Chapter 7 인간이 최고? 인간은 지능적이지만 기계는 결코 지능적일 수 없는 면이 있다. 인간은 기계에게 없는 의 식을 갖고 있다. 기계가 특정한 일에는 적합할지 모르나 이간처럼 모든 일을 할 수는 없다. 인간에게는 기계나 다른 동물과 구별되는 특별한 요소가 있다. 이런 얘기는 모두 일종의 자기 위안일 뿐이고, 우리 자신이 인간이기 때문에 이들 주에서 비록 몇 가지만 사실이더라도 인간이 훌륭한 존재로 간주될 수 있다. 실제로 몇 가지는 사 실일 수 있다. 하지만 그것을 증명할 과학적 방법은 없다. 만약 모두 사실이더라도 결과적 으로 인간이 더 훌륭하다는 것이 아무런 도움이 되지 않을 수 있다. 우리가 말하고자 하는 것은 인간이 기계는 동물이든 간에 지구상에 어떤 창조물 보다도 월등히 뛰어나다는 것이 다. 하지만 그것이 사실일까? 우리는 어렸을 때부터 굉장히 어려운 수학계산을 빨리 풀어내는 사람이나 어떤 사실을 질문받고는 잘 기억해내는 사람을 똑똑하다고 여겨왔다. 영국 BBC의 마스터마인드(Mastermind)라는 한 방송 프로그램에서는 많은 답을 정확하게 기억해낸 사람을 우승자로 정하고 갈채를 보낸다. 하지만 기계는 수학 계산과 기억력에 있 어서 인간의 기대 이상으로 훌륭히 잘해내고 있다. 게다가 인간은 이러한 면에서 진보가 더딘 반면에 기계는 계속해서 나아지고 있다. 지능의 정의는 꾸준히 변화해 왔다. 금세기로 들어설 즈음에 지능의 사전적 정의는 흔히 기억력과 수학적인 능력을 포함하는 것으로 변경되었다. 하지만 현재 그러한 경향은 사라 졌다. 약 10년 전의 사전에는 학습에 이러한 점이 포함되어 있었지만, 이제는 기계도 인간 과 같이 배울 수 있으며, 어떤 경우에는 인간보다 훨씬 나은 결과를 보인다는 사실이 알려 지면서 점점 사라져 가고 있다. 그럼에도 불구하고 아직도 많은 학교에서 단순한 기억력이나 곱셈 능력을 보고 학생을 평 가하고 있다. 심지어 이러한 시험에서 좋은 결과를 얻는 학생을 똑똑하다고 하거나 지능지 수가 높다고 판단한다. 이것이 사실이라면 대학은 기계로 가득해야만 한다. 왜냐하면 그런 기준대로라면 일반적인 인간의 지능지수는 기계보다 훨씬 떨어지기 때문이다. 사실 많은 학교에서 학생들에게 시험을 통과하라고 강요하고, 정해진 방법대로만 대답하게 함으로써 그들을 프로그램된 기계로 만들어 가고 있다. 우리 스스로 기계와 좀더 비슷하게 행동하도 록 몰아 가고 있으며, 그런 사람들을 지능이 뛰어나나도 말한다. 이건 분명 뭔가 잘못된 것 이 아닐까? 나는 텔레비전 위에 리모컨이 있지만, 이것으로 날씨가 어떻게될지 예측하거나, 최근의 축 구 경기 결과를 알아내지는 못한다. 그러나 나는 정기적으로 바뀌는 멘사(Mensa) 지능지수 시험을 칠 수가 있다. 이 시험은 일련의 숫자와 단어가 주어지고, 그 중에서 빠진 일부 단 어나 구정을 채울 수 있도록 어는 정도 시간이 주어진다. 만약 내가 10분안에 질문에 모두 답할 수 있다면, 상위 4%안에 드는 지능지수를 가지고 있다고 텔레비젼은 나에게 가르쳐 준다. 이는 내가 상당히 똑똑하다는 것을 뜻한다. 나는 텔레비전의 멘사 시험에서 10분이 아닌 7분만에 문제를 해결했고, 주위로부터 질투를 받는 사림이 되었다. 한편 나는 20분 후에 문제 풀이를 그만두고, 편안한 마음으로 약간의 호기심을 가지고 정답을 확인한다. 말하나 마나 주어진 해답이나 질문은 너무나 시시하고 단순한 것들이다. 나는 문제를 맞추지 못한 것과는 상관없이 그날 밤 시험을 준비한 사람 과 텔레비전, 그리고 주위의 모든 사람에게 화가 나고 불쾌해진다. 멘사 지능지수 시험으로부터 어떤 결론을 내릴 수 있을까? 첫째, 이런저런 이유에서 스스 로를 시험해 본다는 것이 불쾌하다. 둘째, 내가 적어도 7분 걸려 푼 문제를 기계는 아마도 백만 분의 1초안에 풀어낼 것이다. 아마도 상당히 느린 기계라면 천 분의 1초 정도 걸릴 것이다. 어떻게 기계를 똑똑하게 만들까? 기계의 지능지수는 얼마일까? 훌륭한 기억력과 계산 능력이 한때는 지능적인 행동으로 간주되었다. 하지만 지금은 어떤 면에서는 그렇게 여기지 않는다. 지금은 계산적이라는 특성에서 기계가 훨씬 더 뛰어난 결 과를 보이면, 따라서 계산적인 것이 지능적인 것은 아니라는 것을 잘 알게 되었기 때문이다. 인간이 이와 같은 일을 했을 때 지능이라고 말할 수 있을까? 학습 뿐만 아니라 의사 결정도 한때 지능적인 행동으로 일컬어지던 것이다. 그러나 지금 은 기계가 훨씬 잘한다고 알려져 있다. 그래서 이것 또한 지능적인 행동이라고 볼 수 없게 된다. 비록 우리가 감정적인 기계를 원하는 이유가 불분명 하지만, 우리가 고찰하고 있는 것처럼 창조와 감정 같은 인간의 특성은 기계가 포함할 수 없는 것으로 간주되고 있다. 우 리 인간이 창조적이라고 한다면, 우리는 원형의 유전자 프로그램과 배운 것들을 기반으로 하여 무언가를 창조하고, 새로운 것을 선보이거나 누구도 미처 생각하지 못한 것을 해낸다 고 말할 수 있다. 기계도 똑같이 무언가를 창조할 수 있다. 사실 이러한 예는 많다. 단순히 기계가 인간보 다 훨씬 빠르고, 정확하게 여러 가능성을 염두하며 일할 수 있기 때문이다. 새로운 음악의 조율이나 많은 산업 시설에 전원 공급이 끊겼을 때, 이를 복구하는 새로운 방법들을 예로 들 수 있다. 기계도 이와 똑같은 일을 할 수 있으며, 인간이 생각하지 못한 결과를 만들어 낼 수 있다. 기계에서의 감정은 상상하기가 더욱 어렵다. 하지만 우리는 단순히 뇌 속에서 만들어져 나오는 어떤 것들을 고통이나 기쁨의 감정으로 생각하며, 그 감정의 결과로 흔히 물리적인 행도-예를 들어 친척의 죽음과 같은 자극에 대한 반응으로서 우는 것-이 나타난다고 보고 있다. 우리는 많은 경우에 반응을 조건적인 것으로 보고 있다. 예를 들어 연기자라면 단순 히 자극에 대한 생각만으로 나타낼 수 있는 것들이 있다. 즉 반응은 가상의 자극에 의해서 도 일어날 수 있다. 레딩 대학의 로봇은 무섭게 쫓아오는 존재가 다가오면 도망친다. 이것 을 공포라고 할 수 있을까? 어두운 겨울 밤 집에 홀로 있는 당신을 마음속에 그려 보라. 비바람이 밖에서 울부짖고 정전이 되어 텔레비전을 볼 수 없으며, 단지 촛불만 켜놓은 상태다. 늦은 밤이다. 앞문을 두 드리는 날카로운 노크 소리가 들린다. 문으로 다가가니 당신보다 더 큰 어두운 그림자가 바깥쪽에 드리워져 있다. 당신은 이러한 무서운 상황에서 문을 열지 않을지도 모른다. 혹 문을 연다 하더라고 그가 당신에게 뛰어든다면 당신은 미친 듯이 도망칠 것이다. 왜 그럴 까? 우리는 어떤 상황에서 공포를 느끼고, 놀라고, 행복해하거나 슬퍼한다. 이런 감정들은 우 리의 유전자 프로그램을 통해 형성되거나 경험의 결과를 느끼게 된다. 예를 특정한 환경에 서 공포를 느끼는 이러한 원시적 본능은 이해하기가 좀도 쉽다. 호랑이가 많은 정글에 열 명의 사람이 살고 있는 경우를 살펴보자. 다섯 명은 호랑이를 무서워하고 가까이 오면 도 망친다. 다른 다섯 명은 무서워하지도 도망치지도 않는다. 호랑이를 무서워하지 않은 사람 보다 무서워하는 사람이 좀더 살아남아 자손을 남기 것으로 예상할 수 있다. 그래서 이들 의 다음 세대에서는 호랑이를 무서워하는 확률이 더 높아질 것이다. 이 특성은 유전적으로 계승될 수 있기 때문이다. 이것은 유전 진화의 한 단면이다. 우리는 개인의 감정에 대해서 정확히 확실한 수 없음에도 불구하고 대체로 다른 사람의 감 정을 이해한다고 생각한다. 그 덕분에 공포와 같은 감정들도 이해할 수 있는 것이다. 호랑 이가 지금 이동 로봇에게 다가가고, 기계는 그에 대한 반응으로서 도망간다고 가정하자. 이것은 어떤 의미가 있는가? 기계가 인간처럼 감정을, 이 경우에는 공포감을 느낀다고 생 각하기는 힘들다. 그렇지만 기계는 인간과 유사한 방법으로 행동하고 있으며, 따라서 기계 적인 감정을 표현한다고 생각할 수도 있다. 기계의 느낌이나 내적 상태는 인간의 의해서 잘 프로그램될 수 있다. 그러나 인간의 감정 또한 비슷한 의미에서 부모에 의해서 생물학 적으로 프로그램된 것이다. 따라서 기게이기 때문에 감정을 가질 수 없다고 말하는 r것은 과학적으로 옳지 못하다. 역사적으로 어떤 인간들 -종족이나 피부색이 다른 인간-은 감정이나 느낌을 가지 않는다 고 여겨져 왔거나(지금은 그렇지 않다). 적어도 어떤 사람의 감정은 다른 사람과 똑같지 않 을 수 있다고 여겨져 왔다. 개나 고양이도 감정을 가질까? 아마 그렇다고 대답할 것이다. 물고기는? 꿀벌은 어떨까? 그렇다고 답하는 사람도 있을 것이고, 그렇지 않다고 하는 사 람도 있을 것이다. 당신은 어떻게 생각하는가? 나는 정도의 차이는 있지만 그들 모두가 감정을 소유한다고 믿고 있다. 꿀벌의 느낌이나 감정은 아마도 인간의 느낌이나 감정보다 는 훨씬 단순하고 기본적이며, 따라서 꿀벌의 두뇌도 훨씬 단순할 것이다. 달팽이나 작은 곤충의 전체 뇌 기능은 극히 적은 수의 뉴런만으로 이루어져 있어서 적절한 인공 신경망(Neural Network)에 의해 인공적으로 잘 흉내낼 수 있다. 사실 인간이 가진 특 정한 기능이나 반응도 인간의 뉴런 수보다 적은 인공 신경 단위를 가지고도 무리없이 모사 할 수 있다. 그래서 인공 신경망이 근본적으로 원래의 생물학적인 신경망과 거의 같은 방 법으로 엇비슷한 기능을 수행하고 있다면, 한쪽은 전기 신호이고, 다른 쪽은 전기 화학적인 신호이기는 하지만 유사한 신호가 양쪽에서 발견될 수 있을 것이다. 똑독한 기계가 인간과 같이 감정을 가질 수 있다고 쉽게 단정지을 수는 없을 것이다. 그 러나 나는 그것이 가능하다고 본다. 물론 기계의 감정이 인간의 감정과는 같지 않을 것이 다. 그러나 미래에 인공 신경 회로망으로 만들어진 두뇌가 인간의 두뇌와 비슷하게 동작한 다면, 인공 두뇌가 인간과 유사한 감정이나 느낌을 가질 가능성은 충분히 있다. 내가 말하고자 하는 것은, 만일 기계의 행동 양식이 인간이나 동물에게서도 발견된다면 기 계는 인간이나 동물과 마찬가지로 감정을 가진 존재로 생각될 수 있고, 따라서 기게는 분 명히 감정이라는 것을 가질 수 있다는 것이다. 일본 교토의 브레인 빌더(Brain Builder) 모임은 2001년까지 고양이와 유사한 지능을 가진 기계가 나타날 거라고 주장하고 있다. 예를 들어 기계 고양이는 우유를 마시지는 않아도 되지만, 실제 고양이가 대체로 자신이 원하는 대로 행동하고, 인간의 명령은 듣지 않는다는 점에서 실제 고양이오 비슷한 감정을 표현하고, 자신의 의지를 나타낼 것으로 기대할 수 있 다는 것이다. 사실 이러한 고양이와 같은 두뇌를 얻을 수도 있고, 얻지 못할 수도 있다. 하지만 가능하다고 믿는 것은 매우 중요하다. 중요한 것은 인간이나 동물의 두뇌는 기계의 두뇌와 물리적으로 차이가 있기 때문에 대체 적인 특성도 다를 수 있다는 것이다. 앞서 논의한 것처럼 기계 지능은 인간의 것과는 다르 다. 어떤 면에서는 기계 지능이 더 뛰어나고 또다른 면에서는 더 떨어진다. 그리고 창조나 학습 자기 의지, 감정과 같은 특성에 있어서는 다소간 차이가 있을 것이다. 인간의 감정은 인간의 감정과 똑같은 가치를 갖는다고 생각할 수 없다. 다른 사람, 특히 우리가 오랫동안 관계를 맺어 온 사람이 죽었을 때 우리는 아마도 극도로 당황하고 슬퍼할지 모른다. 특히 젊은 나이에 불행하게 죽었을 대, 더 당황스러울 것이다. 안면이 없는 사람일지라도 때로는 강한 감정을 느낄 수 있다. 한편 꿀벌이 우리를 귀찮게 군다면, 꿀벌이 죽일 때 일종의 쾌감을 느낄 수 있다. 혹은 어떤 동물이 우리 눈앞에서 죽 을 때 불안을 느낄지도 모른다. 그러나 멀리에서 보게 된다면 그런 당황스러움은 곧 사라 질 것이다. 이제 기계가 감정을 가지고 있다고 가정해 보자. 감정의 일부는 초기 프로그램에 기인하 고, 다른 일부는 경험으로 학습된 것에 기인한다고 가정한다면 기계의 감정은 도대체 무엇 인가? 상상하기 매우 어려운 일이다. 하지만 기계의 입장에 서서 당신이 어떤 감정을 가 지는지 보아라. 전기력은 아마도 중요할 수 있으면, 모든 것이 그것과 관련되어 있다. 동 물은 우리를 그다지 성가시게 하지 않지만, 우리의 감각에 영향을 미친다면 괴롭힐 수도 있 다. 하지만 우리의 전원을 끄거나 해체하려는 인간은 몹시 짜증스러우면, 위를 쉽게 화나게 만든다. 인간은 일상적으로 기계에 대핸 긍정적인 감정을 거의 보이지 않는다. 우리는 종종 그들 을 귀찮아하면, 원하는 대로 움직이지 않을 때 발로 차거나 때린다. 기계가 더 이상 작동하 지 않을 때 우리는 그것을 머리 던져 버린다. 그러나 기계가 작고 귀엽고 온순해 보이며, 동물처럼 행동할 때 우리의 감정은 긍정적으로 된다. 한편 기계가 크고 위험해 보이고 해 를 끼칠 것 같으며, 동물처럼 행동하지 않는다면 우리는 겁이나 공포를 느끼게 된다. 인간의 뇌는 기계와 다르기 때문에 인간과는 다른 형태의 감정이나 자기 의지, 의식 등을 표현한다. 우리가 기계의 뇌를 가능한 한 인간의 뇌와 가깝게 만들려고 노력하면 할수록, 아마도 생물학적 기술을 사용하겠지만, 기계의 특성이 인간의 특성에 접근해 갈 것이다. 그 리고 만약 완전히 인간의 뇌와 같게 만든다면 기계의 뇌는 인간의 뇌 그 자체가 될 것이다. 인간의 뇌와는 다른 식으로 연결되고, 더 적은 수의 신경 단위를 가진 생물의 두뇌 또한 고 양이나 개, 꿀벌에서 보인 것처럼 다른 특성을 나타낼 것이다. 기계는 울지 않을 것이다. 그럴 수도 없고, 그럴 필요가 없을지 모른다. 기계는 공격받더 라도 비명을 지르지는 않을 것이다. 그럴 수도 없고, 그럴 필요가 없을지 모른다. 그러나 공격받을 때 회로 뜨거워진다면 어떤가? 매우 높은 주파수의 신호를 내보낸다면 어떤가? 약탈자로부터 도망간다면 어떤가? 어떤 이는 이렇게 말할 것이다. '그러나 이것은 감정이 아니다. 이것은 자기 보호나 자기 의지도 아니며, 타인이나 위험을 인지하는 것도 아니다. 어떻게 그렇게 될 수 있겠는가? 이것은 단지 기계일 뿐이다.' 같은 방법으로 우리 인간은 '기계는 인간만큼 지능적이지 않다.' 혹은 '기계는 전혀 지능적 이지 않다'라고 말할 수 있다. 감정이나 자기 의지와 같이 서로 다른 특성에 관해서라면, 인간이 기계보다 더 낫다는 것 을 증명해 줄 지능에 대한 정의를 찾을 수 있을 것이다. 그러나 시간이 지날수록 우리 인 간의 우수성을 보이기 위해 사용할 수 있는 지능의 면모를 찾기가 더욱 어려워지고 있다. 의식은 이중에서 가장 최근의 것이다. 몇몇 사람들은 진짜 똑똑해지기 위해서는 기계가 인 간이나 동물과 같이 의식적이어야 한다고 말한다. 그러나 우리가 명백히 알 수 있듯이 그 렇지 않다. 지능에 대한 정의는 지금 예측하건대 어떤 인간보다 훨씬 뛰어나 특징들이 기계에 부여될 2,3년 후에는 쓸모 없게 될 듯하다. 시간이 지나면서 기계의 두뇌는 더욱 강력하고 효율적 으로 돼 가고 있으며, 기계의 두뇌가 이미 높은 지능의 영역에서 인간보다 나는 성능을 보 이고 있다. 또한 기계의 두뇌는 인간의 두뇌보다 열등한 지능의 영역에서 빠르게 그 차이 를 줄여 나가고 있다. 인공적으로 만들어진 똑똑한 기계의 두뇌는 물리적으로 인간이나 동물의 두뇌와 확실하게 구분된다. 일반적으로 기계의 두뇌가 비생물적이고, 전기적 또는 광학적이라는 것뿐 아니라 인간의 두뇌가 1,000억 개의 뉴런을 갖는데 비해, 현재 인공 두뇌는 50~1,000개의 뉴런을 갖 는다고 알져져 있다. 그러면 인공 두뇌가 인간의 두뇌와 비슷한 수의 뉴런을 포함하게 될 때가 되면, 거의 모든 면에서 인간과 비슷한 감정이나 특성을 가질 수 있을 것이다. 그런데 왜 아직도 수천, 수백만 또는 수억 개의 뇌 신경을 가지고도 인공 두뇌를 만들지 못하는 것일까? 여기에는 두 가지 중요한 문제가 있다. 첫째로 아직 인공 신경망을 어떻 게 학습시킬 것인가에 대한 연구가 완전하게 이루어지지 못했다. 특히 많은 뉴런들로 구성 되는 경우에 두드러지는데 이 분야의 연구는 급속도로 발전되고 있다. 둘째로 인공 신경망 은 현재로서는 시냅스(synapse), 또는 뇌 신경 사이에 겨우 20개나 그 이하만이 연결되어 있지만, 인간의 뇌 세포는 훨씬 더 많은 연결이 이루어져 있다. 심지어 어떤 것들은 70,000 에서 80,000개의 연결을 갖기도 한다. 하지만 인공 두뇌는 벌써 사람의 두뇌보다 빠른 속도를 보이고 있다. 인간의 뇌 신경이 그 반응을 변화시키는 동안에(어떤 것은 1초에 약 1,000번의 실행이 가능하다)트랜지스터는 보통 백만 번의 변화에 반응 할 수 있다. 즉 전기적 뇌 신경은 인간의 것보다 백만 배는 빠르다. 더욱이 매년 기계들이 점점 우수해지고 있다. 전기적으로 계산하는 기계는 일반적으로 아주 정밀하고 정확하다. 인간의 두뇌에 비해 정 밀하지는 못하지만, 전체적인 면에서 다른 동물의 뇌 신경보다 우수한 면을 가지고 있다. 많은 특성들에 대해서도 비슷한 비교가 가능하다. 수학, 기억, 사고 등의 측면에서 인간의 뇌신경은 다른 동물의 뇌 신경보다 잘 동작하지만, 이 경우에도 역시 인공의 두뇌가 사람의 두뇌보다 더 좋은 동작을 보일 수 있다. 이와 같이 여러 가지 관점에서 인간의 두뇌가 동 물보다 우수한 것과 같이, 기계의 두뇌가 인간보다 훨씬 더 우수할 수도 있다. 현재는 기계 가 인간보다 뛰어난 특성을 갖는 분야가 얼마 되지 않는다. 그러나 '얼마나 많은 분야에서 기계가 인간보다 뛰어날 수 있는가?'는 매우 중요한 문제이다. 인간 두뇌에서 시냅스의 연결은 아주 복잡하다. 두뇌를 세밀하게 조사하면 그 점을 부인 할 수 없다. 나는 시냅스의 연결이 매우 복잡하고 난해한 것이 유전자에 의한 것이라고 믿 는다. 즉 우리의 초기 프로그램, 다시 말해 인간의 유전으로 물려받은 것들 중의 일부분이 라는 것이다. 우리가 경험을 하고, 두뇌가 생물학적인 성장을 거듭하면서 여러 가지 동작 조건에서 시냅스들이 학습을 하게 된다. 그래서 두뇌의 신체적인 기초에 따라 발생되는 많은 원초적인 본능은 대부분의 사람에게 거의 공통적이다. 그렇지만 유전 때문에 원초적 본능은 초기에 아주 강하게 연결되고, 또 어떤 점은 약하게 연결된다. 이런 식으로 사람들은 자신만의 천성을 갖게 되며, 그 이후의 학습과 경험은 이를 토대로 하게 된다. 이와 같이 아무렇게나 연결된 것 같은 인간의 뇌 신경은 유전자 번식에 의해서 구조화되 고, 오랜 시간 동안 조금씩 변화를 거쳐 시냅스마다 다른 가중치를 가지게 한다. 하지만 이 렇게 아무렇게나 정렬된 인간의 뇌 신경은 정확하고 구조화된 기계의 두뇌보다 더 나아 보 이지 않는다. 사실 뛰어난 동작, 성능, 오류 수정 능력은 더욱 정확하고 구조화된 구조에서 얻어질 것이다. 사실 인간의 두뇌에 대해서 우리가 알고 ldT는 것이 그리 많지 않기 때문 에, 오류가 발생했을 때 이를 수정하는 것이 대체로 어렵고 불가능하다. 유전에 의한 인간 두뇌의 구조는 개인마다 현저한 차이를 보인다. 한편 모든 두뇌가 동일한 구조를 갖는다면 그 아이는 크지 않을 것이고, 본질적으로 개개인의 경험과 신체적인 차이에만 의존할 것이 다. 기계의 두뇌에서 각 기능들을 잘 연계시키면 더 뛰어난 능력을 얻을 수 있다. 결국 이것은 인간의 두뇌가 다른 기능적인 두뇌에게 추월당할 수 있으며, 기능적으로 더욱 발전할 수 있 음을 의미한다. 현재 인간 두뇌 내 뇌 신경 밀도-주어진 고안에서 뉴런의 총수-는 보통의 계산기보다 훨 씬 높다. 하지만 인간 뇌 신경의 총수는 시간이 지나도 거의 일정한 반면, 기계 두뇌의 뇌 신경 수와 밀도는 빠르게 증가하고 있다. 현재의 인텔 펜티엄 칩은 콩알만한 크기에 300만 개 이사의 트랜지스터가 들어간다. 21세기에 들어서면 몇 년 내에 인간의 두뇌를 앞지를 것으로 기대된다. 이는 오늘날의 기 술로 보면 실현될 가능서이 충분하다. 한두 번의 기술 혁신이 일어나면 발전은 더욱 앞당 겨질 것이다. 예를 들어 광통신과 같은 광소자는 기존의 기계 두뇌 연결에 상당한 변화를 제공하여 유용성, 크기, 속도에 많은 변화를 가져올 것이다. 그러므로 여러 가지 면에서 인간의 두뇌보다 우수한 기계 두뇌가 2000년대에는 다른 여러 가지 측면에서도 더욱 우수해질 것이 분명하고, 누구든지 쉽게 예측할 수 있다. 또한 기계 의 두뇌는 주문 제작이 가능하고, 필요한 만큼 크고 강하게 만들 수 있을 것이다. 하나의 세포로부터 자라는 인간의 두뇌는 더 늘지도 않아서 현재의 크기를 그대로 유지할 서이다. 이에 대해서는 다음 장에서 좀더 깊이 살펴 볼 것이다. 머지 않은 미래에는 많은 면에서 기계의 두뇌가 인간의 두뇌보다 우수할 거라고 말하는데, 그렇다면 인간의 두뇌가 계속, 아마도 영원히 기계의 두뇌보다 앞서 있을까, 아니면 기계의 두뇌가 인간을 추월하는 것이 시간 문제일까? 인간 두뇌의 우수성을 지지하는 몇몇 사람들 의 주장을 살펴보자. 첫째, 아무리 복잡하고 이해하기 힘들더라도 인간의 두뇌와 기계의 두뇌는 단지 물질적인 것일 뿐이라는 점을 알아야한다. 둘째, 인간의 두뇌와 기계의 두뇌는 무엇으로 만들어졌고, 어떻게 동작하느냐에 따라 물리적으로 서로 다르고, 기능의 관점에서도 감성적으로 다르다. 기계의 두뇌가 인간의 두뇌와 실제로는 결코 같아질 수 없기 때문에 항상 인간의 두뇌보다 열등할 거라는 주장은 옳지 않다. [인간을 옹호하는 주장1] 인간의 두뇌는 물질적으로 설명될 수 없는 특성을 갖는 신비한 면이 있다. 반면 기계의 두 뇌에는 이러한 측면에서 볼 수 없기 때문에 인간의 두뇌와 똑같이 동작할 수 없을뿐더러 결 코 그보다 우수해질 수 없다. 나는 이 주중에 중요성을 크게 두지 않는다. 물질적으로 아직 이해하지 못한 것을 단지 신비한 것으로 묘사해 버리는 것은 문제 회피일 뿐이다. 또한 정말로 이해할 수 없는 신비 한 것이 있다하더라도, 그것이 기계의 두뇌가 더 우수해지기 위해서 반드시 필요하다는 것 을 어떻게 알 수 있겠는가? 사실 기계의 두뇌는 신비한 성분뿐 아니라 그보다 더한 것도 가질 수 있을지 모른다. 신비한 점이 무엇인지 모르기 때문에 기계의 두뇌가 인간보다 더 우수해질 수 없다는 설명은 전혀 논리적이지 못하다. 따라서 이 주장은 이치에 어긋난다. [인간을 옹호하는 주장2] 우리는 아직 인간 두뇌의 동작을 물질적 측면과 기능적 측면에서 충분히 알고 있지 못하기 때문에 기계에 그것을 복제한다는 것은 불가능하다. 인간 두뇌의 동작을 정확히 묘사하기 위해서는 양자이론정도로 깊이 살펴 볼 필요가 있다. 이것은 펜로즈의 주장이다. 나는 이 주장이 이치에 맞는다고 생각한다. 하지만 이것이 사실이더라도 우리는 기계의 두뇌를 똑같지는 않더라도 어느 정도 인간 두뇌와 비슷하게 동작시킬 수 있을 것이다. 여 기서의 주장은 앞의 주장 1에서 내가 설명한 것과 비슷하다. 현재 우리는 인간 두뇌의 동 작에 관하여 완전히 알지 못하는데, 어느 날 완전히 이해하게 될 때 과연 우리는 그 것이 중요하다고 여길까? 기계의 뇌가 인간의 뇌와 똑같지 않다고 해서 인간의 뇌보다 더 우수 해질 수 없다고 결론지을 수는 없다. 이 두가지 주장에서 요점을 증명하기 위하여 두가지 비론리적인 단계를 짚고 넘어가야 할 필요가 있다. 그 단계는 다음과 같다. 제시 : 기계의 뇌는 인간의 뇌와 같아질 수 없다. 결론 : 기계의 뇌는 인간의 뇌보다 우수해질 수 없다. 이 결론에는 오류가 있다. 어떤 무엇이 다른 것과 같아질 수 없다는 사실이 더 우수해질 수 없다는 논리이기 때문이다. 요점을 강조하기 위해 미식 축구 팀과 관련된 한 예를 들어 보겠다. '피츠버그 스틸러스(Pitsburgh Steelers)는 댈러스 카우보이즈(Dallas Cowboys)와 같을 수 없다.' 그러므로 '피츠버그 스틸러스는 댈러스 카우보이스를 이길 수 없다.'고 한다. 정말로 그럴까? [인간을 옹호하는 주장3] 인간의 두뇌에는 오늘날의 지식이 주어졌을 때, 기계가 단순한 방법으로 재창조할수 없는 의식과 같은 확실한 특성이 있다. 이것은 비록 다른 관점에서 출발하였지만, 펜로즈의 주장과 많은 면에서 비슷한 옹호적인 진술이다. 따라서 같은 방법으로 잘못되었음을 알 수 있다. 예를 들어 기계의 뇌는 의식이 없으므로 인간보다 우수해 질 수 없다고 주장하는 것이 과연 옳은가? 앞에서와 같이 인간 두뇌의 동작에 대한 잃어버린 연결 고리(여기서는 인간의 의식)는 양 자 이론과 유사하게 현재 완전히 이해되지 못하는 사항이지만, 몇 몇 사람들은 조만간 이해 될 거라고 믿고 있다. 뒤에서 말한 요점은, 우리가 인간 두뇌의 의식이나 양자 이론을 완전 히 이해하고, 그것을 물질적으로 모델링한 후 비로소 기계 두뇌가 인간과 대략 같아질 수 있다는 새로운 문제를 야기시킨다는 것이다. 하지만 기계의 두뇌에는 특이한 장점이 많이 있기 때문에 그때에는 사실상 인간의 두뇌보다 더 우수해질 것이다. 그래서 흥미롭게도 전자의 주장 2와 3은 일단 인가 뇌의 활동을 더 잘 이해하기만 하면 기 계의 두뇌가 인간을 능가할 것임을 암시하고 있다. 이것을 증명하는 데에는 몇 백 년 또는 몇 달의 시간이 걸릴 수 있다. 그러나 누가 이것을 증명할 수 있겠는가? 매일 인간의 뇌 를 연구하는 의학 박사, 신경외가 의사 혹은 정신과 의사가 할 수 있을까? 기계로 두뇌를 만드는 공학자는 어떤가? 사실 이들이 아니라, 이러한 주제로 학회에서 발표되어 온 수많 은 논문들과 관련 연구의 도움을 받아 언젠가 다가올 이 문제에 대하여 생각하고자 하는 사 람들일 것이다. 보통 사람들은 인간의 의식이라는 장애물이 있을 거라고 생각한다. 나는 전자의 모든 중요한 주장은 여기에 주어진 세 가지 주장 중 적어도 한 가지로 결론지 을 수 있다고 생각된다. 사실 나 자신도 주장 2를 믿고 주장 3은 가능하리라 믿지만, 확실 히 이 결론들을 옳지 않으며, 특히 주장 1은 전혀 옳지 않다. 소의 뇌는 인간의 뇌와 다르고, 그래서 인간과는 다른 방식으로 의식한다. 소는 자신의 방 법으로 공포, 즐거움, 자기 의식을 보인다. 두 개의 뇌는 본질적으로 다르지만, 대체로 인간 의 뇌가 소의 경우보다는 훨씬 우수하게 작동한다. 이와 같은 주장은 동물을 비롯해 지상 의 모든 창조물에게 적용될 수 있다. 그리고 이와 유사하게 기계의 뇌는 인간의 뇌와 다르 다. 기계와 인간의 뇌는 서로 다른 방법으로 의식한다. 다시 말해 두 개의 뇌는 본질적으 로 다르다. 나는 여기서 특별한 기계-보통 책상 위에 있는 컴퓨터는 이렇게 동작하지는 않 는다-를 말한 것이다. 하지만 한 마리의 소가 다른 소와 아주 다르지 않은 것처럼 사람도 다른 사람과 크게 다르 지 않다. 두 가지 경우 모두 자산들만의 종에 속하는 것이다. 하지만 기계는 두뇌의 활동 이 서로 다르고, 또 다양한 작업을 수행하기 때문에 서로 크게 다를 수 있다. 기계는 단지 하나의 예외적인 종이라기 보다는 여러 가지의 종, 또는 새로운 생물의 형태를 갖는 것으로 본다. 인간, 동물, 그리고 기계는 하나의 존재에서 다른 형태를 가진 것이라고 믿는 사람도 있다. 예를 들어 모노드(Monod)는 그의 저서 「우연과 필연(Chance and Necessity)」에서 '세포 는 하나의 기계다. 동물도 하나의 기계다. 인간 역시 하나의 기계다.'라고 말했다. 사이본 스(Simons)는 '사람은 행동하도록 프로그램된 로봇이고 기계 장치이지만, 놀랄 만한 통찰력, 재능 및 감수성을 가진다'라고 했다. 맥도널 더글라스(McDconnel Couglas)와 함께 1995년 중반까지 연구학자였던 탈러(Thaler)는 다른 방법으로 표현했다. "사람들은 '내가 이러한 기계들과 어떻게 구분되는가?'라고 묻기 시작할 것이고, 그 필연적 인 답은 '우리와 같다'라고 생각한다." 그렇다면 인간의 생물학적, 전기 화학적인 형태의 기계 중 하나의 종류에 지나지 않는다고 여겨질 수 있다. 이와 같은 방법으로 보면 인간은 단지 하나의 모형, 일을 하는 하나의 방 법, 자연적으로 생성된 하나의 시도로 볼 수 있다. 우리는 우리의 방법으로 생각하고 행동 하며, 기계도 그들만의 방법으로 생각하고 행동할 것이다. 비록 나는 인간을 기계의 한 형태로 생각하는 입장을 이해할 수 있지만, 이 책의 의도와 같이 그들을 구분하기 바란다. 아주 간단한 기계적인 스위치로부터 극도로 복잡한 인공 신 경망에 이르기까지 기계 그 자체는 거대하고 다양한 가능성을 가진다. 인간의 능력도 아주 광대하지만 그다지 넓지는 않다. 따라서 무엇이 기계이고 아닌지에 대한 나의 정의는 더 제한적이므로, 우리는 인간과 기계를 다르게 여길 것이다. 하지만 지적하고 넘어가야 할 것이 하나 있다. 우리가 잘 아는 특별한 기계를 사용하여 작업을 빨리 수행할 수 있다고 할 때, 더 많은 일을 더 빨리 처리할 수 있는 기계가 등장해 곧 사용할 수 있다면, 현재 뛰어난 기계라 할지라도 어느 정도 시간이 흐르면 뒤떨어지고 쓸모 없게 될 것이다. 우리는 우리 자신을 이렇게 보고 싶지는 않을 것이며, 실제로도 그렇 지 않다. 의식과 양자 이론의 예를 통해서 우리는 인간 두뇌의 한 측면, 또는 다른 측면을 볼 수 있 기는 하지만, 기계의 두뇌가 똑같은 방법으로 동작하지 않을 거라는 결론을 내린다. 왜냐하 면 기계는 사람의 뇌와 똑같은 방식의 의식이 있는 것이 아니고, 우리가 아직 인간 뇌의 작 동을 실제로 알지 못하므로 그러한 기계의 뇌는 구성될 수 없기 때문이다. 이러한 특징들 이 기계의 두뇌가 인간의 두뇌보다 더 우수한 방법으로 작동하지 못하게 하는 이유는 아니 다. 인간의 뇌가 신비한 요소를 가진다고 생각하는 사람들은 기계의 두뇌가 그 성능에 있어서 인간을 능가하지 못할 거라고 믿는다. 양자 이론과 의식의 관점을 이용해 이해할 수 있는 과정이 남아 있지만, 나는 그러한 과정이 존재하든 그렇지 않든 간에 실제로는 중요하지 않 다고 믿는다. 우리는 양자 이론과 인간과는 다른 의식에 의존하지 않고도 이미 인공의 신 경망을 만들 수 있고, 많은 면에서 인간의 뇌보다 더 좋은 성능과 특성을 보인다. 미래에 그것들은 보다 강력한 성능을 보일것이고 오래지 않아 인간 뇌의 모든 성능을 능가할 것이 다. 틀림없이 기계 두뇌의 성능이 인간 두뇌의 성능에 가까워지고 있고, 아직 뒤떨어져 있지만 기술이 발달함에 따라 향상될 것이다. 전체적인 성능은 지능이 핵심적인 역할을 수행하는 넓은 범위의 특성을 포함한다. 시간이 지남에 따라 몇 몇 기계의 지능은 인간과 대략적으 로 같아질 것으로 믿는다. 일단 이 상태에 이르면, 인간의 뇌는 여전히 지금과 같은 방면, 기계의 뇌는 더 지능적으로 될 것이 자명하다. 남은 하나의 문제는 크기를 키우는 것이다. 지금은 50개 내지 1,000개의 뉴런을 가지고 작 동하는 인공의 신경망뿐이지만, 인간의 두뇌와 경쟁하기 위해서는 신경망이 100만 개 정도 의 뉴런을 가져야 하고, 각종 기능을 수행하기 위하여 여러 가지 기능과 동작에 따라 구분 해 주어야 한다. 이렇게 많은 뉴런을 연결시키고, 신경망 구성의 본질적인 문제인 크기의 확대가 문제 해결의 가장 큰 장애물이라고 생각된다. 결과적으로 기계의 두뇌는 수백 억, 수천 억의 뉴런을 가질 수 있고, 따라서 인간의 뇌보다 우수하게 작동할 수 있다. 과거에는 학습 능력이 있고, 창조적이며, 의식이 있고, 자유 의지를 보이는 기계 두뇌를 구 현하는 일이 중요한 문제였다. 탈러를 비롯한 여러 사람들처럼 나는 이러한 특징이 오늘날 에는 적절한 수준에 이르렀다고 생각하며, 크기를 증가시키는 것만이 문제로 남아 있다고 생각한다. 이러한 특징 중 많은 것은 다름 세 장에서 걸쳐서 설명하게 되 로봇에 의해서 충분히 실현되다. 중요한 사실은 사람과 기계 모두 지적인 상태는 바로 최초의 유전과 그 이후의 경험에 의존한다는 점이다. 그렇다면 기계의 지능이 언젠가는 인간의 두뇌를 능가해 더 똑똑하고 강력해줄 수 있다고 할 수 있을까? 물질적인 요소들은 다음과 같은 상황으로 전개될 것이다. 계산 능력, 기억 용량, 학습, 창조 등에서 볼 때 모든 면에서 기계의 지능이 빠른 속도로 인간의 수준에 접근 해 가고 있다. 인간의 두뇌가 가진 신비한 면을 제외하고는 어떤 이론이나 물질적인 면도 기계의 지능이 처음에는 인간의 지능과 가까워지다가 나중에는 그 수준을 능가하는 것을 막 지 못한다. 기계의 지능이 인간의 지능과 똑같은 형태로 구현되지는 못하지만, 그것은 다른 문제이며 혼돈 되어서는 안 된다. 나는 기계의 지능이 인간의 지능을 능가할 수 있다고 확 신한다. 왜냐하면 과학적인 증거가 이를 뒷받침해 주고 있을뿐만 아니라 우리가 그것을 부 인할 만한 아무런 근거도 없기 때문이다. 이것은 그러한 인간의 지능으로부터 아무런 도움도 받지 않은 채 그들 자신만의 방법으로 똑똑해질 수 있음을 의미한다. 그 다음에는 기계가 어떤 권한을 갖게 되는, 다른 주제에 대 하여 조언할 수 있으며, 인간에 의하여 야기된 많은 문제를 아주 빨리 해결할 수 있을 것이 다. 그들은 탈러의 '창조 기계'(Creativity Machine)와 같이 본질적으로는 컴퓨터, 즉 독립적 인 기계의 뇌 내에 자리잡은 신경망을 이용해 새로운 교통 수단을 구상하고, 부드러운 음료 수를 만들어내고, 음악 악보를 고안하거나 새로운 물질을 발견할 수 있을 것이다. 이 신경망은 입력시 'On' 또는 'off'의 형태로 정보를 받아들이고, 모든 출력을 또다른 'on' 또는 'off'의 형태로 내보낼 것이다. 흥미롭게도 어떤 특징이 입력되면, 신경망 내의 특정한 뉴런들이 더욱 자극되는 것을 볼 수 있다. 언제쯤 이런 일들이 실현될까? 현실적으로 그 대답은 어디까지나 추측일 뿐이다. 어떤 사람은 100년 정도 후, 혹은 몇 세기 후의 일이라고 말한다. 하지만 기술의 변화율과 기계 의 지능에 대한 빠른 진보를 현실적으로 고려해 보면, 이같은 생각은 상당히 낡은 관점이라 는 것을 알 수 있다. 만약 기계의 지능이 인간의 지능을 언젠가 능가할 수 있다고 인정한 다며, 좋지 못한 일이 생길 것이고, 그렇다면 최소한 한 세기 정도로 가능한 한 그 시기를 늦추려할 것이며, 아예 기계가 없어지기를 바라는 것이 인류를 안락하게 하는 행동이 될 것 이다. 어떤 과학자는 10년 내지 20년이라는 짧은 시간 내에 기계의 지능이 인간과 비슷해질 것이 라고 주장한다. 모라벡(Moravec)이 지적한대로 기술의 변화율이 가속된다는 점을 바탕으로 추론해보거나 기계의 시뮬레이션을 통해 살펴보면, 약 2030년에는 이루어질 거라고 전망하 였다. 기계의 향상된 능력, 속도, 성능은 유일하게 남아 있는 크기의 증가 문제를 해결할 수 있지 때문에, 백만 개의 뉴런을 가진 기계의 두뇌가 천억 개의 뉴런을 가진 인간의 두뇌와 엇비 슷하게 동작할 수도 있을지도 모른다. 또한 인간의 두뇌는 기계는 필요로 하지 않는 걱정이라든가 꿈과 같은 쓸모 없고 무익한 것들을 처리하기도 한다는 것을 알아야 한다. 또한 뇌의 많은 부분은 손을 움직이거나 보 는 것과 같은 인간의 물리적인 동작이나 감각을 다루는데, 이러한 것들은 기계와는 관계 없 을 수도 있다. 이러한 점들을 감안하며, 기계는 적은 수의 신경망을 통해 인간과 비슷한 능 력을 분명히 가질 수 있다. 사실 인간의 진가와 개개인간의 기술은 기계에게는 필요하지 않다. 대부분의 경우 인간이 만물의 영장이라는 기본적인 공리를 지금 어떻게 인정하는지, 또는 앞으로도 그러할 것인지 하는 것은 재미있는 문제다. 앞서 언급된 인간의 두뇌에는 신비한 요소가 있다는 개념은 이러한 공리에 기초한다. 만약 기계의 두뇌가 인간 두뇌의 모든 특 징을 가질 수 없고, 속도, 용량, 논리적 구성에서 아무리 발전해도 인간보다 항상 열등한 존 재로 남게 된다면 위와 같은 결론을 내릴 수 있다. 모라벡의 지적과 같이 인간은 자신의 '생각하는 프로그램'을 인공의 금속체로 변환시킬 수 도 있다. 이와 같은 방법으로 우리는 우리의 몸을 새로운 번쩍이는 로봇으로 교체할 뿐만 아니라 우리의 뇌를 더욱 강력하고, 빠르고, 정확한 기계의 뇌로 교체하는 등, 영생 불사의 형태를 우리에게 부여할 수 있을 것이다. 즉 특정한 시간에 그때가지의 모든 경험과 기억 을 그대로 유지한 채, 우리 뇌의 형태를 기계의 뇌로 옮길 수 있다는 것이다. 달리 말해 인 간 원래의 유전적으로 프로그램된 뇌를 가지고 태어나서 인간이 하는 경험의 형태로 훈련을 한다. 그 후 뇌의 상태와 정력은 온전하게 변환되어, 새로운 기계의 뇌에서 더욱 배우고 경 험하도록 프로그램을 시작한다. 사실 두뇌의 형태가 복제되므로, 인간의 복사본으로 작동하 는 기계의 뇌가 원래의 인간 뇌와 완전히 똑같게 작동하지 못하는 이유가 없다. 이 모든 것은 인간 뇌의 동작에 대한 더 깊은 이해를 필요로 하고, 뇌에 손상을 입히지 안 고, 뇌를 열어서 그 상태, 즉 시냅스의 연결과 정렬을 완전히 세밀하게 기록할 수 있는냐에 달려 있다. 실제로 현재 우리는 결코 그런 수준에 있지 못하다. 게다가 전체적인 개념은 인간과 기계의 뇌가 양립할 수 있다는 것이지만, 사실 이를 이루어내기에는 아주 많은 시간 이 필요하다. 사실 기계의 두뇌는 인간의 뇌를 흉내내거나 복사하는 것이고, 개선된 능력과 용량 때문에 더욱 많은 것을 할 수 있을 것이다. 이것의 마지막 결론은 비록 지능의 수준이 아주 빠르 게 인간의 능력을 능가할지라도, 인간의 지능에서 시작된 지능을 가지는 새로운 형태의 기 계가 등장한다는 것이다. 나는 인간 뇌의 형태가 이러한 직접적인 방법으로 실현 가능성에 대하여 아주 회의적이다. 왜냐하면 인간의 뇌를 건드리지 않고 그 내부의 것을 얻을 수 없을 뿐 아니라, 인간과 기계 의 뇌가 서로 달라서 인간의 뇌가 기계에게는 적합하지 않기 때문이다. 하지만 인간의 어 떤 특성이 기계의 뇌로 옮겨지는 것은 생각할 수 있다. 이는 기계의 초기 프로그램 또는 기계를 인간이 수행하는 방법대로 작동하도록 학습시키면 되는데, 특히 후자의 방법은 전문 가 시스템을 만드는 방법과 같은 형태이다. 인간 뇌의 형태를 기계의 뇌로 옮기는 것은 흥 미로운 문제들을 많이 발생시킬 것이다. 첫째로 기계의 뇌의 용량이 인간의 뇌보다 클 수 있기 때문에, 사람들의 갖가지 뇌의 형태 가 하나의 기계 뇌에 옮겨질 수 있고, 다중 인격을 갖는 뇌를 만들 수 있다. 남편과 아내의 뇌 형태가 하나의 기계 뇌에 함께 옮겨질 수 있다. 그러면 이들은 서로 내부적으로 직접 의사 소통을 할 수 있을 것이다. 여러 명의 남편과 아내의 뇌의 조합이 하나의 기계 뇌에 자리잡을 수 있어 정신적인 파트너 교환이 이루어질 수 있고, 내부에서 언쟁이 일어날 수도 있다. 그러나 싸우더라도 파트너를 떠난다는 것은 어려울 것이다. 어쨌든 우리가 주도권을 가지고 있기를 바라는 것은 인간이 가지는 특성이다. 우리는 인 간이 여전히 다른 것을 조정하는 방법을 찾을 것이다. 기계의 뇌가 인간의 뇌보다 더 지능 적이 될지라도 우리는 여전히 그들에게 명령을 내리는 입장에 설 것이라고 생각하나. 정신 프로그램의 복제를 통하여 우리는 강력한 기계의 뇌를 자지며, 번쩍이는 금속으로 이 루어진 이간과 흡사한 로봇의 형태를 생각할 수 있다. 그러면 우리 자산에 대한 붕괴를 적 게 하거나 아예 없애버리고 인간 두뇌의 구조를 로봇으로 옳기는 것이다. 이러한 관점에 대한 도전으로서 인간의 뇌보다 더 지능적으로 여겨질 수 있는 최초의 기계 는 학습을 하고 직업을 바꾸거나, 시각이나 청각 기능 없이도 재무 업무를 처리하는 능력을 가지는 거대한 컴퓨터로 구현될 수 있다. 그러한 기계는 10년 정도 지나면 충분히 가능할 것으로 보인다. 어렵지 않은 재무 업무를 홀로 처리하는, 상자 내에 자리잡은 두뇌의 삶은 그다지 긍정적으로 보이지는 않는다. 기본적인 시작점은 기계는 인간과는 다르게 많은 일 들을 처리하고 때로는 특정한 목적을 갖는다는 것이다. 더욱이 로봇이라 할지라도 인간이 하는 모든 일을 할 수 있을 것으로 기대되지는 않는다. 그럴 필요가 있겠는가? 결국 그것 은 사람이 아닌 기계이다. 또다른 중요한 점은 일단 인간의 지능보다 뛰어나 지능을 지닌 기계가 등장한다면 그 기계 는 자신의 뛰어난 두뇌 형태를 지워버리고, 덜 지능적인 인간의 뇌 형태를 받는 것을 달가 워하지 않을 거라는 점이다. 특히 더 지능적인 원래의 기계 뇌는 아마도 특별한 상황에 더 잘 어울릴 수 있을 것이므로, 인간의 뇌 형태로 교체되어 질이 저하되는 것을 원하지는 않 을 것이다. 본질적으로 인간의 뇌와 그와 연관된 뇌의 기능은 인간 자신의 몸, 또는 가능하 다면 다른 인간의 몸에만 적합하다. 그러나 기계의 뇌가 인간과는 다르게 작동하고 행동한 다면, 기계의 뇌속의 삶은 매우 다른 상황이 될 것이다. 기계와 인간은 다르다. 기계의 뇌와 인간의 뇌도 다르다. 기계의 지능이 인간의 지능을 능가한다면 이것은 기계 자체의 형태, 모양과 크기의 측면에서도 그러할 것이다. 하지만 기 계들이 더욱 지능적이기 때문에 그들이 어떻게 작동하고, 무엇을 하고 하지 말아야 하는지, 언제 작동하고, 언제 멈추어야 할지를 결정하는 것은 바로 그들 자신이 될 것이다. 그들은 중요한 결정을 할 수 있을 것이고, 우리보다 한 단계 앞서 있을 것이다. 이 장에서 토론한 바와 같이, 인간 외의 신비한 요소를 제외했을 때, 기계가 인간보다 더 지능적이 되는 것을 막는 단 한가지는 양자 이론을 해결하는 것과 같은, 인간의 뇌의 작동 과 인간 가진 의식에 대한 실질적인 이해가 없다는 것이다. 이 중 첫 번째, 즉 실질적인 이 해가 없다는 점은 기계의 발전을 저해하는 원인이 되기 때문에, 만약 우리가 이에 대한 완 전한 지식을 갖춘다면 기계는 인간보다 더 똑똑해질 수 있다. 그렇다면 인간의 두뇌에 존 재하는 의식이 인류의 장점이 되는 것일까? 개인적으로, 인간의 의식이 기계의 뇌에 방해가 된다고 느끼지는 않는다. 기계가 인간의 방법과 똑같이 의식해야 할 이유는 없다. 어떤 형태의 지능적인 기계는 기계의 방법으로 의식을 실제로 가질 것이다. 결국 그들은 인간의 뇌와 유사하게 신호나 메시지에 기초한다. 그러나 우리 인간은 외부에서 안을 들여다보듯 기계의 뇌를 주시해야만 한다. 일단 우리 자신이 기계의 뇌를 얻기만 하면, 우리와 같은 방법으로 그들이 의식을 하는지 여부를 말할 수 있을 것이다. 그러나 그렇게 되면 우리는 더 이상 인간이 아니다. 우리는 무엇인가? 기계인 것이다. 많은 생각들을 묶기 위하여 4장의 끝부분에서 시도된 바 있지만, 도대체 '인간의 의식이란 무엇인가'라는 것은 매우 어려운 질문이다. 우리는 의식이 인간의 두뇌 속에 있음을 알고 있다. 인간에게 의식이 있다는 사실은 알고 있지만, 의식이 무엇인지 실제로 묘사할 수 는 없다. 아마 기계는 의식이 없다고 생각할 것이다. 현실적으로 그들에게도 의식이 있긴 하지만, 인간과 유사한 형태로 존재하지는 않을 것이다. 아직까지 확실히 인간과 똑같지는 않더라 도, 지능적인 기계의 경우 아무 의식도 없다고 말하기는 힘들다. 그것은 다른 동물과 곤충 에서도 마찬가지다. 그러나 의식은 인간의 뇌의 기능 중에서 단지 하나의 특징이고, 다른 것들도 많이 있다는 사실을 우리는 안다. 이러한 특징들은 좀더 구체화되고 측정이 가능해 질것이다. 우리가 측정할 수 있는 것들 중에서 기억, 속도 등은 이미 기계가 인간보다 더 우수하다는 것을 우리는 알고 있다. 또한 크기에 대한 능력의 대비에서 머지 않아. 그들이 더 논리적으로 우수해질 거라는 사질을 알 수 있다. 인간과 기계의 축구 경기를 통해서 이해를 도울 수도 있다. 사람으로 구성된 팀(인간 연 합이라고 부르자)은 대체로 열등한 선수들로 이루어졌지만, 일각에서 세계 최고의 선수로 여겨지는 의식이라는 선수가 속해 있다. 한편 그 대항자(바이에른 기계라고 부르자)들은 기 억 소자와 빠른 처리 속도, 수학 능력을 가진 뛰어난 선수들로 구성된다. 세계 최고의 선수 를 자지고 있다고 해서 인간 측이 반드시 이긴다는 것을 의미하지는 않지 않은가? 바이에른 기계는 자주 뛰어난 선수들을 새로 보충한다. 실제로는 인간 연합으로부터 많은 것을 배운다. 대항자들은 시간이 지날수록 더욱 강해진다. 어쨌든 인간은 여전히 의식을 가지고 있고, 만일 우리가 기계를 이용하여 인류에게 초의식을 부여할 수 없다면, 이 의식은 우리의 최고의 선수로 생각될 것이다. 세계 축구 경기에서는 결승전이 없거나, 아니면 가까운 미래에는 결승전을 하지 않기 때문 에 2010년까지 우리가 계속해서 우위를 유지할 수 없으며, 이겼다고 느긋하게 있을 수 없다. 하지만 경기는 계속되고, 계속해서 기계 편은 더욱 우수해지고 강해질 것이다. 현재 인간 연합은 5대 3정도로 이기고 있다. 그러나 만약 우리가 초의식을 가질 수 없다 면 더 이상의 득점을 할 수가 없다. 그 동안 바이에른 기계는 우위를 차지할 때까지 득점 을 계속할 것이다. 그렇기 때문에 인간 팀이 새로운 선수를 보충할 수 없다고 가정하면, 그 반대편은 점점 자신의 팀을 강하게 보충할 수 없다고 가정하면, 그 반대편은 점점 자신의 팀을 강하게 만들게 되므로 인간 연합이 잠시 동안이라도 다시 우위를 차지할 가능성은 희 박하다. 일단 바이에른 기계 팀이 경기를 이끌기만 하면, 아마도 그것을 계속 유지할 것이 다. 우리가 의식을 가진다고 하여 우리가 이길 것이고 대항자에 대해서 근심할 필요가 없다라 고 말할 수 없고, 또 그렇게 해서도 안 된다. 바이에른 기계는 '그래, 인간 연합은 의식을 가지고 있으니 경기 중에 그들을 괴롭히지 말자'라고 말하지 않을 것이다. 의식은 좋은 점 과 나쁜 점을 가진 단지 한 선수이고, 사실 그것은 전혀 경기의 승리 요인이 되지 못할 것 이다. 기계 팀은 그보다 더 우수한 선수를 찾을지 모른다. 아마도 기계 의식이라는 이름에 굴복 하게 될 것이다. 그들은 이미 인간 팀의 대부분의 선수들보다 우수한 선수를 찾았다. 따라 서 왜 의식을 가지지 안겠는가? 만약 그러한 일이 발생한다면, 인간은 더 이상 승리할 기 회를 가질 수 없을 것으로 보인다. 바이에른 기계가 그러한 스타들과 경쟁하지 않는다 하 더라고 그들은 줄곧 강해져서 여전히 극도로 강한 팀을 가진다. 경기에 지기까지에 얼마나 오래 인간 연합이 버틸 수 있을까? 축구 경기에서와 유사하게 의식은 단지 인간 두뇌의 동작이 가진 하나의 특징에 불과함을 알 수 있다. 그것은 기계의 지능이 인간을 능가한다는 측면에서 중요한 사항일 수도 아닐 수도 있다. 그것은 아무런 문제가 되지 못하지만, 당분가 중요한 요소라고 가정하더라도 기 계가 극복해야 할 마지막 장애물에 지나지 않는다. 양자 이론의 문제와 같이 의식은 언젠가는 정복될 것이다. 우리가 그것을 어떻게 생각하 든지 간에 단지 하나의 결론만이 있을 수 있다. 기계가 인간보다 더 지능적이 되는 것을 막기 휘하여 인간이 할 수 있는 것은 아무것도 없고, 다만 시간만이 문제가 될 뿐이다. Chapter 8 레딩의 로봇들 - 서곡 푸딩의 질을 알려면 먹어 봐야 하나.'는 말이 있다. 이것이 내가 여기서 추구하는 바인지 모르겠지만 적어도 관련은 있을 것이다. 앞 장들에서 논의는 철학적 내지 이론적인 것이었 고, 심사숙고 끝에 나온 논거를 바탕으로 몇 가지 결론을 내릴 수 있다. 나의 의견이 명백하다고 생각하지만, 아마 여러분도 다른 사람들처럼 자신만의 의견을 가 지고 있을 것이다. 만약 여러분의 생각이 사려 깊고 옳다면, 나와 같을 거라고 생각된다. 그러나 아무런 의미 없이 철학적으로나 이론적으로 말하기보다는 실제로 움직이는 기계를 가지고 그들의 지능적인 특성을 인간과 비교하고자 하는 실험적인 자세가 더 설득력이 있 다. 이 책은 실제적인 경험과 실험이라는 튼튼한 기초를 근간으로 한다. 앞 장에서 얻은 결론 들은 이러한 확고한 실험적 토대에 바탕을 두고 있다. 심지어 1장의 서론을 되돌아보더라 도 확고하고 실제적인 시작점을 찾을 수 있다. 본 장과 다음 두 장에서 우리는 레딩 대학의 인공두뇌학과에서 과거 몇 년간 진행되어 온 몇가지 실제적인 작업에 관하여 살펴볼 것이다. 그리고 본 장에서는 이러한 실제적인 작업 에 관련된 것들을 하나로 묶어, 처음으로 책의 주장을 뒷받침하는 증거로 보여줄 것이다. 여기서 설명되는 실제적인 작업들은 모두 실제로 수행하였거나 수행중이며, 여기에 소개된 로봇 기계는 실제로 존재한다. 한두 가지의 경우는 부득이 컴퓨터 시뮬레이션에 관하여 언 급하겠지만, 대부분의 경우 실재하는 물리 시스템에 관하여 말할 것이며, 이들은 묘사된 대 로 실제 동작한다. 어떠한 실험도 컴퓨터 시뮬레이션을 통하여 그럭저럭 수행될 수 있다. 그러나 문제는 실 험자가 원하는 결과가 가상적으로는 어떤 상황에서든지 얻어질 수 있다는 것이다. 컴퓨터 시뮬레이션의 세계는 이상적이고 완벽한, 실험자가 원하는 대로 실제 일어날 수도 그렇지 않을 수도 있는 비현실적이 세계이다. 컴퓨터 시뮬레이션은 실제에 적용하기 전에 이론을 검증할 때, 디자인할 때, 또는 실세계와 상소 작용하는 컴퓨터 시스템을 설계할 때 유용하 다. 여기서 열쇠가 되는 것은 실세계와의 실제적인 연결에 있다. 만약 당신에게 누군가가 자신이 기계가 인간보다 더 지능적이라거나 덜 지능적이라는 것을 증명하였다고 말하거나, 자신이 러시아어로 농담하고 춤추며, 노래할 수 있는 로봇을 600개 디자인했다고 말한다면, 반드시 다음과 같은 질문을 할 것이다. 그가 그와 같은 일을 순전 히 이론적인 작업이나 컴퓨터 시뮬레이션으로 했는지, 아니면 실제로 노래하고 춤추는 지능 적인 기계를 가지고 있는지. 만약 그가 진자 상품을 만들 수 없다면 그의 결과는 아무런 가치가 없다. 실제로 한 걸음 걸은 후 넘어지는 보행 로봇일지라도 시뮬레이션 상에서 런던 마라톤 기록의 시간으로 달리 는 29,000개의 로봇보다 더 가치가 있다. 지능적인 기계가 가지는 능력이 광범위하다는 점을 고려하는 것도 역시 중요하다. 지능적 인 기계를 단순히 키보드 위에 숫자나 글자가 놀려지면 무엇인가를 하는 책상 위의 컴퓨터 로 생각하는 오류를 범하기 쉽다. 이 경우에 기계가 복잡한 소리 메시지를 이해한다고 상 상하기는 어려우며, 따라서 영어와 같은 인간의 언어를 실제로 이해하지 못하는 기계를 바 보라고 생각하기 쉽다. 더군다나 학습하고 창조적이며, 감정을 표현할 수 있는 존재라고 생 각하는 것은 더욱 어렵다. 1995년에 과학 학회에서 나는 고참 학자를 만났는데, 그는 기계란 단지 외부의 자극에 대 하여 미리 프로그램밍된 방식으로 그들의 프로그래밍된 반응을 바꾸는 것만이 가능할 뿐 학 습할 수 없다고 확신하고 있었다. 그래서 나는 그를 레딩 대학으로 초대해 로봇들을 보여 주었고, 그는 상당히 매료되었다. 그는 우리의 로봇들이 학습하는 것을 처음 목격하고, 그 날 저녁에는 완전히 다르게 생각하는 사람이 되었다. 이것은 그때까지 그가 단지 책상 위 의 컴퓨터만 취급해 왔고, 다른 방식으로 생각하지 못했기 때문이다. 우리는 로봇의 학습 이외에도 많은 일들을 하고 있다. 우리는 큰 기계에서 동작하는 컴퓨 터 패키지, 컴퓨터 시뮬레이션, 그리고 로봇을 이용하여 특별한 목적을 달성하는 기술적인 해법 등의 광범위한 일들을 하고 있다. 전체 구성을 설명하는 것은 너무 길기 때문에 여기 서는 특별히 관련이 있는 과제들만 언급하겠다. 즉 실제로 구현했을 때 실 세계에서 잘 작 동하는 것을 우선적으로 설명하겠다. 5장에서 논의되었던 대형 컴퓨터에 관한 연구부터 살펴보자, 기계를 감시하고 제어하기 위 한 목적, 영국의 공공사업들의 작업 상황을 감독하고 분석하기 위한 목적, 대단위 생산 시스 템의 오류를 감지하고 진단하기 위한 목적 등으로 광범위하고 지능적인 기법이 채용되었다. 예를 들면 다음과 같다. 고속·고성능의 생산 기계는 빠르고 효율적이며, 동작시 인간의 간섭이 불필요하고 고장 없이 계속해서 작동하며, 어떤 수리가 필요한지 스스로 결정할 수 있고, 작업이 필요하면 미 리 알려줄 수 있어야 한다. 수분 내에 쇠고기 버거를 만들고, 포장한 후 수송할 수 있도록 준비하는 기계(구체적인 제품명은 언급하지 않겠다)를 생각해 보자. 될수록 고장이 저고, 가장 저렴한 가격으로 기계가 빨리 생산하면 할수록 효율성이 높아져 이익이 증가한다. 생산라인의 가가 지점에서는, 컨베이어 벨트의 속도, 고기 혼합물의 도착률, 포자의 질과 같은 정보를 얻을 수 있다. 그리고 이것을 통하여 생산라인이 얼마나 잘 진행중인지를 알 수 있다. 아마도 20여 개의 요소가 항상 서로 연관되어 있고 측정 가능할 것이다. 다양한 요소들의 조합 중 어떤 것은 기계가 잘 동작하고 있다고 알려주고, 또 어떤 것은 문제가 발 생하기 직전이어서 곧 기계가 멈춘다는 것을 알려준다. 인간의 두뇌의 경우는 동시에 두세 가지의 요소를 다룰 수 있다. 한 예로 좋은 생산물을 얻기 위해 롤러의 속도와 버거의 크기, 내용물의 습도를 조절할 수 있다. 그러나 20개 이상 의 요소들이 서로 독립적인 경우는 인간이 쉽게 처리하기가 곤란하다. 따라서 컴퓨터 기반 의 시스템에서 어떻게 기계가 제대로 동작하는지, 또는 어떻게 잘못 동작하는지를 가르치기 위한 여러 가지 방법들이 고안되었다. 한 방법으로 서로 다른 요소들의 비선형 관계를 학습시키기 위하여 인공 신경망을 사용한 다. 사람은 신경망에게 어떤 경우에 기계가 제대로 동작하는지를 인식하도록 가르치고, 신 경망은 경험을 통하여 어떠한 요소들의 결합이 기계를 제대로 동작하게 하는지 학습한다. 또한 신경망은 어떤 경우에 기계가 실패하고, 어떻게 실패하는지를 경험하게 되어 어떠한 요소들의 결합이 실패를 야기하는지 학습한다. 실패는 종종 인간 작업자조차 인식하기 어 려운 과도하게 복잡한 요소들 사이의 관계로 인하여 야기될 수 있다. 일정한 시간 동안 기계를 감독함으로써, 인공 신경망은 그 과정의 자세한 내용을 알 수 있 다. 결국 신경망이 기계의 동작 방법을 알게 된 것이다. 또한 신경망은 동작중인 생산 과정을 감독할 수 있다. 측정된 요소들이 정상적으로 동작 하면 좋은 점수를 줄 것이고, 몇 가지 요소들이 문제를 야기하는 것을 발견하며 신경망은 이를 지적하여 자동적으로 또는 인간 작업자를 시켜 적절한 조치를 취하게 한다. 이와 같 이 신경망은 인간으로서는 할 수 없는 방식으로 기계를 동작시킬 수 있다. 앞서 말한 예에서는, 인공 신경망이 한 개의 각 생산라인에 대하여 최상의 운전 모드로 학 습할 수 있었다. 신경망은 그 라인에 대하여 한가지로만 학습이 된다. 반면에 인간 작업자 의 경우는 사람이 달라지면 다른 생산라인에서는 다르게 동작하게되며, 심지어 동일한 라인 에 대해서도 다양하게 동작할 수 있다. 미국의 어떤 생산 기계에 대하여 레딩의 소프트웨 어를 사용한 결과, 작업자에 따라 눈의 띄게 결과가 달라지는 것을 발견했다. 즉 한쪽에 의 해서는 기계의 고장 시간이 많이 발생한 반면, 다른 쪽은 그렇지 않았다. 다른 예는 인간의 얼굴 특성을 인식하기 위하여 인공 신경망을 사용하는 것이다. 이것은 실시간에 움직이는 얼굴의 이미지를 보통의 전화선을 이용해 전송하여, 화상전화를 통해 사 람의 대화와 일치하게 하는 경우에 필요하다. 문제는 얼굴의 전체 이미지를 선을 따라 전 소하는 것같이 많은 양의 정보량을 전소하는 데에는 비싼 전선이 필요하다는 것이다. 입과 눈과 같은 특징을 추출하여 이에 대한 정보를 더 많이 보내고, 나머지의 특징들에 대한 정 보는 적게 전송하는 것이 바람직하다. 그러나 이 방법이 좋기는 하지만 사람들의 얼굴은 모두 제각기 다르다. 따라서 전송시스템은 이전에 본 적이 없는 사람의 얼굴에서 눈, 코, 입의 위치를 알아내는 것이 중요하다. 이는 눈의 이미지를 특징으로 인식하도록 학습된 인공 신경망을 사용함으로써 해결할 수 있다. 예로, 신경망은 수많은 얼굴 이미지를 보고 눈을 인식하도록 학습한다. 이후에는 처 음 보는 새로운 얼굴에서 눈을 매우 빨리 찾아낼 수 있다. 이러한 연구는 현재 레딩 대학에서 이 분야의 강사인 마크 비쇼(Mark Bishop)이 주로 주 도하였다. 처음에는 연구 결과가 성공적이지 못했는데, 그 이유는 프로젝트에 참가하는 연 구자가 대부분 남자인데 신경망 실험으로 대학생 연합 건물에 있는 여대생들의 눈을 훈련시 킨 후, 과에 있는 남자의 눈을 인식하게 하려고 했기 때문이다. 그러나 적당히 남자와 여자 의 눈을 섞어 학습시키자 만족스러운 결과를 얻게 되었다. 그러나 이전에 본 적이 없는 심 하게 주름진 커크 더글라스(Kirk Douglas)처럼 생긴 이마를 가끔 눈으로 인식하고 하였다. 중요한 컴퓨터 시뮬레이션 프로젝트가 지금은 캠브리지 대학에 있는 연구원 학생 나이젤 볼(Nigel Ball)에 의해서 이루어졌다. 그는 컴퓨터 상에서 시뮬레이션 되는 생명 형태인 인 공 생명체를 만들고, 많은 정지점을 가진 미로로 구성된 살아가는 세계를 만들었다. 몇 개 의 정지점들에는 물이 놓여 있고, 다른 곳에는 식량이 놓여 있다. 생명체의 목적은 미로를 이리저리 움직이며 어는 곳에 식량과 물이 놓여 있는지를 학습하고, 주기적으로 방문하여 먹고 마시는 것이다. 식량과 물의공급이 떨어지면, 살아 남기 위해 생명체는 다른 곳으로 이동하여 더 많은 식량과 물을 찾아내야 한다. 생명체의 삶을 더 재미있게 하기 위하여 그 세계에서 생명체를 추적하는 추적자를 집어넣 을 수도 있고, 식량 공급 위치를 계속 움직일 수도 있다. 따라서 생명체는 이들의 새로운 위치를 배워야 한다. 재미있게도 지도 작성, 학습, 상호 관련성을 위한 복잡한 인공 신경망 에 바탕을 둔 생명체는 식량 공급 위치가 옮겨진 이후에도 예전의 공급 위치로 다시 돌아오 는 경향이 있다. 이것은 상당히 빨리 새로운 위치를 학습하면서 이전의 학습한 것들을 천 천히 잊어버린다. 우리 과의 가장 괄목할 만한 분야는 장애자를 위한 기술적인 보조 장비의 설계이다. 20년 전에 한 프로젝트에서 수도의 휠체어를 대체 할수 있는 어린이용 전기 동력 휠체어를 제작 하였다. 어린이가 탄 수동 휠체어는 승강대에 올려져 고정된다. 어린이는 조이스틱을 이용 하여 승강대를 이리저리 조정할 수 있다. 또한 승강대는 앞면과 측면으로 발사되는 고주파의 음파를 이용한 초음파 센서들을 가지고 있어서, 벽과 같은 물체가 센서 가까이 있을 경우 음파는 반사되어 센서로 되돌아온다. 승 강대는 경보 장치를 갖추고 있어서 장애물이 감지되면 경보를 울리거나, "오른쪽에 장애물" 또는 "왼쪽에 장애물"하는 음성을 낸다. 이렇게 함으로써 승강대는 장애물에 충돌하는 것 을 자동으로 방지한다. 이 저기 휠체어는 특별한 조처가 필요한 아이들이 다니는 레딩의 애비뉴 스쿨(Avenue School)을 위하여 조립되었고, 그곳에서 정규적으로 운영되고 있다. 결과적으로 아이들은 그것의사용법을 익힘으로써, 전기 휠체어를 구동시키는 모터의 사용법까지 배우고 있다. 동 일한 초음파 센서가 나중에 언급할 일곱 난쟁이 연구 로봇(Seven Dwarfs Research robot) 에도 적용되었는데, 이것은 한 프로젝트의 결과와 작업이 기타 관련된 연구에 어떤 영향을 끼치는가를 보여준다. 전기 휠체어는 BBC 방송의 <짐이 해결해 드립니다 ; Jim'll Fix It>프로그램에서 선보였 는데, 이를 통하여 지미 새바일(Sir. Jimmy Savile) 경은 어린이와 어른 모두의 꿈을 실현하 였다. 인공두뇌학과는 이 프로그램, 특히 짐(Jim) 경과는 많은 연관을 가졌다. 곧 그것에 대하여 언급하도록 하겠다. 실험을 위하여 처음으로 전기 휠체어를 움직였을 때 우리는 놀라운 결과를 얻었다. 나는 기계를 제작한 학생들과 함께 그것을 조절해 보고는 움직이기가 쉽지 않다는 것을 알았다. 우리는 모두 자동차를 운전하는 데는 익숙했지만, 이것은 자동차와는 매우 달랐다. 따라서 우리는 애비뉴 스쿨의 어린이들이 운전법을 잘 익힐 수 있을지 우려되었다. 아마도 운전은 어린이들에게 매우 힘든 이리 될 듯했다. 그러나 우리는 걱정할 필요가 없었다. 휠체어를 처음으로 운전한 란지트(Ranjit)어린이는 곧장 놀라운 속도로 휠체어를 운전하기 시작하여, 장애물과 코너 주위를 방향을 마음대로 바꾸며 이동했다. 란지트는 비록 뇌성마비를 앓고 있지만 우리들보다도 잘 운전했다. 우리 팀에 취미가 자동차 경우인 학생이 있었는데, 그도 란지트의 적수가 되지 못할 것이다. 또한 란지트 이외의 대부분의 학생들이 그 휠체어를 머리가 휘날릴 정도로 운전할 수 있었을 것이다. 이러한 프로젝트는 성공적인 결과를 얻었을 때 뿌듯함이 더해진다. 비록 상업적인 이익이 없어서 회사들은 꺼려했지만 우리 과가 장애자를 도울 수 있능 일이다. 그런데 이러한 프 로젝트는 기계가 인간의 지능에 대하여 학습하게 되고, 인간의 지능을 더 잘 사용하도록 돕 는 방법을 알게 된다면 더욱 유용하다. 6장에서 언급한 영화 <레인 맨 Rain Man>에 등장 하는 자폐증 환자의 예와 같이, 어떤 사람들은 보통 사람들보다 지능이 높지만 심리적이나 육체적으로 다르기 때문에 열등하다고 여겨진다. 장애자들의 편의를 돕는 기계 기술을 개 발함으로써 우리는 그들을 크게 도와줄 수 있다. 또다른 프로젝트로는 청각 장애자들이 보통의전화기 대신에 카메라를 통하여 수화를 사용 할 수 있는 전화 시스템이 있다. 전화선의 반대편에는 성냥개비 같은 손이 텔레비젼 화면 에 나타나서 수화 입력을 실시간을 보여준다. 전체 수화 단어에 제한이 있지만 이 시스템 은 실시간의 수화 대화를 가능하게 한다. 학생들이 최근에 끝낸 또다른 프로젝트는 간질 발작을 일으키는 환자를 위한 지능형 화장 실이다. 간질 환자들이 다른 사람이 지켜보지 않은 채로 줄곤 혼자서 목욕을 하고, 다른 일 을 할 수 있다면 좋을 것이다. 이 목욕탕은 사람이 발작을 일으키는 순간을 감지하면, 익사 를 방지하기 위하여 빠른 속도로 욕조의 물을 뺀다. 이와 비슷한 상황에서 젊은 여성이 불 행하게 죽은 것을 보고서 이 프로젝트의 필요성을 실감했다. 프로젝트를 수행하는 동안에 인간의 몸을 전선이나 센서로 감까지 않고서 문제를 해결하기 위한 여러 가지 방법이 모색 되었다. 간질 발작이 발생할 때에는 비록 환자의 뇌 활동이 비정상적일지라도 반드시 많은 신체적 표시가 겉으로 나타나는 것은 아니다. 어떤 사람에게서는 심한 신체적인 움직임이 일어날 수 있는 반면, 단지 눈꺼풀만 깜빡이는 사람들도 있다. 따라서 신체적인 움직임만을 측정하 여 발작을 감지하기란 매우 힘들다. 비정상적인 두뇌의 활동을 사람의 머리에 단 센서를 통하여 관찰할 수는 있어도 머리에 수 많은 부착물을 달고서 목욕하는 것은 좋지 않다. 가장 좋은 해결 방법은 적절히 배치된 간 단한 센서들로 가득 채우지 않고도 안경이 언제 물속으로 잠겼는지를 알수 있다. 한 가지 불편한 점은 욕조 속에서 안경을 착용해야 한다는 것이다. 그러나 이 안경은 김이 끼지 않 는다. 안경알이 없기 때문이다. 반면 한 산업체의 방문자에 의해 제안된 것으로 경제적인 측면을 고려해 사람의 발가락과 욕조를 연결하는 방법이 있다. 장애자에게 기술적인 도움을 위한 몇몇 프로젝트가 현재 유럽 공동체 연구 프로그램으로부 터 자금을 지원 받고 있다. 한 예는 지능적인 가정 시스템으로서 개인이 한 곳에서 가정내 의 모든 기기를 제어하도록 하는 것이다. 이것은 지역 동작 네트워크(LON : Local Operating Network)라는 기술을 사용하였는데 창문, 문, 텔레비젼 등 각각의 기기들이 저마 다 지능을 가지고 지역 동작 네트워크(LON)를 통하여 중앙의 프로세서나 다른 기기들과 상 호 통신한다. 이렇게 되면 지능은 집 안의 한 곳이 아니라 전체에 퍼져 있게 된다. 같은 방법이 빌딩의 난방의 제어에도 사용되어 빌딩내 방들은 각자 지능을 할당받게 된다. 마지막으로 또 하나의 프로젝트는 우리가 아테네 국립공과대학(National Technical Univ. Of Athens)을 포함한 팀의 일원으로 참가하고 있는 지능형 휠체어이다. 이것은 휠체어에 앉은 사람이 다른 방으로 쉽게 이동하게 돕는 데 목표가 있다. 휠체어는 지형에 대한 지도 를 바탕으로 움직이면서 벽이나 사람 등의 장애물에 부딪히지 않아야 한다. 나아갈 경로를 감지하기 위하여 레이져 광선을 이용하는 것을 빼면 앞서 언급한 전기 승가대와 비슷한 방 법으로 움직인다. 레이저 광선은 초음파보다 먼 영역을 감지할 수 있다. 이러한 기술의 전체 영역에 걸쳐 있는 프로젝트 연구는 재미있고 보람이 있다. 이 프로젝 트들은 인간과 기계는 제한된 능력을 가진 듯하나, 두 개를 합칠 경우 능력이 상당히 향상 된다. 이 분야의 인공두뇌학과의 연구는 앞에서도 잠깐 소개했듯이 지미 새바일 경과 연관되어 이루어졌다. 짐 경은 스토크 멜데빌(Stoke mandeville) 병원의 새로운 척추 병동을 위하여 천만 파운드를 증액 하도록 도왔다. 장애자를 위한 우리의 연구 뿐만 아니라. 이러한 인연 은 3년 동안 정기적으로 마술 로봇 의자를 소개한 <짐이 해결해 드립니다>라는 TV프로그 램까지 이어진다. 짐 경은 터치 스크린은 통하여 컴퓨터, 전화, 전 색상의 컬러 TV, 로봇 팔을 갖춘 의자를 손가락으로 선택한다. 이것은 홍차를 만든다든가 프로글매의 참가자에게 뱃지를 선물하는 등 다양한 일을 할 수 있었다. 우습게도 이 의자가 처음으로 제작되었을 때, BBC는 의자 가 뱃지를 건넬 때마다 '지미(Jimmy)가 당신의 소원을 풀어 드렸어요'라고 말해 주기를 원 했다. 이것은 컴퓨터 음성의 질이 매우 좋기 때문에 문제가 없었다. 그러나 BBC는 이러 한 사실에 기뻐하지 않고 의자가 로봇처럼 말하기를 원했다. 결국 우리는 프로듀서인 로저 오디쉬(Roger Ordish)의 음성을 녹음했다. 그래서 실제로 텔레비젼에 방영된 것은 오디쉬 의 로봇처럼 합성된 목소리였다. 비록 컴퓨터에 의해 제어될지언정 '짐이 해결해 드립니다 '하고 의자가 말한다는 이유로 지능적이라고 불릴 수는 없다. 그러나 이것은 상당히 강력한 컴퓨터를 내장하고 있기 때문에 지적이라고 간주될 가능성을 갖고 있다. 종종 로봇 기계는 동물이나 인간의 동작과 비슷한 동작을 한다. 결론적으로 상대적으로 낮은 지능을 요하는 작업일지라도 메시지를 전달할 수 있으며, 컴퓨터 시뮬레이션이 결코 할 수 없는 방법으로 생각을 증명할 수도 있다. 한 예로 로봇의 작업 팔 끝에 한 쌍의 카메라를 연결하였다. 인간의 눈이 시각 정보를 두 뇌에 입력하는 방식과 같이 카레라 영상은 인공 신경망에 입력된다. 한 사람을 교시자로 하여 신경망은 웃는 얼굴과 화난 얼굴 사이의 차이점을 배운다. 주로 학생들인 지원자가 시연자로서 카메라 앞에 앉아 얼굴을 들이밀 수 있다면, 신경망은 관측된 얼굴이 웃고 있는 재, 화난 얼굴인지, 또는 둘 다 아닌지를 간단히 결정해낸다. 만약 울고 있다면 카메라는 그를 향하여 움직이다가 멈춘다. 그리고 화가 나 있다면 그로부터 멀어진다. 비록 간단한 구성이지만, 이 로봇은 인간의 얼굴 표정에 따라 직접 제어되는 방법으로 인간과 상호 작용 하는 것처럼 보일 수 있다. 패턴을 인식하는 것은 산업체의 협력으로 우리 과에서 수행한 몇 개의 프로젝트의 기본을 이루었는데, 인공 신경망은 특별한 상품이나 제품을 인식하도록 배우고 그에 따라 동작한다. 예컨대 동일한 기술이 다르게 생긴 얼굴들을 인식하는 데 사용될 수 있다. 이와 같은 신경 망은 단지 금발의 사람들, 또는 턱수염을 한 사람들을 인식하고 기계가 이에 응답하도록 한 다. 우리 과의 많은 프로젝트에서는 문제를 정하고 그것을 풀어내는 기계를 만드는 것을 목표 로 한다. 종종 프로젝트는 실제적인 필요에 의하여 수행되는 경우도 있지만, 대부분은 과학 본연의 목표 달성 자체에 뜻이 있다. 후자의 형태로 최근 진행중인 프로젝트는 로봇 팔로 뻗어서 반복적으로 공을 잡는 실험이 다. 이 프로젝트를 맡은 학생들은 스스로를 '오메가팀'이라고 부르고 일주일에 여섯 시간에 서 여덟 시간을 투자하여 일년 내에 작업을 잘 끝냈다. 마무리가 된 팔은 스쿼시 볼을 던 지고 받을 수 있으며, 그 밖에 많은 일을 할 수 있다. 손의 중심에는 빛이 도달하는지를 가 지고 물체의 유무를 판단할 수 있는 광감지기가 부착되어 있다. 공과 같은 물체가 존재하 면, 손은 잡는 동작을 물체가 없어질 때까지 계속 반복한다. 다음의 목표는 곡예 로봇을 만 들기 위해 두 개의 팔들이 볼을 던지는 운동을 하게 하는 것이다. 다른 프로젝트는 좀더 직접적으로 관련 목표를 가지고 잇다. 한 예가 나이젤 아처(Nigel Archer)의 로봇 다리인데, 이것은 기초 단계의 보행 로봇을 위한 것이 아니라, 여기서 진일 보하여 보행할 때 중력에 의하여 야기되는 제어 문제를 제어하기 위한 것이다. 이는 로봇 보행기의 제어 방법을 연구하는 데 유용할 뿐 아니라. 인간이 걸을 때 드는 함과 압력을 종류에 대한 정보를 제공해 줌으로써 잘못된 걸음걸이를 교정하고 분석하는 데 유용하다. 또다른 예는 3장에서 간단히 언급한 사이브핸드(CybHand)이다. 한 개의 엄지와 세 개의 손가락으로 이루어진 손은, 각 손가락 관절이 직구동 모터에 줄로 연결되는 도르래 구조를 가졌다. 각각의 관절은 분리되어 움직일 수도 있다. 실제로 사람의 손가락 관절은 서로 연 관되어 있기 때문에, 한 개의 관절이 움직이는 제어 명령은 처음에는 다소 복잡하게 보인다. 손가락 관절마다 장력 측정기가 있어서 손이 물건을 잡을 때 관절 각각의 가해지는 힘을 알 수가 있다. 장력 측정기는 관절이 움직일 때 각줄의 길이 변화를 측정하고, 이로부터 각 관절의 힘을 구할 수 있다. 우리의 손가락 중 하나를 흔들어 움직여 보면 이 효과를 잘 알 수 있다. 손가락의 주된 부분인 손가락 연결부의 피부는 손가락의 움직임에 따라 수축 및 이완된다. 각 장력 측정기는 딱딱하거나 부드러운 물체에 가해지는 힘을 직접 인공 신경망에 입력한 다. 일단 손이 물체를 잡게 되면, 물체를 힘껀 잡기 위해 손가락 관절을 통해 힘이 가해진 다. 신경망은 잡히는 물건의 종류와 가해지는 힘의 크기 사이의 관계를 학습한다. 이러한 과정은 광범위하게 다른 물체에 대해서도 반복된다. 사이브핸드의 신경망은 각각의 물체에 가해지는 힘이 얼마인지를 배운다. 일단 완전히 학습이 되면 신경망의 시냅스에서 받는 가중치가 결정되고, 손은 물건이 어떤 것인지 알고 물건을 쥐는 데 적절하다고 결정된 힘을 가하게 된다. 여기서 두 가지 중요한 점이 있는데, 첫째는 사이브핸드는 어떤 방법으로든 쥘 물건에 대하여 알아야 한다는 것이 다. 즉 잡을 물건에 대한 정보를 인공 신경망에 직접 입력해야 한다는 것이다. 거머쥘 물 체를 볼 수 있는 비전 시스템이 또다른 신경망으로 연결된 복잡한 시스템일 수도 있다. 비 전 신경망은 여러 물체들을 인식하는 방법을 배워서, 연달아 주어지는 어떠한 물체에 대해 서 그것이 무엇인지 구별할 수 있는 방식으로 가중치를 조절하고, 이러한 정보를 손 힘 신 경망에 전달한다. 레딩에서는 아직 이러한 방법으로 비전 신경망과 손 힘 신경망을 연결하 지는 않았다. 사이브핸드는 어떤 물체가 제공되고 있는지를 명백하게 말해 주었고 적절하게 결정된 힘을 가한다. 그러나 한 신경망이 상황을 인식하고, 다른 신경망이 적절한 동작을 수행하는 방법 은 인간이나 동물의 신경망과 더 잘 일치하고, 이는 뒤에서 간단히 설명된 일곱 난쟁이 로 봇의 기초가 된다. 다음 내용은 인공이든 실제든 간에 모든 신경망의 공통된 주제이다. 신경망이 학습을 할 때는 예로써 범위가 주어진다. 일단 학습을 마친 후에는 신경망에 그 범위 내의 예가 주어 지면, 비록 이것이 예전의 것과 완전히 동일한 예가 아닐 지라도 잘 반응할 수 있다. 반대 로 만약 신경망이 학습 범위를 벗어나는 예를 받는다며, 적절하든 그렇지 않든 무관하게 단 지 최상의 근사화를 시도랄 뿐이다. 예로, 비전 신경망이 단순한 그림으로 된 승용차를 구별하도록 훈련되었다고 가정해 보자, 만약 이전에 보지 못했던 승용차의 그림을 보여 주면 신경망은 여전히 자신이 배운 내용으 로부터 적절한 추측을 끄집어낸다. 그러나 화물 트럭의 그림을 보여 주면, 그것은 아마도 적절한 해답을 내지 못할 것이다. 이러한 원리는 인공적이든 실제이든 간에 모든 신경망에 적용된다. 나이젤 아처의 다리와 마찬가지로 사이브핸드는 자율적인 존재가 아니다. 이들은 컴퓨터 처리선과 전기 동력선으로 외부와 연결되어 있다. 두 가지 겨우 모두 연구 목적을 위한 큰 존재의 일부로 간주된다. 사이브핸드는 약간의 지능을 보이지만, 실제로는 손으로부터 멀 리 떨어져서 일어난다. 즉 생각은 보드 위(On-board)에서 일어나지 않는다. 인간의 경우 도 이와 같아서 우리의 손에는 보드 위의 지능에 해당하는 것이 없다. 이것은 우리 두뇌의 몫이다. 동물이나 곤충 등 모든 생명체는 자기 충족적인 존재이다. 실제로 우리는 주기적으로 다 양한 형태의 에너지 내지 음식을 섭취해야 한다. 그러나 우리는 완전히 자율적이다. 동물 들과 대부분의 인간은 에너지와 전력 공급기, 그리고 모든 생각과 두뇌력이 설치된 멀리 떨 어진 빌딩에 전선이나 관을 통해 연결되어 있지 않다. 그러나 요즘은 인간도 인간은 라디 오나 전화의 연결을 통하여 부가적인 계산력을 멀리까지 확장할 수 있기는 하다. 이는 인 간이 완전히 자기 충족적인 존재가 아니라는 뜻이기도 하다. 따라서 완전히 자율적이고 자기 충족적인 로봇을 어느 정도까지 창조할 수 있는지는 아주 흥미로운 문제이다. 누구든 최상의 에너지원인 전지를 때때로 충전할 수 있도록 해야 한다. 정보를 주고받기 위해, 그리고 전원을 켜고 끄기 위해서 다른 로봇이나 인간, 또는 원격 컴 퓨터들과 연결할 수 있어야 한다. 레딩에서는 두 가지의 주된 연구로 보행 로봇들과 바퀴 달린 로봇들을 연구한다. 그러나 두 개의 겨우 모두 하향식에 의하기보다는 간단한 상향식 접근법을 취하고 있다. 하향식 접근법에서는 사람이 정한 전체 목표를 추구하지만, 상향식에서는 완전히 자기 충족적인 로 봇들이 자신과 관련된 일만을 한다. 이들은 외부의 전원 공급기나 컴퓨터에 연결되는 선이 필요 없으며, 그들의 지능에 잘 일치하는 물리적은 능력을 가지고 있다. 로봇 공학 분야에 서 우리는 한 번에 한 걸음씩 전진을 계속하여 문제에 대하 해결책, 부가된 특징, 전반적인 개선과 추가되는 기능의 관점에서 현재의 로봇에서 다음 형태의 로봇으로 점차 진화 시켜 나갔다. 이렇게 하여 우리는 항상 편리하고 조작 가능한 능력 있는 로봇들의 한 세대를 갖 는 것이다. 그리고 우리는 어떤 개발 단계에 놓여 있는 한 세대의 로봇도 가지게 된다. 보행 로봇의 경우는 월터(Walter)와 엘마(Elma)에 관하여 말하겠다. 월터는 학생들의 프 로젝트에서 출발했으며, Walter라는 이름은 'Walking Autonomous Local Tasking Experimented Robot'의 줄임말이다. 그러나 그냥 '월터'로 불려졌으며, 우리는 이름의 의미 를 잘 생각하지 않는다. 반면 엘마는 부서의 연구 조원의 이름을 따서 만들었다. 월터는 지역 동작 네트워크 LON(Local Operating Network)의 기술에 바탕을 둔 육각 보 행 로봇이다. 이것은 보드상의 전원 공급기와 계산 능력을 가지고 있어서 어떤 외부의 전 선도 필요 없으며 완전히 자율적이다. LON 기술은 작은 처리 능력을 가지고 다른 신경 마 디와 통신할 수 있는 독립형 뉴런 같은 실리콘 칩으로 구성되어 있다. 월터의 설계는 각각 의 마디에 의하여 제어되는 곤충의 신경계에 바탕을 두고 있다. 그들의 다리 마디는 월터 의 머리 뒤에 있는데 이들은 두뇌부로 부터 전해지는 심장 박동 신호에 반응한다. 그리고 심장 박동이 다리 동작들을 동기화한다. 그러나 이것이 아주 중요하지는 않아서 만약 어떤 이유로 동기화에 실패하더라도 각 다리는 다른 다리의 동작을 유추하여 계속해서 동작한다. 이러한 방법으로 월터는 곤충처럼 동작한다. 월터의 곤충과 흡사한 동작은 1996년 BBC 방송에서 광범위하게 곤충의 삶은 살펴보든 < 외계인 제국 Alien Empire>에서 중요한 역할을 하였다. 월터의 구조와 동작은 메뚜기에 직접 비교되었다. 특히 각각의 다리 마디의 배열이 메뚜기의 신경계에 직접 비교되었다. 심지어 월터이 다리들 중 하나가 제거되거나 잘못 동작하더라도 나머지 다섯 개의 다리로 보행을 계속할 정도로 곤충들과 유사하다. 월터의 다리에 지역 동작 네트워크 마디를 사용하는 것은 아주 효율적인 방법으로, 보행의 제어를 그의 몸 전체에 퍼지게 한다. 근본적으로 각 다리들은 다른 부분은 관리하지 않고, 단지 다른 다리의 동작과 중앙의 두뇌의 명령에 따라 자기 잣니, 즉 다리 자체만을 제어한 다. 이것은 월터가 보행을 위한 상당히 적은 계산 능력으로도 동작하도록 하였다. 이러한 접근법은 모든 것을 처리하는 중앙 제어기에 의해서 제어되는 육각 보행 로봇보다 효율적이 고 곤충에 좀더 가깝다. 월터의 다리는 무게 중심을 낮게 유지하여 안정도를 증가시키기 위하여 넓게 퍼져 있다. 각각의 다리는 두 개의 모터로 몸체에 연결되어 있다. 한 개의 모터는 다리가 앞뒤로 회전 하게 해주고, 다른 하나의 모터는 다리를 위아래로 움직이게 한다. 각각의 다리는 노젓는 배의 노와 같은 방법으로 움직인다. 다리의 움직임을 동기화하여 다른 걸음걸이 형태를 얻 을 수 있다. 예로 빠른 걸음, 느린 걸음, 회전, 앞뒤 좌우로 다리 끌기 등이 있다. 각각의 다리 마디는 제각기 다른 걸음걸이의 순서를 기억해 두고 있다. 월터가 특정한 걸 음걸이로 원하는 방향으로 이동하고자 하면, 그의 두뇌가 다리를 향해 간단한 명령을 내리 면 된다. 다리의 움직임은 각각의 다리에 의해 수행되고, 월터는 더 높은 수준의 일만 생각 하면 된다. 이로써 우리는 보다 높은 수준의 강인성과 신뢰성을 얻을 수 있다. 특정 걸음걸이를 선택하거나 지시를 다리에 잘 전달할 수 있도록 로봇의 바닥에 적외선 수 신기를 부착했다. 이것은 로봇에게 정보를 전달하는 데 사용된다. 적외선 수신기는 상당한 잠재력을 갖고 있지만, 우리는 실제로는 이것을 연구와 전시의 목적으로 사용하여 월터를 켜고 끄는데(텔레비전을 멀리서 켜고 끄는 것과 같은 방법이다). 그리고 멀리서 걸음걸이 형태와 방향을 결정하는 데 사용해 왔다. 월터는 또한 초음파 발생기와 수신기를 곤충의 눈처럼 얼굴의 왼쪽과 오른쪽에 가지고 있 어서 빛 대신에 소리를 다룬다. 이러한 관점에서 이 감각은 2장에서도 언급했듯이 곤충보 다는 박쥐에 가깝다. 왜냐하면 박쥐는 초음파 신호를 발생하여 장애물이나 생물체를 식별 하기 때문이다. 박쥐는 반사파가 수신되면 가까운 곳에 무엇인가가 있으며 거리가 어느 정 도인지 알 수 잇다. 월터는 초음파 신호를 얼굴의 왼쪽과 오른쪽 면으로부터 발신하다. 만 약 반사파가 되돌아면 그는 전면과 좌측, 우측, 또는 양쪽 어딘가에 장애물이 있다는 것을 알 수 있고, 거리 또한 알 수 잇다. 일단 월터는 자신의 하단쪽으로 적외선 시작 펄스를 보낸 뒤, 선택된 걸음걸이로 접근하면, 장애물이 움직이든 멈춰 있든 간에 여러 가지 방법으로 그것을 피할 수 잇다. 로봇은 장애 물에 부딪히지 않고 최소의 거리로 목표점에 도달할 수 있다. 로봇이 장애물에 다다르면 월터는 자신의 다리가 뒤로 물러날지, 계속 앞으로 진행할지, 왼쪽으로 회전할지 등의 어떤 동작을 수행해야 하는지 결정해야 한다. MIT의 인공지능연구소 교수인 로드니 브록수(Rodney Brooks)는 곤충의 기본적인 행동 속 성을 동작의 수준, 또는 층으로 불렀다. 낮은 수준부터 살펴보면 다음과 같다. 1. 물체들과의 접촉을 피하라. 2. 장애물을 회피하면 주변을 배회하라. 3. 물체와 거리를 유지하면서 세계를 탐사하라. 4. 경로 계획을 위한 환경 지도를 작성하라. 5. 정적인 환경에서의 변화를 감지하라. 6. 물체들로 세계를 유추하고 그 물체와 관련된 작업을 수행하라. 7. 원하는 방향으로 세계의 상태를 변화시키는 계획을 세우고 수행하라. 8. 물체의 동작을 유추하고 이를 토대로 계획을 수정하라. 이러한 의미에서 월터는 현재 수준 3의 행위를 수행하는 능력을 가졌으며, 아직 수준 4를 실행하지 못한다. 로봇이 완전히 자율적으로 동작할 수 있도록 앞의 세 개 수준을 잘 다루 는 것도 여전히 고려할 만하다고 하겠다. 월터는 또한 통신이 가능한데 나는 비록 이것이 브록스의 계층 구조 분류에는 포함되지 않지만 매우 중요하다고 생각한다. 월터의 동작과 구성, 설계에서 배운 것을 바탕으로 괄목할 만한 발전이 이루어졌고 그 결 과 엘마가 탄생하였다. 엘마 역시 지역 동작 네트워크 형태의 신경계를 취했으며 월터와 같은 많은 특성을 가진다. 이 로봇에게 가능한 걸음걸이, 초음파 감지기, 그리고 적외선 연 결 또한 거의 같다. 엘마는 여러 방법에서 월터의 뒤를 있는 좀더 우수한 새로운 세대이다. 우선 엘마의 몸은 더 날씬하지만 튼튼하게 설계되어 빨리 걸어도 훨씬 더 안정감이 있다. 월터는 빠른 속도로 움질일 때는 안정성이 떨어져 거의 넘어질 뻔하지만 엘마는 그러한 문 제가 없다. 또한 엘마는 여섯 개의 발 모두 접촉 센서가 있어서 실제로 땅을 디뎠는지를 알 수가 있 다. 따라서 엘마는 보폭을 조절할줄 알며 심지어 경사진 마루나 길 위의 장애물로 인해 다 리가 이상하게 놓인 때나 계단이 있는 경우에도 균형을 유지할 수 있다. 각각의 다리는 자 신의 발이 딸에 실제로 닿았는지를 알 수 있고, 이 정보를 엘마의 중앙처리두뇌롤 보낼 수 있다. 이것은 대략 100개의 뉴런으로 구성된 몸체의 균형을 유지하는 역할을 한다. 엘마는 컴퓨터와 직접 통신이 가능한 무서 연결망을 가지고 있다. 이는 필요하다면 컴퓨 터에서 3차원 그림을 만드는 데 사용될 수 있으며, 지시가 다시 엘마에게 전달되어 지도상 의 특정 위치에 가능한 빨리 도달하거나 특정한 영역을 피할 수 있다. 그러나 무선 연결보다는 이러한 계획 능력이 적당한 방법으로 보드위에서 이루어지는 것이 바람직하다. 하지만 아마도 이것은 다음 세대의 보행 로봇에서는 구현될 것이다. 엘마가 갖는 한가지 마지막 기능은 학습 능력인데 이것 역시 브룩스의 계층 구조 분류에 포함되지 않는다. 이러한 방법으로 물체에 부딪히지 않고 움직이는 방법을 배울 수 있고, 심지어 걷는 방법도 배우게 된다. 그러나 이에 대한 우리의 연구는 엠마에 대해서는 상대 적으로 아주 초보적인 단계에 놓여 있다. 이것은 10장에서 더 자세히 논의할 것이다. 학습이 비록 1세대의 능력에 속하지 않는다고 할지라도 그 동안 개발되어 온 바퀴 달린 로 봇들은 학습 능력을 갖고 있다. 이 로봇들은 작고 앙증맞고 원래부터 일곱 대였기 때문에 '일곱 난쟁이'라는 별명이 주어졌다. 여러 세대를 거치고 특별한 설계를 통하여 지금은 대 략 20대의 로봇이 있지만, 우리는 여전히 일곱 난쟁이라고 부른다. 실제로 백설공주나 사악 한 왕비가 나타나지는 않지만, 이 둘은 난쟁이들의 삶에서 적당히 묘사된다. 그러면 난쟁이 들의 1세대를 살펴보자. 로봇들은 가변 속도로 전진, 또는 후진이 가능한 두개의 모터로 구동되는 바퀴에 의하여 방이나 빌딩의 마루와 같은 환경에서 돌아다닐 수 있다. 바퀴들은 각 로봇의 뒤쪽과 왼쪽 과 오른쪽에 위치한다. 앞쪽에는 단순한 형태의 자유 바퀴가 있는데 어떠한 구동이나 조향 장치도 갖고 있지 않다. 이 바퀴는 자유롭게 움직이며, 각각의 로봇이 똑바로 서고 균형을 유지하도록 해준다. 매우 낮은 무게 중심 덕분에 로봇의 안정도에는 아무런 문제가 없다. 모든 바퀴 달린 일곱 난쟁이 로봇이 당연히 자율적인 로봇 구조를 가지고 있다고 강조하고 싶다. 그들은 개별적으로 자지 충족적이고 스스로 충전이 가능한 보드상의 충전지를 가지 고 있다. 이것은 센서들에게 전원을 공급하고 로봇의 전기 장치와 두뇌를 돌게 하며, 바퀴 를 구동하는 경우, 완전히 충전된 전지는 대략 여섯 시간 동안 전원을 제공해 줄 것이다. 그러나 이러한 단계로 도달하기 위해서는 약간의 시간이 필요해서 처음에는 대략 15에서 20 분 정도 걸린다. 일곱 난쟁이에 관한 연구 프로그램은 대략 1991년에 몇 가지의 설계와 함께 처음 시작되었 다. 이때는 단지 어떤 일이 벌어지는지를 알기 위하여 로봇의 원형을 제작하였다. 일곱 난쟁이의 첫 번째 정식 세대 그 이전에도 몇몇의 시험 세대가 있었으며, 이들로부터 우리는 많은 것을 배웠다. 오늘날의 로봇들은 잘 구동되는 모터들을 가지고 있으며, 아주 빨리 움직인다. 그러나 일곱 난쟁이 이전 시대에는 열리 기어 박스와 강력한 모터가 사용 되었다. 1세대 로봇들은 아주 빠른 속도로 실험실 주변을 돌진하는 바람에 벽이나 문에 자주 충돌 하였다. 그 후 이들은 전면에 금속 완충기를 장착하고 튼튼한 프레임을 가지도록 설계되었 다. 또다른 문제는 일단 로봇을 움직이게 한 후 멈추게 하는 것이다. 열린 기어 박스를 갖 추고 최고 속도를 이중중인 자율 로봇을 붙잡는 일은 매우 위험하다. 우리는 종종 로봇의 전지가 다 떨어질 때까지 기다려야 했으며, 그 후에 정지시킬 수 있었다. 따라서 바퀴 달리 로봇들의 1세대는 기어 박스와 동체의 프레임을 가진 다소 약한 힘을 가 진 모터를 가졌다. 기본적인 설계는 월터나 엘마의 경우처럼 각 로봇의 얼굴 전면의 왼쪽 과 오른W고에 붙어 있는 초음파 눈의 사용에 초점을 맞추었다. 만약 좌우측에 무엇인가가 있다면 초음파가 되돌아오는 시간을 재서 거리를 측정할 수 있다. 로봇들의 제어 문제는 세 부분으로 나누어 생각할 수 있다. 감지, 특징적 동작, 그리고 모 터의 제어가 그것이다. 감지 문제에서 로봇은 '장애물이 정면을 기준으로 왼쪽, 오른쪽, 또 는 양쪽에 다 있는가? 그렇다면 얼마나 떨어져 있나?' 에 관하여 결정을 내려야 한다. 처음 에는 이러한 관계들이 단순히 프로그램 배열로 구현되었다. 즉 초음파 센서들로부터 나오 신호들을 배열로 변환하여 로봇의 의문에 대한 해답을 바로 구할 수 있었다. 두번째로 특징적인 동작은 바로 지우고 프로그램될 수 있는 컴퓨터 메모리에 바탕을 두고 있다. 이 부분은 감지 정보를 얻어서 이를 바퀴 모터를 위한 명령으로 변환한다. 한 예로 만약 정면의 오른쪽 눈으로부터 중간 정도의 위치에 놓여 있는 장애물이 있다면, 오른쪽 바 퀴를 중간 속도로 앞으로 구동하고 왼쪽 바퀴는 느린 속도로 앞으로 구동시킨다. 마지막 부분은 특징적 동작 메모리부터 명령을 얻어서 이를 또다른 프로그램된 배열을 통 하여 바퀴 모터를 위한 전압 신호로 바꾸는 것이다. 이러한 방법으로 바퀴 모터들은 독립 적으로 앞이나 뒤로 원하는 속도만큼 구동될 수 있다. 따라서 센서와 모터 제어를 위해 프로그램된 배열을 고정시키면, 로봇의 행동 반응을 소프 트웨어적으로 개발하기가 쉬워진다. 이것은 지울 수 있는 메모리로 직접 다운로드된다. 그 다음 프로그램한 대로 로봇이 행동할 때 무슨 일이 일어나는지를 살펴보면 된다. 장치는 학교 박람회나 전시회에 전시하고, 어린이들이 직접 참가하여 실제로 로봇의 두뇌를 프로그 램하고, 그들이 결정한 방법으로 로봇이 동작하는지를 살펴보는 기회를 가졌다. 아이들은 자신이 만든 '후손들'을 매우 흥미롭게 살펴보았는데 특히 로봇이 그들이 프로그램한 대로 움직이지 않으면 더욱 그러했다. 일곱 난쟁이 1세대의 다른 모습이 다음 장에서 소개되겠지만, 로봇들 중 하나를 쉽게 프로 그램하는 방법은 다음과 같다. 1. 만약 전면에 장애물이 없다면 양 바퀴를 빠른 속도로 구동하라. 2. 만약 전면과 오른쪽에 장애물이 있다면 왼쪽으로 돌아라(장애물로부터 멀어지도록) 3. 만약 장애물이 전면과 왼쪽에 있다면 오른쪽으로 돌아라(장애물로부터 멀어지도록) 4. 만약 장애물이 전면과 왼쪽, 그리고 오른쪽 모두에서 감시된다 2 또는 3의 중 어는 경우 가 더 강한지 보고 그 규칙에 따르라. 만약 구별이 힘들면 180。를 회전하거나 다른 방향 으로 후진하여 180。 회전하라. 5. 2에서 4까지의 과정을 모두 마쳤다면. 경우 1로 돌라가라. 이러한 모드로 동작할 때 로봇은 이동중에 만나는 어떤 장애물을 피하고 전진하면 이리저리 돌아다닌다. 모터 구동의 정도와 경우 2, 3, 4에서의 회전 각도는 장애물이 얼마나 가까이 있는가에 달려 있다. 로봇의 최종 목적은 어떤 물건에도 부딪히지 않도록 하는 속도와 응 답으로 움직이는 것이다. 그러나 매우 흥미로운 또다른 행동도 가능한데 이것은 다음 장에 서 다룰 것이다. 위와 같은 첫번째 설계의 문제점은 각 로봇들의 전원 스위치가 로봇 머리 뒤쪽에 위치하고 있다는 것이다. 처음에는 좋은 생각처럼 보였지만 불행히도 로봇이 동작중인 경우 이를 끄 기 위해 로봇에 접근하면 로봇은 가까이 다가오는 손을 감지하고 로봇을 끌려는 사람으로부 터 멀리 도망갔다. 따라서 우리는 로봇의 전원이 다 떨어질 때까지 기다려야 했다. 일곱 난쟁이의 2세대에서는 전원 스위치를 등쪽에, 3세대에서는 배족에 위치시켰다. 첫번째 몇 달 동안 우리가 겪었던 또다른 문제는 실험실에서 로봇을 피하기 때문에, 우리 가 계속해서 진로를 살피지 않으면 책상 밑으로 사라져 전원이 다할 때까지 꼼짝하지 않았 다. 로봇을 잃어버린 뒤 몇주 지나서야 실험실 한 귀퉁이에서 로봇을 발견하는 일도 여러 차례였다. 우습게도 똑똑한 일곱 난쟁이 중 하나는 옆 실험실의 컴퓨터 과학부에서 발견된 적도 있다. 로봇은 일곱 개의 방화문과 여러 개의 복도를 따라 여행한 것이다. 인공두뇌학에 관한 연구 첫 해에 학생들은 실습의 일부로서 로봇에 대한 여러 종류의 프로 그램을 시험하고, 로봇의 반응을 살필 기회를 가졌다. 그 결과 예상되었던 행동들이 많이 나타났다. 로봇이 튀어 나가는 것을 막기 위해 울타리를 만들었고, 많은 실적적인 작업과 시연이 그 안에서 이루어졌다. 많은 특징과 기술적 설계가 난쟁이 1세대에 적용되었고, 이 는 9장에서 논의 될 것이다. 큰 진전은 배쉬풀(Bashful)에게 학습 능력이 주어졌을 대 이루어졌다. 로봇은 지울 수 있 는 메모리나 프로그램된 배열을 대체하는 인공 신경망이라는 새로운 두뇌를 제공받았다. 먼저 스위치를 켰을 때 배쉬풀은 미리 정해진 행동 양식을 따르지 않고, 스스로 어떻게 바 퀴를 움직일 것인가를 배우면 울타리 주변을 이리저리 움직인다. 이것의 프로그램된 본능 은 계속해서 움직이는 것이고 장애물을 피하는 것이지만, 시도와 실패를 통한 능동적인 학 습을 통하여 이를 배워 나간다. 따라서 배쉬풀의 목적은 자신의 환경에서 잘 행동하도록 하는 일반적인 행동 응답을 배우는 것이다. 나중에 언급하겠지만, 배쉬풀의 학습과 어린아 이의 학습에는 비슷한 점이 많다. 일곱 난쟁이들의 3세대, 그리고 가장 최근의 세대는 서로 통신을 할수 있다. 각 로봇은 각 자의 머리 위에 적외선 수신기와 함께 고리 모양의 적외선 송신기를 가졌다. 각 로봇은 자 신의 고유한 신호 주파수와 신호들로 다른 로봇을 식별할 수 있다. 이러한 로봇들에 의하 여 얻어진 행동들은 인간이나 동물의 행동에서 관찰되는 것과 유사할 정도로 훌륭하고, 거 의 예상하지 못한 것이었다. 이 장의 목적은 기계 지능의 조사와 학습에 관한 연구의 기본을 제공하기 위해 레딩 대학 의 인공두뇌학과에서 개발한 로봇들을 소개하는 것이었다. 언급한 프로젝트는 나름대로 우 리의 지식을 늘려 주었다. 더 많은 것이 가능하다는 사실을 알아냈다는 점이 무엇보다 중요 하다. 푸딩이 예상치 못했던 과일을 포함하고 있었다면, 푸딩의 질은 알아내기 위하여 맛보는 것 이 단순히 맛보는 것 이상이었다는 뜻이다. 지금까지 언급한 우리 과에서 개발한 일곱 난쟁이 로봇들은 학습 전략의 개발과 다른 행동 들에 관한 연구에 매우 유용한 기초가 되었다. 비록 이들이 순박하고 재미있고 우호적이지 만, 로봇들이 반드시 그럴 필요는 없다. 우리 과에서는 또한 3세대의 고도로 자율적인 일곱 난쟁이중 하나를 만들었다. 이 특별한 로봇은 과학소설에 나오는 로봇에 기반을 두어서 그 자체는 겉보기에 비우호적으로 생겼다. 이 로봇에 대한 방문자들의 반응은 일곱 난쟁이의 경우와는 전혀 달랐다. 적용된 기술은 배쉬풀과 똑같아서 학습하고 물체를 잘 피해 가지만, 훨씬 더 크고 힘이 세다. 이 로봇에 대해서도 앞으로 두 장에 걸쳐, 현재 이 로봇이 오늘날의 기술로 무엇을 할 수 있는지 보다 는 잠재적으로 무엇을 할 수 있게 될지에 관해 얘기하겠다.