인공 지능의 '지능'이란 무엇을 의미하는가

인공 지능의 "지능"이란 무엇을 의미하는가 : "생각하는 기계"의 미래지도

인공 지능 (AI)의 성능은 더욱 정교 해지고 일부 작업은 인간의 능력을 넘어섰습니다. 그러나 소수의 사례를 바탕으로 한 학습과 학제 간 능력의 적용에 관해서는 인간 아기의 발까지도 미치지 못합니다. 하버드대학의 인지심리학자 인 엘리자베스 스펠키는 세계에서 가장 발전된 학습 시스템을 연구하는 데 경력을 쌓았습니다. 아기의 심리학입니다. 꼬물거리는 아기와 인공 지능 (AI) 사이에는 일치하는 것이 많지 않은 것처럼 보일 수 있습니다. 아기는 사진에 태그를 달거나 텍스트 마이닝을 하거나 비디오 게임 기술에 대해 이야기할 수 없습니다. 그러나 아기는 AI가 할 수 없는 일을 할 수 있습니다. 생후 첫 몇 달 동안 그들은 문법과 같은 언어의 기본을 이해하고 물리적 세계가 어떻게 작동하는지 이해하며 경험이 없는 상황에 적응하기 시작합니다. 그러나 스펠키와 같은 전문가조차도 아기(또는 성인)가 정확히 어떻게 학습하는지 확신하지 못합니다. 이러한 지식 부족은 현대 AI 개발의 근본적인 문제 중 하나를 보여줍니다. 우리는 우리가 무엇을 목표로 해야 하는지 이해하지 못합니다. 세계 최고의 AI를 예로 들어 보겠습니다. 구글의 모회사 인 Alphabet의 Deep Mind가 개발 한 AlphaZero의 기능은 보드 게임에 관한 한 초인간적입니다. 초고속으로 수천 번 자신과 대결하고 승자의 수를 배우면서 알파제로는 자신의 유명한 체스 전략을 발견하고 새로운 전략을 발명했습니다. 기계가 인간의 인지 능력을 능가하는 것처럼 보이는 것은 당연합니다. 그러나 알파제로는 인간보다 학습 단계에서 수백만 개의 게임을 더 경험해야 합니다. 무엇보다도 알파제로는 보드 게임에서 배운 것을 다른 영역에 적용할 수 없습니다. AI 분야의 일부 개척자들은 이를 바탕으로 새로운 접근 방식이 필요하다고 주장합니다. 저명한 AI 엔지니어들이 널리 사용하는 딥 러닝 프레임 워크 인 Keras의 개발자 인 프랑스와 쇼렛은 "인간 지능의 특성은 가소성, 즉 경험한 적이 없는 상황에서의 지식입니다. 다른 것에 적용할 수 있는 능력이 있습니다."라고 말했습니다. 2019 년 11 월 연구 논문에서 그는 특정 작업의 처리 능력만을 기반으로 머신 인텔리전스를 측정하는 것은 무관하다고 주장했습니다. “인간은 처음부터 기술을 가지고 있지 않습니다. 그들은 새로운 기술을 습득할 수 있는 다양한 가능성을 가지고 태어났습니다.”라고 쇼렛은 말합니다. "체스 마스터들이 보여주는 것은 체스 게임 자체가 아니라 어려운 작업을 있는 그대로 처리할 수 있는 잠재력입니다. 그 둘은 완전히 다른 특성입니다." 쇼렛은 AI 프로그램에서 "보다 일반적인 형태의 학습 능력"이 얼마나 많은지 조사하기 위해 일련의 질문을 제안했습니다. 각 문제는 몇 가지 전례를 기반으로 그리드의 색상 사각형을 정렬하며, 이는 인간에게 그리 어렵지 않습니다. 그러나 많은 양의 데이터를 사용하여 학습에 의존하는 현대 기계 학습 프로그램은 전례 없이 학습을 할 수 없습니다. 2008 년 4 월 말 현재 650 개 이상의 연구팀이 이 과제에 도전하고 있었고, 최고의 결과를 AI 시스템조차도 약 12 % 의 정답률을 보였습니다. 인간이 이러한 문제를 어떻게 해결하는지는 명확하지 않지만 이에 대한 연구는 몇 가지 단서를 제공합니다. 첫째, 인간은 본질적으로 특정한 것을 빠르게 배울 수 있습니다. 그것은 미소의 의미와 무언가를 떨어뜨렸을 때 일어나는 일입니다. 또한 우리는 다른 사람들로부터 많은 것을 배웁니다. 최근 경험에 따르면 3 개월 된 아기들은 다른 사람들이 공을 비효율적으로 들고 있는 것에 대해 의문을 품습니다. 이것은 이 시대에 우리가 이미 "인간이 변화를 가져오기 위해 환경을 연구하고 있다"는 것을 알고 있음을 시사합니다. 반면에 오늘날 존재하는 가장 정교하고 강력한 AI 시스템조차도 이러한 개념을 파악할 수 없습니다. 예를 들어 자율 주행 차의 경우 트럭에서 짐이 떨어지면 어떤 일이 벌어질지에 대한 상식적인 결정을 즉시 내리는 것은 불가능합니다. 메사추세츠 공과 대학 (MIT)의 교수이자 뇌, 정신 및 기계 센터 CBMM의 회원 인 조쉬 테넨바움은 스펠키와 긴밀하게 협력하여 인지 과학 지식을 통합하는 프로그램을 개발하고 있습니다. 그는 1884 년 풍자 소설 '플랫랜드 (Flatland)'를 예로 들며 오늘날 대부분의 AI에는 전체론적 관점이 부족하다고 지적했다. 진화가 인간의 뇌에 다양한 능력을 부여했듯이 AI 프로그램은 아기만큼 효율적으로 지식을 배우고 활용하기 위해 물리학 및 심리학에 대한 기본적인 이해가 필요합니다. 테넨바움은 이것을 고려하고 있습니다. 그리고 이 지식을 새로운 상황에 적용하려면 새로운 학습 방법이 필요합니다. 예를 들어 단순한 패턴 탐지가 아닌 인과적 추론과 같은 새로운 학습 방법입니다. ‘지능’이 있다면 어느 시점에서 이미 '그 이상’을 달성할 수 있습니다.