인공지능과 뇌는 어떻게 생각하는가? – 뉴러너가 읽어 보았다.

이 책의 가장 멋진 포인트는, 인공지능이나 ‘기계의 사고’에 대해 고심해본 적 없는 사람이라도 쉽게 이해할 수 있는 단어들로 인공지능의 발전을 이해할 수 있도록 설명한 점이다. 개념의 추상화, 개념의 구체화, 유동적 기억, 공간과 시간의 인지, ‘스스로’ 문제 해결 등의 목차만 봐도 어려운 전공 지식을 모르더라도 누구나 인공지능이 어떤 문제에, 어떻게 대응하며 발전했는가를 쉽게 이해할 수 있도록 도와준다. 하지만 동시에 뇌과학과 인공지능을 공부하는 학부 이상의 전공자에게도 인공지능의 역사에 대한 고찰을 제공하는 멋진 책이기도 하다.

일단, 이 책에서 다루는 지능이란 무엇인가에 대해 이야기해보도록 하겠다. 지능에 대한 정의는 무척 다양하지만, Thurstone의 이론에 따르자면 언어이해요인, 지각속도요인, 추리요인, 기억요인, 단어유창성요인, 공각시각화요인 등 7가지를 제시해볼 수 있다. 일반적으로 지능은 인간의 여러 지적 능력의 복합 기능을 일컫고 있지만, 이 책에서는 앞서 설명한 여러 요인을 보기 이전의 기초작업으로 ‘학습’ 능력에 초점을 맞춰서 보고 있다. 특히, 여러 예시(데이터)를 통해 공통된 개념을 이해하는 ‘추상화’와, 두루뭉술한 개념에서 오는 오류를 잡기 위한 ‘구체화’를 이해시키는데 많은 장수를 할애함으로서 컴퓨터와 알고리즘이 갈망했던 ‘인간의 지능: 학습’을 목표로 두고있다.

지능의 여러 영역 중에서도 ‘학습’에 초점을 맞춘 이 책은, 어떻게 머신러닝 기법으로 시작해서 단층 신경망, 심층 신경망까지 넘어가려고 했는지를 종이접기의 예시를 들어 직관적으로 설명한다. 이후 문제 상황과 개선의 실마리를 자연스럽게 소개하면서 LSTM, Auto Encoder, Transformer, 심층 강화학습에 이르기 까지 다양한 인공지능의 최신 영역을 넘나든다. 특히, 뇌과학에서 미세한 신경 작동 원리에 대한 고찰부터 여러 신경 다발을 동시에 보는 영역 관점의 지식까지 ‘필요한 정도로만’ 다루는 책은 전무후무하지 않았을까 싶다.

알다시피, 뇌과학은 무척 다학제적으로 연구되고 있다. 심리학, 생물학, 기계공학, 컴퓨터 과학 등 정말 많은 분야에 대한 기반을 가진 사람들이 모여서 연구를 진행하는 매력적인 학문이다. 1949년 도널드 헵(Donald Hebb)이 뉴런 사이의 연결 강도를 조정할 수 있는 학습 규칙(Hebbian Rule)를 발표한 후, 이를 기반으로 1957년 프랭크 로젠블럿(Frank Rosenblatt)이 최초의 신경망 모델인 퍼셉트론(Perceptron)을 발표하기도 한 것처럼 최근의 ‘딥러닝’ 모델을 근본적으로 뇌에 대한 연구에 기반한 부분이 많다.

이 책의 흐름을 따라가다 보면 이러한 것들을 이해할 수 있고, 최근의 여러 인공지능 연구들이 산업적 성공을 목표로 진행되는 바를 지켜보면 알 수 있다. 인공지능의 문제 해결 방향은 인간 지능의 원리를 밝히는 것과 다른 적이 많았고, 최근의 연구 흐름 또한 상이하다. 누군가는 인간 지능에 대한 이해 없이 기계학습과 인공 지능은 자발적으로 발전할 수 있으리라 보겠지만, 본인은 두 분야가 밀접하게 교류한다면 적어도 그 발전 속도를 더 앞당기거나 다채로운 연구 결과를 낳을 수 있을 것이라고 생각한다. 그리고 만약 같은 생각을 하고 있다면, 다시 한번 이 책을 추천한다.

Written by 김소형 7기 뉴러너

(본문 내용은 솔 출판사에서 책을 제공받아 작성한 리뷰입니다.)