난 12 살 반이 될 때까지는 겉보기에 종교적으로, 즉 유대인으로 자랐습니다. 내가 바르미츠바 (Bar Mitzvah) (역주. 유대교에서 13 세 남자의 성인식) 를 받기 몇 달 전에 아버지가 돌아가셨지요. 그 일은 흔히 사람들이 세계는 본래 공평치 않으며, 신에 관한 객관적 진리와는 상관 없이 나쁜 일들이 발생하면 이러한 의식들을 행하는 것이 가치가 없다고 결론을 내리게 만드는 상황 중 하나였습니다.

  난 계속해서 소위 '지진아' 반이라 불리던 열등한 학급에 배치되었습니다. 그들은 자신들의 학교에서 아래 학년들을 거치지 않았다는 이유로, 내가 올라가야 할 학년을 인정해 주려 하지 않았지요. 배경이나 환경에 의지하는 대신 자신을 끊임없이 증명해 보여야만 하는 상황이었습니다. 보통 우수 학급에 있는 학생들은 공부를 잘 할 것으로 기대되어 열심히 노력을 하지 않았지요. 반면에, 우리 학급의 학생들은 잘 할 것으로 기대되지 않기 때문에 정말로 공부를 열심히 해야만 했습니다.

  그 때까지 내가 가장 가까이에서 만나 본 과학자는 겨우 나의 고등학교 시절 과학 선생님이었습니다.

  난 내 자신이 세계의 위대한 수학자들 중 하나가 될 수는 없을 것이란 사실을 깨닫게 될 만큼 수학에서 충분히 멀리까지 나아갔습니다. … 난 어떤 의미에서 물리학은 그것이 어떤 실질적 중요성이나 현실성을 가지든 그렇지 않든, 모두 모래 위에 지어진 것이라는 사실, 즉 사람들이 아인시타인의 천체물리 방정식 같은 것들에 대한 수학적 해법을 발견하는 식의 일들에 인생을 바치고 있다는 사실을 깨달을 만큼 물리학에서도 충분히 멀리까지 나아갔습니다. … 사람들은 실제로 발견은 되었지만 알려져 있지는 않은, 즉 어떤 공명을 의미하는 소립자들에 대해 점점 커져가는 비밀을 안고 여러 각도에서 생각하곤 했습니다. 그저 그들 자신을 물리적 현실로부터 절연시키는 일들만이 발생하고 있었던 것이지요.

  (그것은) 마치 망원경이 발명된 직후 천문학을 하던 시절로 되돌아가 있는 것 같았습니다. 그 주제가 본래 매력 있는 것이긴 했지만, 실제로 흥미를 끄는 것은 다른 두 가지 속성이었지요.

  하나는 우리가 무언가 우리 자신을 보다 영리하게 만들 지능의 확대 장치 (mental amplifier) 같은 것을 제작하게 될 것이며, 따라서 훨씬 더 많은 일을 보다 훌륭하게 해낼 수 있게 될 것이라는 생각을 보다 확실하게 강화시키고 있다는 점이었습니다.

  두 번째 흥미로운 속성은 그 분야의 연구자들이 도대체 자신들이 무엇을 하고 있는지를 알지 못하는 것이 분명하다는 사실이었습니다.

  1800 년대 무렵의 물리학과 공학은 오늘날까지도 물리적인 우리 자신에게 확대를 제공하였습니다. 우리는 보다 먼 거리를, 게다가 도보로 가는 것보다 더 빠른 속도로 여행할 수 있게 되었습니다. 또한, 소리를 질러 대화할 수 있는 것보다 훨씬 먼 거리에서 원격 통신을 할 수가 있습니다.

  AI 의 목표는 말하자면 지능의 확대입니다. 그 결과 우리는 보다 영리해지고, 보다 창조적이 되고, 보다 어려운 문제를 보다 빨리 풀고, 덜 잊어 버리고, 보다 많은 것을 상기할 수 있게 되었습니다.

자동 프로그래밍

  자동 프로그래밍은 프로그래밍을 하는 데 드는 노력을 줄이려는 시도이다. 자동 프고그래밍을 적용할 경우, 사용자가 컴퓨터에게 문제를 명확히 알려 주기만 하면 컴퓨터가 무엇을 해야 하는지를 알아 내도록 되어 있다. 예를 들어, 자동 프로그래밍에 의지하면, 사용자가 컴퓨터에게 일련의 세법을 제시한 후 자신의 세금을 최소화시킬 프로그램을 생성하도록 요구할 수 있다.

  그 목표는 아직 달성되지 않았지만, 이 분야의 아이디어들은 프롤로그 (Prolog) 나 '제한적 논리 프로그래밍 언어 (constraint logic programming languages)' 라고 알려진 한 패밀리의 언어들처럼 새로운 프로그래밍 언어들에 영감을 주었다.

  프로그래머들은 이런 언어를 사용하여 어떤 문제와 그 제한 조건들의 형식화된 문장을 제공한다.

  제한 조건들이 주어지고 나면, 컴퓨터는 해법을 찾는 시도를 한다. 컴퓨터가 작성하는 프로그램은 대체로, 가능한 최적의 알고리즘을 사용하여 문제를 해결하는 프로그램에 비해 훨씬 속도가 느리다. 하지만, 세계 곳곳의 연구자들이 가능한 한 그 속도차를 줄이기 위한 연구를 진행 중이다.

  원래의 목표에는 실패를 하면서 다른 성과들을 달성하게 되는 것이 AI 프로젝트들의 일반적인 운명이다. AI 연구자들은 문제를 제시하고 기법들을 만들어 냈는데, 그 기법들은 지금까지 데이터 베이스 관리, 로봇공학, 기호 프로그래밍 언어, 그래픽 등과 같이 명백하게 무관한 하위 분야들에 형태를 부여해 왔다. 예를 들어, 로봇이 최초로 제작된 것은 바로 AI 연구실이었고, 작동 계획이나 감지기-작동기의 결합 같은 응용 프로그램들은 여전히 초기 AI 알고리즘의 단편들을 사용하고 있다.

  지난 10 년간 대부분의 데이터 베이스 관리 작업은 전문가 시스템 양식의 규칙들을 데이터 베이스 시스템에 효율적으로 결합시키는 문제를 고려해 왔다. 그와 같은 연구를 원래 AI 분야에 속하는 그것의 기원과 구별하게 만드는 요인은, 바로 효율성과 증명할 수 있는 정확성에 초점을 맞춘다는 점이다.

  나는 스탠퍼드에 가기 전까지는 나 자신을 형식 주의자로 여겼습니다. 코델 (그리고 훗날 나의 충실한 조언자가 되는 파이겐바움과 뷰캐넌도) 은 내게 자료를 조사하고, 실험을 수행하고, 또 컴퓨터 실험을 통해 잘못된 것일 가능성이 있는 가설들을 시험하는 AI 같은 분야에서조차 명확하게 의사를 밝힐 수 있는 과학자가 된다는 것은 가치 있는 일이라는 생각을 심어 주었습니다.

  컴퓨터 과학은 1740 년의 물리학과 정말 비슷합니다. 사람들이 어떤 결과에 대해서든 아주 행복해하기 때문에, 우연한 반복 가능성이나 다른 사람의 결과를 복제하는 것 이상을 요구하는 것은 무리입니다. 컴퓨터 과학은 아직까지 사람들이 점령하기 보다는 발견 중인 단계에 있는 것입니다.

원래는 (그 이름이) 자동 수학자 (Automated Mathematician) 를 나타내는 것이었지만, 1974~75 년 사이 어느 때인가 난 그것이 그저 AM 으로 불리도록 내 버려 둘 만큼 아주 겸손해졌습니다.

  당시의 아이디어는 일련의 정의와 개념들로 표현하고, 그 이익의 가치를 판단하기 위해 일련의 경험적 방법들로 표현한 다음, 뒤로 물러서서 그것이 무엇을 발견하는가를 지켜 보는 것이었습니다.

  우리는 일부 시나리오를 보다 앞서 완성하였습니다. 그건 단지 이것이 그럴 듯한지 여부를 알아보기 위한 것이었지요. 하지만 그것은 결코 우리가 생각했던 시나리오대로 움직요 주지 않았습니다. 우린 그것이 다양한 종류의 무한대와 캔터 (Cantor) 집합들을 발견할 것이라고 생각했지만, 결국 그러한 것들은 전혀 발견하지 못했지요.

  그는 이렇게 말했습니다. "이 책들은 나의 한 친구의 제자가 시도해 본 적이 있는 어떤 것과 아주 비슷하게 보입니다." 폴리아는 당시 약 92 세 가량의 노령이었지요. 나중에 알 게 된 바에 의하면 그 친구는 바로 [고트프리 (Godfrey)] 하디 (Hardy) 였고, 그의 제자는 [스리니바사 (Srinivasa)] 라마누잔 (Ramanujan) 이었습니다. 금세기 초, 라마누잔은 AM 이 발견한 패턴들 가운데 하나와 아주 유사한, 고도로 합성된 숫자들에 대한 연구를 제출한 적이 있었지요.

  크누스는 마치 바빌로니아어나 아즈텍어가 쓰여진 두루마리나 상형문자 문서들을 읽고 있는 것처럼 AM 의 출력을 숙독하면서, 정작 나와 그 시스템은 미처 그 가치를 인식하지 못했던 것을 발견해 내곤 하였습니다.

  때때로 그는 AM 이 제시하기만 하고 그 중요성을 인식하지 못했던 (나 역시도 인식하지 못했던) 무언가를 찾아 내 그것에 동그라미 표시를 하곤 했습니다. 정말 대단했지요.

  학습은 우리가 이미 알고 있는 초보적인 부분에서 이루어집니다. 결국은 이미 알고 있는 것과 유사한 것을 새로 배우게 되는 것입니다. 배우고자 하는 것이 이미 알고 있는 것에서 지나치게 멀리 떨어져 있지만 않다면 학습은 가능합니다. 그 초보적인 부분이 클수록, 즉 이미 알고 있는 것이 많을수록, 새로운 것을 발견할 가능성도 더 커지지요.

  그 발상은 10 년간 정체될 운명에 처해, 펌프에 충분한 마중물을 붓는 데 필요한 지식으로 표현되다가, 1990 년대 중반에 이르러 기계 학습으로 되돌아 갑니다.

  나와 앨런 케이, 마빈 민스키 세 사람이 모여서 봉투 한 장의 뒷면만 써서 풀 수 있을 만큼 간단한 (back-of-the-envelope) 계산들을 수행하였습니다. (우리는 그 때 실제로 봉투 하나를 찾느라 5 분 정도나 시간을 허비했기 때문에 그와 같은 표현으로 당시의 작업을 설명하였습니다.) 그것은 얼마나 많은 지식이 필요하며 그렇게 하는 데 얼마나 많은 시간이 소요될 것인지를 알아보는 계산이었지요. 결과는 10 년에 걸쳐 백만 개의 프레임이 요구된다는 것이었습니다.

  인먼은 내가 만나 본 사람들 중에서 가장 카리스마적인 인물이었습니다. 그는 사람들을 다루는데 아주 능란했으며, 사람들로 하여금 그가 실제의 이야기를 솔직하게 털어 놓고 있다고 믿게 만들었습니다. 사람들은 서로 앞다투어 그에게로 찾아갔고 그의 사무실을 걸어 나올 때문 각자 자신이 논쟁에서 이겼다고 믿곤 했지요.

  그는 실제로 그같은 마력을 지닌 사람이었고, MCC 의 모든 사람이 그를 깊이 흠모했습니다. 그는 몇 달마다 MCC 에 관한 회의를 열었는데, 그 회의는 거의 필연적으로 어느 틈엔가 세계 정세에 대한 논의로 빠져들곤 하였습니다. 사람들이 세계 정세에 대해 그가 생각하고 있는 바에 아주 관심을 갖게 되기 때문이었지요. 당시의 분위기는 다름 아닌 캐멀랏 (Camelot) [역주. 전설적인 아서왕의 궁정이 있었던 거리. 화려하고 행복에 젖었던 시대, 특히 미국의 케네디 정권시대를 비유하는 말로 사용됨.] 이었습니다.

  인먼은 "이곳은 여러분이 이처럼 단지 2 퍼센트의 성공 가능성을 가진 프로젝트를 실행할 수 있는 역사상 유일한 장소 (MCC) 이자 유일한 시간입니다. 여러분은 결코 이 일을 정부의 재정 지원으로 할 수는 없을 것이며, 결코 대학 사회에서 이 일을 할 수 있는 기회를 얻을 수도 없을 것입니다. 그리고 심지어 수십억 달러 규모의 회사라해도 단일 기업에서 수천만 달러를 지불하려 들지는 않을 것입니다."

  에드 파이겐바움이 내게 미친 영향은 연구자로서 스스로의 인생에서 30 년을 건 내기 같은 것을 하게 될 것으로 생각해야 한다는 것입니다. 따라서, 그 하나하나를 가치 있는 것으로 만드는 것이 바람직할 것입니다.

  이것은 기본적으로 자연 언어의 전위 (front-end) 들과 기계 학습 전위들이 프로그램상에 존재할 수 있도록 만들 것입니다. 또, 이것은 마치 상이한 전문가 시스템들이 서로 규칙을 공유할 수 있는 것처럼, 응용 소프트웨어들 사이에 지식이 공유될 수 있도록 만들 것입니다. 이것이 유효하게 작동하다면, 실제로 작업을 컴퓨팅하는 방법에 혁명을 일으킬 것이 확실합니다. 하지만 그 성공의 가능성은 믿기 어려울 만큼 작은 확률에 지나지 않습니다.

  그것은 시간, 공간, 인과 관계, 본질, 장치들, 식량, 의도 등을 어떻게 표현할 것인지, 그 모든 곳에 함정을 가지고 있었습니다. 지난 30 년간 AI 연구자들이 푹 빠져 있었던, 그리고 지난 30 세기에 걸쳐 철학자들이 빠져 있었던 문제들, 그들은 바로 그 미묘한 차이에 자신들의 인생을 걸었던 것입니다.

  쇼핑이나 운전과 같은 인간 활동의 마이크로 이론들에 대해, 여러분은 각기 다른 가정과 결론을 내릴 수 있어야 할 것입니다.

  본질적으로, 전역 일관성 (global consistency) 의 개념은 포기하고 지역 일관성 (local consistency) 을 가지고 살아야 하는 것이지요. 각각의 이론, 각각의 맥락에는 일관성이 있어야 하지만, 이론들 간에는 일치하지 않는 부분들이 존재합니다.

  예를 들어, 내가 "누가 드라큘라입니까? 하고 묻는데 여러분이 "뱀파이어요." 라고 대답한다고 가정해 봅시다. 나는 다시 "뱀파이어들이 존재합니까? 라고 묻고, 여러분은 "아니오." 라고 대답합니다. 그 모순은 아무런 문제도 일으키지 않습니다. 첫 번째 질문은 어떤 하나의 배경, 즉 브람 스토커 (Bram Stoker) 의 가상적 세계에서 답이 주어지고 있습니다. 한편, 두 번째 질문은 일상적인 과학적 세계의 회의적인 (skeptical) 상황에서 답을 얻고 있는 것입니다. 이들은 곧바로 모순처럼 보이지만, 실제로 이들을 분리시키는 데에는 아무런 문제도 없습니다.

  만일 여러분이 은유를 이해하지 못한다면, 가령 『뉴욕 타임즈 New York Times』지의 기사가 한 미국 회사에서 다른 회사를 인수한 사실을 다루면서 먹고 먹히는 관계, 첫 데이트, 시소 게임, 전쟁 상태 등의 은유를 사용하는 것처럼 어떤 좁은 범위의 자료에 자신을 국한시킨다 해도 실제로 언어를 이해할 수 없을 것입니다. 난 고등학교  시절 항상 '우리의 나비로운 학살의 어머니 성 캐서린 (Sta. Datherine)' 같은 표시를 보게 되는 걸 좋아했습니다. 우리는 거의 모든 문장에 침투할 수 있는 풍부하고 폭넓은 지식을 가져야 합니다.

  결정적으로 중요한 점은 거대한 것이 되려고 시도했던 대부분의 시스템이 바로 전역 일관성을 맥락으로 분해하고, 상이한 모든 주장들의 맥락을 분해하고 상이한 모든 주장들을 기록하려 했던 것이지요. 그러한 시도는 결코 실현될 수 없습니다. 각각의 상황은 기록된 가정을 가지고 있지만, 거기엔 항상 무엇인가 놓친 것이 있게 마련입니다.

  가령 내가 빌 클린턴은 내 나이가 42 살이라는 걸 모른다고 말하며, 실제 내 나이는 42 살이라고 가정해 봅시다. 일반적으로 여러분은 어떤 대등한 것을 대등한 것으로 대체할 수 있습니다. 하지만 그럴 경우, 그 문장은 빌 클린턴이 42 는 42 라는 것을 모른다는 말이 됩니다. '알다', '믿다', '의도하다', '희망하다' 등과 같은 양상들을 가질 때면, 언제나 대등한 것을 대등한 것으로 대체할 수가 없습니다. 그것들은 특별하게 다루어져야 합니다.

  다수의 추론 엔진들을 사용하면, 프로그램이 복잡하고 불분명한 개념들을 조작할 수 있게 됩니다. 예를 들어, 어떤 기업이 하나의 건물을 소유하고 있다면 그 건물의 파편들도 소유하고 있는 셈이 되는 것이지요. 그 프로그램은 'ownership' 'transfer through' 'physical parts' ('소유권' '물리적 부품들을' '통해서 이전' 이라는 원칙을 포함할 것입니다.

  우리는 기본적으로 과학의 관점보다는 엔지니어링의 관점에서 이야기함으로써 끝없는 수렁에 빠지게 되는 상황을 피하였습니다. 예를 들면, 시간을 표시하고 모든 사례들을 다루기 위한 하나의 세련된 해법을 찾는 대신, 어떤 일련의 해법들을 찾아 그 모든 것이 결합하여 상식적 사례들을 다룰 수 있도록 해야 하는 것입니다.

  난 '만일 그것이 유효하다면, 우린 그것을 사용할 것이다' 라고 하는 주방 씽크대의 이데올로기를 가지고 있습니다. 우리는 지능 확대라는 이 목표를 달성하기 위해선 무엇이든 기꺼이 할 것입니다. …

  그것은 마치 한 사람은 망치, 한 사람은 스크루드라이버 같은 식으로 하나씩 연장을 가진 30 명의 목수가 어떠한 연장을 사용할 것인가를 놓고 논쟁을 벌이는 것에 비할 수 있습니다.

  그 답은 그들 모두가 틀리며 또 그들 모두가 옳다는 것입니다. 만일, 그들을 모두 함께 데려온다면, 무언가 집 한 채를 이루게 될 것을 얻을 수 있습니다. 우리가 여기서 다루어 온 것은 상당히 중요한 문제입니다.

  사이크에게 여러분의 스프레드시트상에 있는 각 행과 열들의 개략적인 의미를 설명한다고 상상해 보십시오, 자동차의 연식, 특정 날짜에 구입한 물품, 연봉 등 여러분과 내가 알고 있는 모든 것을 사이크 역시 같은 수준으로 이해합니다.

  일단 그 스프레드시트의 스키마가 설정되면, 수백만에 달하는 사이크의 모든 규칙들이 적용 가능해집니다.

  예를 들어, 스프레드시트에서 연간 소득을 표현하는 하나의 셀이 아이오와에 있는 어떤 3 학년 교사의 연간 소득을 25 달러로 표시한다고 가정한다면, 그것이 1 년에 25 달러를 의미하는 것이라고는 도저히 생각할 수 없습니다. 25,000 달러가 되어야 하는 것이지요. 관계형 데이터 베이스에 대해서도 그와 같은 유형의 데이터 클리닝을 실행할 수 있습니다. 가령 어떤 사람의 기록이 그녀가 두 사람의 어머니임을 보여 주는데, 그 두 사람의 기록에는 그들이 1 주일 차로 태어난 것으로 생일이 표시되어 있다고 생각해 보십시오.

  누군가가 『플레이걸 Playgirl』지의 기사를 쓰면서 '건장한 신체 조건에 상의를 벗은 젊은 남자들' 의 사진을 원한다고 가정해 봅시다. 후보 영상들 중 하나에는 '파블로 모레일즈 (Pablo Morales), 1988 년 올림픽 접영 우승자' 라는 설명이 달려 있습니다. 과연 어떤 방법으로 조회에서 그 사진 설명에까지 이르게 되는 것일까요? 여러분은 자신이 어떤 수영 경기에 와 있으며, 의도적으로 물에 들어가 있고, 아마도 수영복을 입고 있으며, 만일 현대의 서구식 수영복을 입고 있는 남성이라면 상의를 벗은 셈이 된다는 걸 알아야 합니다. 그리고 올림픽 선수들은 체격 조건이 우수합니다. 이것은 그다지 긴 추론 사슬이 아닙니다.

  하지만 시소러스 (thesaurus) [역주. 지식의 보고 또는 백과사전을 의미하는 어원을 가진 용어. 컴퓨터에서 정보의 저장이나 검색에 사용되는 용어의 집합을 지칭함.] 를 사용하여, 상의를 벗었다는 것에서 100 미터 접영으로 갈 수 있는 방법은 전혀 기대할 수 없습니다. 여러분은 그 지식을 가지고 있거나 혹은 가지고 있지 않습니다. 만일, 그 지식을 가지고 있다면 그것은 사소한 문제에 지나지 않습니다. 하지만 그 지식이 없다면 그건 불가능한 문제가 되지요.

플레이걸 사례에서의 추론 사슬

  레넛은  우리에게 '건장한 체격 조건의 상의를 벗은 젊은 남자들의 영상을 보여 달라' 는 조회를 '파블로 모레일즈, 1992 올림픽 남자 100 미터 접영 우승자' 라는 사진 설명이 달린 영상에 대응시키는 사이크의 행동에 대한 주석본을 보내 주었습니다.

  여기 그 전사의 필수적 단계들을 리스프 부호 없이 소개합니다.

1. X 가 경기 Y 에서 우승을 하였다면, X 는 경기 Y 에 참가한 것이라고 하는 기존의 공리가 있다. 사이크는 이것을 토대로 파블로 모레일즈가 그 경기에 참가했다는 결론을 내린다.

2. 또 하나의 공리는 올림픽의 모든 남자 경기는 남자 스포츠 시합의 예라는 것이다.

3. 다른 공리는 스포츠 시합의 참가자들은 젊고 운동선수다운 체격을 가진다는 것이다. 이것은 사이크의 거의 모든 공리들이 그렇듯이, 단지 디폴트 (default) 일 뿐이다. 이보다 훨씬 더 강력하지만 보다 특화된 또 하나의 공리는 이것이 특히 올림픽 경기에서만 사실인 것으로 알려져 있다는 것이다. 여기서 사이크는 파블로 모레일즈가 젊은 사람이며, 또한 그의 체격이 운동선수처럼 건장하다는 결론을 이끌어 낸다.

4. 또 다른 공리는 수영을 하는 남자들은 수영 팬츠를 입는다는 것이다. 사이크는 여기서 수영 경기 중엔 파블로 모레일즈가 수영 팬츠를 입고 있다는 결론을 내린다. 하지만 이것이 그가 상의를 입지 않고 있다는 것을 의미하는 것은 아니라는 데 유의해야 한다. 그 결론은 다음 단계에 아래와 같은 공리로부터 나온다.

5. 또 다른 공리는 만일 사이크가 어떤 사람이 X 를 입고 있다는 추론을 할 수 없을 경우, 그가 X 를 입고 있지 않은 것으로 가정한다는 것이다. (사이크는 여기서 매커시의 제한 개념을 사용한다.) 사이크는 이어 비디오 클립의 배경에서, 파블로는 젊은 사람이며, 남성이고, 신체적으로 우수한 조건을 가졌으며, 상의를 입지 않고 있다는 결론을 내린다.

  여러분은 과학 소설의 어떤 큰 부분이 알지 못하는 환상이라는 점을 인식해야 합니다. 그건 의도된 것은 아니지만 사실입니다. 또 다른 부분은 다양한 이유에서 비현실적입니다. 그리고 실제로 해 보면 유용한 일 가운데 하나는, 그것이 어떻게 그처럼 완벽하게 잘못된 것이 될 수 있는지를 생각해 보는 것입니다. 종종 이 문제는 내게 우리가 (AI 에서) 무언가를 다르게 실행할 수 있는 방법에 관해 생각하도록 만듭니다.

  예를 들어, 자연 언어의 이해가 기계 지능보다 훨씬 앞서 이루어지게 될 이야기들이 많이 존재합니다. 그 이야기들에서는 언제나 자연 명령들을 이해하는 것이 상식이나 지혜 같은 것을 가지는 것에 비해 훨씬 수월할 것입니다. 만일, 그것이 어떻게 해서 잘못된 것이 될 수 있는지를 생각한다면, 아마도 지혜나 상식이 자연 언어를 이해하는 데 반드시 필요하다고 말 할 것입니다. 그리고 그것이 사실임을 보여 주는 많은 실례들을 제시할 수 있습니다. 실제로 세계에 대해 엄청나게 많은 것을 알지 못하고는 사실상 어떤 문장의 단어들이 가지는 모호함을 제거하거나 이것을 저것으로 번역할 능력을 가질 수 없을 것입니다.

  지하 감옥과 용 (Dungens and Dragons) 같은 과학 소설의 역할 연기 시스템들은 많이 찾아 볼 수 있습니다. 그런 시스템들의 사용 설명서를 자세히 살펴보면, 상식에 대한 풍부한 식견을 얻을 수 있지요. 그들은 일상적인 것들에 대한 규칙을 만들어야 하기 때문입니다.

  난 아직도 파인먼의 강의들이 논픽션 저작물의 최고봉에 속한다고 생각합니다 우리는 놀라울 만큼 한결같이 잘 어울려 지냈지요. 그는 아주 불손하면서도, 대단한 유머 감각을 가졌고, 만일 사람들이 권력이나 위신 때문에 어떤 일을 하고 있다고 생각이 되면 일부러 그들의 코를 비틀어 버리는 사람이었습니다.

  내가 그를 알 게 된 건 1983 년 생각하는 기계에서였습니다. 우리는 계속 연락을 하면서 지냈지만 내가 실제로 그를 만난 것은 몇 차례 안 됩니다. 우리는 아주 멋진 기발한 내기를 하곤 했습니다. 한 예를 들면, 만일 어떤 사람이 오크 나무를 한 그루 기르고 있는데, 단지 수관을 조절하는 것만으로 그 나무를 오크 관목으로 바꿀 수 있을까 하는 식의 문제들이었지요. 그는 내가 연구 활동에서 실행하고 있는 일들을 정말로 마음에 들어했고, 나 역시 그가 하는 일들을 정말로 좋아했습니다.

  마빈과 내가 같은 일을 하는 것은 아니지만, 우리는 서로 상대방이 하고 있는 일에 매력을 느끼며, 각자 상대방이 우리가 서로에 대해 생각하는 것보다 더 옳은 것이 아닐까하고 다소 걱정을 합니다. 그것은 곧 우리가 하고 있는 일에 일부 잘못이 있다는 것을 의미하지요.

  지금까지는 사람들이 유한한 삶을 살아 왔습니다. 어떤 한 시대에 한 장소에 존재하면서 잠시 동안 살다가 죽는 것이지요. 하지만 그 현실은 변화하고 있습니다. 여러분이 사이버스페이스에서 자신의 대역을 하는, 즉 여러분이 하고자 하는 일에 관련된 온갖 종류의 행동을 대신하는 수많은 지능적 행위체들을 가지고 있다고 가정해 봅시다. 실제 여러분의 의식은 하나의 육체에 상주합니다. 만일, 통신 대역폭이 충분히 높아져, 어떤 순간에든 여러분의 주의를 옮겨 그 다른 존재 안에 거할 수 있다고 가정해 봅시다. 어떤 사람이 죽은 후에도 그 사람의 일부 행위체는 계속 살아 남게 됩니다. 프레드가 죽은 후에도 프레드의 일부가 남아 있게 되는 것이지요.

  이제 기계 학습 능력을 갖춘 최정상의 사이크를 제작할 시점이 임박하였습니다. 그것은 사람들만큼 끊임없이 창조적인 존재가 될 것입니다. 황무지에서 10 년간 이어져 온 나의 여행은 거의 막바지에 도달해 가고 있습니다. 난 내게 주어진 시간에서 상당한 몫을 기계 학습에 투자하기를 기대합니다. 바로 그것이 이처럼 10 년이라는 간격을 가졌던 이유입니다. 또 다른 10 년 가량의 세월이 지난 후 그것이 성공한다면, 난 일반적 지능 확대의 문제로 되돌아갈 것입니다. 누가 알겠습니까? 아마도 이 '지능 확대 장치' 로 무장한 물리학이나 수학에 나 자신을 다시 한 번 던져 넣게 될 것입니다. 결국 난 21 살 때 미루어 두었던 일을 65 살의 나이에 다시 시작하게 되겠지요.