인지와 컴퓨터

  

학습심리학 : Winfred F. Hill 저, 이영애 역, 을유문화사, 1998 (원서 : Learning : A Survey of Psychological Interpretations, 5th ed, HarperCollins, 1990), page 259 ~ 277. 

 

컴퓨터가 할 수 있는 일

     로봇

     컴퓨터의 문제 해결

     컴퓨터와 학습 이론

ACT 이론

     서술 지식과 절차 지식

     규칙의 조합

 

앞에서 보았듯이, 연결론자의 모형들이 미국의 학습 이론 역사를 그동안 지배해왔으나, 최근에 많은 심리학자들이 인지 모형을 선호하게 되었다. 사람들은 자신의 행동 중 많은 부분과 타인의 행동 중 적어도 일부를 지식, 신념, 그리고 관념 탓으로 돌리고 있는데, 왜 심리학자들은 오랫동안 이런 분석을 피해 왔는가? 여러 요인들 때문이지만, 아마도 가장 중요한 요인은 동물의 행동뿐만 아니라 인간의 행동도 자연 과학 세계의 일부로서 취급하려고 하였기 때문인 것 같다. 연결론자의 매개 변수들은 이런 목적에 적합한 듯한데, 이들은 물리적 입력을 받아 측정 가능한 반응을 직접 내놓는 신경계와 잘 맞기 때문이다. 반면에, 인지적 매개 변수들은 많은 심리학자들에게 심적이라는 인상을 주었는데, 이들이 자연 과학 내의 물리학이나 생물학 영역이 아닌 마음 또는 심성의 영역에 속하였기 때문이다. 톨만은 이것은 사실이 아니며, 인지적 매개 변수도 연결론자의 매개 변수처럼 물리적 세계로 통합될 수 있음을 사람들에게 납득시키려 노력했지만, 대부분의 학습 심리학자들은 납득하지 못한 채, 연결론자들의 이론이 지배적으로 남게 되었다.

이런 상황을 바꾸기 위하여 무슨 일이 있어났는가? 심리학자들은 왜 1930 년대 또는 1940 년대의 톨만의 말 대신 1970 년대의 블레스 (Bolles) 의 말에 더 기꺼이 귀를 기울였는가? 부분적인 이유는 생물학 이론의 발달이었다. 생물학자들과 심리학자들이 신경계의 복잡성에 대하여 점차 관심을 많이 기울이게 됨에 따라 중추 신경계가 연결론자의 원리에 따라 움직인다는 사실이 점차로 덜 확실하게 되었다. 그 결과, 인지 원리들이 서서히 인정 받게 되었다. 그러나 더 중요한 것은 인지 활동이 과학 세계뿐만 아니라 기술 공학의 일부가 될 정도로 또 다른 발전이 있었다. 이 발전은 과학계, 기업, 그리고 궁극적으로 전 사회 부문에서 컴퓨터가 눈에 띄는 자리매김을 하도록 하였다.

컴퓨터가 할 수 있는 일

지난 30 여년 동안 컴퓨터를 두드러지게 사용함에 따라 심리학은 몇가지 영향을 받았다. 컴퓨터는 자료를 분석하고, 실험에서 피험자에게 제시할 자극을 만들고, 교수 프로그램을 제시하고, 그리고 여러 과제들을 수행하는 데 사용된다. 컴퓨터 조작과 인간 지능 조작간의 유추를 끌어내려는 시도가 특히 학자들의 흥미를 끌었다. 컴퓨터는 인간의 학습, 기억, 그리고 사고와 매우 흡사한 여러 과정들을 수행한다. 컴퓨터가 이러한 과정을 수행하는 방식이 인간이 그 일을 수행하는 방식에 관해 무엇을 말해 줄 수 있을까?

로봇

컴퓨터 게임이 유행하고 있는 이 시대에 컴퓨터를 쓰지 않고서도 비교적 간단한 연결론자 '장난감' 으로 시작해 보기로 하자. 컴퓨터보다 훨씬 덜 복잡하고 작은 기계를 만들어서, 그것이 주변을 돌아다니며 어떤 목표를 추구하고, 어떤 것들은 피하면서, 간단한 학습을 해 보이게 할 수 있다. 월터 (Walter, 1953) 는 그런 기계를 몇 년 전에 만들어서 '유순한 기계 (machine docilis)' 라고 이름 붙였다 (생물 분류학을 흉내내어). 이 작은 기계는 바퀴로 주변을 다니고, 약간 밝은 불빛에 접근하기도 하고, 매우 밝은 빛은 멀리 하기도 한다. 로봇은 '강화' 불빛과 연합된 휘파람 소리에 접근하도록 조건 형성될 수 있고, 이 조건 형성은 소거와 망각 모두가 가능하다. 로봇은 장애물을 피하고, 자기를 걷어찬 자극을 두려워하며, 다른 로봇들을 모호하게 대한다. 컴퓨터가 널리 보급되기 전에, 기계의 행동은 살아 있는 유기체의 행동과는 무엇인가 다른 것으로 간주되었으므로, 이런 기계는 사람들에게 큰 충격을 주었다. 이 기계의 회로도를 본 후에도, 살아 있는 것처럼 행동하는 '단순한 기계' 에 관해 사람들은 무엇인가 마술적인 것을 느끼는 것 같았다. 이제 컴퓨터가 많은 사무 처리를 떠맡고 컴퓨터로 작동되는 로봇이 영화나 TV에서 상품화되면서, 이런 마술적 요소의 일부는 없어졌지만, 사람들을 현혹시키는 힘은 아직 완전히 없어지지 않았다.

컴퓨터가 점차 소형화되면서, 컴퓨터로 작동되는 로봇 제작이 더욱 실용화되었으며, 최근의 로봇은 유순한 기계 (M. docilis) 보다 더 '지적 능력' 을 가지게 되었다. 한 예는 1960년대 후반에 제작된 쉐이키 (Shakey) 라는 이론의 로봇이다. 유순한 기계는 동물 모습을 본떠서 제작되었으나, 쉐이키는 인간 수작업자를 본더서 제작되었다. 쉐이키의 주요 임무는 상자를 나르고 쌓는 일이었다. 이 일이 사람에게는 마음을 쓰지 않는 '노동' 으로 생각될 수 있으나, 기계에서는 매우 복잡 미묘한 행동을 요한다. 쉐이키는 상자의 위치를 찾고, 장애물을 피하고, 어느 시점에 자신이 여덟 개의 방 중에 어떤 방에 있는지 알아내기 위해 환경을 지각할 필요가 있었다. 쉐이키는 상자 하나를 들어서, 다른 방으로 가서, 다른 상자 위에 제대로 놓아, 상자들이 무너지지 않게 해야 한다. 이런 물건 나르기 작업이 주어지면, 쉐이키는 어떤 순서로 옮겨야 그 일을 다 끝낼 수 있는지 생각해 보아야 한다. 더욱이, 그런 계획을 기억해서 그것을 다른 상황에서 또 다시 사용할 수 있어야 한다.

컴퓨터가 어떤 복잡한 조작을 해낼 수 있는지를 알고 나면, 그런 간단한 수작업은 컴퓨터로 작동되는 로봇에게는 매우 하찮은 일임을 알 게 된다. 쉐이키는 왜 더 근사한 어떤 일을 하지 않았을까? 실제로, 컴퓨터는 계산과 논리적 결정(많은 사람들이 어렵다고 생각하는 활동인)을 가장 잘 해낸다. 한편, 컴퓨터는 시각적으로 제시되는 패턴 재인과 다양한 환경에서 잘 조정된 운동을 하기처럼, 사람들이 쉽게 해내는 일을 잘 해내지 못한다. 다른 말로하면, 입력과 출력이 단순하면, 컴퓨터는 그 둘간의 정보 처리를 멋지게 해내지만, 정보를 받아서 출력을 제어하는 일 두 가지 모두를 하기는 어렵다. 쉐이키의 능력은 이처럼 처음에 생각했던 것보다 더 성취된 어떤 것을 나타낸다.

컴퓨터로 작동되는 로봇의 한계 중 하나는 그의 이동 형태이다. 유순한 기계처럼, 쉐이키는 바퀴로 다닌다. 주변에 있는 계단 수를 알려 주면, 로봇이 다리로 걸어 다니는데 더 잘 적응할 것이다. 그러나 걷기가 인간에게는 자연스러운 동작이지만, 컴퓨터의 힘에도 불구하고, 로봇에게는 복잡한 조작을 요하는 어려운 문제이다. 곤충과 같은 다리로 능숙하게 활보하는 환상의 로봇이 언젠가는 등장하겠지만, 당분간 로봇은 바퀴에 의존하게 될 것이다. 사람들은 '바퀴의 재발명' 에 관해 농담을 하지만, 로봇은 다리를 재발명할 필요를 느낄 것이다.

컴퓨터의 문제 해결

컴퓨터 유추는 대부분 상당히 복잡한 인지 과정이다. 컴퓨터 유추는 문제 해결, 게임,언어 이해 등을 포함하지만, 이것은 인간의 학습 결과로 나온 행동이지 학습 그 자체의 모형은 아니다.

이러한 주제들을 파이겐 바움과 펠트만 (Feigenbaum & Feldman, 1963) 그리고 쉥크와 콜비 (Schank & Collby, 1973) 가 다루었다. 한 인상적 모형은 논리학자 (Logic Theorist) 인데 뉴엘, 쇼, 그리고 사이먼 (Newell, Shaw, & Simon) 이 개발하였다.

논리학자는 컴퓨터 프로그램으로서 그 기능은, 기하학의 공준이 주어지면, 어떤 정리를 증명하는 것이다. 컴퓨터 프로그램인 논리학자가 문제를 푸는 방식은 실력 있는 고등 학교 학생이 기하 문제를 푸는 방식과 비교할 만하다. 이 프로그램은 정리 중 하나를 증명될 정리로 바꾸는 방법을 찾기 위해 이미 증명된 정리로부터 순행 방향으로 풀기 시작한다. 이 프로그램은 증명될 정리로부터 다른 진술문으로 거꾸로 풀기도 하는데, 이 진술문이 사실이면, 증명을 가능하도록 하고, 이때 진술문을 증명되어야 할 하위 목표로 간주한다. 분명히 이 프로그램은 자극-반응의 연결 또는 블레스가 생각하는 신호 부류와는 다른 인지구조를 다룬다.

공준과 정리에 대한 논리학자의 관심이 헐의 마음에 들지 모르겠지만, 톨만은 지금까지 논의된 다른 학자들보다 그 조작 방식에 만족할 것이며, 베르트하이머는 논리학자의 창의적 문제 해결을 자랑스럽게 여길 것이다.

뉴엘, 쇼, 그리고 사이먼이 논리학자를 개발한 후 얼마 안 되어, 논리학자는 더  다양한 문제들을 풀 수 있도록 확장되었다. 그 결과는 일반 문제 해결자 (General Problem Solver-GPS, Ernest & Newell, 1969) 이다. 여기서 문제는 사건의 실제 상태와 목표와 일치하는 바람직한 상태간의 불일치로 생각되고, 문제 해결자는 이 차이를 적게 해야 한다. 실생활의 문제들은 "시카고에서 뉴욕에 가려는데 눈보라 때문에 오헤어 공항이 폐쇄되었다. 어떻게 뉴욕에 갈 수 있을까?" 에서부터 "의대로 진학하려면 유기 화학에서 A학점을 받아야 하는데 현재로는 B조차 행운이다. 성적을 어떻게 올릴 수 있을까?" 에 까지 매우 다양하다. 컴퓨터 프로그램이 이런 문제들을 풀어주면 실제로 쓸모 있지만, GPS 의 작동에 대한 시범은 대체로 인위적 문제에 국한된다. 그러나 이런 문제들을 사람들은 적어도 몇 분간은 붙잡아 두기에 (때로는 좌절시키기에) 충분할 만큼 도전적이다. 여기에 GPS가 풀 수 있는 두 가지 문제 예가 있다.

논리 증명과 위의 퍼즐처럼 상당히 다른 문제들을 풀 수 있는 컴퓨터 프로그램은 확실히 하나의 성취로 볼 수 있다. GPS 는 이 일을 할 수 있는 소수의 프로그램 중 하나이다. 그럼에도 불구하고, 어떤 사람들은 이런 문제들을 다소 하찮은 것으로 생각한다. 사람들은 이런 문제들을 푸는 여러 방법을 완벽하게 분석해서 어느 것이 효율적으로, 비효율적으로, 또는 전혀 작용하지 않음을 잘 알고 있기 때문에, 프로그램을 짜서 해결책을 찾아낸다는 것은 별로 놀라운 일이 아니다. 그러나 컴퓨터는 그 누구도 철저히 분석할 수 없었던 문제들을 풀도록 프로그램된 경우도 있었다. 서양 장기게임이 아마 가장 유명한 예일 것이다. 이제가지 어떠한 장기 프로그램도 장기 대회에서 높은 자리를 차지한 경우가 없었지만, 한 프로그램이 1987 년 15 명의 장기 고수들이 참가한 펜실베이니아 주 챔피언으로 뽑혔다. 한 프로그램이 그것을 만든 사람을 이기는 일은 흔치않다.

컴퓨터가 여러 가능한 이동의 함축을 매우 빨리 탐색할 수 있지만, 이러한 계산 능력만으로는 이길 수 없다. 컴퓨터가 매우 빠르기는 하지만, 궁극적으로 승리나 패배를 초래하는 여러 가능한 이동을 쫓아갈 정도로 어디든 가까이 갈 수 없다. 그 까닭은 한 게임에서 가능한 이동 조합이 수없이 많기 때문이다. 그러므로, 프로그램은, 사람이 하듯이, 어느 상황이 가능성이 있고 어느 상황이 위협적인지를 파악해서 그런 상황을 만들거나 피해야 한다. 다른 말로하면, 컴퓨터는 기사를 성주와 바꾸거나 상대방의 왕을 위협하는 것이 보통 바람직하지만, 여왕을 잃거나 자신의 왕에 대해 장군을 부르는 것이 바람직하지 않음을 '안다'. 그 다음 각각의 가능한 연속이동은 다음 몇 회 이내에 바람직한 또는 바람직하지 못한 결과를 초래하는지의 여부가 분석된다.

장기 고수와 컴퓨터 프로그램이 가능한 여러 이동을 검토하고 평가하는 점에서는 같지만, 그들 각각이 똑같은 식으로 게임을 하지 않는다. 컴퓨터는 속도가 대단히 빠르기 때문에 보다 많은 전체 이동들을 검토할 수 있다. 그러나, 컴퓨터는 어떤 이동이 가능한지를 깊이 탐색하고 결정하는 일에는 훨씬 덜 효율적이다. 그 결과, 컴퓨터는 장기적인 방향을 정하지 못한 채, 무미건조한 장기(대부분의 사람들처럼)게임을 하는 경향이 있다. 고수들은 가장 우수한 장기 프로그램을 이길 수 있는데, 부분적으로 그런 장기적 방향 때문에 그리고 대단히 많은 구체적인 장기 위치들 - 유리한, 위험한, 어떤 이동이나 연속 이동을 요하는-의 중요성을 서서히 배웠기 때문이다. 프로그램들은 장기 위치에 관한 이런 상세한 내용을 원 프로그램에 포함시키거나 경험에 의해 학습하도록 (이 접근은 장기뿐만 아니라 14 장에서 논의하는) 프로그램으로 만들어서 얻을 수 있다. 이제까지 그 어느 방식도 그다지 성공적이지 못하였으므로, 컴퓨터 프로그램이 세계 장기 챔피언이 되려면 아마 몇 년이 더 걸릴 것이다. 인간과 컴퓨터 프로그램의 이러한 유사성과 차이, 그리고 이것이 인간과 컴퓨터 모두의 이해에 갖는 함축을 후레이 (Frey, 1983) 가 다루었다.

이 예들은 컴퓨터가 사람들이 40 년 전에 생각했던 어떠한 기계보다도 효과적임을 (정확하게) 시사하긴 하지만, 컴퓨터가 사람이 할 수 있는 일을 해내려면 아직 멀었다. 번역 작업에서 컴퓨터는 눈에 띄는 실패를 겪었다. 그 발달의 초기에 컴퓨터는 번역에 이상적으로 잘 맞는다고 생각되었다. 예컨대, 러시아어를 영어로 번역하기 위해, 러시아어 - 영어 사전과 적당한 문법 규칙으로 프로그램된 컴퓨터만 있으면 된다고 생각하였다. 그러나 이런 희망은 실현되지 않았다. 실패의 주된 이유는 문장 의미가 어휘와 문법만으로 결정될 수 없기 때문이다. "We don't have enough different woods" 는 삼림 보존, 캐비닛을 만들 재료, 또는 골프 클럽 중 무엇의 부족을 뜻하는가? 그 뜻은 맥락에 달려 있다. "That kills me!" 는 화자가 죽어 가고 있음을 뜻하는가? 다행히도 대부분의 경우 그렇지 않다. 이런 모호성 때문에, 외국어로 번역된 한 단락이 다른 사람에 의해 다시 원어로 번역되면, 알아듣지 못하는 문장이 되고 만다. 예를 들어, "He shot off his mouth without thinking" 이 "He absentmindedly fired a bullet into his jaw!" 가 된다. 이런 어려움으로 미루어 컴퓨터 번역이 아직은 대단히 성공을 거두지 못함은 이해가 간다.

컴퓨터를 더 나은 문제 해결자로 만들려는 노력은 계속되고 있다. 최근에 뉴엘 (Newell) 과 그의 새 동료들은 SOAR ("State Operator And Result") 라고 불리는 프로그램을 개발하였는데, 이 프로그램은 GPS 보다 훨씬 우수하다 (Wadrop, 1988a, 1988b). 이 프로그램은 어떤 시점에서 어떤 단계를 취해야 할지 몰라 결정을 내리지 못할 때 더 나은 해결 방법을 제공해 주며, 문제 해결책을 저장하여 미래에 효율적으로 사용하게 한다. SOAR는 현재 몇몇 상황에서 사용되고 있으며 여러 방법으로 수정되고 있다 (아마도 헐이 인정할 프로그램일 것이다). 이 프로그램이 지금까지 우리가 생각했던 여러 어려움을 어떻게 해결할지는 두고 보아야 할 것이다.

컴퓨터와 학습 이론

컴퓨터 프로그램이 살아 있는 유기체의 실제 학습과 사고 과정에 관해 무엇을 말해 줄 수 있을까? 앞서 주목하였듯이, 직접적으로 아무것도 말해 줄 수 없겠지만, 컴퓨터가 어떤 과정을 거쳐서 학습하거나 사고 할 수 있도록 프로그램될 수 있다는 사실이 사람들이나 쥐들도 똑같은 과정에 의해 학습하거나 사고함을 입증하지 않는다. 이런 프로그램들은 유기체가 어떻게 학습하는가에 관한 어떤 가정들의 함의를 보여 준다. 학자는 자기 나름대로 생각한 유기체의 학습 규칙을 컴퓨터 프로그램으로 만들어 그 프로그램을 돌려보고, 어떤 일이 일어나는지를 볼 수 있다. 만일 드러난 결과가 인간이나 동물 학습의 결과와 비슷하다면, 이 발견은 인간이나 동물들이 실제로 학습할 때 그러한 가설적 학습 과정을 따른다는 점을 더욱 그럴 듯하게  준다. 만일 드러난 결과가 '실제의' 학습 결과와 매우 다르다면, 학자의 가정이 아마 틀렸을지도 모른다. 이처럼 컴퓨터는 헐이 하려했던 것을 더 정확하게 해내는 방식을 제공한다. 만일 헐이 컴퓨터를 사용했다면 그는 아마 그의 체계가 가진 어떤 모순을 피할 수 있었을 것이다. 컴퓨터 프로그램의 역할은 수리 분석과 매우 비슷해서 - 일촌 구성상의 논리를 바꾸지 않지만, 그 논리를 더 정확하고 더 철저하게 처리해 나간다.

컴퓨터를 쓰는 많은 심리학자들이 연결주의자와 인지론자의 논쟁에 크게 관심을 가지고 있지는 않지만, 그들의 연구는 그러한 논쟁에 많이 관련되어 있다. 공학 기술적 측면에서, 컴퓨터는 연결주의자의 '유기체' 이며, 전류를 통과시키거나 통과시키지 않는 트랜지스터는 흥분을 하거나 하지 않는 신경계의 뉴런에 해당한다. 그러므로 소단위 수준에서 컴퓨터의 연결주의적 분석은 정확하다. 그러나 대단위 수준에서, 주로 주목되는 것은 컴퓨터가 정보를 저장하고, 인출하며, 논리적으로 추론하고, 문제들을 하위문제들로 나누고, 그리고 매우 인지적 방식으로 행동하는 능력이다. 이처럼 컴퓨터는 기본적으로 인지적 방식으로 작동하도록 프로그램된 연결주의자의 '유기체' 이다. 만일 사람들이 연결주의 부품들로 조립한 '단순한 기계' 가 인지적 방식으로 그렇게 효과적으로 작동할 수 있다면, 인지는 초기의 심리학자들이 두려워했던 것처럼 그렇게 비과학적으로 심성적이 될 수 없다. 아마도 인간을 "비숙련 노동이 만들어낸, 유일하게 이동 가능한, 범용 컴퓨터!" 라고 정의하면, 연결주의 - 인지론 논쟁이 해결될 것이다.

컴퓨터의 경우, 사람들이 프로그래밍을 한다. 사람들은 어떻게 스스로 프로그램이 짜여지는가? 그들의 프로그래밍은 일생의 경험을 통해 짜여지며, 그 중 일부는 교사나 부모들에 의해 면밀하게 만들어지며, 그 중 또 다른 일부는 그 누구도 계획하지 않았는데 생긴다. 처음의 프로그램들은 간단하지만, 곧 더 복잡한 것으로 조합된다. 컴퓨터 프로그램은 자주 더 큰 프로그램의 필요에 따라 구체적인 일을 하기 위하여 더 간단한 어떤 프로그램을 부르는 명령을 포함한다. 이와 비슷하게, 큰 과제를 놓고 작업을 하고 있는 사람은 그 큰 작업의 해결에 기여하는 작은 과제들을 수행하기 위해 전에 배운 능력에 의존하기도 한다. 예컨대, 책장을 만드는 목수의 '프로그램' 은 판지를 톱질하거나 못을 박는 구체적 기술들로 차 있을 것이다. 이런 행위의 자세한 내용은 구체적으로 언급될 필요가 없는데, 목수가 이미 그 일에 철저하게 숙달되어 있고 그 세부 내용들을 당연한 것으로 여기기 때문이다. 책장에 관한 그의  '프로그램' 에서 적당한 지점에 도달하면, 목수는 단순히 그 판자를 톱질해야 함을 주목하고, 사전에 학습된 기술 중 '하위 프로그램' 이 그 톱질을 맡게 하고, 그 후에 주 프로그램은 그 할 일을 계속한다.

프로그램과 하위 프로그램이라는 말로의 분석은 두 수준 이상으로 확장될 수 있는데, 이것은 하위 프로그램들로 만들어지는 프로그램들이 더 큰 프로그램으로 조합됨을 뜻한다. 그 결과 여러 수준들로 된 기술 위계가 형성된다. 이 말은 11장 끝에서 보았던 입장과 비슷하게 들리는데, 학자들이 출발점은 다르지만 비슷한 결론에 이르는 한 예이다.

ACT 이론

컴퓨터는 이론화를 위한 일반 패턴 또는 유사물을 제공해서 학습 이론에 영향을 주었다. 초기 학자들이 인간을 동물처럼 그리고 인간과 동물 모두를 단순한 자극-반응 기제로 해석하였듯이, 최근 학자들은 사람들과 때로는 동물들을 컴퓨터가 트랜지스터의 칩으로 기능하듯이 뉴런으로 그 기능을 발휘하는 '젖은 컴퓨터' 로 분석하였다. 컴퓨터가 하는 일이 정보를 기억에 저장하고 그 정보로 결정을 내리는 등, 다소 인지적으로 들리기 때문에, 이런 컴퓨터 기반의 모형들은 전통적 연결주의자 이론보다는 전통적 인지론에 더욱 가깝다. 그들은 인지가 실제행동을 어떻게 일으키는지 보여 주기 위하여 인지론에 대한 도전을 심각하게 받아들인다. 그 결과, 산출 이론 (production theory) 을 통하여, 인지가 실제로 행위를 어떻게 산출하는지를 보여 준다.

서술 지식과 절차 지식

산출 이론의 하나로 ACT 라고 불리는 것이 있는데, 카네기-멜론 대학의 J.R. 앤더슨 (John R. Anderson, 1947 출생) 에 의해 발전되었다 (Anderson, 1982, 1983, 1987). ACT 라는 이름은 '사고의 적응적 제어 (Adaptive Control of Thought)' 를 나타낸다. ACT이론의 핵심은 서술적 그리고 절차적이라고 명명된 두 지식의 구분이다. 서술 지식 (declarative knowledge) 은 보통 지식이라고 불리며, 참인 명제들이다. 서술 지식은 이 세상에 관한 기술 또는 질문에 대한 답, 또는 '그것에 관해 알고 있음' 을 뜻한다. 절차지식 (procedual knowledge) 은 절차를 정확하게 밟는 능력이다. 절차 지식은 기술, 또는 '어떻게 하는  것을 알고 있음' 을 뜻한다.

절차 지식은 "만일 A 이면, B 를 한다" 형태의 규칙으로 구성된다. 간단한 예로, "만일 빨간 신호등을 보면, 교차로 가장자리에 멈추라" 그리고 "시간을 알려면, 시계를 보라" 와 "배가 고픈데 집에서 멀리 떨어져 있으면, 또 돈이 있으면, 식당을 찾도록 하라" 그리고 "만일 여러 수를 합산한다면, 그리고 우측 자릿수의 합이 적어도 20 이면서 30 을 넘지 않으면, 그 합의 마지막 숫자를 적고 2 를 다음 자리로 올려라" 와 같은 것들이다.

모든 경우에 다 쓸 수 있는 규칙을 마련하기란 쉽지 않다. 그 까닭은 따르려는 최선의 규칙이 여러 다양한 요인들에 의존하기 때문이다. 이 문제를 다루는 한 방법은 더욱 많은 '만일' 절을 추가시켜 규칙을 더욱더 복잡하고 구체적으로 만드는 것이다. 원칙상, 이 과정은 모든 가능한 상황을 다루는 개개의 규칙의 수가 많아질 때까지 계속해서 수행될 수 있다. 그러나 이것이 매우 효율적인 산출 체계는 아니다. 때로는 한 일반 규칙과 소수의 예외를 함께 가지는 것이 더 좋다. 예컨대, 수많은 영어 단어들은 s 를 첨가해서 그 단어의 복수형을 만들기 때문에, 가장 효과적 산출 체계는 일반 규칙 "만일 단수 명사를 복수로 만들려면, 끝에 s 를 붙여라" 에 더하기 "만일 man 을 복수형으로 만들고 싶으면, men 이라고 써라" 처럼 몇몇 구체적 규칙을 갖는 것이다. 복수형을 위한 구체적 산출 체계가 만일 있다면 그 구체적 규칙을 사용해야 그 체계가 작동하며, 그렇지 않으면 일반 규칙이 작용한다.

서술 지식이나 절차 지식을 너무 좁게 정의하지 않도록 조심해야 한다. 서술 지식은 말로 진술될 필요가 없으며, 공간 심상이나 사건들이 발생하는 순서에 관한 기대의 형태일 수 있다. 마찬가지로, 절차 지식은 운동 조정에 한정되어 있지 않으며, 등식을 푸는 능력도 못을 박는 능력과 마찬가지로 절차 지식을 포함한다. 이론의 핵심은 이 지식간의 관계이다.

사람이 새 능력을 배울 때, 그 과정은 보통 서술 지식을 배워 시작한다. 이 지식은 다른 사람들로부터 또는 관찰로부터 또는 개인이 이미 알고 있는 다른 사물로부터 추론해서 학습될 수 있다. 어떻게 획득되든, 이런 상태의 지식은 산출 학습의 서술 단계이다. 서술 단계의 지식은 산출 방법을 생각하는 데 사용된다. 여기에는 '무엇에 관한 지식' (서술적) 이 추론 과정에 의해 절차 지식 즉 만일 - 그러면 규칙으로 바꾸어진다. 따라서 대수에서 "X 하나만 등식의 좌변에 두고 싶지만, X 에 더해진 다른 항이 또 있는데, 어떻게 하면 좋을까? 그 항을 빼면 등식의 우변은 어떻게 될까? 자, 등식에서 같은 양을 양쪽에서 빼도 등식 자체의 값은 그대로 이므로 만일 우변에서 좌변의 항만큼의 값을 빼면 좌변에서 그 항을 없앨 수 있지" 라고 생각할 수 있다.

학습자는 산출을 실제로 연습하면서, 지식의 성질을 더 절차적인 것으로 바꾸어 간다. 학습자가 서술 지식을 생각할 필요 없이 ,단순히 절차들을  더 많이 사용하게 된다. 따라서 학습자는 절차 단계로 서서히 옮아가며, 이 단계에서 산출이 자동적으로 수행된다. 위의 대수 문제 예에서, 사람들은 산술 규칙을 쉽게 따르게 되는데, 즉 "만일 등식의 좌변에 있는 항을 없애려면, 그것을 우변으로 옮기고 부호를 바꾸면 된다" 와 같다. 서술 단계에서 사람들은 인지적 방식으로 작용하는 반면, 이제 비교적 직접적인 자극-반응 행동을 보여 준다. 이 과정은 서술 지식에 의한 제어로부터 절차지식에 의한 제어로 바뀌는 과정인데, 절차화 (procedualization) 로 알려져 있다.

보통 서술 지식은 없어지지는 않고, 단순히 산출에 덜 적합해진다. 그러나, 때로는, 절차 지식이 점차 자동화되면서, 서술 지식은 사용되지 않아 망각된다. 따라서 어떤 일을 매우 능숙하게 해내지만 그 일을 어떻게 하는지, 또는  그렇게 하는지 잘 설명하지 못하는 사례가 발생한다. 또 다른 예는 전화를 걸기 위해 다이얼을 누를 수 있지만, 전화번호를 다른 사람에게 써주거나 말해 주기는 어렵다. 처음에는 연속된 번호 (서술 단계) 를 알고 있었고 절차를 수행하기 위하여 그 번호를 누르는 과정들로 바꾸어야 했다. 마침내 그 사람은 숫자를 생각하지 않고 대신에 정확한 순서로 버튼을 누르게 되고 (절차 단계), 그 번호를 물어 오면 대답하기까지 다소 시간이 걸린다.

규칙의 조합

지식이 절차화됨에 따라, 처음에 지식은 전 산출의 각각의 단계를 이루는 여러 작은 단위들로 구성된다.그러나, 둘 또는 그 이상의 작은 단위들이 규칙적으로 함께 발생하면, 그들은 서서히 조립 (composition) 이라는 과정을 거쳐 한 단위로 조합된다. 조립에서 더 작은 단위들이 더 이상 존재하지 않는 것은 아니고, 필요한 경우 그들은 여전히 분리된 단위로 쓰일 수 있다. 대신에, 새 조립 단위는 더 작은 단위들과 함께 그 사람의 레퍼토리에 남아서, 필요할 때 작은 단위들 대신 쓰이기도 한다.

절차화와 조립의 두 과정은 서술 지식으로부터 매끈하게 통합된 절차 산출을 얻기 위해 함께 작용한다. 그러므로 그들은 지식 편집 (knowledge compilation) 이라는 한 명칭으로 함께 묶어진다. 이러한 용어의 사용은 인간 사고의 유사물 (analog) 로서 컴퓨터에 관한 앤더슨의 관심을 반영한다. 편집자 (compiler) 가 지시를 기계어로 바꾸듯이, 지식 편집자도 세상에 관한 지식을 실제의 산출 기술로 바꾼다.

만일-그러면 규칙이 추론되어야 하는 서술 단계와, 이 규칙이 자동적으로 수행되는 절차 단계 모두에서 규칙간에 갈등이 생긴다. 두 규칙의 "만일" 부분은 서로 부합되는데, "그러면" 부분이 서로 상반된다면 어떻게 할것인가"  이런 갈등을 해결하는 한 일반 원리는 더 구체적인 규칙에 우선권을 주는 것이다. 다른 말로하면, 좁은 범위의 구체적인 규칙이 있으면 그것을 쓰지만, 그렇지 않으면 더 일반적인 '주먹구구' 에 의존한다. 이 원리의 예를 복수 만들기의 규칙과 그 예외에서 보았다. 어떤 구체적인 경우에 맞는 좁은 범위의 규칙이 있으면("만일 man 을 복수형으로 만들려면, men 이라고 써라" 처럼) 그 구체적 규칙이 쓰여진다. 그렇지 않으면, "만일 명사를 복수로 만들려면, 명사에 s 를 더하라" 처럼 더 일반적인 규칙을 쓰게 된다.

그 외에, 어떤 산출 체계가 자신의 위계 규칙을 가지고, 어느 규칙이 어느 규칙에 우선하는지를 표시하기도 한다. 예컨대, 장기의 산출 체계에서, "만일 왕이 위협을 받으면, 그것을 보호하라" 는 규칙이 "만일 장기판의 중심을 제어할 수 있으면, 그렇게 하라" 는 규칙보다 우선권을 가진다. 이처럼 왕이 안전한 경우에만 장기판의 중앙에 관심을 두도록 되어 있다.

규칙간의 갈등을 푸는 또 다른 일반 원리로서 분명한 것은 두 갈등적 규칙 중에서 더 강한 것이 후속절로 뒤따른다는 점이다. 분명치 않은 점은 한 규칙이 그 강도를 증가시키는 방법의 문제이다. 여기에 어떤 강화 기제가 있을지 모른다. 그러나 ACT 는 이 점에서 독특한 특징을 가지고 있다. ACT 체계는 성공적인 규칙과 성공 또는 실패의 어느 것도 구분하지 않는 규칙들을 구분하지 않는다. 한 규칙이 사용되고 그것이 틀렸음을 시사하는 어떤 일이 발생하지 않는 한, 그 규칙은 강화된다. 즉 규칙의 "만일" 부분이 규칙의 "그러면 그렇게 하라" 는 산출 경향성을 증가시킨다.

반면에, 그 상황에서 그 규칙을 쓰면 잘못됨을 알려주는 어떤 일이 생기면, 그 규칙은 약화되면서 "만일" 이 "그러면 그렇게 하라" 라는 산출 경향을 감소시킨다. ACT 체계는 이처럼 처벌 또는 소거 기제를 갖고 있지만, 강화 기제는 갖고 있지 않다. 이것은 강화를 가장 중요하게 생각했던 손 다이크, 헐, 그리고 스키너와 대조된다는 점에서 앤더슨을 평가하게 된다. 이처럼 간단한 강화 이론을 거부함으로써 그는 거스리와 약간 비슷하지만 그와 그렇게 밀접한 편은 아니다. 인지를 변화시키려면 불일치 증거를 제공해야 한다고 말함으로서 앤더슨을 재언급한다면, 톨만과 피아제도 앤더슨과 거의 같은 말을 하고 있음을 알게 된다.

ACT 체계는 상당히 목표 지향적이다. 산출은 목표 획득에 기여하고, 서술 단계에서 서술 지식으로부터 절차 지식을 추리하여 산출을 가능하게 한다. 서술 지식으로부터 절차 지식의 획득이 문제 해결의 핵심이다. 이를 수행하기 위한 다양한 방법들이 앞서 논의되었다. ACT 는 목표로부터 거꾸로 푸는 과정을 강조하는데, 현 위치로부터 궁극적으로 도달하려는 위치까지 일련의 하위 목표를 세워야 한다. 그 다음에 현재의 상황을 또 다른 규칙의 "만일" 을 만족시키는 새로운 상황으로 바꾸는 규칙을 적용함으로써 또 다른 변화를 산출하는 규칙을 적용할 수 있고, 계속 이런 과정을 밟아 목표에 이르게 된다.

어떤 산출 규칙들은 구체적이고 또 어떤 것들은 일반적임을 이미 보았다. 구체적 규칙들은 앤더슨이 생각하는 일반화와 똑같은 과정을 밟아 일반적 규칙으로 조합된다. 한 예로 앤더슨은 두 규칙, 즉 (1) 외투가 당신 것인지 알고 싶으면, "내 외투" 라고 말하라, (2) 공이 당신 것인지 알리고 싶으면, "내 공" 이라고 말하라를 예시하고 있다. 이 두 규칙으로부터, ACT 체계는 제 3 의 규칙, 즉 어떤 물건이든 당신 것임을 알리고 싶으면, "내 물건은 뭐뭐다" 라고 말하라를 일반화한다. 어떤 경우 새 규칙은 너무 일반적이 되므로, 정확한 규칙이 되려면 변별 규칙이 요구된다.

처음에 앤더슨은 이런 일반화와 변별에 의한 학습을, 앞서 이 책에서 다룬 대부분의 다른 학자들처럼, 자동화로 간주하였다. 그러나 최근에 (1983) 그는 이 과정이 귀납 추리 방략에 더 의존한다는 결정을 내렸다. 일반화와 변별에 관한 그의 최근 입장은 규칙의 형식화를 포함하였다. 규칙이 포함되었음을 깨닫지 못하는 사람은 일반화를 보이지 않을 것이다. 반면에, 어떤 일반 규칙이 포함되었다고 생각하는 사람은 한 사례로부터 일반화할 수 있다. 예컨대, 학습자는 "독일어로 Gestalt 의 복수를 Gestalten 이라고 추리하므로, 독일어에서 복수는  en을 첨가한 형태이다" 라고 추리할 수 있다. 이 규칙은 실제로 독일어의 소수 명사에만 해당하기 때문에, 그 이상의 변별 학습이 필요하다. 그러나 한 사례로부터 일반화하는 것이 잘 알려져 있으므로, 앤더슨의 이러한 새 가정이 학습자의 빈약한 논리를 나타낼지라도 좋은 심리학일 수 있다.

컴퓨터가 앤더슨 생각에서 중요한 자리를 차지하는데, 비슷한 관심을 가지고 있는 다른 학자들의 생각에서도 적어도 세 가지 면에서 그러함을 찾아볼 수 있다. 하나는  아이디어의 근원이다. 컴퓨터와 인간 뇌의 유추는 뇌의 작용 방식에 관한 가설뿐만 아니라, 인간의 인지를 논하는 용어들을 제공하였다 (입력 - input 그리고 공유 - interface 그리고 망조직 - networking 과 같은 단어들이 유행하고 있음을 보라). 두번째는 아이디어의 검사 방법이다. 만일 인간의 뇌가 어떻게 작용하는지에 대하여 어떤 학자가 생각하고 있는 그대로 컴퓨터가 프로그램되었고, 사람들이 실제로 그대로 한다면, 이것은 사람들이 컴퓨터와 마찬가지로 같은 과정에 의해 그 결과에 도달한다는 입장을 지지한다. 이 입장이 반드시 사실은 아니지만, 유추의 성공은 그 가설을 강화시킨다.

세번째 방법은 교육 장면에 대한 적용이다. ACT 와 같은 이론들이 사람들이 어떻게 학습하는지 그리고 생각하는지에 관하여 정확한 그림을 주고 있는 한, 교수 방식을 설계하는데 이 그림을 활용할 수 있다. 더욱이, 이 방식은 학습을 가장 효율적으로 만들기 위해 학습자에게 재료를 제시해 주는 컴퓨터 프로그램의 형태로 가장 좋을 것이다. 앤더슨과 그의 동료들은 기하학과 컴퓨터 프로그램을 가르치기 위하여 이런 프로그램을 개발하였다. 이 프로그램은 학생의 답으로부터 그가 어떤 규칙을 적용하고 있는지를 추론해서, 만일 그것이 부적절한 규칙이면 그 프로그램이 적당한 구제책을 준다 (Anderson, Boyle, & Reise,  1985). 스키너처럼 앤더슨은 교육 공학에 관심을 가지고 있다. 그러나 그의 교수 프로그램 계획은 스키너의 계획보다 학생의 인지 과정에 관한 가정에 더 중점을 둔다.

ACT 와 같은 이론들은 몇몇 소스로부터 나온 아이디어들을 수렴한 것이다. ACT 이론들은 컴퓨터 과학, 인지 과학, 그리고 인공 지능과 같은 새 분야의 아이디어들과 심리학과 언어학처럼 오래 전에 수립된 분야의 아이디어들을 조합한다. 최근 여러 심리학자들은 그런 이론들이 바로 그들이 필요로 했던 이론들로서-유행이 지난 행동주의 이론에 대한 대체물이었고, 오래된 인지 이론의 개선책이었으며, 그리고 마지막으로 마음이 어떻게 작용하는가라는 빛바랜 질문에 대한 과학적 답변이었다고 결론내린다. 물론 모든 사람들이 이 결론에 동의하지는 않는다. 예컨대, 스키너는 사람들이 어떤 주제이든 그 앞에 '인지적' 이란 말을 놓음으로써 그 주제를 유행으로 만들려 한다고 비웃엇다. 그러나 모든 반대가 옛 입장을 고수하는 이론들에서 나오지 않는다. 새로운 노선의 비평이 역시 나타났는데, 다음 장에서 이를 보기로 하자.