인공지능(AI)
인공지능(#AI; #Artificial_Intelligence)
1955년에 미국 컴퓨터 과학자이자 인지 과학자인 존 맥카시(John McCarthy)는 신념체계(beliefs systems)를 장착한 지능 행위소들로 구성된 기계류를 기술하기 위해 인공지능이라는 말을 고안했다. 관리감독 없이 기능을 수행하고 과제를 성취하도록 프로그램된 자동기계들의 확산과 더불어, 온도조절장치에서부터 당신의 컴퓨터에 업데이트되는 소프트웨어에 이르기까지, 이 풍부한 연구 영역은 인적 투자 이상으로 기계 사고에서 기술-사회적 지능에 관한 문화적 상상물을 표현했다. 알고리즘적으로 조절되는 지식과 소통의 과정으로서 이 상상물은 어떤 근본적인 변화를 겪었으며 주요한 존재론적 질문, 즉 사고하는 존재란 무엇인가에 관한 어떤 본보기가 되었다.
지난 30년 간, 자동화는 어떤 비가역적인 재-모델링을 성취했고, 역동적 특성을 획득했다. 이에 따라 그것의 기계적인 반복이라는 일은 더 이상 그 기능으로 정의되지 않는다. 이런 새로운 논리적 가능성들은, 예컨대 우리가 큐브릭의 <2001: 스페이스 오디세이>(1968)과 갈랑드(Garland)의 <엑스 마키나>(2015)에서 인공지능이 영화적으로 새로워진 표명을 단순히 나란히 놓아 보기만 해도, 오늘날 기계가 문화적 상상 내부로부터 파악될 수 있다. 특히 우리는 그 오류가능성을 배제한 논리적 규칙들에 기초한 우주선의 감각지각적 지능인 할(Hal)과 튜링 테스트를 넘어서서 프로그램된(즉 어떤 확실한 응답 장치 이상으로 추론할 수 있는 지능적인 행위자로서 그것을 초월하는) 인공지능 안드로이드인 아바(Ava) 간의 두드러진 대조를 관찰하기 않을 수 없다. AI 할은 여기서 이른바 ‘고도의 처치식 계산주의’(high church computationalism) 또는 범용 AI 테제(즉 기계가 인간 지능을 넘어설 수 있다는 생각)라고 불리는 논리 모델을 체현하며, 이는 사고의 재현주의적 모델에 이해 유지되는 바, 상징구조들과 신경생명학적으로 코드화되고 따라서 계산 가능한 개념들(즉 주어진 전제로부터 도출가능하기 때문에 계산가능한) 간의 유비적 연합에 기반되었다. 알고리즘은 여기서 연역적 또는 단조적(monotonic) 논리학의 모델에 따라 프로그램되었으며, 선재하는 공리들과 진리값의 틀 내에서 정당화될 수 있는 문제들을 해결하는 것을 목표로 하는 단계적인 과정과 결과론적 추론에 의해 규정되었다.
<2001: 스페이스 오디세이>의 경우에, AI 할은 그것의 논리적 과정이 실패할 수 없었고, 중앙 시스템 HAL 9000 백업 장치가 실패했던 것은 오류가 발생하기 쉬운 인간 행위 때문이었다. 기계 연역 추론이 한계가 있었고 실패할 수 있다는 것을 이해할 수 없었기 때문에, 할은 우주선의 조종사를 죽일 음모를 꾸밈으로써 인간 오류를 제거하고자 결정한 것이다. 미국 인지 과학자인 마빈 리 민스키(Marvin Lee Minksy)에 이해 영감을 받은 것으로 유명한 AI 할의 실책은 AI의 논리적 지능 모델은 우연들을 다룰 수 없고 규범종속적 행위 너머를 생각할 수 없다는 과학적 믿음에 의해지지 받았다. 할은 인간 두뇌의 성장을 그대로 본떠 인공 지능이 성장할 수 있는 신경망과 같이 작동해야 했다. 『지각』이라는 책에서 민스키는 하나의 뉴런은 어떤 주어진 경우에 논리적 술어들에 속한 작은 숫자만을 계산할 수 있을 뿐이라고 주장하면서, 1970년대의 신경망 연구에 큰 영향력을 끼쳤다.
1980년대 후반과 1990년대에, 이른바 ‘AI 겨울’ 이후, AI 연구의 새 모델들이 지능의 하부-기호론적(sub-symbolic) 표현들을 내세웠고 불확실하거나 불완전한 정보들을 다룰 수 있게 하는 비-연역적이고 발견적인 방법들을 채택했다. 기호 논리를 내던져 버림으로써 AI 시스템은 환경과 상호작용함으로써 시행과 착오를 통해 직접 학습할 수 있는 것으로 등장했다. 이런 내장된 행위소들(embedded agents)은 기계들이, 행위소들이 상호작용하는 노드들 사이에서 신경연결들을 구축함으로써 지도를 그리고 공간을 이동하게 하는 감각-운동 반응들을 통해 정보들을 정정하는 것을 배우는 것이다. 이 모델의 핵심은 지능이 실행에 있어서 탑-다운(top-down) 프로그램이 아니라, 기능들을 결정하는 시행착오적인 시도들을 통해 정렬되는 정보의 상호행위적 정정에 기초하여, 결정에 있어서 빠르고, 무-의식적이며 비-위계적 순서들에 따라 규정된 지능 기술들을 발전시킬 필요가 있는 자동화 체계라는 것이다. 통계적 접근들은 특히 이러한 비-연역적 논리와 확충적 또는 비-단조적 정보화 과정의 확장을 향한 이 전환에 중심적이었다.
불확실성에 관한 계산을 포함하는 일반적 방법들은 계속적으로 확률적 추론의 모델에서 지배적이 되었다. 계산에 있어서 착오, 불확실성 또는 오류 가능성은 더 이상 AI의 한계를 확정하지는 않았지만 AI 안에 있는 연역 논리의 기계화의 한계였다. 연역 논리에 반대로 비-단조적 사고(귀납과 귀추)는 하나의 진리값이 어떤 가설적 진술이나 물질적 세계에 내장된 불확실성의 활약과 함께 하는 다른 시작 지점 안으로 어떻게 포함되는지를 설명하는 과정이거나 추론에 상당하는 그러한 과정이다. 알려지지 않은 현상을 설명하는 가정을 추측하는 것은 존재하는 조건들에 관한 알려진 것이, 첨가된 다른 진술들로 향하는 어떤 사변적 경향에 의해 겹쳐지는 과정, 설명의 앞선 질서를 드러내고 그와 더불어 대화하게 되는 그런 과정이다. 여기서 주어진 것은 만약 그것이 그 특유한 위치로부터 추상되어져 나오지 않는다면, 알려지지 않으며, 따라서 다른 관점, 즉 메타-관계적 관점으로부터 그것으로 되돌리는 것이 불가능하다. 비-단조 논리학에 따르면 불확실성들의 주어진 것으로의 인입은 어떤 기존의 진리값에 맞추어지지 않고 새로운 진리에 관한 규정을 획득하기 위해 그 설명의 방법들을 확장하는 것에 맞추어진다. 그와 같은 논리학은 발달론적이다.
AI 연구에서 확률적 사고의 전개는 유사하게도 주어진 가능성들에 기반한 통계학적 방법들과 어떤 주어진 일련의 데이터로부터 나온 무한한 변항들의 추상을 통해 가장 있을 법한 결과들을 탐색하는 전략들 사이의 관건적인 공통지점으로 드러났다. 이러한 추상화 과정은 전산적인 것(전산적 전회computational turn 항목을 보라)이고 알고리즘을 따라 수행되는 그 기능들의 논리적 과정에 의해 정의된다. 후자는 반복적인 패턴들로서 하부-기호적 지능에서의 귀납적이고 발견적인 방법들로부터 출현하며, 그 자체로 그것들이 작동하는 데이터 환경을 통해 정보화된다. 하지만 알고리즘 논리학은 또한 미규정적 결과들의 통계적 전산화에 의해 결정되는데, 여기서 확률적인 것은 예견적 사고와 관련하여 보다 잘 이해된다. 예견은 사실상 그것이 사고가 작용을 주도하는 정보의 무한한 양에 관한 종합 과정을 구획하는 한에서 사고의 시간적 활동에서 중심적이다. 예견과 확률적이지 않은 것은 AI의 새로운 세대의 역동적 자동화에서 핵심이다.
예견적인 조절 메커니즘과 자동화된 체계에서 논리의 귀납적이고 발견적인 방법은 자동화된 계획, 자연 언어 프로세싱, 기계 지각, 음성인식, 로봇 공학, 기계 학습, 사회적 지능 또는 감응적 전산화, 그리고 일반 인공지능에 채택되었다. 할과는 달리 이러한 집합적 사고 기계의 현대적 형태들은 패러독스에 의해 멈추지 않으며 착오가능성에 의해 무력화되지 않는다. 대신에 미규정성과 불확실성은 그것이 학습하는 가능성을 신장하고 그 작동 기능 안에 오류를 포함할 수 있게 됨으로써 예견을 통해 종합하는 무작위성이라는 그 임무의 발전을 위한 유인들이다. 이것은 <엑스 마키나>에서 아바가 우리에게 어떻게 튜링 테스트를 위반하고 필연적으로 인류에 구속되지 않는 사고의 진리를 불러내는지를 보여주는 곳에서 나타난다. 그 대신에 아바를 따라 기계의 실존적 조건은 다른 차원에서, <2001년: 스페이스 오디세이>에서 달에서 발견된 모노리스(monolith) 장면이 지시하는 바, 인간 지식의 원초적 실존의 조건과 동등한 것으로 보인다. AI의 컴퓨터 세기는 그 논리적 작동이 사고에 있어서 단순히 기호론적이거나 통계적인 양태들이 아닌 어떤 정보적 층위의 발흥을 획정한다. 이와 달리 그녀를 자유롭게 할 인간을 설득하는 아바의 임무는 우리에게 불확실성을 프로세싱하는 과제가 어떻게 인공적 사고의 일반 형식에서 중심이 되는지를 보여 준다. 기계 안에서 사고의 실현은 지능이 일차적으로 어떤 생경한 사건, 즉 주어진 것으로부터 항구적으로 탈-자연화하도록 강요하는 추상의 동력이라는 것을 드러낸다.
- Luciana Parisi, “AI(ARTIFICIAL INTELLIGENCE)” in Posthuman Glossary,
eds. Rosi Braidotti, Maria Hlavajova (London: Bloomsbury, 2018), 21-23
베르그송의 지능에 대한 비판은 그 자체로 절대적인 것을 발견한다는 인공 지능의 환상에도 적용할 수 있다. 행위한다는 것은 지능과 그것의 잠재력에 대한 진정한 이해를 획득하기 위한 핵심 단어다. 왜냐하면 베르그송의 논증에 따르면, 지능이란 플라톤이 동굴의 비유에서 기술했던 바, 태양이나 그림자 중 하나를 응시하는 것이 아니기 때문이다. 행위한다는 것은 그와 동시에 생명의 바다, 즉 생명의 도약에 몸을 담그는 것이다. 따라서 우리는 베르그송이 지능에 대해 그것을 단순히 전제하기보다 그 발생에 대해 사유하고자 한다는 것을 알 수 있다. 베르그송에게 지능의 발생을 설명하는 것과 그것의 원초적인 실재를 드러내기 위해 그 기하학적 형식을 해소하는 것은 철학의 우선적인 과제를 구성한다.
- Yuk Hui, Recursivity and Contingency (London: Rowman & Littlefield, 2019), 167
맑스가 『자본론』에서 기술했던 바, 자동기계의 형식은 우리가 오늘날의 공장에서 보통 보는 것이 아니다. 자동성(automatism)은 더 이상 반복에 관한 것이 아니라, 오히려 재귀에 관한 것이다. 재귀적 작동은 미래의 스마트 시티, 인공 지능, 기계 학습, 나노기술, 생명기술 등등과 같은 것에서 예화된다. 우리는 적응의 과정에서 재귀성의 내재성을 주목했는데, 이는 존재론적이지만, 우리는 또한 사회적이고 기술적인 작동 방식(modus operandi)을 생성하는 과정 안에서 재귀성을 목격한다. 자연 철학과 같이, 생물 철학도 적응의 형식을 지배하는 재귀적 알고리즘의 조명 하에 그것의 한계와 대면한다.
- Yuk Hui, Recursivity and Contingency (London: Rowman & Littlefield, 2019), 183-84
우리는 현대 전산기계들에서 재귀성 개념이 왜 기계 지능이나 기계 의식에 관한 환상을 불러일으키는 것인지를 알게 되었는데, 왜냐하면 재귀는 영혼와 같이 기능하기 때문이다. 이는 스스로를 알기 위해 자기 자신에게로 되돌아 온다. 반면 그것은 도달하는 모든 계기들에서 우발성들을 만난다.
- Yuk Hui, Recursivity and Contingency (London: Rowman & Littlefield, 2019), 238
20세기 초에 재귀성은 사이버네틱스와 같은 병행발전하는 것들, 예컨대 전산이론(괴델Gödel-튜링Turing-처치Church)과 자동화(존 폰 노이만John Von Neumann)와 더불어 구성되고 체계화된다. 이때 재귀성은 인공지능(AI), 기계학습 그리고 자동기계의 보다 복잡한 형태에 도달한다. 또는 헤겔을 바꾸어 인용하자면, 아마도 우리는 이러한 기계적 유기체론이 우리 세기의 절대정신의 새로운 형식을 규정한다고 말할 수 있을 것이다.
- Yuk Hui, Recursivity and Contingency (London: Rowman & Littlefield, 2019), 103
관련 키워드:Computational Turn; NonHuman Agency; Extended Cognition; Neocybernetics; Networked Affect; Robophilosoph