어떤 기계를 “똑똑하다”고 부를지는 채점 기준에 따라 달라진다. 기준은 두 질문으로 나뉜다. 사람처럼 하느냐 올바르게(이성적으로) 하느냐, 그리고 속의 생각을 보느냐 겉의 행동을 보느냐. 기준을 먼저 정하지 않으면 “이 기계에 지능이 있는가”라는 논쟁은 끝나지 않는다.
예시로 보기
다음 빈칸에 무엇이 들어가야 할까? “어떤 시스템이 ____을(를) 할 수 있다면 지능 시스템이라고 할 수 있다.” 후보는 판단, 학습, 게임, 말, 실수다.
마지막 후보 “실수”가 기준에 따라 답이 갈리는 예다. 사람처럼 하는 것이 기준이면 실수도 지능의 표시다. 사람은 실수하기 때문이다. 이성적으로 하는 것이 기준이면 실수는 지능이 모자란 표시다.
정의
지능은 두 축으로 나눠 볼 수 있다.
- 판단의 성질: 사람처럼 ↔ 이성적인
- 상호 작용: 생각 ↔ 행동
두 축을 겹치면 네 칸이 생긴다. 이 네 칸은 인공지능 교과서가 인공지능을 정의하는 네 접근과 같다1.
| 생각 | 행동 | |
|---|---|---|
| 사람처럼 | 사람의 사고 과정을 흉내 낸다 (인지 모델링) | 사람과 구별되지 않게 행동한다 (튜링 테스트) |
| 이성적인 | 논리적으로 옳게 추론한다 (사고의 법칙) | 목표를 가장 잘 이루도록 행동한다 (합리적 에이전트) |
인공지능이 궁극적으로 가야 할 방향을 “사람처럼”으로 보는 시각이 있다. 교과서마다 강조점은 다르다. Russell & Norvig의 교과서는 네 칸 중 합리적 에이전트를 중심에 둔다1.
뉴런 모형과 인공지능
이 과목의 뉴런 모형은 인공지능의 한 줄기와 곧바로 이어진다. 뉴런의 연산 모형은 퍼셉트론 같은 인공 신경망 모델의 바탕이다. 지능을 만드는 길은 크게 둘로 나뉜다2.
| 기호주의 (symbolic AI) | 연결주의 (connectionism) | |
|---|---|---|
| 지식을 담는 곳 | 사람이 쓴 규칙과 기호 | 단순한 단위(뉴런) 사이 연결의 세기(가중치) |
| 배우는 방법 | 규칙을 사람이 넣는다 | 데이터로 가중치를 고친다 |
| 이 과목과의 연결 | — | 뉴런의 연산 모형, 퍼셉트론 |
연결주의는 뇌의 구조를 본떴다는 점에서 “사람처럼 생각” 칸에 뿌리가 있다. 하지만 학습은 “틀린 횟수(오차)를 줄인다”는 “이성적으로 행동”의 기준으로 한다. 한 시스템이 두 칸에 걸칠 수 있다는 예다. 연표는 퍼셉트론에 있다.
연결
- 선수: 휴먼 인터페이스 미디어 (사람의 입력·출력)
- 사람의 처리 수준(지각 → 추론): 지각
- 뉴런을 계산으로 흉내 내는 첫걸음: 뉴런의 연산 모형
- 이 주제의 본격적인 내용은 패턴 인식, 머신러닝, 인공지능 과목이 다룬다.
확인 문제
C1 지능을 나누는 두 축을 쓰고, 두 축이 만드는 네 칸을 채우라.
답: 판단의 성질(사람처럼 ↔ 이성적인)과 상호 작용(생각 ↔ 행동). 네 칸은 사람처럼 생각, 사람처럼 행동, 이성적으로 생각, 이성적으로 행동이다.
C2 다음 시스템은 네 칸 중 어디에 가장 가까운가? (a) 사람과 채팅해 상대가 기계인지 모르게 만드는 챗봇 (b) 사람이 문제를 풀 때 머릿속 단계를 그대로 재현하는 모형 (c) 주어진 공리에서 정리를 증명하는 프로그램 (d) 도착 시간과 안전을 최대로 하도록 운전하는 자율주행차. 또 “실수”를 지능의 표시로 보는 칸은 어느 쪽인가?
답: (a) 사람처럼 행동 (b) 사람처럼 생각 (c) 이성적으로 생각 (d) 이성적으로 행동. 실수를 지능의 표시로 보는 것은 “사람처럼” 쪽이다.
이유: (a)는 겉으로 드러난 행동이 사람과 같은지만 본다. (d)는 사람과 같은지가 아니라 목표에 비춰 가장 좋은 행동인지를 본다.