인공지능(Artificial Intelligence)의 4가지 유형

이번 포스팅은 미국 미시간 주립 대학교의 Ared Nintze 교수가 Cloud & Computing에 기고한 글을 변역한 것입니다. 원문을 여기를 통해서 읽어보실 수 있습니다.

인공 지능 최신 연구에 따르면 지각 능력과 지능을 갖춘 기계가 완성되기까지 오랜시간이 걸리지 않을 것 같습니다. 기계는 언어 명령을 이해하고, 그림을 구별하고, 자동차를 운전하고 게임을 우리보다 더 잘합니다.

2016년 백악관 보고서에 따르면 인공지능의 미래에 대해 일부 회의적인 견해를 가지고 있습니다. 향후 20년 동안 기계는 "인간과 비슷하거나 그 이상으로 광범위하게 적용 가능한 지능을 보여주지 않을 것"이라고 말합니다. 하지만 앞으로 몇 년 동안 "기계는 더 많은 분야에서 인간 수준의 성능에 도달하고 더 많은 작업에서 인간을 능가 할 것입니다." 그러나 이러한 기능이 어떻게 발전할 것인지에 대한 가정을 할때 몇 가지 중요한 사항을 놓쳤습니다.

인공 지능을 연구하는 Nintze 교수는 "미국 정부가 높은 수준으로 인공 지능 분야를 강조하는 것이 좋지만, 최근 백악관의 보고서는 제가 "지루한 종류의 AI"라고 부르는 것에 거의 전적으로 초점을 맞추고 있습니다"라고 밝혔습니다. 그것은 끈암없이 진화하고 발전하는 AI 시스템을 개발하는데 어떻게 도움이 될 수 있는지, 그리고 인간 지능이 어떻게 진화했는지 이해하는데 컴퓨터 모델이 어떻게 도움이 될 수 있는지에 대한 나의 AI 연구 분야를 평가 절하한 것이라고 할 수 있습니다.

이 보고서는 기계 학습과 딥러닝과 같은 주류 AI 도구라고 할 수 있는 것에 중점을 둡니다. 이것들은 "Jeopardy!"를 할 수 있었던 일종의 기술입니다. 그리고 이러한 AI 기술은 지금까지 발명된 가장 복잡한 게임인 바둑에서, 인간 바둑 마스터를 이겼습니다. 현재의 이러한 지능형 시스템은 방대한 양의 데이터를 처리하고 복잡한 계산을 매우 빠르게 수행 할 수 있습니다. 그러나 그들은 우리가 미래에 가지고 있다고 상상하는 감각 기계를 만드는데 핵심이 될 요소가 부족합니다.

기계를 가르치는 것 이상의 일을 해야합니다. 우리는 인공 지능을 4가지 유형으로 정의하는 경계를 극복해야 합니다.

얼마나 많은 유형의 인공 지능이 있습니까?

인공 지능은 다음의 4가지 유형으로 나눌 수 있습니다. 반응하는 기계(reactive machine), 제한된 기억으로 작동하는 기계(limited memory), 마음 이론(theory of mind, ToM), 그리고 자기 인식(self-awareness)

유형1. 반응하는 기계(Reactive Machine)

가장 기본적인 유형의 AI 시스템은 순전히 반응적이며 기억을 형성하거나 과거 경험을 사용하여 현재 결정을 알리는 능력이 없습니다. 1990 년대 후반에 국제적인 그랜드 마스터인 Garry Kasparov를 이긴 IBM의 체스 게임 슈퍼 컴퓨터인 Deep Blue는 이러한 유형의 머신의 완벽한 예입니다.

Deep Blue는 체스판의 조각을 식별하고 각 조각이 어떻게 움직이는 지 알 수 학습했습니다. 이를 기반으로 자신과 상대방을 위해 다음 움직임이 무엇인지 예측할 수 있습니다. 그리고 가능성 중에서 가장 최적의 움직임을 선택하게 됩니다.

하지만 과거에 대한 개념이 없고 이전에 일어난 일에 대한 기억도 없습니다. 같은 동작을 세 번 반복하는 것에 대해 드물게 사용되는 체스 관련 규칙을 제외하고, Deep Blue는 현재 순간 이전의 모든 것을 무시합니다. 그것이하는 일은 바로 지금 배치되어 있는 체스 판의 조각을 보고 가능한 다음 동작 중에서 선택하는 것입니다.

이러한 유형의 지능은 컴퓨터가 세계를 직접 인식하고 보는 것에 따라 행동하는 것을 포함합니다. 세상의 내부 개념에 의존하지 않습니다. 중요한 논문에서 AI 연구원 Rodney Brooks는 우리가 이와 같은 기계만 만들어야 한다고 주장했습니다. 그의 주된 이유는 사람들이 컴퓨터가 사용할 정확한 시뮬레이션 세계를 프로그래밍하는 데 그다지 능숙하지 않기 때문입니다. AI 장학금에서는 세계의 "표현"이라고합니다.

우리가 감탄하는 현재의 지능형 기계는 그러한 세계 개념이 없거나 특정 임무에 대해 매우 제한적이고 전문화된 기계를 가지고 있습니다. Deep Blue 디자인의 혁신은 컴퓨터가 고려한 가능한 영화의 범위를 넓히는 것이 아닙니다. 오히려 개발자는 결과를 평가 한 방법에 따라 시야를 좁히고 잠재적 인 미래 움직임을 추구하지 않는 방법을 찾았습니다. 이 능력이 없었다면 Deep Blue는 실제로 Kasparov를 이길 수있는 훨씬 더 강력한 컴퓨터가되었을 것입니다.

마찬가지로 최고의 Go 전문가를 능가한 Google의 AlphaGo는 향후 모든 잠재적 인 움직임을 평가할 수 없습니다. 분석 방법은 신경망을 사용하여 게임 개발을 평가하는 Deep Blue보다 더 정교합니다.

이러한 방법은 AI 시스템이 특정 게임을 더 잘 플레이하는 능력을 향상 시키지만 쉽게 변경하거나 다른 상황에 적용 할 수는 없습니다. 이렇게 컴퓨터화된 상상에는 더 넓은 세상에 대한 개념이 없습니다. 즉, 할당된 특정 작업 이상으로 기능 할 수 없으며 쉽게 속기 쉽습니다.

그들은 언젠가는 AI 시스템이 상상하는 것처럼 세상에 대화식으로 참여할 수 없습니다. 대신, 이러한 기계는 동일한 상황이 발생할 때마다 정확히 동일한 방식으로 작동합니다. 이는 AI 시스템의 신뢰성을 보장하는 데 매우 유용 할 수 있습니다. 자율 주행 자동차가 신뢰할 수있는 운전자가되기를 원합니다. 하지만 우리가 기계가 진정으로 세상에 참여하고 반응하기를 원한다면 나쁜 일입니다. 이 가장 단순한 AI 시스템은 스스로가 지루해해거나, 흥미를 잃게 되거나, 슬퍼하지 않을 것입니다.

유형2. 제한된 메모리(Limited Memory)

이 유형은 과거를 볼 수 있는 기계를 의미합니다. 자율 주행 자동차는 이미 이 중 일부를 수행합니다. 예를 들어, 그들은 다른 자동차의 속도와 방향을 관찰합니다. 단 한 순간에 수행 할 수는 없지만 시간이 지남에 따라 특정 개체를 식별하고 모니터링 해야합니다.

이러한 관찰은 차선 표시, 신호등 및 도로의 곡선과 같은 기타 중요한 요소를 포함하는 자율 주행 자동차의 사전 프로그래밍 된 세계 표현에 추가됩니다. 차가 차선 변경시기를 결정할 때 포함되어 다른 운전자를 차단하거나 근처 차량에 치이지 않도록합니다.

그러나 과거에 대한 이러한 단순한 정보는 일시적 일뿐입니다. 운전자가 수년에 걸쳐 운전대에서 경험을 수집하는 방식을 통해 배울 수 있는 자동차 경험 라이브러리의 일부로 저장되지 않습니다.

그렇다면 완전한 표현을 구축하고 그들의 경험을 기억하며 새로운 상황을 처리하는 방법을 배우는 AI 시스템을 어떻게 구축 할 수 있을까요? Brooks는 이것을 구현하기는 매우 어려울 것이라고 지적했습니다. Darwinian 진화에서 영감을 얻은 방법에 대한 저의 연구는 기계가 자신의 표현을 구축하도록함으로써 인간의 단점을 보완 할 수 있습니다.

유형3. 마음 이론(Theory of Mind, ToM)

마음 이론에 기반한 기계는, 기존의 기계와 미래의 기계를 나누는 중요한 요소라고 부를 수 있습니다. 그러나 기계가 형성해야하는 표현의 유형과 그에 대한 내용을 더 구체적으로 논의하는 것이 좋습니다.

더 발전된 형태의 기계는 세계 뿐만 아니라 세계의 다른 에이전트 또는 엔티티에 대한 표현을 형성합니다. 심리학에서는 이것을 “마음 이론”이라고 부릅니다. 세상의 사람, 생물 및 사물이 자신의 행동에 영향을 미치는 생각과 감정을 가질 수 있다는 이해가 필요합니다.

이것은 우리 인간이 사회를 형성해나가는 과정에서 매우 중요 요소입니다. 왜냐하면 "마음 이론"은 우리가 사회적 상호 작용을 할 수 있게했기 때문입니다. 서로의 동기와 의도를 이해하지 않고 다른 사람이 나 또는 환경에 대해 알고 있는 것을 고려하지 않고 함께 일하게 된다면, 문제를 갈등 상황에 이르게 종국에는 해결불가능한 상태에 이를 수도 있습니다.

AI 시스템이 실제로 우리 사이를 걸어가려면 우리 각자가 어떻게 대우 받을 것인지에 대한 생각과 느낌과 기대를 가질것인가에 대해 깊은 고민을 해봐야 합니다. 그리고 그에 따라 행동을 조정해야합니다.

유형4. 자기 인식(Self-awareness)

AI 개발의 마지막 단계는 자신에 대한 표현을 형성 할 수 있는 시스템을 구축하는 것입니다. 궁극적으로 우리 AI 연구자들은 의식을 이해하는 것뿐만 아니라 그것을 가진 기계를 만들어야합니다.

이것은 어떤 의미에서 유형3 인공 지능이 소유 한 "마음 이론"의 확장입니다. 의식(Consciousness)는 이러한 이유로 “자기 인식”이라고도 합니다. (“I want that item”은 “I know I want that item”과는 매우 다른 표현입니다.) 의식이 있는 존재는 자신을 인식하는 내부 상태를 알고 다른 사람의 감정을 예측할 수 있습니다. 우리는 교통 체증에서 우리 뒤에서 경적을 울리는 사람이 화를 내거나 참을성이 없다고 가정합니다. 왜냐하면 우리가 다른 사람에게 경적을 울릴 때 느끼는 감정이기 때문입니다. "마음 이론"이 없이는 그런 추론을 할 수 없었습니다.

우리는 아마도 자기 인식하는 기계를 만드는 것과는 거리가 멀지만 기억, 학습 및 과거 경험에 기반한 결정을 내리는 능력을 이해하는 데 노력을 집중해야합니다. 이것은 인간의 지능을 스스로 이해하는 중요한 단계입니다. 또한, 우리가 눈앞에서 보는 것을 분류하는 데 탁월한 기계를 설계하거나 발전 시키기 위해서도 매우 중요한 단계가 될 것입니다.