AI 101, 완독! 8장 인간으로, 더 인간으로

이런 종합적이고 다학제적인 연구는 MIT의 조시 타넨바움 교수가 훨씬 적극적으로 하고 있다. 그는 지능이 단지 패턴 인식을 넘어서서 세상을 모델링하는 것과 연관되어 있다고 말하면서, 우리가 보는 것을 설명하고 이해해야 하고, 보지 못하는 것에 대해서도 상상해야 하며, 문제를 풀고 계획하는 행동을 포함한 다양한 연구가 진행되어야 사람처럼 생각하는 기계라는 목표를 이룰 수 있다고 주장한다.
이를 위해 MIT에 '뇌, 심리, 기계 부문 센터'라는 연구조직을 출범 시켜 딥러닝은 물론 심리학, 뇌과학, 사회학에 이르는 다학제 연구자들과 독특하고도 복합적인 연구를 수행하고 있다. 예를 들어, 직관적인 물리학적 원리와 심리학적 모델을 함께 활용해서, 아이들이 세상을 보고 배우는 과정을 컴퓨터로 시뮬레이션하여 상식의 정체를 밝히려는 연구를 진행하기도 한다. 이런 문제를 제대로 푸는 것은 쉬운 일이 아니다. 하지만 이렇게 복합적이고 다학제적으로 접근하다면 현재의 한계를 극복하는 데 큰 도움이 될 것이 분명하다.
미래 지향적인 AI를 생각한다면 미시간대학교의 존 레어드 교수가 추진하는 인간 인지 아키텍처에 기반한 시스템의 일부 요소를 도입하는 것도 좋다. 대표적인 프레임워크로 SOAR가 있다. 한국에서는 동아대학교 김종욱 교수가 이 아키텍처를 기반으로 로봇 운영체제인 ROS(Robot Operating System)에 연결하며 도적적 AI 판단을 하는 로봇 프로젝트를 진행하고 있으며 상당한 성과를 내고 있다.
이처럼 AI 기술은 지금까지 이룬 것보다 앞으로 이루어야 할 숙제가 훨씬 많은 영역이다. 비록 딥러닝이 약한 인공지능 분야, 즉 특정한 작업에 큰 성과를 내는 것은 분명하지만 미래지향적인 일반인공지능으로 발전하기 위해서는 더 많은 학문 영역의 전문가들과 함께 연구하고 만들어가야 한다는 것을 명심해야 한다. 또한 하드웨어 측면에서도 앞으로 인간의 뇌와 기계를 연결하는 부분에 큰 발전이 있을 수 있음으로, 자신이 알고 있는 영역을 넘어서는 연구와 발전에도 관심을 두고 개방된 자세를 가질 필요가 있다.
<AI 101_P.276>

앞으로의 AI가 가진 한계점을 계속 뚫고 나아가는 모습이 궁금해집니다.
이 책을 통하여 AI에 대해 조금이라도 알게되어 기쁜시간이었습니다.
감사합니다.