범용 인공지능과 강한 인공지능에 대해

인공지능이란 말 그대로 인위적으로 지능을 만드는 것이다.

 

그렇다면 우리는 먼저 지능을 정의하여야 한다.

하지만 불행하게도 우리는 아직 지능을 제대로 정의하지 못하고 있다. 그러다 보니 인공지능 연구가 정확한 목표를 가지지 못하고 효용성을 목표로 향해 나아가고 있는 듯 하다. 다양한 방면의 연구들과의 통합을 통해 지능에 대해서 먼저 정의를 해보고 싶다. 하지만 지능을 정의하는 것이 가능하지 않을 수도 있을 것이다.

 

우리는 생성형 AI(트랜스포머 모델)에 해당하는 ChatGPT를 포함하여 많은 AI 서비스를 보서 놀라워하고 있다. 이를 통해 강한 인공지능의 출현이 좀더 빨라질 것으로 예상하고 있다. 하지만 현재의 생성형 AI는 빅데이터 기반의 학습을 요구하고 있어서 큰 나라(미국, 중국 등)의 큰 회사만이 가질 수 있다는 한계를 가지고 있다. 그보다 작은 나라는 어떻게 해야 할까?

 

우리는 현재의 생성형 AI의 이면을 생각해봐야 한다고 생각한다.

 

1. 빅데이터의 학습 문제

인간은 어려서부터 이렇게 큰 데이터를 통해 학습하지 않지만 그럼에도 훌륭한 지능을 가지고 있다. CNN 알고리즘으로 학습한 AI가 개와 고양이를 구분하려면 최소 몇 천장에서 수만장의 개와 고양이의 사진이 필요하다. 그것도 사진의 다양성이 요구된다. 하지만 인간이 개와 고양이를 구분하게 위해서 얼마의 개와 고양이 사진을 보았을까? 또한 생성형 AI가 만들어 내는 자료들에 의해 학습데이터의 오염 문제는 심각하다.

 

2. 뉴런에만 의존하는 신경망 모델의 한계

현재의 인공지능 신경망은 뉴런을 모델링한 것이다. 하지만 인간의 경우에는 DNA라는 정보체계도 있고 뇌가 아닌 세포에 의한 학습/기억도 생각해 봐야 한다.

 

3. 신체와 뇌의 연관성을 고려하지 않는 문제

현재는 뇌에만 집중하고 있어서 신체와 지능의 연관 관계를 고려하지 못하고 있다. 뇌는 인식만을 하는 것이 아니라 신체와 밀접한 관계를 유지하며 동작한다. 어쩌면 지능도 신체와 일부 나누어서 관리하고 있을 수 있다.

 

4. 판단에 대한 모델 필요

현재의 인공 지능은 입력이 있으면 출력이 있다. 하지만 실재 뇌는 판단이라는 부분이 있다고 생각된다. 입력은 항상 존재하지만 출력을 할지 말지에 대한 판단이 필요하다. 어쩌면 이것이 강한 인공지능의 시작일 지도 모른다. 이런 문제들을 생각할 때 어쩌면 꼭 빅데이터를 가지고 있지 않아도 강한 인공지능에 접근할 수 있지 않을까 생각된다.

 

현재의 생성형 AI를 기반으로 범용AI(AGI)를 추구하고 있다. 내 생각에는 범용AI와 강한 인공지능과는 차이가 있다. 강한 인공지능에는 판단이라는 요소가 포함되어야 하기 때문이다.

 

이렇게 인공지능이 힘을 받는 시기에 다양한 분야의 연구들과 인공지능을 조합하는 강한 인공지을에 대한 시도가 필요한 것 같다.