광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
광고
로고

미래학자 레이 커즈와일은 인공지능이 마음을 어떻게 만드는지 설명한다. 인공지능은 뇌로 들어가 우리의 생물학적 뉴런과 연결된다. 그들은 인터넷과 무선으로 통신하여 우리의 두뇌가 클라우드에서 AI를 직접 활용할 수 있도록 한다. 모바일 장치로 흥미로운 일을 할 때 종종 클라우드 기반 AI를 사용한다. 미래에 당신을 보호하기 위해 더 똑똑한 인공지능을 취해야 한다.

JM Kim | 기사입력 2020/12/11 [10:33]

미래학자 레이 커즈와일은 인공지능이 마음을 어떻게 만드는지 설명한다. 인공지능은 뇌로 들어가 우리의 생물학적 뉴런과 연결된다. 그들은 인터넷과 무선으로 통신하여 우리의 두뇌가 클라우드에서 AI를 직접 활용할 수 있도록 한다. 모바일 장치로 흥미로운 일을 할 때 종종 클라우드 기반 AI를 사용한다. 미래에 당신을 보호하기 위해 더 똑똑한 인공지능을 취해야 한다.

JM Kim | 입력 : 2020/12/11 [10:33]

마음을 어떻게 만드는가? 인간의 뇌는 전자적 방법이 아닌 생화학적 방법을 사용하지만 여전히 정보를 처리한다. 알고리즘을 이해할 수 있다면 충분한 용량의 컴퓨터에서 그 기술을 재현할 수 있다.  

 

그렇다면 인간의 두뇌와 컴퓨터는 동등할 수 있는가? 

컴퓨터 과학자이자 개척자인 알란 튜링(Alan Turing)의 계산 동등성 원칙에 따라 컴퓨터는 충분한 속도와 메모리 및 적절한 소프트웨어를 갖추고 있다면 인간 두뇌의 성능과 일치할 수 있다.

 

용량 부분은 어떠한가? 

하드웨어 기능 측면에서 우리가 염려하는 것은 기능적 동등성이다. 즉, 인간의 성능과 일치하는 데 필요한 계산 속도와 메모리는 얼마일까? 특이점이 온다(Singularity Is Near)에서 속도 수치를 초당 약 1014(100조) 계산으로 도출했지만 보수적으로 1014~1016cps 범위를 사용했다.

이미 성공적으로 재현된 시각 신경처리 영역을 에뮬레이션하는 데 필요한 계산량을 추정한 당시 AI 전문가 Hans Moravec의 추정치는 1014cps였다. 내 책 마음의 탄생(How to Create a Mind)에서 나는 최근의 신경과학 연구와 내가 제시한 인간 사고의 모델을 기반으로 이 수치를 다시 도출했다. 결과는 다시 1014cps이다. 오늘날 가장 빠른 슈퍼컴퓨터인 IBM의 Sequoia Blue Gene/Q 컴퓨터는 약 1016cps를 제공한다.  

일상적인 데스크톱 컴퓨터는 약 1010cps에 도달할 수 있지만 특수 칩이나 클라우드 리소스를 사용하면 이 값을 크게 늘릴 수 있다. 나의“수익 가속화 법칙”에 내재된 지속적인 기하급수적인 성장을 감안할 때, 개인용 컴퓨터는 이 10년이 끝나기 훨씬 전에 일상적으로 1014cps를 달성하게 된다.

우리는 RAM 메모리 요구 사항을 달성하기 위해 더 나아가고 있다. 마음의 탄생(How to Create a Mind)에서 약 200억 바이트의 요구 사항이 있다고 추정한다. 이는 오늘날 개인용 컴퓨터에서 쉽게 달성할 수 있는 수치이다.  

 

 

무어의 법칙이 끝나지 않았는가?

무어의 법칙은 컴퓨팅의 가격 대비 성능이 기하급수적으로 증가하는 것과 동의어가 아니다. 그것은 많은 사람들 중 하나의 패러다임이다. 컴퓨팅의 기하급수적인 성장은 고든 무어(Gordon Moore)가 태어나기 수십 년 전에 시작되었다. 우리는 1890년 미국 인구조사에서 처음으로 자동화된 것으로 거슬러 올라가는 지속적인 기하급수적인 성장을 본다. 

평면(즉, 2차원) 집적 회로에서 구성 요소 크기의 지속적인 축소를 나타내는 무어의 법칙은 계산에 기하급수적인 이득을 가져오는 첫 번째 패러다임이 아니라 다섯 번째이다. 그리고 그것은 마지막이 아니다. 자기 조직화 3차원 분자 회로의 여섯 번째 패러다임의 예는 이미 실험적으로 작동하고 있다. 오늘날 MEMS 및 CMOS 이미지 센서용으로 제조되고 있는 반도체는 이미 수직 적층기술을 사용하는 3D칩이며, 이는 3D전자 제품의 첫 번째 단계를 나타낸다. 이 여섯 번째 패러다임은 컴퓨팅의 기하급수적인 궤적을 금세기로 잘 이어갈 것이다.

 

그러나 소프트웨어는 어떠한가? 일부 관찰자들은 그것이 진흙 속에 갇혀 있다고 말한다.

저서에서 특이점이 온다(Singularity Is Near)는 비슷한 기하급수적인 성장을 명확하게 보여주는 소프트웨어의 복잡성과 기능을 측정하는 다양한 방법을 언급하면서 이 문제를 길게 다루었다. 이 보고서는 다음과 같이 설명한다. 

“더욱 놀랍고 널리 알려져 있지는 않지만 많은 영역에서 알고리즘 개선으로 인한 성능 향상이 프로세서 속도 증가로 인한 극적인 성능 향상을 훨씬 초과했다는 것이다. 오늘날 음성 인식, 자연어 번역, 체스 게임, 물류 계획에 사용하는 알고리즘은 지난 10년 동안 눈에 띄게 발전했다. 다음은 Zuse Institute Berlin의 Martin Grötschel 박사가 제공 한 한가지 예이다.

최적화 전문가인 Grötschel은 선형 프로그래밍을 사용하여 해결된 벤치 마크 생산 계획 모델이 컴퓨터와 그 당시의 선형 프로그래밍 알고리즘을 사용하여 1988년에 해결하는 데 82년이 걸렸을 것이라고 관찰했다. 15년 후인 2003년에 이 동일한 모델은 약 1분 만에 해결될 수 있었으며 이는 약 4,300만 배나 향상되었다. 

이 중 약 1,000배는 프로세서 속도 증가로 인한 것이며 약 43,000배는 알고리즘 개선으로 인한 것이다! Grötschel은 또한 1991년과 2008 년 사이에 혼합 정수 프로그래밍에 대해 약 30,000개 정도의 알고리즘 개선을 언급했다. 알고리즘의 설계 및 분석, 문제의 고유한 계산 복잡성 연구는 컴퓨터 과학의 기본 하위 분야이다.”

Grötschel이 위에서 언급한 4300만 대 1의 성능 향상으로 이익을 얻은 선형 프로그래밍은 내가 책에서 실제로 인간의 뇌에서 사용되는 것으로 제시한 수학적 기술이다.  

이러한 정량적 분석 외에도 우리는 IBM의 Watson 컴퓨터와 같이 최근에 본능적으로 인상적인 개발을 했다. 예를 들어 제퍼디(Jeopardy)에서 더 높은 점수를 받았다. 최고의 2명의 인간 플레이어를 합친 것보다 더 많은 경연을 벌인다. 구글 자율주행자동차는 실제 도시와 마을에서 사람의 개입없이 25만 마일 이상을 주행했다.

모든 사람이 Watson에 그렇게 인상적인 것은 아니다. Microsoft의 공동 창립자인 Paul Allen은 Watson과 같은 시스템이 취약하고 성능 경계는 내부 가정과 알고리즘 정의에 의해 엄격하게 설정되며 일반화할 수 없으며 특정 영역 외부에서 무의미한 답변을 자주 제공한다. 

우선 우리는 인간에 대해 비슷한 관찰을 할 수 있다. 또한 Watson의 "특정 영역"에는 모든 Wikipedia 및 기타 많은 지식 기반이 포함되어 있으며 이는 좁은 초점을 구성하지 않는다. Watson은 광범위한 인간 지식을 다루며 사실상 모든 인간 노력 분야에서 말장난, 직유 및 은유를 포함한 미묘한 형태의 언어를 다룰 수 있다.

완벽하지는 않지만 인간도 아니고 최고의 인간 플레이어보다 제퍼디(Jeopardy)에서 승리하기에 충분했다! 사실에 의해 프로그래밍 된 것이 아니라 위키백과 및 기타 백과사전과 같은 자연어 문서를 읽음으로써 지식을 얻었다.

 

 

비평가들은 Watson이 "진정한 이해"가 아닌 통계적 확률을 통해 작동한다고 말한다.

 

많은 독자들은 이것을 Watson이 단지 단어 시퀀스에 대한 통계를 수집하고 있다는 의미로 해석한다. Watson의 경우 "통계 정보"라는 용어는 실제로 자체 구성 방법에서 분산 계수 및 기호 연결을 의미한다. 사람은 인간 피질의 분산된 신경 전달 물질 농도와 중복 연결 패턴을 "통계 정보"처럼 쉽게 무시할 수 있다. 실제로 우리는 Watson과 거의 동일한 방식으로 어구의 다른 해석 가능성을 고려하여 모호성을 해결한다. 통계적 확률을 사용하는 것이 진정한 이해를 나타내지 않는다면 인간의 뇌도 진정한 이해가 없다는 결론을 내려야한다.  

 

인간 지능 알고리즘을 어떻게 얻을 수 있는가? 

인간의 두뇌를 리버스 엔지니어링하는 것, 즉 그 방법을 이해하고 충분한 용량의 컴퓨터에서 다시 만드는 것이다.

 

어떻게 진행되고 있는가? 

얼마 전까지 만해도 우리는 그 방법이 무엇인지 평가하기에 충분한 공간적, 시간적 해상도로 살아있는 사고 인간의 뇌 내부를 볼 수 없었다. 수익을 가속화하는 법칙 덕분에 지금은 변화하고 있다. 나는 내 책 마음의 탄생(How to Create a Mind)에서 설명한다. 다른 모든 정보 기술과 마찬가지로 다양한 유형의 뇌 스캔의 해상도가 기하 급수적으로 향상되고 있다.

이제 우리는 생각하는 두뇌에서 새로운 신경 간 연결이 형성되고 실시간으로 발사되는 것을 볼 수 있다. 우리는 뇌가 우리의 생각을 만드는 것을 볼 수 있고 우리의 생각이 우리의 생각을 기반으로 자기 조직화하는 능력을 반영하여 우리의 뇌를 만드는 것을 볼 수 있다. 뇌가 어떻게 작동하는지에 대한 나의 논문에 대한 가장 좋은 증거 중 일부는 내가 책을 쓰고 있던 지난 몇 달 동안 사용할 수 있게 되었다. 

 

뇌는 어떻게 작동하는가? 

먼저 우리의 생각이 어디에서 일어나는지 이야기하자. 우리가 가장 관심을 갖는 뇌 영역은 신피질이다. 약 12장의 종이 더미의 두께 정도의 얇은 구조이다. 우리가 생각하는 곳이다. "오래된 뇌"(우리가 포유류가 되기 전에 가졌던 뇌)와는 달리 신피질은 우리가 세계의 자연적인 계층 구조를 반영하는 계층 구조로 생각할 수 있게 한다. 이를 통해 우리는 복잡하고 아이디어 구조의 구조로 구성된 새로운 기술을 배울 수 있다.

신피질의 현저한 생존 이점은 복잡한 새로운 기술을 며칠 만에 배울 수 있다는 것이다. 한 종이 극적으로 변화된 환경에 직면하고 그 종의 한 구성원이 그 변화에 적응하는 방법을 발명하거나 발견하거나 우연히 발견하면 (이 세 가지 방법은 모두 혁신의 변형), 다른 개인은 그 방법을 알아 차리고 배우고 복사한다. 그것은 전체 인구에게 빠르게 바이러스로 퍼질 것이다. 

약 6,500만년 전의 격변적인 “백악기-고 유전자 멸종 사건”으로 인해 갑자기 변하는 환경에 충분히 빠르게 적응할 수 없었던 많은 비신 코텍스 보유 종들이 급속히 멸망했다. 이것은 신피질 능력이 있는 포유류가 생태적 틈새시장을 차지하는 전환점이 되었다.

이런 식으로 생물학적 진화는 신피질의 계층적 학습이 매우 가치가 있어서 뇌의 이 영역이 호모사피엔스의 뇌를 사실상 차지할 때까지 계속해서 크기가 커짐을 발견했다. 인간 뇌 질량의 80%는 신피질로 구성되어 있으며, 이는 오래된 뇌를 정교한 주름과 회선으로 덮고 표면적을 증가시킨다.  

우리가 대뇌 피질에 대해 할 수 있는 다음 관찰은 구조, 외양, 방법의 균일성이다. 신피질의 한 영역은 부상이나 장애로 인해 필요한 경우 다른 영역의 기능을 쉽게 인수할 수 있다. 예를 들어, 선천적으로 맹인인 경우 가장자리 및 음영과 같은 기본 시각적 현상에 대해 일반적으로 매우 낮은 수준의 인식을 수행하는 영역 V1이 실제로 고수준 언어 개념을 처리하도록 재 할당된다.

신피질의 서로 다른 부분의 상호 교환 가능성에 대한 많은 다른 예가 있다. 호모사피엔스의 진화적 혁신은 전두엽 피질의 형태로 더 많은 신피질을 수용하기 위해 더 큰 이마를 가지고 있다는 것이다. 이 더 많은 양은 인간의 사고에 있어 질적 향상을 가져왔다. 언어, 예술, 과학 및 기술의 발명을 이끈 주요 가능 요인이었다. 

 

그렇다면 신피질은 어떻게 작동하는가? 

가장 최근의 신경과학 연구, 인공지능에 대한 나의 연구와 발명, (내가 책에서 제시한) 사고 실험을 바탕으로 대뇌 피질이 어떻게 작동하는지에 대한 저의 이론을 설명한다. 패턴 인식기. 약 3억 개의 패턴 인식기가 있다.

일부는 대문자 A의 크로스바와 같은 단순한 패턴을 인식하는 책임이 있다. 다른 이들은 아이러니, 아름다움 및 유머와 같은 높은 수준의 추상적인 특성을 담당한다. 그들은 거대한 계층 구조로 구성된다. 이러한 패턴 인식기는 모두 불확실하다. 확률 네트워크를 통해 서로 통신한다. 우리는 이 계층 구조를 가지고 태어나지 않았다. 우리의 신피질은 우리가 생각하는 생각으로부터 그것을 만든다. 그래서 당신은 당신이 생각하는 것이다! 

  

소프트웨어에서 이 기술을 모방해 보았는가?

대뇌 피질에서 일어나는 일의 수학은 계층적 은닉 마르코프 모델 (HHMM)이라고 불리는 수십 년 전에 제가 개척을 도왔던 방법과 매우 유사하다는 것이 밝혀졌다. 

 

 

인공지능 프로그램이 인간의 성과와 일치하지 않는 이유는 무엇인가?

우선, AI가 일반적으로 하지 않는 가장 강력한 슈퍼컴퓨터를 사용하지 않는 한 하드웨어는 여전히 강력하지 않다. 둘째, AI 분야는 아직 인간의 두뇌가 계층 구조 자체를 구축하는 능력과 일치하지 않는다. 대부분의 HHMM에는 상대적으로 고정된 연결 패턴이 있다. 셋째, AI 교육 방법을 배워야한다. 우리가 3억 인식자의 규모를 포함하여 대뇌 피질을 모방하는 완벽한 작업을 수행하더라도 교육 없이는 유용한 일을 할 수 없다. 

그렇기 때문에 갓 태어난 인간 아이가 대화를 하기 전에 갈 길이 멀다. 인공지능을 교육하는 데는 인간 아이만큼 오래 걸릴 필요가 없다. Watson의 교육은 2억 페이지의 자연어 문서를 읽는 것으로 구성되었지만 몇 주 만에 완료되었다. 내가 1980년대와 1990년대에 개발한 음성 인식 시스템은 수천 시간의 녹음된 음성을 들었지만 한두 시간 만에 모든 것을 처리할 수 있었다. 궁극적으로 우리는 인간의 정교함과 경쟁하는 AI 학습 경험을 제공해야한다.

나는 인공지능이 2029년까지 인간이 현재 우월한 모든 방식으로 인간 지능과 일치할 것이라고 지속적으로 예측해 왔다. 그러면 인공지능은 엄청난 속도와 규모, 그리고 모든 인간 지식에 총체적인 회상을 적용할 수 있게 된다. 나는 최근의 발전이 우리가 그 목표를 달성하거나 이길 것이라는 확신을 많이 줄 것이라고 믿는다. 

그러나 우리는 향후 몇 년 동안 소프트웨어 인텔리전스에서 엄청난 이득을 보게 된다. 자연어 문서를 이해하는 Watson의 능력은 여전히 인간보다 훨씬 낮지만 그럼에도 불구하고 Jeopardy의 복잡한 게임에서 최고의 두 인간을 이길 수 있었다! 방대한 양의 자료 (2억 페이지)에 그 수준의 이해를 적용하고 인간이 할 수 없는 모든 것을 기억할 수 있기 때문이다.

 

향후 3~5년 동안 무엇을 보게 될까? 

실제로 작동하는 질의 응답 시스템을 보게 될 것이다. 단순히 키워드를 포함하는 것이 아니라 각 페이지에서 말하는 내용에 대한 실제 이해를 기반으로 하는 검색엔진을 볼 수 있다. 우리는 당신의 필요를 예상하고 당신의 질문에 대답하는 시스템을 보게 된다. 그들이 당신의 대화를 말과 글로 듣고 있기 때문이다.

 

그리고 2030년대에 AI가 일상적으로 인간의 지능을 능가할 때 어떻게 될까?

우리가 만들고 있는 인텔리전스 확장기와 병합할 것이다. 또 다른 기하 급수적인 추세는 기술의 축소이다. 내가 10년에 3D볼륨에서 약 100개의 비율로 측정했다. 그렇게 되면 2030년대에는 혈액 세포 크기의 컴퓨터 장치가 생긴다. 이들 중 일부는 우리의 건강을 유지하고 수명을 연장하기 위해 혈류를 순환한다.  

다른 것들은 뇌로 들어가 우리의 생물학적 뉴런과 연결된다. 그들은 인터넷과 무선으로 통신하여 우리의 두뇌가 클라우드에서 AI를 직접 활용할 수 있도록 한다. 모바일 장치로 흥미로운 일을 할 때 종종 클라우드 기반 AI를 사용한다.

모바일 장치가 한 언어에서 다른 언어로 번역하거나, 질문하거나, 검색 만하면 해당 작업은 장치뿐만 아니라 클라우드에서 수행된다. 비 침습적으로 계산 및 통신 장치를 뇌에 배치할 수 있게 되면 뇌에서도 마찬가지이다.  

따라서 각 신피질에서 약 3억 개의 패턴 인식기로 제한되는 대신 10 억, 수백억, 1조로 더 많이 가질 수 있다. 인간 신피질의 크기가 진화 적으로 증가함에 따라 언어, 예술 및 과학과 같은 발명품이 질적으로 발전했다. 수익률을 높이는 법칙에 따라 대뇌 피질의 범위를 확장할 수 있을 때 우리가 할 수 있는 질적 발전을 상상해보라.

 

2030년경 AI가 의식을 가질까? 

우선, 우리가 뇌에 컴퓨터를 넣었다고 해서 의식을 멈출 것이라고 생각할 이유가 없다. 미래 AI의 주요 응용 프로그램은 우리 자신의 지능을 확장하는 것이다. 현재 컴퓨터 화 된 장치를 파킨슨 병 환자와 청각 장애인의 뇌와 신경계에 연결한다고 생각해보라. 오늘날의 신경 임플란트를 가진 사람들이 더 이상 의식이 없다고 말하는 사람은 없다.

  

하지만 AI 자체는 어떨까?

그것은 플라톤 시대 이후로 실제로 논의된 문제이다: 의식은 생물학적 기질을 필요로 할까? 완전히 컴퓨터화 된 시스템이 의식을 가질 수 있을까? 나는 책에서 인공지능이 농담을 받으면 인간과 똑같은 미묘한 감정적 반응을 보이면 재미 있거나 섹시할 수 있으며 설득력 있는 사랑의 감정을 표현할 수 있다고 주장한다. 그러면 우리는 이 실체들을 의식적인 사람으로 받아들일 것이다.  

 

그것이 튜링 테스트의 본질 아닌가? 

정확하다. 나는 튜링 테스트가 실제로 유효한 의식 테스트라고 주장한다.

 

유효한 튜링 테스트를 통과한 컴퓨터가 없는가? 

맞다. 아직 2029년이 아니다. 하지만 점점 나아지고 있다. 최근 튜링 테스트 대회에서 일부 AI가 가까워졌다.

  

초 지능 AI가 위험하지 않을까?

기술은 항상 양날의 검이었고 불로 돌아가 음식을 조리하고 따뜻하게 해주었지만 마을을 불 태우는 데 사용되었다. 당신이 가지고 있는 것보다 더 똑똑한 AI가 당신을 위해 들어가는 것은 좋은 상황이 아니다.  

 

그것에 대해 우리는 무엇을 할 수 있을까? 

당신을 보호하기 위해 더 똑똑한 AI를 취하라.

 
인공지능, 뇌, BCI 관련기사목록
광고
광고
광고
광고
광고
광고
광고
많이 본 기사
최신기사