-
-
인공지능과 뇌는 어떻게 생각하는가 - 지극히 주관적인, 그래서 객관적인 생각의 탄생
이상완 지음 / 솔출판사 / 2022년 9월
평점 :
인공지능과 뇌는 어떻게 생각하는가
지극히 주관적인 그래서 더욱 객관적인
인공지능과 뇌의 비밀을 이해하는 일은 결국 우리 자신을 더 깊이 알아가는 길입니다.
인공지능 AI 많이 아는 것 같지만 전혀 알지 못하는 세계인 듯해요
이 책을 쓰신 이상완 교수님은 KAIST 교수님으로 신경과학-인공지능 융합연구센터장으로 지능을 공학적으로 탐구하고 뇌 기반 인공지능을 연구하는 뇌과학자이자 공학자이시네요
이런 전문책들은 저자의 약력도 중요한 것 같아요. 물론 꼭 그 분야를 전공한 분만이 관련 서적을 써야 하는 것은 아니지만 얕은 지식으로 하나의 가설을 꼭 진실인듯하게 잘 글을 쓰시는 분들도 많거든요, 특히 의학 분야에서는 상상을 초월합니다. 의사인 저도 읽다 보면 현혹되기도 하니까요
글이라는 것은 잘 포장하면 엄청나게 그럴듯하거든요,,,,
계산신경과학과 인공지능을 융합하여 뇌가 어떻게 학습하고 추론하는가?라는 질문을 탐구하고 계시네요, 뇌의 학습과정을 기계학습과 연계해 풀어냄으로써 뇌가 '어떻게' 세상을 배워나가는지 이해하려고 하며 기계학습의 관점에서 뇌 안에서 벌어지는 복잡한 현상들을 해석하여 뇌가 '왜' 그렇게 생각하는지 알아가고 있다고 합니다.
인공지능이 우리에게는 우리나라 이세돌 기사님과 바둑을 둔 알파고 때문에 우리 삶에 혹 들어왔고,,, 구글, 삼성, 애플 등의 인공지능 프로그램 등으로 실생활에서 조금씩 사용되고 있습니다.
의료계에서는 딥러닝을 통하여 사진을 판독하는데 벌써 많은 도움을 주고 있습니다.
저도 자주는 아니지만 한 번씩 이용하기도 하니까요
저자는 서두에서 말하고 있습니다.
인간에게는 아는 사실 known known과 모르는 사실 known unkowns을 구분할 수 있는 능력이 있습니다. 이를 인지에 대한 인지, 메타인지라 합니다. (저는 메타인지가 매우 중요하다고 생각합니다. 의료분야에서도 메타인지가 뛰어날수록 자기 몸을 더 잘 관리하고 케어할 수 있습니다.)
우리는 메타인지 능력을 이용해 아는 문제는 빠르게 지나가고, 잘 모르는 문제에만 집중해 효율적으로 지식을 쌓을 수 있습니다. 그런데 메타인지의 이면에는 내가 '모르는 사실이 존재한다는 것조차 모를 가능성'이 있습니다.
내가 아는 사실이 정말로 아는 사실일까요? 아직 제대로 이해하지 못했기 때문에 알고 있다고 착각한 것이라면요?
이 책은 아는 사실, 모르는 사실, 그리고 내가 아직 모른다는 사실조차 모르는 경우 unknown unknowns로 나뉘는 삼분법적 지식 체계를 의심하는 지극히 주관적인 생각에서 출발합니다.
이 책은 인공지능 기술을 이해하기 위하여 수학이나 공학적인 도구를 이용해 인공지능의 관점에서 바라보고 쓰인 것 같아요
인공지능이 탄생하다
단순함을 추구하다
개념을 추상화하다
개념을 구체화하다
유동적 기억을 만들다
공간과 시간을 함께 생각하다
스스로 문제를 해결해나가다
사과는 어떻게 만들어지는가?
이 책은 사과와 함께 여행을 떠납니다.
인간은 약 0.02초면 눈으로 보는 것이 사과인 것을 알아챌 수 있습니다. 사관의 질감을 피부로 느낄 수도 있고, 맛볼 수도 있으며, 사과의 달큼한 향을 맡을 수도 있습니다. 다른 사람이 사과를 씹는 소리, 사과가 떨어져 깨지는 소리를 듣고 사과라 짐작할 수도 있고요
인공지능은 어떻게 사과를 인식할까요
잘라진 사과, 청사과, 작은 사과, 벌레가 파먹은 사과 등도 사과라고 인식을 할까요?
인공지능은 이와 같이 하나의 개념과 연관된 현실 세계의 다채로움을 다양성이라고 부른다고 하네요
이러한 다양성을 마구 연관 짓다가는 사과인지 배인지 똥인지 된장인지 구분하지 못하는 지경에 이르게 되는데요,,, 그렇다면 이번에는 핵심 개념을 잡을 요량은 앞의 전략과는 다르게 특징들만 묶어 사과라는 개념을 만들면,, 안타깝게도 사과를 사과라 부를 수 없는 상황이 생기게 됩니다.
(인공지능이 쉽게만 생각하였는데 이런 문제에서 출발을 하였네요)
이것을 개념의 추상화와 다양성의 딜레마라고 하네요
생각종이라는 개념이 자주 나와요
생각종이에 점찍기
생각종이 접기
생각종이의 여백
1세대 인공신경망은 생각종이 접기라는 일차원적인 방식으로 경험에서 추상화하는 능력을 얻었고 2세대 인공신경망은 생각종이의 여백을 이용해 현재의 경험으로 미래를 여는 열쇠를 얻게 되었습니다.
3세대는 생각종이 필터 방식으로 개념의 추상화 방식을 터득
민감함과 둔감함의 딜레마
정말 민감한 신경망은 사과가 아니지만 사과인 척하는 것들을 잘 걸러내고, 진짜 사과만 알아볼 수 있습니다. 그러나 이에 대한 부작용으로 덜 익은 사과, 먹다 남은 사과와 같이 사과 범주의 경계선에 있는 것들을 놓치게 됩니다. 민감함만을 앞세우면 현실 세계의 다양성을 포용하지 못하게 된다는 뜻입니다. 현실 세계의 다양성에 흔들리지 않는 둔감하이 요구됩니다.
중도를 지키는 것? 두마리 토끼를 잡자
컨벌루셔널 신경망 " 특징들을 스캔하듯 걸러내는 연산(합성곱)
폴링 : 서브 샘플링, 가장 자신 있게 깃발을 드는 하나만 뽑아 쓰는 방식, 생각 뽑기 방식
우리의 뇌는 의도한 것인지 알 수 없으나, 결과적으로 주변부의 해상도를 희생해 신경세포라는 자원을 절약하면서, 동시에 전체 그림을 이해하기 전에 전체 그림에 대한 힌트를 미리 얻을 수 있게 됩니다. 뇌가 최소 비용으로 최대 효과를 얻는 또 하나의 묘수입니다.
우리 뇌는 참 신비합니다.
현재 눈으로 보고 있는 물체의 정보가 그 물체가 있는 주변 환경과 콘텍스트에 의해 편향되어 있음을 보였습니다.
뇌과학 이론이라는 안경으로 인공 신경망을 뜯어보고, 반대로 인공신경망이라는 안경을 쓰고 뇌가 움직이는 원리와 이유를 분석하는 열린 시대를 맞이하고 있습니다.
무언가를 이해하는 과정을 개념의 추상화라 한다면, 그것을 표현해 내는 것을 개념의 구체화라 합니다.
아인슈타인은 "만약 무언가를 쉽게 설명할 수 없다면, 그것을 충분히 이해한 것이 아니다"
리처드 파인만은 "내가 만들 수 없는 것은 이해한 것이 아니다"
인공신경망의 주어지 과제는 이해한 것을 표현하는 것입니다.
인공신경망이 풀어야 할 숙제는 '과거와 현재의 사건에 깔린 본질적 개념을 이해해서 미래를 예측할 수 있을까? 입니다.
되먹임
가늘고 길게 살 것인가, 열정적으로 짧게 살 것인가
단기기억과 장기 기억을 결합하다 (뇌의 원리와 비슷해요,)
딥러닝은 뇌를 닮고 싶어 하네요
AI 분야에서도 정말 많은 아이디어로 도전을 하고 있는 거였네요,, 저는 그냥 딥러닝이라고 해서 계속 자료만 넣어주면 컴퓨터가 자료가 많이 쌓일수록 정확도가 높아지고 좋아지는 것만으로 단순하게 생각하였거든요
역전파 정렬 : 인공 신경망의 지도 학습 방식에서 척추에 해당되는 부분을 제거하고도 자력으로 걷는 것이 가능하다는 시범을 보인 것입니다. 좀 과장해서 말하자면 기존 컴퓨터 코드에서 핵심이 되는 한 줄을 망가뜨린 것과 같습니다. 모두가 당연하다 여겨왔던 것을 의심하고, 틀렸다는 것을 보여주는 것만큼 짜릿한 반전이 또 있을까요?
고요 속의 외침 게임과 같이 앞사람(뉴런)으로부터 정보를 받아, 여러분 나름대로 해석한 뒤 다음 사람에게 전달하는 것
(가족오락관 아시나요? 헤드폰에 음악을 틀어 높고 단어를 제시하여 설명하게 하여 마지막 사람이 정답을 맞히는 게임이지요. 이것과 인공지능이 비슷한 개념이네요 )
신경 가소성 : 영희와 철수 사이의 유대 관계가 깊어지고,,, 중요한 개념이네요
(게임에서 예를 들면 앞사람이 정답을 전달해 준다고 믿으면,, 이 앞사람은 주로 정답일 가능성이 크기 때문에 좀 더 많은 정보를 받고 주로 틀린 답을 주는 사람의 정보는 빼버리는 거지요)
이렇게 생물학적 신경망을 닮아가는 인공 신경망 연구는 현재도 진행 중입니다.
알파고 패러독스 - 결과에 집착할수록 현실에서 멀어지는 것
추상적인 개념을 형성하고, 학습된 추상적 개념을 구체적으로 풀어쓰고, 변하는 상황에 맞게 기억을 업데이트하고, 효율적으로 학습하는 새로운 방법을 터득하였습니다.
알파고 뇌를 닮아가다
벨만 방정식, 알파고, 뇌 : 다시 한자리에 모이다
마지막 장은 알파고가 뇌에게 질문은 하면서 끝나요~~
인간을 이해하는 인공지능을 이용해서 인간의 지능을 객관적으로 보는 것, 이것이 뇌기반 인공지능이라는 분야의 종착역입니다.