2018.03.20

이재용 칼럼 | 지능정보화 사회에 대비한 학문적 접근법 – 인공두뇌학 (Cybernetics)

이재용 | CIO KR
2016년도 3월 이세돌과의 바둑대결로 알려진 알파고의 쇼크 이후 여러 경고의 목소리가 높다. 그러나 구체적으로 어떻게 학문적 중심과 목표를 수립하여 나갈지에 대해 학습 계획을 세우는 대학생들은 거의 없는 실정이다. 이번 칼럼에서는 대학생들과 대학원생들, 그리고 R&D를 하는 연구원들을 위해 4차 산업혁명에의 학문적 접근 방법을 안내하고자 한다.

특이점으로 가는 인류의 기나긴 여정 속에서 각 개인은 어떤 내용을 학습하고 자신의 학문 분야와 어떻게 접목해야 할까? 노버트 위너(Novert Wiener)를 비롯한 위대한 선각자들이 1950년대에 이미 이러한 의문에 대한 방향을 제시했다.

1952년 미국에서 열린 인공두뇌(Cybernetics) 학회를 살펴보며 이 이야기를 시작해보자. 이 학회의 명칭은 <생물학과 사회학 시스템의 순환적 인과관계와 피드백 메커니즘 학회(Conference for Casual and Feedback Mechanism in biological and Social System)였으나 노버트 위너에 대한 경의의 표시로 “인공두뇌학회”로 변경됐다.

노버트 위너(Norbert Wiener, 1894년 11월 26일 ~ 1964년 3월 18일)는 미국의 수학자·전기공학자이다. 매사추세츠 공대 교수. 종합 과학이라고도 할 새로운 학문 분야인 사이버네틱스(Cybernetics)의 제창자로서 유명하다. 천재여서 보통 사람보다 5년이나 빨리 하버드 대학을 졸업하였다. 제2차 세계 대전 때에는 계산기 연구로 전쟁에 협력하였다. 1948년 사람의 신경 작용을 신호로 나타내는 새로운 과학을 개발하여 "사이버네틱스"라는 이름을 붙였다. 이것은 제2차 세계 대전 때에 고사포에 부착시키는 자동 조준기의 발명에 의해서 유명해졌다. 전자 계산기·번역 기계·오토메이션 등의 원리에도 이용되었다. 사이버네틱스란 심리학·사회학·생리학·경제학 등의 학문을 하나로 종합한 과학이다. <출처 : 위키백과>

이미 1950년대 지능정보화 시대가 예견됐다
노버트 위너와 함께 융합적 학문의 논의의 배경이 되는 다른 학문들이 존재하고 있다. 다음의 4가지 이론들로 축약할 수 있다. 

1) 노버트 위너 - 사이버네틱스 (Cybernetics)
2) 클로드 섀넌의 정보이론 (Information Theory) : 잉여성과 노이즈(Redundancy and Noise)
3) 볼츠만의 열역학 제2법칙: 엔트로피(Entropy)
4) 알란 튜링의 튜링 머신(Turing Machine)

이 이론들은 서로 연관관계가 없는 것으로 생각하기 쉬우나 지능정보화사회를 학문적으로 이해하고 따라가기 위해서는 이들 4가지의 학문 분야를 모두 참고할 필요가 있다.

노버트 위너가 1948년 가을 출간한 책은 ‘사이버네틱스’(부제 : 동물과 기계에서의 제어와 통신 - Control and Communication in the Animal and the Machine)이었다. 여러 개념이 복잡하게 섞여 있지만 당시에 30톤짜리 괴물 기계이자 최초의 컴퓨터였던 에니악(ENIAC)의 영향으로 베스트 셀러가 됐다.

물론 이 기계의 개념적 정의는 알란 튜링의 튜링 머신(Turing Machine)이다. 이 글을 읽는 대부분의 독자가 IT분야에 근무할 것이므로 튜링 머신 이야기는 그대로 넘어 가기로 하자. 이 책에서 위너는 인간과 기계를 “계산기와 신경계”라는 이름으로 나란히 설명하고 있다. 위너는 자신의 회고록에서 인공두뇌학을 “인간과 우주에 대한 인간의 지식 그리고 사회에 대한 새로운 해석이라고 썼다. 마치 철학자 같은 모습을 보이고 있었다.

한편 비슷한 시기에 클로드 섀넌(Claude Shannon)은 통신이론을 통해 정보를 측정 가능한 물리적 단위로 제시했다.

정보이론은 물리적 정보 이론이다.
섀넌과 위너는 강조점이 달랐다. 위너는 엔트로피를 무질서의 척도로 해석했으나 섀넌은 불확실성의 척도로 해석했다. 하지만 기본적으로 무질서와 불확실성은 같은 것이다.

열역학 제2법칙은 엔트로피(Entropy)의 법칙이다. 열역학 제2법칙(second law of thermodynamics)은 열적으로 고립된 계의 총 엔트로피가 감소하지 않는다는 법칙이다. 이 법칙을 통해 자연적인 과정의 비가역성과 미래와 과거 사이의 비대칭성을 설명한다. <출처 : 위키백과>

엔트로피를 정보의 개념으로 증명하려는 여러 시도들이 있었다. 그 최초의 시도가 1961년 IBM의 롤프 린다우어의 시도였다. 란다우어의 원리(Landauer's principle)란 정보를 지울 때 항상 주위 환경으로 빠져나가는 열이 발생한다는 원리이다. 이 에너지 손실은 정보를 어떤 식으로 지우든, 정보의 종류가 어떤 것이든 무관하다.

이 밖에 미국 하버드대학과 매사추세츠공대(MIT)의 물리학과 컴퓨터과학자들과 하와이대학의 수학자는 2013년 물리학술지 <피지컬 리뷰 레터스(Physical Review Letters)>에 ‘인과적 엔트로피 힘’(Causal Entropic Forces)이라는 논문에서 엔트로피 방정식으로 지능 문제를 다뤘다. 지능과 엔트로피의 연관성을 다루는 최초의 논문으로 판단된다. 

이제 다시 섀넌의 이야기로 돌아가 보자. 클로드 섀넌(Claude Shannon)은 정보이론(Information Theory)을 설명하는 중요한 키워드로 잉여성(Redundancy)을 사용했다. 잉여성은 언어학을 포함한 다양한 학문분야에서 활용된다. 현대에서는 잉여성은 컴퓨터 내에서의 정보처리, 특히, 부호와 이론과 암호학과 파일 압축에서 사용되는 중요개념이다. 주민등록번호처럼 적절히 정보를 부호화하는데 잉여성의 원리가 적용된다. 뒷자리 첫째 번호가 홀수면 남자이고 짝수면 여자인 것을 이해할 수 있는 것이다.

암호문을 만들기 위해서는 낮은 잉여성을 유지하는 것이 핵심이며 그 암호를 푸는 과정은 잉여성이 높을수록 풀기 쉽다. 파일의 압축은 정보 밀도와 잉여성의 관계로 설명된다. 압축된 프로그램은 잉여성이 제거 된다. 따라서, 잉여가 제거되면 핵심부분만 남게 되므로 더 압축을 시도해도 파일이 줄어들지 않는 것이다. 디지털로 전송되는 영상의 경우도 MPEG이라는 압축파일이다. 이 또한 잉여가 제거되어 전송되는 것이다.

심리상담가나 신경정신과 의사가 심리적 어려움을 겪는 내담자를 대상으로 상담을 진행하는 경우에도 적용될 수 있다. 주어진 시간에 치료에 필요한 내담자(환자)의 주요정보를 최대한 알아내야 한다. 이때, 내담자의 수준에서 적절한 잉여성을 유지하여 대화를 이끈다. 필요에 따라서는 경청, 반영, 제안, 설명, 직면, 공감, 수용을 사용하면서 내담자와 치료자와의 언어적, 비언어적 잉여성을 적절히 조절함으로써 내담자의 변화를 이끌어 내야 하는 고도의 심리적 기술인 것이다.

물리적 정보 이론의 핵심 잉여성(Redundancy)
다시 정리하면 잉여성이 클수록 정보의 가치가 떨어진다. 그렇다면 4차 산업혁명 시대의 인공지능사회에서의 잉여성 문제를 이야기해 보자.

구글과 페이스북의 인공지능 봇들끼리의 대화가 인간이 알 수 없는 언어로 주고 받은 일로 세계가 떠들썩했다. (보도의 신뢰성이 도마에 오르긴 했다.) 잉여성이 매우 낮은 방식의 언어를 사용한 것이다. 그러니까 인간이 해석하기에는 잉여성이 너무 낮은 것이나 두 챗봇들은 정보의 활용도가 높았던 것이다. 인간이 이해할 수 있는 잉여도와 얼마나 차이가 나는지를 측정하고 관리할 수 있어야 인간이 두려움에서 해방될 것이다.

이번에는 스마트폰에서 활용되는 양방향성의 내비게이션 프로그램을 생각해 보자. 내비게이션은 자신의 위치정보를 제공하고 시간정보를 제공받는다. 이는 공간의 잉여성 정보를 시간의 잉여성 정보로 변환하는 것이다. (미분하는 것이다.) 또, 자신의 위치정보를 제공하고 자동차가 진행해야 할 경로정보를 제공받는다. 위치와 속도의 잉여성 정보를 제공하고 다른 자동차들과의 혼잡도를 계산하여 경로의 잉여성을 가지는 정보로 변환받게 되는 것이다.

이러한 섀넌의 이론은 <정보와 불확실성> <정보와 엔트로피> 뿐만 아니라 <정보와 카오스>을 잇는 다리를 놓았다. 

인공지능 번역기의 능력은 얼마나 낮은 잉여성으로 달성될 수 있느냐로 설명될 수 있다. 마찬가지로 훌륭한 인물분석 영상인공지능이라면 낮은 잉여도를 가질 수 있는 것이다. 지식이 축적될 수록 낮은 잉여성을 처리할 수 있는 것이다.

체스, 바둑등의 게임분야, 언어의 자동번역, 예술 작품을 만들어 내고 있는 구글의 인공지능, 외상 후 스트레스장애(PTSD)를 치료하는 인공지능(미국), 빅데이타 기반의 내비게이션 들의 모든 과정에서 낮은 잉여성이 목표가 되는것이다. 많은 영역에서 인간보다 두각을 나타내고 있다. 특히, 합성곱신경망(CNN)은 인간의 시각 신경세포를 모사하여 만들었다. 따라서, 영상정보처리에서 낮은 잉여성으로도 높은 인식율을 보이는 것이다.

하드웨어 수준으로 구현되는 물리정보이론
축적된 지식의 양이 많을수록 낮은 잉여도로도 정보처리가 가능하다. 특히 특이점을 이끄는 기술은 소프트웨어(인공지능)에서뿐만 아니라, 하드웨어에서도 이뤄지고 있다. 대표적인 것이 신경기반 C.P.U.와 신경기반 메모리다. 신경기반 C.P.U.는 시냅스를 모사한 뉴로모픽 칩을 말하는 것이고 시신경 기반 메모리란 상변화메모리를 말한다. 디지털 기반에서 시냅스 동작 기반으로 변경됨을 의미하는 것이고, 인터페이스부분의 병목현상(bottleneck)을 해결하게 된다면 특이점을 더욱 앞당기게 될 것이다.

이와 같이 물리정보이론은 기계가 인간을 추월하는 특이점을 설명하는 주요한 학문적 기반이 될 수 있다.

인공지능이 <과학혁명의 구조>의 변화 주기를 단축시킬 것이다
위너는 물질, 에너지, 정보를 결합하여 파악하는 물리학적인 입장에서 전개하는 정보 이야기로 인류를 이끌었다. 모든 사물은 그 자체가 정보인 것이다. 인간의 인지와 연결되지 못하는 사물도 정보로 전환되는 구조가 완성됐다. 인간과 연결되지 않거나 인간이 인지하지 못하거나 인간이 기호로 바꿀 수 없는 사물도 정보 처리화 되는 시대가 열렸다.

절차적 사고와 객체지향형 사고는 기본적으로 연역적 사고를 필요로 한다. 이제 정보를 물리적 정보이론으로 다룰 수 있는 인공지능 프로그래밍을 대중이 수행할 수 있게 되었다. 이것은 귀납적 사고를 구현하는 기술을 인류가 가지게 된 것이다. 연역과 귀납법 모두를 사용하여 구현하고 연구할 수 있는 시대가 도래했다는 의미이며, 당연히 대학과 연구소의 연구주기는 5년~10년에서 수개월로 빨라질 수 밖에 없다.

토마스 쿤은 <과학 혁명의 구조>에서 정상 과학에서의 진보에 대한 일반적인 인식에 도전했다. 일반적인 과학적 진보는 이미 수용된 사실과 이론의 "축적에 의한 발전"으로 인식됐다. 쿤은 정상 과학에서의 이러한 개념적인 연속성의 시기가 혁명적인 과학의 시기에 의해 방해되는 불연속적인 모델을 주장했다. 혁명의 시기 동안에 발견된 "이상 현상"은 새로운 패러다임을 야기한다.<출처 : 위키백과>

그 과학 혁명의 구조의 변화 주기가 수개월로 바뀌고 있는 중이다. 학문을 하고자 하는 이라면 인공지능을 활용할 수 있는 능력이나 구조를 획득해야야 할 이유 중 하나다. 

인문학에서 조작적 정의에 따라 연구의 특징이 결정된다. 앞에서 <인과적 엔트로피 힘>에 대한 논문에서 ‘지능’의 조작적 정의는 <미래에 선택할 수 있는 사건/역사를 더 많이 확보해가는 행위>이다.

그 동안 사용했던 수많은 ‘지능’의 조작적 정의들이 가까운 미래에도 사용될 수 있을까? 대학에 있는 많은 석학들이 기업으로 떠나 페이스북, 구글, 삼성으로 가는 것은 대학에서의 정의하는 다양한 조작적 정의를 주장할 수 없다는 위기감은 아닐까? 인간의 삶의 구조가 송두리째 변화하고 있는 것은 확실해 보인다.

* 한서대학교에 근무하는 이재용 교수는 4차산업혁명 진로/학업 컨설턴트로써 사용성공학, 프로그래밍심리학, 심리정보과학, 인간이동체인터페이스의 연구, 강연 및 소통 교육을 하고 있다. 4차 산업혁명의 지향점을 인간심리요소의 4가지 컴퓨팅 개념화 파라다임으로 설명하는 컴퓨터공학자이자 심리정보학자이다. 심리정보과학(Psychological Informatics)을 통하여 특정 프로젝트나 제품, 연구가 4차 산업혁명의 지향점 중 어떤 위치에 해당하는지를 확인해 볼 수 있는 <특이점 지도>를 만들기 위해 노력하고 있다. ciokr@idg.co.kr



2018.03.20

이재용 칼럼 | 지능정보화 사회에 대비한 학문적 접근법 – 인공두뇌학 (Cybernetics)

이재용 | CIO KR
2016년도 3월 이세돌과의 바둑대결로 알려진 알파고의 쇼크 이후 여러 경고의 목소리가 높다. 그러나 구체적으로 어떻게 학문적 중심과 목표를 수립하여 나갈지에 대해 학습 계획을 세우는 대학생들은 거의 없는 실정이다. 이번 칼럼에서는 대학생들과 대학원생들, 그리고 R&D를 하는 연구원들을 위해 4차 산업혁명에의 학문적 접근 방법을 안내하고자 한다.

특이점으로 가는 인류의 기나긴 여정 속에서 각 개인은 어떤 내용을 학습하고 자신의 학문 분야와 어떻게 접목해야 할까? 노버트 위너(Novert Wiener)를 비롯한 위대한 선각자들이 1950년대에 이미 이러한 의문에 대한 방향을 제시했다.

1952년 미국에서 열린 인공두뇌(Cybernetics) 학회를 살펴보며 이 이야기를 시작해보자. 이 학회의 명칭은 <생물학과 사회학 시스템의 순환적 인과관계와 피드백 메커니즘 학회(Conference for Casual and Feedback Mechanism in biological and Social System)였으나 노버트 위너에 대한 경의의 표시로 “인공두뇌학회”로 변경됐다.

노버트 위너(Norbert Wiener, 1894년 11월 26일 ~ 1964년 3월 18일)는 미국의 수학자·전기공학자이다. 매사추세츠 공대 교수. 종합 과학이라고도 할 새로운 학문 분야인 사이버네틱스(Cybernetics)의 제창자로서 유명하다. 천재여서 보통 사람보다 5년이나 빨리 하버드 대학을 졸업하였다. 제2차 세계 대전 때에는 계산기 연구로 전쟁에 협력하였다. 1948년 사람의 신경 작용을 신호로 나타내는 새로운 과학을 개발하여 "사이버네틱스"라는 이름을 붙였다. 이것은 제2차 세계 대전 때에 고사포에 부착시키는 자동 조준기의 발명에 의해서 유명해졌다. 전자 계산기·번역 기계·오토메이션 등의 원리에도 이용되었다. 사이버네틱스란 심리학·사회학·생리학·경제학 등의 학문을 하나로 종합한 과학이다. <출처 : 위키백과>

이미 1950년대 지능정보화 시대가 예견됐다
노버트 위너와 함께 융합적 학문의 논의의 배경이 되는 다른 학문들이 존재하고 있다. 다음의 4가지 이론들로 축약할 수 있다. 

1) 노버트 위너 - 사이버네틱스 (Cybernetics)
2) 클로드 섀넌의 정보이론 (Information Theory) : 잉여성과 노이즈(Redundancy and Noise)
3) 볼츠만의 열역학 제2법칙: 엔트로피(Entropy)
4) 알란 튜링의 튜링 머신(Turing Machine)

이 이론들은 서로 연관관계가 없는 것으로 생각하기 쉬우나 지능정보화사회를 학문적으로 이해하고 따라가기 위해서는 이들 4가지의 학문 분야를 모두 참고할 필요가 있다.

노버트 위너가 1948년 가을 출간한 책은 ‘사이버네틱스’(부제 : 동물과 기계에서의 제어와 통신 - Control and Communication in the Animal and the Machine)이었다. 여러 개념이 복잡하게 섞여 있지만 당시에 30톤짜리 괴물 기계이자 최초의 컴퓨터였던 에니악(ENIAC)의 영향으로 베스트 셀러가 됐다.

물론 이 기계의 개념적 정의는 알란 튜링의 튜링 머신(Turing Machine)이다. 이 글을 읽는 대부분의 독자가 IT분야에 근무할 것이므로 튜링 머신 이야기는 그대로 넘어 가기로 하자. 이 책에서 위너는 인간과 기계를 “계산기와 신경계”라는 이름으로 나란히 설명하고 있다. 위너는 자신의 회고록에서 인공두뇌학을 “인간과 우주에 대한 인간의 지식 그리고 사회에 대한 새로운 해석이라고 썼다. 마치 철학자 같은 모습을 보이고 있었다.

한편 비슷한 시기에 클로드 섀넌(Claude Shannon)은 통신이론을 통해 정보를 측정 가능한 물리적 단위로 제시했다.

정보이론은 물리적 정보 이론이다.
섀넌과 위너는 강조점이 달랐다. 위너는 엔트로피를 무질서의 척도로 해석했으나 섀넌은 불확실성의 척도로 해석했다. 하지만 기본적으로 무질서와 불확실성은 같은 것이다.

열역학 제2법칙은 엔트로피(Entropy)의 법칙이다. 열역학 제2법칙(second law of thermodynamics)은 열적으로 고립된 계의 총 엔트로피가 감소하지 않는다는 법칙이다. 이 법칙을 통해 자연적인 과정의 비가역성과 미래와 과거 사이의 비대칭성을 설명한다. <출처 : 위키백과>

엔트로피를 정보의 개념으로 증명하려는 여러 시도들이 있었다. 그 최초의 시도가 1961년 IBM의 롤프 린다우어의 시도였다. 란다우어의 원리(Landauer's principle)란 정보를 지울 때 항상 주위 환경으로 빠져나가는 열이 발생한다는 원리이다. 이 에너지 손실은 정보를 어떤 식으로 지우든, 정보의 종류가 어떤 것이든 무관하다.

이 밖에 미국 하버드대학과 매사추세츠공대(MIT)의 물리학과 컴퓨터과학자들과 하와이대학의 수학자는 2013년 물리학술지 <피지컬 리뷰 레터스(Physical Review Letters)>에 ‘인과적 엔트로피 힘’(Causal Entropic Forces)이라는 논문에서 엔트로피 방정식으로 지능 문제를 다뤘다. 지능과 엔트로피의 연관성을 다루는 최초의 논문으로 판단된다. 

이제 다시 섀넌의 이야기로 돌아가 보자. 클로드 섀넌(Claude Shannon)은 정보이론(Information Theory)을 설명하는 중요한 키워드로 잉여성(Redundancy)을 사용했다. 잉여성은 언어학을 포함한 다양한 학문분야에서 활용된다. 현대에서는 잉여성은 컴퓨터 내에서의 정보처리, 특히, 부호와 이론과 암호학과 파일 압축에서 사용되는 중요개념이다. 주민등록번호처럼 적절히 정보를 부호화하는데 잉여성의 원리가 적용된다. 뒷자리 첫째 번호가 홀수면 남자이고 짝수면 여자인 것을 이해할 수 있는 것이다.

암호문을 만들기 위해서는 낮은 잉여성을 유지하는 것이 핵심이며 그 암호를 푸는 과정은 잉여성이 높을수록 풀기 쉽다. 파일의 압축은 정보 밀도와 잉여성의 관계로 설명된다. 압축된 프로그램은 잉여성이 제거 된다. 따라서, 잉여가 제거되면 핵심부분만 남게 되므로 더 압축을 시도해도 파일이 줄어들지 않는 것이다. 디지털로 전송되는 영상의 경우도 MPEG이라는 압축파일이다. 이 또한 잉여가 제거되어 전송되는 것이다.

심리상담가나 신경정신과 의사가 심리적 어려움을 겪는 내담자를 대상으로 상담을 진행하는 경우에도 적용될 수 있다. 주어진 시간에 치료에 필요한 내담자(환자)의 주요정보를 최대한 알아내야 한다. 이때, 내담자의 수준에서 적절한 잉여성을 유지하여 대화를 이끈다. 필요에 따라서는 경청, 반영, 제안, 설명, 직면, 공감, 수용을 사용하면서 내담자와 치료자와의 언어적, 비언어적 잉여성을 적절히 조절함으로써 내담자의 변화를 이끌어 내야 하는 고도의 심리적 기술인 것이다.

물리적 정보 이론의 핵심 잉여성(Redundancy)
다시 정리하면 잉여성이 클수록 정보의 가치가 떨어진다. 그렇다면 4차 산업혁명 시대의 인공지능사회에서의 잉여성 문제를 이야기해 보자.

구글과 페이스북의 인공지능 봇들끼리의 대화가 인간이 알 수 없는 언어로 주고 받은 일로 세계가 떠들썩했다. (보도의 신뢰성이 도마에 오르긴 했다.) 잉여성이 매우 낮은 방식의 언어를 사용한 것이다. 그러니까 인간이 해석하기에는 잉여성이 너무 낮은 것이나 두 챗봇들은 정보의 활용도가 높았던 것이다. 인간이 이해할 수 있는 잉여도와 얼마나 차이가 나는지를 측정하고 관리할 수 있어야 인간이 두려움에서 해방될 것이다.

이번에는 스마트폰에서 활용되는 양방향성의 내비게이션 프로그램을 생각해 보자. 내비게이션은 자신의 위치정보를 제공하고 시간정보를 제공받는다. 이는 공간의 잉여성 정보를 시간의 잉여성 정보로 변환하는 것이다. (미분하는 것이다.) 또, 자신의 위치정보를 제공하고 자동차가 진행해야 할 경로정보를 제공받는다. 위치와 속도의 잉여성 정보를 제공하고 다른 자동차들과의 혼잡도를 계산하여 경로의 잉여성을 가지는 정보로 변환받게 되는 것이다.

이러한 섀넌의 이론은 <정보와 불확실성> <정보와 엔트로피> 뿐만 아니라 <정보와 카오스>을 잇는 다리를 놓았다. 

인공지능 번역기의 능력은 얼마나 낮은 잉여성으로 달성될 수 있느냐로 설명될 수 있다. 마찬가지로 훌륭한 인물분석 영상인공지능이라면 낮은 잉여도를 가질 수 있는 것이다. 지식이 축적될 수록 낮은 잉여성을 처리할 수 있는 것이다.

체스, 바둑등의 게임분야, 언어의 자동번역, 예술 작품을 만들어 내고 있는 구글의 인공지능, 외상 후 스트레스장애(PTSD)를 치료하는 인공지능(미국), 빅데이타 기반의 내비게이션 들의 모든 과정에서 낮은 잉여성이 목표가 되는것이다. 많은 영역에서 인간보다 두각을 나타내고 있다. 특히, 합성곱신경망(CNN)은 인간의 시각 신경세포를 모사하여 만들었다. 따라서, 영상정보처리에서 낮은 잉여성으로도 높은 인식율을 보이는 것이다.

하드웨어 수준으로 구현되는 물리정보이론
축적된 지식의 양이 많을수록 낮은 잉여도로도 정보처리가 가능하다. 특히 특이점을 이끄는 기술은 소프트웨어(인공지능)에서뿐만 아니라, 하드웨어에서도 이뤄지고 있다. 대표적인 것이 신경기반 C.P.U.와 신경기반 메모리다. 신경기반 C.P.U.는 시냅스를 모사한 뉴로모픽 칩을 말하는 것이고 시신경 기반 메모리란 상변화메모리를 말한다. 디지털 기반에서 시냅스 동작 기반으로 변경됨을 의미하는 것이고, 인터페이스부분의 병목현상(bottleneck)을 해결하게 된다면 특이점을 더욱 앞당기게 될 것이다.

이와 같이 물리정보이론은 기계가 인간을 추월하는 특이점을 설명하는 주요한 학문적 기반이 될 수 있다.

인공지능이 <과학혁명의 구조>의 변화 주기를 단축시킬 것이다
위너는 물질, 에너지, 정보를 결합하여 파악하는 물리학적인 입장에서 전개하는 정보 이야기로 인류를 이끌었다. 모든 사물은 그 자체가 정보인 것이다. 인간의 인지와 연결되지 못하는 사물도 정보로 전환되는 구조가 완성됐다. 인간과 연결되지 않거나 인간이 인지하지 못하거나 인간이 기호로 바꿀 수 없는 사물도 정보 처리화 되는 시대가 열렸다.

절차적 사고와 객체지향형 사고는 기본적으로 연역적 사고를 필요로 한다. 이제 정보를 물리적 정보이론으로 다룰 수 있는 인공지능 프로그래밍을 대중이 수행할 수 있게 되었다. 이것은 귀납적 사고를 구현하는 기술을 인류가 가지게 된 것이다. 연역과 귀납법 모두를 사용하여 구현하고 연구할 수 있는 시대가 도래했다는 의미이며, 당연히 대학과 연구소의 연구주기는 5년~10년에서 수개월로 빨라질 수 밖에 없다.

토마스 쿤은 <과학 혁명의 구조>에서 정상 과학에서의 진보에 대한 일반적인 인식에 도전했다. 일반적인 과학적 진보는 이미 수용된 사실과 이론의 "축적에 의한 발전"으로 인식됐다. 쿤은 정상 과학에서의 이러한 개념적인 연속성의 시기가 혁명적인 과학의 시기에 의해 방해되는 불연속적인 모델을 주장했다. 혁명의 시기 동안에 발견된 "이상 현상"은 새로운 패러다임을 야기한다.<출처 : 위키백과>

그 과학 혁명의 구조의 변화 주기가 수개월로 바뀌고 있는 중이다. 학문을 하고자 하는 이라면 인공지능을 활용할 수 있는 능력이나 구조를 획득해야야 할 이유 중 하나다. 

인문학에서 조작적 정의에 따라 연구의 특징이 결정된다. 앞에서 <인과적 엔트로피 힘>에 대한 논문에서 ‘지능’의 조작적 정의는 <미래에 선택할 수 있는 사건/역사를 더 많이 확보해가는 행위>이다.

그 동안 사용했던 수많은 ‘지능’의 조작적 정의들이 가까운 미래에도 사용될 수 있을까? 대학에 있는 많은 석학들이 기업으로 떠나 페이스북, 구글, 삼성으로 가는 것은 대학에서의 정의하는 다양한 조작적 정의를 주장할 수 없다는 위기감은 아닐까? 인간의 삶의 구조가 송두리째 변화하고 있는 것은 확실해 보인다.

* 한서대학교에 근무하는 이재용 교수는 4차산업혁명 진로/학업 컨설턴트로써 사용성공학, 프로그래밍심리학, 심리정보과학, 인간이동체인터페이스의 연구, 강연 및 소통 교육을 하고 있다. 4차 산업혁명의 지향점을 인간심리요소의 4가지 컴퓨팅 개념화 파라다임으로 설명하는 컴퓨터공학자이자 심리정보학자이다. 심리정보과학(Psychological Informatics)을 통하여 특정 프로젝트나 제품, 연구가 4차 산업혁명의 지향점 중 어떤 위치에 해당하는지를 확인해 볼 수 있는 <특이점 지도>를 만들기 위해 노력하고 있다. ciokr@idg.co.kr

X