물질과생명의관계

문제의 일부는, 인공지능과 인공생명의 초창기에는 컴퓨터 파워가 충분치 않았다는데 있었다. 무어의 법칙이란, 동일한 가격의 컴퓨터 자원 resources 는, 약 18개월마다 두 배가 된다는 이론이다. 1975년부터 1990년대 초반까지, 무어의 법칙은 중앙컴퓨터 프레임에서 책상 위의 개인용 컴퓨터까지, 엄청난 수의 사용자들을 늘려가며 변화를 주도해 왔다. 그러나 가격이 수천배나 저렴해 졌음에도 불구하고, 아직까지 개개인 과학자들에게는 충분한 계산량이 아니었다. 1990년대 초반이 되고서야, 무어의 법칙은 워크 스테이션의 수준에 이르렀고, 이제야 인공지능과 인공생명 연구가는 그 혜택을 보기 시작했다.

향상된 컴퓨팅 파워는 인공지능 연구가들이 검색기반 search-based 이라는 무지막지한 계산량을 이용한 기법을 개발하게 하였고, 이는 세계 체스 챔피언을 이긴 Deep Blue 같은 예를 낳았다. 그 아이디어는 이미 1965년에 Greenblatt의 MacHack이란 프로그램으로 제시되었으나, 그 프로그램은 일초에 수천가지 정도의 경로밖에 계산할 수 없었다. 그러나 1997년의 Kasparov(세계 체스 챔피언-역주)을 이긴 Deep Blue는, 일초에 200만 번의 움직임을 처리할 수 있었다. 무어의 법칙은 신경망 모델로 구성된 실시간 지각 시스템을 가능하게 하였는데, 이는 동물의 뇌에서 알아낸 엄청난 병렬 처리 방식을, 직렬처리방식의 컴퓨터로 시뮬레이션할 수 있었기 때문이다. 1970년대에 Marr와 Hildreth가 한 장의 그림으로부터 모서리를 탐지하는데 10분이 걸렸지만, 지금은 일초에 30프레임이 갱신되는 동영상에서 여러 개의 움직이는 물체들을 처리할 수 있다. 어떤 시스템은 일초에 몇 번씩 차와 도로의 외곽을 시각적으로 쫓을 수 있다. 카네기 멜론 대학의 ‘No Hands across America'프로젝트는, 이 시스템을 이용하여 미국을 횡단하는 여행의 98%를 자동으로 하는 트럭을 개발한 바 있다.

실제 생명체의 복잡성과는 아직 거리가 있지만, 분자나 효소 수준의 상호작용까지 모델링 할 수 있는 복잡한 시스템이 인공생명에서 개발되고 있다. 종분화를 연구하는 진화에 관한 새로운 실험은, 공간적으로 고립된 군집을 시뮬레이션한다. 과거 몇 년 동안. 인공지능에서는 새로운 방향들이 통합되었고, 시뮬레이션이나 실제로 인공 시스템을 만드려는 시도를 해 왔다.

종종 행동기반 behaviour-based 라고 불리우는 새로운 방식은, 지각과 행동 사이에 약간의 표상기구 representational system 만이 끼어 들어간다. ‘탐색’대신, 이 방식은 센서부와 모터부 사이의 짧고 빠른 연결에 의존한다. 행동기반은 곤충에서 시작되었지만, 오늘날엔 사람의 형태를 가지고, 인간과 사회적 상호작용 - 처음 보는 사람에게 자연스럽고 정해진 사회적 행위를 유발시키는 - 을 할 수 있는 휴머노이드(Cog를 말함 - 역주)에까지 적용된다.

행동기반 시스템은 현재 지능형 인형과 같은 형태로 활용되고 있으나 가장 성공적인 케이스는 화성에 보내진 Sojourner이다. 이 계획의 마지막 시기에 해당하는 1997년에, 이 행동기반 로봇은 스스로 조종하였으며, 성공적으로 화성의 표면을 돌아다녔다.
행동기반 방식은 인공지능 연구자들로 하여금 인공생명적 접근을 통합하게 하였으며, 이는 전통적인 인공지능 연구진과 분리를 초래하였다. 처음에 그들은 생명체가 어떻게 작동하는지를 이해하는 것과, 그러한 시뮬레이션, 혹은 실제 인공물을 만드는데 흥미를 느꼈다. 그리고 시간이 지나자, 그들은 효과적인 행위 maximal performance 를 하는 시스템의 개발과 수학적으로 최적화된 공업적 해법과는 동떨어진, 생명체로부터 배우는 방식에 흥미를 갖게 되었다.

인공생명이 비록 전통적 인공지능에 기반한 순수한 공학적 산물에 비해 보다 생명같아 보이는 것은 사실이었지만, 어떤 의미에서 인공생명과 행동기반 방식은 여전히 우리가 원하는 생명과는 거리가 있었다. 우리는 생물학적 시스템을 보다 잘 이해하기 위해 모델을 만들었지만, 그 모델들은 결코 생물처럼 작동해 주지는 않았다. 우리는 유체, 고체, 행성의 역학, 핵폭발과 모든 물리적 시스템을 잘 모사해왔다. 프로그램에 변수를 할당하고, 작동하게 하고, 그래서 정확하게 예상된 물리적 특성을 얻었다. 그러나 우리는 크건 작건, 생명체를 모델링하는데는 어려움을 겪는다. 뭔가 잘못된 것이 틀림없다.

무엇이 잘못되었을까? 그 가능성들은 여러 가지가 있다. (1) 몇몇 매개변수가 잘못 되었다. (2) 우리가 만든 모델의 복잡성이 충분치 않다 (역치 아래이다) (3) 아마도 여전히 컴퓨팅 파워가 모자란다. (4) 우리의 생물학에 관한 모델에서 아직 고려되지 못한 것이 있고, 무언가 기본적인 것이 빠져있다.

몇몇 변수가 잘못되었다는 것은, 우리가 기본적으로는 모든 면에서 옳은 모델을 가지고 있지만, 뭔가 운이 나쁘거나 작은 부분을 무시하고 있다는 말이다. 작업이 조금 더 가해지면, 예컨대 현재 주로 3층으로 되어 있는 인공신경망을 5층으로 한다면, 확실하게 훨씬 잘 돌아가게 될 것이라는 뜻이다. 혹은 수천개 이하의 대상에 대해 행해지고 있는 인공 진화가, 십만개를 넘어서면 성공하게 될 지도 모른다. 하지만 그런 것 같지는 않다. 이미 누군가가 우연히 성공적인 변수의 조합을 찾았어야 하며, 이런 성공은 이론적 분석이 이루어졌을 것이고, 우리는 이미 빠른 발전을 보았어야 할 것이다.

어떤 복잡성의 문턱값을 넘어서지 못한 모델을 만들었다는 것은, 우리가 지능과 생명체의 원리에 관해 이해하지 못한 것은 없다는 뜻이다. 우리는 이미 모든 아이디어와 요소들을 가지고 있지만 , 단지 그것들은 한 곳으로 모으지 못했다는 말이다. 만약 그렇게 하면 분명 우리는 더 나은 결과를 보일 것이다. 그러나 첫 번째 가정과 마찬가지로, 생명의 수없이 많은 다양성을 고려할 때 - 사실일 수도 있겠으나 - 이는 별로 설득력이 없다.

우리는 최근에 이 예를 보았다. Deep Blue에게 패한 뒤 Garry Kasparov는 기계의 “계획을 가지고 있는 듯한 능력과, ‘어떻게’ 위치에 대한 개념을 이해하는지”에 대해 놀라움을 토로하였다. 그러나 Deep Blue는 1980년대 후반의 초기 버전과 본질적으로 다른 것은 없다. Deep Blue는 다른 체스 프로그램이 사람의 방식을 모델링하도록 디자인 된 것과는 달리, 어떤 계획에 관한 전략을 갖고 있지 않다. 그것은 여전히 전략적 탐색, 물론 매우 깊고 빠른 탐색을 사용한다. 이것은 컴퓨팅 파워의 증가에 의해 단지 속도만 빨라졌음에도 불구하고, 질적으로 달라진 것처럼 보인다. 같은 현상이 생명과 지능 모델에 나타난다면, 우리는 오직 더 빠른 컴퓨터만을 필요로 하는 셈이다.

이상의 어느 경우에 해당하는 것이 사실이라 할지라도, 우리는 누군가가 우연히 고쳐져야 할 부분을 맞닥트리기만을 기다리면, 인공지능과 인공생명에서 엄청난 발전을 기대할 수 있을 것이다. 새로운 발달이 아무리 거대하더라도, 그 세세한 면이 딱히 누군가를 놀라게 하진 않을 것이다. <그들은 생명체를 연구하는 모든 과학에 영감을 줄 것이고, 생명체가 어떻게 작동하는지에 관한 새로운 학설을 테스트하는 새로운 종류의 컴퓨터 모델을 줄 것이다.???>

그러나 만약, 우리의 모델에서 아직까지 고려되지 못한, 뭔가 기본적이면서 핵심적인 것이 빠져 있는 것이 아닐까. 그렇다면 우리는 진척을 위해선 생명체에 관한 새로운 사고방식이 필요할 것이다. 그리고 그것은 모든 생물학에 균열을 가져올 것이다. 비유로서, 우리가 추락하고 충돌하는 탄성체에 대한 물리적 시뮬레이션을 만들고 있다고 가정해 보라. 만약 우리에게 물리에 대한 이해가 없다면, 어쩌면 탄성체의 요소로써 질량을 빼먹을지도 모른다. 그러면 처음에는 그들의 낙하가 맞는 것처럼 보이겠지만, 곧 우리는 물리적 세상이 모델과 잘 맞지 않는 것 같다는 것을 알게 될 것이다.
그렇다면 과연 아직 고려되지 않은 생명의 특성은 무엇일까? 하나의 가능성은, 생명체의 어떤 면은 지금 우리에게 보이지 않는다는 것이다. 생명체를 바라보는 현대 과학의 관점은, 생명체가 생화학 분자로 이루어진 기계라는 것이다. 이 생화학분자들의 새로운 특성을 발견하거나, 혹은 아예 새로운 구성성분을 발견한다는 것이 꼭 불가능한 일만은 아니다. 100여년 전의 X-ray의 발견을 생각해보라. 그것은 아직까지도 논의 중인 양자역학을 이끌어내기도 하였다. 상대성이론 역시 20세기의 그런 발견중 하나인데, 이는 물리학의 기본적 이해에 파멸적인 충격을 가져왔다. 어떤 비슷한 발견이 생명에 대한 우리의 이해를 흔들어 놓을지도 모른다.

생명에 대한 현재의 과학적 이해를 넘어서는 어떤 것 stuff 이 있다는 가설 - 이것을 New stuff-가설이라고 부르자. 예를 들어, Roger Penrose(물리학자. <황제의 새마음>이라는 강한 인공지능에 반대하는 책을 썼음 - 역주)는 이미 의식에 관하여 ‘약한’ new-stuff를 내 놓았다. 그는 신경세포의 마이크로 튜불(미세소관)에서의 양자적 효과가, 개개의 세포에서의 인식의 자리로 작동하고, 이것들이 커다란 파동함수로 합쳐져 개체적 수준에서 발현한다고 보았다. 그는 그것이 어떻게 작용하는가에 대한 진짜 이론을 만들지는 않았고, 다만 궁극적인 이해를 위해선 이런 중요한 요소가 반드시 포함되어야 한다고 주장하였다. 이것을 약한 New-stuff라고 한 것은, 이 이론이 기존의 물리학의 영역으로부터 벗어난 것에 의존하지는 않기 때문이다. 어쩌면 이는 의식의 본성이라는 생물학의 거대한 질문과 물리학의 위대한 발견과의 통합을 가져올지도 모른다. David Chalmers는 의식에 관하여 보다 강력한 New-stuff를 가진 설명을 한다. 그의 제안은 근본적으로 새로운 것인데, 말하자면 소립자 물리학에서 말하는 스핀이나 charm(쿼크 입자의 성질중 하나 - 역주)과 같은 것이 의식에 있어서 중요하다는 것이다. 자연철학, 혹은 종교철학의 어떤 이는, 영혼이나 생명의 활기와 같은 말로 표현될 수 없는 무언가를 가정하기도 한다. 말하자면 생명력 vital force이다.

고려되지 않았던 발견이 가능한 또 다른 방식은 새로운 수학을 통해서이다. 이는 현존하는 생명에 대한 어떤 새로운 물리도 필요로 하지 않는다. 우리는 어쩌면, 생명체를 가능하게 하는 어쩐 기본적 수학적 정의를 보지 못했고, 그래서 우리의 인공지능이나 인공생명 모델에 그것을 빠뜨린 것일지도 모른다. 가능한 후보는 파국이론 catastrophe theory (르네 톰이 제안한, 갑작스런 파국을 설명하는 수학이론 - 역주), 카오스 이론, 역학적 시스템과 웨이블릿 wavelet(신호해석에 관한 수학적 도구이나, 여기서는 입자-파동의 이중성을 뜻하는 것 같다 - 역주)등이 있다. 이런 종류의 새로운 수학적 테크닉이 학계를 강타하면, 연구자들은 이를 자신들의 생명관에 포함시킬 것이고, 또한 시뮬레이션 모델에 포함시킬 것이다. 질문에 관한 수학적 테크닉들이 묘사하는 descriptive 도구로서 잘 활용되는지, 혹은 컴퓨터 모델의 생산적 요소로 작용할지는 확실치 않다. 그 외의 다른 입장들은 아무래도 너무 멀리 간 것 같다. 그러나, 이 놀라운 이론들 중 어떤 것도 우리의 모델에 발전적일 가능성은 보이지 않는다. 생명체가 살아가는 물리세계의 수학적 성질들은, 이러한 수학적 테크닉이나 어떠한 현재의 모델에 의해서도 잘 반영되기가 어렵다. 이런 것을 생각해보자. 생명체를 이루는 물질이 물리법칙을 따르게끔 시뮬레이션을 하는 것은 매우 어려운 일이다. 예컨데, 세포막은 세포막 표면에 있는 분자들과, 그 안에 있는 분자들 간의 힘을 연속적으로 최소화시킴으로써 세포의 모양을 결정한다. 또 다른 사안으로는, 물질은 실제세계에서 쉽게 생성되거나 소멸되지 않는 반면, 컴퓨터 시뮬레이션에서 이런 성질을 유지하려면 엄청난 주의가 필요하다.

간과되기 쉬운 이러한 비유는 바로 연산이다. 미발견된 특징 자체라기보다는 우리가 추구하는 형태의 비유로서 말이다. 20세기의 대부분을 우리는 생명체의 뇌에 전극을 꼽고 그 세포활동과 다른 움직임과의 연관을 살펴왔다. 이러한 자료는 넓은 의미에서 컴퓨터로서의 생명체라는 가설에 대한 검증으로 사용되어왔다. 컴퓨터가 발명되지 않았던 몇백년 전의 사회를 상상해 보라. 그 시대의 과학자가 우연히 컴퓨터를 보게 된다면 그들은 연산 computation 에 관한 개념 없이 컴퓨터가 뭘 하고 있는지 이해할 수 있을까? 폰-노이만 구조나, 튜링의 계산가능성에 대한 언급 없이 가능할까? 혹은 고립된 과학자는 그들이 컴퓨터가 무엇을 하는지 설명할 수 있기 전에 연산의 개념을 재발명할 필요가 있을까? 나는 가능할 것이라고 추측한다. 훌륭한 19세기의 수학자라면 이런 것들을 단 며칠의 설명으로 이해할 수 있을 것이다. 그들은 동시대의 물리학자가 양자역학이나 상대성이론을 듣고 놀라는 것만큼 놀라지도 않을 것이다.

고려되지 않은 부분으로 돌아가 보자. 지각하는 시스템에는, 말하자면 몇몇 통합-원리들과 그들이 정말로 어떻게 작동하는가를 이해하기 위해서 필요한 수학적 개념이 있을 것이다. 만약 그렇다면, 이러한 원리를 발견한다면 우리는 배경으로부터 대상을 잘 분리해내는, 얼굴표정을 이해하고 생물과 무생물을 구별해내며 일반적인 물체 인식을 하는 시각 시스템을 만들 수 있을 것이다. 현재의 시각 시스템은 어느 것도 이러한 문제를 잘 해내지 못한다. 이런 수학적 기술은 어떤 형태를 띠게 될까? 이는 생명에 관한 우리의 관점을 파괴해야 할 필요는 없겠지만, 연산의 개념 정도의 위협을 가질 것이고, 아마도 현재 누구도 생각하지 못한 형태일 것이다. 아마도 그 새로운 수학원리나 개념은 진화, 지각, 의식 혹은 학습에 관해 훌륭하고 자세한 설명을 할 수 있을 것이고, 인공지능이나 인공생명의 어떤 분야에서 새롭게 발견하거나 발명되어 꽃피울 것이다.
혹은 어쩌면 단 하나의 새로운 수학적 개념이나 아이디어가, 다른 모든 분야를 통합하고, 생명현상을 포함한 많은 분야에서 혁명을 일으켜, 인공생명과 인공지능에 급속한 발달을 촉진시킬 수도 있다. 그것은 놀라움이며, 반갑고 또 흥미진진한 일이다. 물론 그런 일이 생길지 아닐지는 알 수 없지만.
|}}

최종욱은 편집이 생명인 노스모크에 편집이 불가능한 퍼온글이 실리길 바라지 않습니다. 링크를 달고 간략한 자신의말을 달아 주시면 감사하겠습니다^^; 그러면 토론만으로도 충분히 재밌는 글이 또 하나 탄생할 것 같습니다.

See Also 인공지능 인공생명

아티클분류 생명과학분류 컴퓨터분류