차례
1.. 정보처리방식에서의 직렬과 병렬, 기호조작과 커넥셔니즘, 컴퓨터와 뇌
2. 직렬 정보처리의 원리 - 현재의 컴퓨터
3. 병렬 정보처리의 기본원리 - 뇌
4. 인공지능, 인지과학, 신경모델론 - 기호조작주의 vs. 커넥셔니즘
5. 결론 - 전망
정보 처리를 실행하는 고도의 장치로서, 현재 컴퓨터와 뇌의 2개가 존재한다. 그러나, 이 두가지는 정보처리방식이 전혀 다르다. 컴퓨터는 주어진 프로그램에 따라서 한번에 하나의 명령을 정보를 변환하고, 또 이 정보에 기초하여 다음에 무엇을 할 것인지를 결정한다. 한번에 하나의 명령어가 처리되기 때문에 이를 직렬의 정보처리라고 부른다. 모든 정보는 0, 1의 숫자에 의해 기호로 표현되고 프로그램에 의해 처리, 변환되는 것이기 때문에 컴퓨터에 의한 정보 처리의 기본은 기호조작이다. 수학적 기초는 수리논리학이 제공하고 있다.
뇌에서는 다수의 뉴런이 복잡하게 연결된 네트워크를 이루고 있다. 입력정보가 들어오면 그것을 수용한 뉴런이 흥분하여, 이 흥분이 다른 뉴런에 전달된다. 뉴런간의 결합에는 흥분성과 억제성의 두 종류가 있다. 이러한 상호작용이 뇌 전체에 퍼져, 동시에 병렬적으로 흥분상태의 다이나믹스가 진행된다. 이것이 뇌의 정보처리 과정이다. 다수의 기본요소(뉴런이건 아니건)의 결합에 의한 상호작용으로 정보처리가 진행되는 측면을 중시하고 이것으로 어떠한 정보 원리가 실현 가능한가를 탐구하는 입장이 커넥셔니즘이다.
정보처리에는 처음부터 직렬과 병렬의 두 가지 기본원리가 존재했다고 볼 수 있다. 컴퓨터는 직렬의 길을 선택하여 기호조작의 가능성을 발전시켰다. 한편 생물은 진화의 과정에서 병렬의 길을 선택하여, 인간의 뇌에서 보여주듯 고차 정보처리의 길을 개척하였다. 이 과정에서 인간은 언어에 의한 기호조작을 필요로 하여, 직렬원리도 포함시켜 이것을 병렬의 하드웨어 상에서 실현시켰다. 의식의 개념도 이런 과정에서 생겨났다.
먼저, 직렬정보처리의 원리를 생각해보자. 수학자 튜링은 인간이 의식적으로 하는 정보처리인 사고과정을 연구하여, 그 원리를 규명하려 하였다. 수학기초론을 건설하는 입장에서, 사고나 추론의 가능성과 한계성을 명확히 했던 것이다. 그는 순서에 의해 계산이나 논리조작을 행하는 알고리즘에 착안하여 이를 실행하는 장치로써 튜링머신이라는 가공의 기계를 고안하였다. 그 결과 만능 튜링머신이라는 것이 있고, 어떤 알고리즘도 이 기계를 사용하여 실행할 수 있음을 보였다. 현재의 용어로 표현하면 프로그램과 데이타를 기계에 주면 어떤 알고리즘도 실행가능하다는 것이다. 따라서 프로그램을 변경한다면 어떤 알고리즘도 실행 가능하다. 프로그램과 데이타가 기계속에서 동등하게 취급된다는 폰 노이만의 시사도, 원천을 따진다면 튜링의 원리에 불과하다. 이처럼 튜링머신에 의한 직렬방식 기계 계산의 만능성을 보여줌과 동시에, 튜링은 그 한계도 명확히 했다. 즉, 함수 중에는 튜링머신으로는 계산불가능한 함수, 알고리즘으로는 풀 수 없는 문제가 있음을 보였다. 이러한 이론은 계산가능성의 이론 이라고 불리며, 궤델의 불완전선 정리와도 관련된다.
튜링머신인 컴퓨터는 1940년대에 전자기술을 사용하여 기술적으로 실현되었다. 그러나 정보원리는 그 이전에 명확히 정립되어 있었다. 직렬 정보처리의 기초이론위에 알고리즘 이론, 언어이론, 데이터베이스의 이론 등을 포함하는 컴퓨터과학이 탄생하였고, 그 위에 추가된 것이 인공지능이다.
이에 반해, 병렬처리의 기본원리는 무엇인가? 이 만능성은 어떻게 증명되고, 그 한계는 어디에 있는가? 이러한 것은 아직 명확하지 않고 현재도 연구중의 문제이다. 계산가능성의 이론이나 알고리즘 이론과 같은 명쾌한 원리가 여기에는 없을 지도 모른다. 그러나 현재 우리의 뇌가 있고, 이것이 고도의 지적 정보를 처리하고 있다는 것, 이것이야말로 병렬 정보처리원리의 존재 증명이고, 그 가능성이 높다는 것을 나타낸다.
많은 요소의 상호작용 다이나믹스에 의한 계산, 이것은 직렬의 알로리즘과는 다른 관점에서의 문제 설정이다. 이런 다이나믹스에 의해, 어떤계산은 용이하고, 또 어떤 계산은 불가능하다는 것을 제시하는 원리가 필요하다. 물론, 상호작용의 다이나믹스는 요소(뉴런)간의 결합치에 의존한다. 그러나 모든 결합치를 외부로부터 정밀히 설정하는 것이 어렵다면, 결합치는 학습과 자기조직에 의해 자동적으로 조정되어야 한다. 이러한 조정이 어디까지 가능하고, 어떤 만능성과 한계를 갖는가? 이것이 병렬 정보처리 원리에 관계된 문제이다.
이런 원리를 규명하기 위해 신경회로망이라는 수리모델이 만들어졌다. 이것은 확실히 뇌에 비하면 너무 단순하고 일면적이다. 그러나 원리를 탐구하는 입장에서는 단순한 경우가 유리할 수도 있다. 이것으로 심오한 수리적인 해석이 가능하여 병렬 정보처리의 가능성과 한계성을 명확히 할 수 있을 것이다. 그러나 너무나 단순화 시키면 중요한 것을 간과해버릴 수도 있기 때문에 다소 복잡하고 특별한 모델을 만들어 이 동작을 시물레이션으로 조사하는 작업도 중요할 것이다.
병렬 정보처리의 원리를 알고리즘의 입장에서 보면 이야기는 쉬워진다. 초기의 멕클럭과 피츠의 연구 결과를 언급할 필요도 없이, 뉴런을 사용하여 메모리와 논리소자를 만드는 것이 가능하다. 따라서 뉴런 회로망을 이용하여 만능 튜링머신도 만들 수 있음이 명백하다. 이 말은 현재의 컴퓨터가 하는 모든 것은 신경회로망도 할 수 있다는 것이다. 또 역으로, 뉴런의 상호작용 다이나믹스를 고차원의 연립 미분방정식으로 표현하는 것이 가능하면, 뇌의 동작을 컴퓨터에서도 모사할 수 있다는 것은 계산가능성의 원리에 의해 가능하다. 계산가능성 이론의 관점에서 보면 뇌도 컴퓨터와 동일하다. 따라서 문제는 어떤 종류의 계산이 병렬다이나믹스를 사용하여 쉽게 계산한가, 어떤 계산이 직렬알고리즘으로 쉽게 실현되는가 이다.
정보과학은 1940년대에 탄생했다고 말할 수 있다. 이 시기에 Wiener의 Cybernetics, Shannon의 정보이론, 컴퓨터의 기술적 실현등이 이루어졌다. 1950년대에는 언어이론과 automata이론이 생기고 제어이론도 추가되어 확고한 기초가 구축된다. 이 시대는 뇌와 컴퓨터 모두를 포함하여, 지적기능을 어떻게 해명하면 좋은가를 모색했던 시기이다. Cybernetics의 영향아래, 공학분야에서도 생체정보론이 왕성하게 연구되고, 신경회로망 모델도 몇개 제인되었다. 그 중에는 Widraw의 Adaline, Rosenblatt의 Perceptron, Caianiello의 신경방정식 등이 있다. 1960년대에는 학습패턴 식별장치 퍼셉트론이 정보분야에서 큰 유행을 하였다.
한편, 이 시기에 인공두뇌가 아닌 인공지능(Artificial Intelligence)의 연구가 시작되게 되었다. 이것은 1956년의 Dartmouth회의가 출발점이라고 알려져 있다. 지적기능을 인공적으로 실현하기 위해 두 가지 방안이 제안되었다. 하나는 인간의 뇌를 흉내내어, 뇌와 같은 방식으로 정보처리를 실현하는 병렬 정보처리 방식이다. 또 하나는 논리와 알고리즘의 만능성을 기초로, 그 당시 발전하던 컴퓨터를 이용하여 기호조작을 구사하는 직렬 정보처리 방식이다. Dartmouth회의에서는 주저없이 두번째 방법을 선택하게 된다. 뇌의 연구는 그 당시 아직 잘 모르는 상태이고, 그 본질을 규명하는 징조도 나타나지 않았기 때문이다. 따라서 인공지능을 실현하는 경우 그 도구는 그 당시 당장 사용할 수 있는 컴퓨터이고, 그 원리는 직렬의 알고리즘이다. 당연히 원리를 잘 알고 있는 방향에서 지능을 실현해 가는 것이 현실적으로 유효한 길이었을 것이다.
행동주의의 단순한 자극-반응 schema를 탈피하여 '마음의 움직임'을 시작했던 인지과학도, 도구로써는 컴퓨터를, 수단으로써는 인공지능을 선택하였다. 인간마음의 움직임의 하나로 논리적 추론이 있다. 인간이 의식적으로 하는 추론, 설명이 가능한 행동 결정 등이 모두 직렬의 순서로 해명 될 수 있을 것이다. 어쨌든 의식은 시간과 함께 직렬로 흘러간다. 따라서 컴퓨터 안에서 기호조작의 알고리즘을 사용하여 인간 마음의 움직임의 모델을 구축하고, 그 특성을 조사함으로써 실제 인간의 마음에 다다를 수 있을 것이다. 모델을 구축하는 부분은 인공지능과 일치한다. 이러한 컴퓨터모델을 간략히 AI(Artificial Intelligence)라고 부른다. 인공지능과 인지과학은 손을 마주잡고, 논리, 알고리즘, 기호조작을 축으로 1970년대부터 대약진을 시작하였다.
1970년대가 되면서 신경 정보처리 모델의 연구자 수가 급격히 감소해 간다. 이 분야는 실증적인 전기생리학과 인공지능의 양극으로 흡수된 것이다. 이러한 흐름을 더 심하게 만든 사건이 퍼셉트론의 한계를 지적한 Minsky와 Papert의 저서인 <Perceptron>이었다. 그러나, 인공지능의 한 대부인 Minsky는 원래 신경정보처리와 병렬정보처리에도 깊은 흥미를 가지고 이었다. 현재도 <K결선의 이론>과 같은 난해한 뇌의 이론을 제창하고 있다. Minsky는 병렬계산의 모델로서 퍼셉트론을 검토하여 그 한계를 지적하였다. Minsky의 지적에 의해 대다수의 연구자가 신경회로망 분야에서 탈퇴했지만 이 시기에 퍼셉트론의 한계를 극복한 신경회로망과 그 수리적 기초이론이 제안되었다. 연상기억모델, 정보처리기구의 자기조직에 의한 형성, 신경정보지도의 형성, 신경망의 흥분패턴 역학, 통계신경역학 등이 이에 해당한다.
1980년대에 들어와서는 정세가 크게 변한다. 이 때까지 인공지능은 크게 발전을 이륙하였다. 초기의 수학 정리 자동 증명이나 귀납적 추론에 이어, 전문가 시스템의 중요성이 주장되었다. 이것은 대상세계를 한정한 지식 데이타베이스를 만들어, 그 위에 if-then 형의 규칙을 주체로 하는 논리적 추론(production system)을 설정하여 전문가가 갖고 있는 지식과 추론을 실현하려는 것이다. 이것은 인공지능의 실용화이며, 인공지능시대의 개막이라고 선전되었지만, 실은 순조롭지만은 않았다. 그 이유는 데이타베이스에 학습기능을 부착한다는 것이 곤란하다는 점과 데이타베이스의 경직성, 애매한 상황에 대처가 곤란하고, 직렬의 논리적 추론에 숙명적인 탐색수의 폭발적 증대이다. 그리고 지적 기능의 실현 예로 전문가 시스템은 꿈이 너무 작다.
인지과학에도 반성이 일으났다. 인간이 의식적으로 하는 결정이란 것도, 실은 다수 뉴런의 의식하에 상호작용으로 유지된다. 말하자면 빙산의 일각으로 떠있는 의식의 흐름을 추적하여 그 법칙을 조사함으로써, 인간의 인지구조와 마음의 움직임을 정말로 알 수 있을 지도 의문이다. 다수 요소의 동시 병렬 상호작옹 다이나믹스로 무엇이 가능한가? 역시 이 문제에 대해 심층적인 연구를 집중할 필요가 있다. 이리하여 커넥셔니즘을 표방하는 연구그룹이 나타나 병렬 정보처리의 연구를 정열적으로 개시했다. 이 그룹은 신경회로망 모델과 인공지능을 결합시킬 촉매가 될 것으로 기대되었지만, 현재로서는 신경회로망 모델까지 내려가 버렸고, 어쩌면 너무 내려간 느낌까지 든다.
또, 그 수학적 이론 수준도 그다지 높다고는 생각할 수 없다. 그러나 새로운 철학으로 연구를 진행하고 참신하면서도 열성적인 패기에 호감이 가며, 사실, 응용을 포함한 다방면에서 새로운 성과를 내고 있다. 이리하여 커넥셔니즘은 현재 미국인지과학 분야를 석권하고 있다.
원래 지적 정보처리의 실현에는 병렬방식과 직렬방식, 커넥셔니즘과 기호주의의 두가지 길이 있다. 인공지능이 직렬의 길을 선택한 것은 그 당시의 시점에서는 현명한 선택이라고 할 수 있다. 그러나 이 때문에 이제까지 병렬정보처리의 원리적 가능성과 한계에 대해서, 대부분의 연구가 이루어 지지 않은 채 방치되었는지도 모른다. 아 공백을 메꾸기 위해, 현재 커넥셔니즘이라는 커다란 흐름이 진행되고 있다.
그 밑바탕에는 1980년대 신경과학의 발전이 있다. 신경생리학의 연구는 현재, 학습과 기억의 생리학적 기초연구까지 이르고 있다. 이 분야에서도 뇌의 시스템으로서의 정보원리에 대한 이론과 가설이 기대되고 있다. 또, 1970년대에 소수의 연구자가 꾸준이 기초이론을 구축해온 축적이 있다. 더욱이 1980년대에 들어와서 다수의 이론 물리학자가 이 분야에 참가한 것도 커다란 영향을 주고 있다.
커넥셔니즘과 기호주의, 이 두개가 현재 서로 대립된 입장이지만, 각기 일장 일단이 있고, 섣불리 우열을 논하는 것은 어려울 것이다. 단, 병렬 정보처리의 가능성은 이제까지 등한시되어 왔다. 현재 이 가능성과 한계를 명확히 하는 것이 당면한 문제이다. 인간의 뇌가 커넥셔니즘을 기반으로 한 병렬 컴퓨터인 이상, 이 능력을 무시하기는 힘들다.
신경회로라는 형태로 정보처리 장치를 진화시켜온 생물은 확실히 커넥셔니즘을 실현했다고 말할 수 있다. 어쨌든 생물이 지적능력을 획득하여 인간에 까지 진화하는데, 기호조작에 의한 직렬 정보처리가 어느정도 필요했었다는 점도 무시할 수 없다. 인간은 이를 위해 각종 언어를 발명하고, 그것을 사용하여 논리와 알고리즘을 실현했다. 직렬의 프로세서를 감시하는 것으로써 의식이 발생했는지도 모른다. 직렬의 정보처리라고 하더라도 인간의 사고의 상징화 또는 모델화였던 것이다.
학습능력을 지닌 병렬처리에 관해서는 우리는 아지까지 그것을 원리로 하여 체계적으로 구축하는 데까지는 오지 못하고 있다. 그러나 그러한 원리적 인식체계는 어차피 이루어질 것이다. 뇌는 이러한 원리의 생물학적 구현에 불과하다. 생물은 생물적 재료, 특히 분자기계로 말할 수 있는 생체고분자의 작용을 재료로 하여 긴 진화 발전과정 끝에 사람의 뇌와 같은 지적 기능을 갖는 것을 실현하였다. 그러나 뇌속에 이 원리가 사용되고 있다고 하더라도, 그것은 역사적 생물학적 사정에 속박된 특수한 것이다. 뇌를 실증적으로 연구하는 것은 병렬원리를 이해하는 데 있어서 대단히 중요지만 또 지극히 어려운 일이다. 오히려 원리를 먼저 설정하여, 그 입장에서 그것이 어떠한 형태로 뇌 속에 구성되어 있는지 알아보는 것이 마찬가지로 중요하다고 생각된다. 이것이 계산이론적 신경과학이다.
한편 원리 그 자체를 지향하여 여러 구조의 신경회로망 모델을 만들어 동작의 특징적인 성질이나 학습, 자기조직의 가능성을 추구하는 모델에 대한 연구도 예전부터 계속되어 왔다. 이러한 모델은 직접 뇌의 특정부위를 모델화한 것이 아니며, 실용적인 정보처리를 목적으로 한 것도 아니다. 오히려 단순한 모델을 수학적으로 해석함으로써 그러한 구조의 회로망 정보처리의 가능성과 한계, 학습법의 가능성과 한계를 밝히려고 하는 것이다.
사람은 지적기능을 실현하는 데 있어서 동물의 병렬 사고만으로는 한계에 부딪혔다. 아것을 타파할 수 있었던 이유는 언어라는 기호를 써서 사고를 기호화 하였기 때문이다. 아것으로 순차적 기호처리가 가능해지고 논리가 싹트고 지적기능을 획득하였다. 의식이 생긴 것도 이러한 순차과정을 살펴 볼 필요성에 의한 것인 듯 하다. 사람은 뇌라는 병렬 하드웨어 위에 갖은 노력 끝에 기호 처리 과정을 올려 놓았다. 우리는 이것을 현재 컴퓨터의 알고리즘으로 실현할 수 있으며, 구태여 신경회로망으로 실현할 필요는 없다. 현재의 컴퓨터는 지관적 사고나 학습의 능력은 가질 수 없다. 미래의 지적 기능 실현은 사람이 하듯이 순차형과 병렬형의 두 가지 기술의 협조 위에 구축될 것이며, 여기에 인공지능의 장래 방향이 있다고 생각된다.
최종 수정일 1996년 10월 28일 배병훈 , 주식회사 락싸