인공지능에 대해 나만 몰랐던 이야기.. 계간 과학사상 1999 여름, ‘인지과학과 인공지능’, 김기현(서울시립대 교수, 철학)중 발췌하여 제가 임의로 편집&요약함.

흥미있는 이야기가 있어서 올리는 것이고, 연재같은거 안함 -_-; 혼자 이것저것 찾아 읽기도 벅참.

이글은 학교 도서관 홈페이지에서 검색하면 나옴.. 그런데 참으로 원츄~! 임 ^^; 음.. 철학과 교수님의 글을 통해 AI에 대한 통찰을 얻게 되다니 무지 재밌음.. 재미있는말(symbol crunching view – 기호 바스러뜨리는 견해 : 고전적 AI를 지칭하는 용어)도 나오고..

————————

1. 마음의 본성과 물리 현상의 차이점
– consciousness, intentionality, intelligence는 마음에서만 찾을 수 있다.
– 현재의 인공지능은, 사람의 마음에서 나타나는 현상과 마음의 작용을 물리적으로 해명하고자하는 분야이다. 그중 컴퓨터 공학은 intelligence에 집중한다.

-> 즉, consciousness, intentionality는 애초부터 현재의 AI에서는 배제된거나 마찬가지이다. – 알고 있었수들?

2. 인공지능의 분류
– 기술 공학적인 관점 : AI = 보조장치
– 사람의 마음에 대한 이해로 보는 관점 : AI = 마음을 이해하는 도구이며 그 자체가 마음.

-> 현대의 인공지능은 단순한 기술공학적 관심을 넘어서 사람의 지능에 대한 모델을 제시하고 있다.

3. 인공지능의 기본전제
1) 인지 = problem solving ability : 기계는 인지가 없으니 당연.
2) AI는 representationalism을 수용한다. : 인공지능은 단서(표상)으로부터 결론(표상)을 이끌어내며 이것이 인공지능의 주류이다.

인공지능의 기본 전제에서 벗어나는 생각들

– 제거주의 : 내부적 표상이 없는 더 강력한 인지에 대한 이론을 제시함.
-> 누구 이것이 무엇인지 상세하게 아는사람? 더 찾아보고 싶지는 않지만 흥미가 가는 것은 사실..

– situated robotics : 감각 운동을 포괄하는 전체 체계를 구성하고 이를 자체적으로 환경에 적응토록 함. 이에 반대되는 방식은 시각, 계획, 운동 등 각각에 대응하는 프로그램을 개발한 뒤 이를 조합하는 방식으로 인지체계를 구성하는 방법.

-> 둘간의 차이는? synthetic인지 reduction인지의 차이인것일까??? 역시 한번에는 잘 모르겠음..

4. 인공지능의 두 조류

McCulloch, Pitts의 논문 – “A logical calculus of the ideas immanent in Nervous Activity” => Von Neumann’s digital computer => classical AI => connectionism.

두 조류는 바로 classical AI와 connectionism. 그리고 wff는 이 classical AI에서의 핵심.

-> 지난 학기는 wff같은 명제같은 부분을 가볍게 다루고 다른 부분들을 AI수업시간에 가르쳤다는데 그럼 무엇을 배웠단 말일까 궁금해짐…

5. Classical AI
1) 인지과정이 sequential 하다 : 한번에 하나의 rule을 적용
2) 인지상태의 구성적 구조 : 믿음의 물리적 구조가 구성성분으로 서로 참여. 심리는 문장들의 논리적 결합에 대응하는 방식으로 단순한 심리상태에서 복합적 심리상태로 부분-전체의 관련을 통하여 구성된다고 봄
3) 인지는 통사적 성질에 의한 인지과정
4) 사고 언어 가설과 통사가 운전하는 의미론적 엔진 : syntax drvien symantic engine

5.1. Classical AI 의 implications
1) 비생물학적 마음관
2) 인지의 규명 : the level of computation(뭐하는 계산?)->the algorithm->the implementation

6. connectionism : neural network theory가 이것임
1) 두가지 전제 : ㄱ. 사람의 두뇌는 뉴런으로 구성되어있고 뉴런이 제각기 영향을 주고 받는다. ㄴ. 불의 관념과 연기의 관념이 함께 가듯, 인지는 관념의 연속된 발생으로 인한 것.
2) neural network의 기초는 다들 아시다시피 .. 입력/은닉/출력의 세가지 층이고 내부적으로는 미분방정식..

6.1. Implications
1) 기계론적 계산
2) 연결도를 통한 정보의 저장

7. 논쟁
정리하자면 발전순서는 classical AI => neural network인데, 그 이유는 classical AI가 그동안 고수준의 문제를 잘 풀어왔으나 저수준의 문제(vision등)에서 실패함으로써 neural network으로 옮아옴.

재미있는 한가지 이야기.

연결주의가 사람의 인지구조에 대한 신경계 차원에서의 모델이라고 보기 어렵다.

그 자신 연결주의자인 스몰렌스키는 다음과 같이 말한다.

연결주의 접근법에서 모색되는 인지의 원칙을 신경적 차원에서의 원칙으로 보지 ‘않는’ 것이 더 낫다. 물론 연결주의의 적절한 대우(PTC: proper treatment of connectionism)에서 채택되는 분석적 차원은 전통적인 기호적 패러다임의 차원보다는 저층이다. 그러나 현재로서는 PTC의 차원은 신경적 차원보다 기호적 패러다임에 더 명시적으로 연결되어있다.

연결주의자들은 사람의 뇌와의 외형적 유사성이 아닌, 사람의 인지 작동과 연결주의 체계의 작동사이에 있는 유사성에 주목한다.

연결주의는 또한, 병렬적 정보처리를 가능케한다. 고전적 AI는 기본적으로 단선적(sequential)처리이다.