때때로 그렇다. 그러나 항상 그런건 아니다. 한편으로 다른 사람이나 우리 자신을 관찰하여서 기계로 하여금 똑같이 문제를 해결하도록 하는 방법에 대해 우리는 배워왔다.
그러나 다른 한편으로, AI에서 대부분의 작업은 인간이나 동물에 대한 연구보다는 세상에서 당장 쓰이는 문제들에 대한 연구에 몰두하였다. AI 연구자들은 인간에서 발견되지는 않지만 인간이 할 수 없는 훨씬 더 계산적인 것을 포함하는 방법들을 사용하기도 한다.
Arthur R. Jensen 은 정상적인 인간들은 같은 지능적 메카니즘을 가지지만 생화학적이고 생리적인 조건에서의 양적인 차이 때문에 지능에서의 차이를 가지는 것이며, 컴퓨터 지능과의 다른점은 "경험적인 가설" 이라고 제시한다. 즉 속도, short term memory (기억, RAM), 정확하고 검색가능한 long term memory (메모, hard disk) 에 차이가 있다고 본다.
Jensen 이 옳던 그르던 오늘날의 인공지능은 바뀌고 있다. 컴퓨터 프로그램들은 속도와 기억용량에서 많은 발전이 있었고 프로그램 설계자가 입력한 지능적 메카니즘에 상응한 능력을 가지게 되었다. 어린이가 10대까지도 개발하지 못한 능력들이 들어갈수 있고, 2살짜리 아이가 가진 능력을 가지지 못하기도 한다. 인지과학 (Cognitive Science) 에서 아직도 인간의 능력이 무엇인지를 정확히 정의하는데 실패하였기 때문에 그 문제는 더욱 복잡하게 되었다. 인공지능을 위한 지능적 메커니즘의 조직은 인간의 그것과는 다를수 있다.
사람이 어떤 작업에서 컴퓨터보다 더 잘하고 컴퓨터가 많은 계산을 사용함에도 사람이 더 나은 결과를 보일때마다, 프로그램 설계자가 일을 효율적으로 하기위해 필요한 지능적 메카니즘에 대한 이해가 부족하다는 것을 보여 준다.
Alan Turing 의 저서 Computing Machinery and Intelligence 에서 기계가 지능적이라고 간주할 수 있는 조건을 언급했다. 만일 지성있는 사람이 관찰하여 기계가 진짜 인간처럼 보이게 하는데 성공한다면 확실히 그것은 지능적이라고 간주해야 한다고 주장했다. 이 test는 대부분의 사람들을 만족시키지만 어떤 철학자들은 납득하지 않는다. 관찰하는 사람과 기계는 상호교류한다. 이때 텔레타이프를 사용하는데 기계는 아직 사람의 외모와 목소리를 완전히 흉내내지 못하기 때문이다. 이때 관찰하는 사람에게 자기가 인간이라고 설득함으로써 기계는 관찰자를 바보로 만들려고 시도할것이다.
튜링 테스트 (Turing Test) 는 일방적 (one-sided) test이다. 그 test를 통과하는 기계는 확실히 지능적이라고 간주되어야 할 것이다. 그러나 인간에 대해 충분히 알지는 못하면서 인간을 흉내냄으로써 지능적이라고 간주될 뿐이다.
Daniel Dennett 의 책 Brainchildren 에서 Turing test에 관한 탁월한 언급이 있으며, 여러 가지 부분적인 Turing test가 구현되었는데, 예를들면 관찰자의 AI 에 관한 지식과 질문 주제에 관한 제약을 두는 등등이다. 많은 사람들로 하여금 쉽게 우둔한 프로그램을 지능적이라고 믿게 만들 수 있다는 것이 그 테스트에서 증명되었다.
러시아 AI 연구자인 Alexander Kronrod가 말하기를 "chess 는 AI 의 초파리 이다" 라고 하였다. 유전학자가 유전을 연구할 때 가장 많이 연구되는 초파리와의 유사성을 말한 것이다. 체스 (Chess) 프로그램은 현재 chess 상급 선수수준이지만 인간 선수와 비교했을 때는 제한된 지능 메카니즘만을 가진다. 왜냐하면 이해를 해야할 것을 많은양의 계산으로 대신하기 때문이다. 일단 이러한 메카니즘을 더 잘 이해하면 우리는 현재의 프로그램이 하는 것보다 훨씬 더 적은 계산을 하고서도 인간수준의 프로그램을 만들 수 있을것이다.
불행히도 컴퓨터로 chess 를 하려는 경쟁적이고 상업적인 노력이 과학 영역으로서의 chess 를 발전시키는 것을 앞서왔다. 마치 1910년에 초파리 경주시합이 생긴 이래로 유전학자들이 그 경주에서 이기기 위해 초파리를 개량시키는데만 노력했었던 것 처럼 말이다.
아니다. 이러한 이론들은 서로 관련되어 있지만 AI 의 근본적인 문제를 말하는 것은 아니다. 1930년대에 Kurt Godel 과 Alan Turing과 같은 수학 논리학자들은 어떤 중요한 수학 영역에서 모든 문제들의 해결을 보증하는 알고리즘은 존재하지 않는다고 정리하였다. First order logic의 한 문장이 하나의 정리가 될 수도 있고 아닐 수도 있으며, 여러 변수를 가진 다항 방정식에서 정수해를 가질 수도 있고 아닐 수도 있다는 것이다. 인간들은 이런 영역에서 문제를 해결하면서 보통 몇 개의 장식을 가진 하나의 주장 (컴퓨터는 본래 할 수 없는)으로서 제안되어 왔다. 그러나 사람들이 이러한 영역에서의 임의의 문제들을 항상 해결하는 것은 아니다.
1960년대에 컴퓨터 과학자들 특히 Stephen Cook 과 Richard Karp 는 NP-complete 문제 영역 이론을 개발했다. 이러한 영역에 있는 문제들은 해결가능하긴 하지만, 문제의 크기에서 지수승의 (exponential) 시간을 요한다. 명제 논리의 문장들 (sentences of propositional calculus) 이 만족하다 (satisfiable) 는 것은 비결정적 다항식 완전 (NP-complete) 문제 영역의 기본적인 예이다. 인간은 가끔은 보통의 알고리즘 보다 훨씬 더 짧은 시간내에 NP-complete 영역의 문제들을 해결할 수는 있지만, 일반적으로 그것들을 빠르게 해결할 수는 없다.
AI 에서 중요한 것은 인간이 문제를 해결할 때와 같은 알고리즘을 가지는 것이다. 좋은 알고리즘이 존재하는 하위영역 (subdomains) 을 인식하는 것은 중요하지만, 많은 AI 문제 해결자 (solvers) 들은 쉽게 인식되는 하위영역과는 관련이 없다.
일반적으로 어려운 부류의 문제들에 관한 이론을 계산 복잡도 이론 (Computational Complexity Theory) 라고 부른다. 이 이론은 생각한 것만큼 많이 AI 와 상호 관련된 것은 아니다. 인간과 AI 프로그램에 의한 문제 해결에서의 성공은 문제의 성격과 문제해결 (problem solving) 방법에 의존하지, 복잡성을 연구하는 사람이나 AI 연구단체에 의존하지 않는다.
Algorithmic complexity theory 는 Solomonoff, Kolmogorov and Chaitin 등에 의해 (서로간에 독립적으로) 개발된 것으로 또한 관련이 있다. 그것은 기호로 표현된 객체의 complexity 를, 그것을 생성하는 가장 짧은 프로그램의 길이로서 정의한다. 후보 프로그램이 가장 짧거나 가장 짧은 것에 근접하다는 것을 증명하는 것은 풀 수 없는 문제이지만, 그 프로그램이 가장 짧다는 것을 증명할 수 없을 때조차도, 그들을 생성하는 짧은 프로그램으로 객체를 표현하는 것은 명백히 해야한다.
AI 연구는 이론적인 측면과 실험적인 측면이 있다. 실험적 측면은 기초학문과 응용학문의 영역을 가진다.
연구의 두 주류가 있다. 하나는 생물학적인 면인데, 인간은 지능적이라는 전제하에 인간을 연구해서 심리학 (Psychology) 과 생리학 (physiology) 을 모방하는 것이다. 다른 하나는 현상 (phenomenal) 을 연구하는 것인데, 즉 세상의 사실과 상식을 연구하고, 목표를 이루는데 있을 수 있는 문제들을 연구하고 공식화 하는 것이다. 두 개의 접근 방식은 어느정도 상호작용하는 것이며 둘다 성공적이어야 한다. 그것은 경주와 같은 것이며 아직은 둘다 걷고 있는 것처럼 보인다.
Artificial Intelligence by Stuart Russel and Peter Norvig, Prentice Hall 은 가장 흔히 사용되는 교과서이다. 그 책에서 표현된 일반적인 견해가 본 글의 견해랑 정확히 일치하지는 않는다.
Artificial Intelligence : A New Synthesis by Nils J.Nilsson, Morgan Kaufman 은 읽기가 쉽게 쓰여져 있다.
The American Association for Artificial Intelligence (AAAI), European Coordinating Committee for Artificial Intelligence (ECCAI) 그리고 Society for Artificial Intelligence and Simulation of Behavior (AISB) 는 AI 연구와 관련있는 과학 단체들이다. Association for Computing Machinery (ACM)은 인공지능 SIGART에 관한 특별히 흥미있는 그룹을 가지고 있다.
The International Joint Conference on AI (IJCAI) 는 주요 국제 conference이다.
Electronic Transactions on Artificial Intelligence, Artificial Intelligence, and Journal of Artificial Intelligence Research, and IEEE Transactions on Pattern Analysis and Machine Intelligence 는 AI 연구 논문을 출판하는 4개의 주요 잡지이다. 나는 관련 조직과 정기 출판물 모두를 찾지는 못했다.
Page of Positive Reviews 는 전문가들이 중요하다고 생각하는 논문들을 보여준다.
Funding a Revolution: Government Support for Computing Research 의 Chapter 9 에서는 연방 정부의 지원의 중요성을 강조한다.