NewsPeppermint

퓰리처 상을 받은 “괴델, 에셔, 바흐”의 저자 더글라스 호프스태터는 오늘날 인공지능으로 가장 주목받고 있는 왓슨과 시리는 진정한 인공지능이 아니라고 말합니다. 파퓰러 메카닉스는 이 문제에 대해 그와 인터뷰를 가졌습니다.

Q: 왜 당신은 퀴즈쇼 제퍼디에서 사람을 이겼던 IBM 의 왓슨이 인공지능이 아니라고 생각하나요?

A: 물론 인공지능이란 단어에 분명한 정의가 있지는 않습니다. 겉으로 보기에 지능이 필요한 것으로 보이는 일, 예를 들어 체스라든지, 번역을 하는 것을 인공지능에 포함한다면 우리는 이미 많은 인공지능을 만들었습니다. 그러나 진정한 인공지능은 생각을 할 수 있어야 한다고 – 물론 이것도 정확한 표현은 아닙니다만 – 말할 수도 있습니다. 왓슨은 기본적으로 구글 검색처럼 텍스트 검색 알고리듬과 데이터베이스가 결합된 프로그램입니다. 왓슨은 자신이 읽는 것을 이해하지 않습니다. 사실 읽는다는 표현도 틀린 것입니다. 왓슨은 어떤 것의 의미도 알 수 없기 때문에 무언가를 읽는다고 말할 수 없습니다. 왓슨은 내용의 의미를 알지 못한 채 텍스트를 찾고, 그런 의미에서 나는 왓슨이 지능을 가지고 있다고 생각하지 않습니다.

Q: 그 말은 왓슨과 같은식으로 인공지능에 접근해서는 별로 얻을 것이 많지 않다고 생각한다는 뜻인가요?

A: 그렇게 단정적으로 예상할 수는 없습니다. 단지, 나는 몇년 동안 구글번역이 어떻게 바뀌는지를 봐 왔습니다. 구글 번역은 컴퓨터가 빨라지고 자료가 축적되면서, 그리고 더 뛰어난 알고리듬이 개발되면서 점점 나아지고 있습니다. 그러나 아직도 이 프로그램은 엉뚱한 번역을 종종 내어놓고, 나는 이들이 실제로 무언가를 이해하고 있는지에 대해서는 별로 바뀐게 없다고 생각합니다. 그리고 진정한 번역은 무엇이 말해지고 있는지에 대한 이해가 필요하며, 이를 통해 그 생각을 다른 언어로 다시 창조해야 하기 때문에, 나는 구글번역이 앞으로도 깔끔한 번역을 할 수 있으리라고는 생각지 않습니다. 번역은 단어를 다루는 것이 아니라 생각을 다루는 문제이며, 구글번역은 단어들을 단어들로 대체할 뿐입니다.

Q: 그럼 인공지능연구자들은 왜 진정한 생각을 하는 프로그램을 만들지 않는 걸까요?

A: 그들은 마음에 대해서도 연구하지 않고 지능에 필요한 원칙들을 찾으려 하지 않습니다. 따라서 이들이 하는 것은 연구라기보다는 제품개발에 가깝습니다. 30-40년전 이 분야가 갓 생겼고 인공지능이 돈을 버는 문제와 무관했을때는 달랐습니다. 이때는 마음이 어떻게 작동하는지를 이해하려 했고, 컴퓨터로 이를 따라하려 했습니다. 마음은 매우 유연하고 다재다능하게 작동하기 때문에 융통성이 없는 기계로 이를 어떻게 따라할지가 문제였습니다. 이 문제는 재미있는 수수께끼이자 철학적으로도 흥미로운 문제입니다.

Q: 70년대와 80년대, 많은 인공지능 연구자들이 당신이 말한 연구방식을 버렸습니다. 무슨 일이 일어났었나요?

A: 당시 인공지능에 대한 거품이 있었고 이것이 꺼지면서 문제가 생겼습니다. 사람들은 인공지능이 곧 현실화될 것이라 생각했습니다. 60년대에 이미 사람들은 10년 이내에 컴퓨터가 체스에서 사람을 이길 것이라고 말했지만, 현실과는 거리가 멀었습니다. 70년대가 되자 정부는 인공지능을 회의적으로 바라보기 시작했고 지원금은 줄어들었습니다. 80년대 초반에는 5세대 컴퓨터라는 것이 나왔습니다. Prolog 라는 논리적인 프로그래밍 언어가 있었고, 이들은 이 언어로 인간의 모든 지식을 데이터베이스에 담을 수 있다고 말했습니다. 많은 이들이 여기에 동참했고 지원금을 받았지만, 결국 어떤 것도 성공하지 못했습니다. Prolog 는 솔직히 어리석은 접근이었고, 그 결과 정부는 더이상 지원을 하지 않게 되었습니다. 애플과 같은 회사가 정부대신 투자하기 시작했고 컴퓨터의 속도가 빨라지고 메모리가 커지면서 이제 예전에는 생각하지 못했던 “무식한” 방법으로 문제들을 풀 수 있게 되었습니다. 그리고 이들의 제품은 놀라운 일을 합니다. 단지, 그 안에서 벌어지는 일이 ‘생각’과는 전혀 거리가 먼 것일 뿐입니다.

Q: 그럼 어떻게 해야 진짜 인공지능을 만들 수 있을까요?

A: 먼저 생각의 본질을 이해하는것과 같은 근본적인 문제를 해결해야 합니다. 이해란 무엇일까요? 우리는 어떻게해서 얼핏 보기에는 전혀 다른 것들을 서로 연결시킬 수 있을까요? 여기에 인간의 놀라운 점이 있습니다. IBM 이나 구글과 같은 곳에서는 이런 문제는 다루지 않습니다. 그들은 어떻게 하면 이 문제를 피하면서도 보기에 놀라운 결과를 만들어 낼 수 있을지를 고민합니다.

Q: 그럼 그런 문제에 답하기 위해 어떤 식으로 시작해야 할까요?

A: 예를 들어, 나의 연구팀은 단어들을 보다 추상적인 수준에서 인식하는 프로그램을 만들고 있습니다. 간단한 문제를 하나 내어보지요. 무언가가 ABC 를 ABD 로 바꾼다고 해봅시다. 그럼 PPQQRR 은 어떻게 바뀔까요? 누군가는 그 규칙을 “모든 것을 ABD 로 바꾼다”고 추측하고 ABD 로 바뀔거라고 말할 수 있습니다. 좋은 답은 아니지만 논리는 있습니다. 또 누군가는 조금 더 머리를 써서 “끝 글자를 D 로 바꾼다”고 추측하고 PPQQRD 라고 말할 수도 있습니다. 가장 지능이 뛰어난 이는 “글자열이 세번 반복될 때 마지막 부분만을 알파벳의 그 다음 문자로 바꾼다”는 규칙을 적용해서 PPQQSS 라고 말할 수 있을 겁니다. 이것은 필요없는 정보를 모두 버리고 상황의 본질을 찾는 하나의 예입니다. 우리는 이런 프로그램을 만들려고 하고 있습니다.

Q: 사람들이 이런 근본적인 인공지능에 대해 다시 관심을 가지기 시작하고 있나요?

A: 내 연구실의 박사 졸업생 한 명은 사람이 어떻게 패턴을 인식하는지를 이해하고 싶어 했습니다. 그가 졸업했을 때 구글이 그를 데려갔습니다. 그는 지금 회사에 속해 있고, 회사란 기본적으로 이익과 제품에 기반한 곳입니다. 그러나 동시에 구글은 뛰어난 사람들이 자신의 관심사를 연구하는 것을 장려하며, 그에게도 그런 기회를 주었습니다.

당신도 알다시피 오늘날과 같이 수많은 지원금이 돌아다니는 시대에는 이런 당장 돈이 되지 않는 사치스런 분야에도 약간의 부스러기는 떨어집니다. 그리고 생각의 신비에 대해 관심을 가지는 사람들은 항상 존재해 왔습니다. (Popular Mechanics)

원문 보기