인간의 고차적인 상위 기호적 시스템이 세상을 바라보는 방식(마음)과 학습에 따른 생물학적 재구성(두뇌), 실제 물리적 세상과의 상호작용 방식(행동)에 있어 고차원의 관점이 저차원의 관점에 지속적인 영향을 주고 있음을 다시 한 번 파악할 수 있다.
또한, 최면 현상이나 서브리미널 메시징 기법이 언어와 감각 정보를 통해 작동하는 것은 이러한 자체 수정 능력을 잘 보여주는 예다. 그러나 현재 심층 신경망에 담긴 하위 기호적 내용들이 상위 기호적 형태로 보여지는 기술이나 기법에 대한 논의는 많지 않다. 이는 인간의 경우에도 우리의 행동과 습관을 이해하고 그 안에 숨겨진 믿음과 잠재의식을 표현하는 방법이 성찰과 자기 평가를 통해서만 가능한 것과 유사하다. “믿음은 생각이 되고, 생각은 말이 되며, 말은 행동이 되고, 행동은 습관이 되고, 습관은 그 사람의 가치를 결정하고, 그 사람의 가치는 그 사람의 운명을 결정한다”는 유명한 말처럼, 우리의 운명과 가치를 변화시키기 위해서는 행동과 습관을, 그리고 이를 변화시키기 위해서는 믿음과 말을 변화시킬 필요가 있다. 예를 들어, 현재 연구 중인 몇 가지 접근 방식은 이러한 기술적 문제를 해결하기 위해 노력하고 있다.
결론적으로, 하위 기호적 시스템이 자체적으로 상위 기호적 행동 양식과 명확한 지침을 생성하고 수정하는 방법은 매우 중요한 질문이다. 또한, 이미 개발된 하위 기호적 시스템에 암묵적으로 저장된 행동 양식을 추출하고 평가하는 것도 필수적이다. 이 과정은 기술적으로 어려운 과제일 뿐만 아니라, 인공지능의 미래를 결정짓는 중요한 연구 분야다. 따라서, 현대 인공지능의 발전을 위해서는 하위 기호적 시스템과 상위 기호적 시스템 간의 상호작용을 깊이 있게 연구하고, 이를 통해 더욱 유연하고 효율적인 자율 에이전트를 개발하는 것이 필요하다. 우리는 이러한 복잡한 문제를 해결하기 위해 계속해서 노력해야 한다.
요약
현대 인공지능과 로봇공학은 인간의 고차원적인 행동과 의사결정을 모사하는 데 큰 진전을 이루었으며, 특히 심층 신경망 기반의 강화학습(DRL)은 복잡한 행동을 구현하는 데 성공했다. 기존의 유한 상태 기계(FSM)와 행동 트리(BT) 대신, DRL이 실제 작업 현장에서 유용하게 적용되고 있다. 그러나 심층 신경망의 복잡성과 귀납 편향으로 인해 하위 기호적 시스템(Sub-symbolic 시스템, 인공 신경망)을 사용할 때 신중을 기해야 한다. Tesla 자율 주행 기술 사고 사례는 이러한 우려를 잘 보여준다. 현대 기계는 인간이나 동물의 반사신경에 비해 빠르지 않고 에너지 효율적이지 않다. 대부분의 기계는 단일 태스크에 초점을 맞추고 있지만, 인간이나 동물은 복잡한 환경에서 유연하게 대처할 수 있는 반응적이고 모듈적인 월드 모델을 갖추고 있다. 진정한 자율 에이전트를 구현하기 위해서는 이러한 월드 모델이 필요하다. 인간은 복잡한 심층 신경망이나 자기 지도된 월드 모델을 통해 언어와 세상에 대한 물리적 이해를 바탕으로 행동한다. Jurgen Schmidhuber의 Godel Machine은 의식의 핵심 능력이 내부 프로그램을 자체적으로 수정하고 발전시키는 능력임을 강조한다. 최근 의식 연구는 고차 인지 기능과 메타인지에 초점을 두고 있으며, 이는 고차원의 관점이 저차원의 관점에 지속적인 영향을 미친다는 것을 보여준다. 최면 현상이나 서브리미널 메시징 기법은 언어와 감각 정보를 통해 작동하는 것으로, 자체 수정 능력을 잘 보여준다. 그러나 심층 신경망의 하위 기호적 내용들이 상위 기호적 형태로 보여지는 기술에 대한 논의는 부족하다. 이는 인간의 경우에도 성찰과 자기 평가를 통해서만 가능한 것과 유사하다. 결론적으로, 하위 기호적 시스템이 자체적으로 상위 기호적 행동 양식과 지침을 생성하고 수정하는 방법은 중요한 질문이다. 이미 개발된 하위 기호적 시스템의 행동 양식을 추출하고 평가하는 것도 필수적이다. 이러한 연구는 인공지능의 미래를 결정짓는 중요한 과제이며, 우리는 이를 해결하기 위해 계속 노력해야 한다.
Comments