d라이브러리

계산속도는 인간보다 빠르지만 인지능력은 떨어지는 컴퓨터. 인간의 신경회로를 모방하려는 뉴로컴퓨터는 일명 바이오컴퓨터라고도 불려진다. 차세대컴퓨터 개념으로 떠오르는 뉴로컴퓨터에 대해 이번호에는 등장배경, 다음호에는 연구현황과 전망을 2회에 걸쳐 싣는다.

점과 선으로 인간의 정보처리 모델을 구성하고자 하는 연결주의(connenctionism)와 그것의 일반 모델인 신경회로망(neural network)의 연구가 붐을 이루고 있다. 뉴로 컴퓨터란 이름 그대로 뉴론(신경세포)를 하드웨어로 실현한 컴퓨터를 말한다. 일명 바이오(bio) 컴퓨터라고도 일컬어진다.

정보과학의 태동

현대의 컴퓨터는 계산을 할 수도 있고 논리적인 사고를 하기도 하고 주어진 문제를 분석하여 문제에 맞는 해답을 내기도 한다. 왜냐하면 오늘날의 컴퓨터는 인간의 정보처리 양식을 모델화한 기계이기 때문이다.

여기서 잠시 컴퓨터의 역사를 거슬러 올라가 살펴보자. 인간을 닮은 계산기를 만들고자 하는 인류의 꿈은 파스칼을 위시한 천재들에 의해 시도돼왔다. 유명한 사상가요, 수학자인 라이프니츠는 홉스라든가 데카르트의 영향을 받아 인간의 정보가 갖는 의미, 곧 인간의 사고개념을 보편적인 기호로 표현하는 언어와 그리고 그 개념간의 계산을 행하는 추론법을 구성하여 그것을 기계에 의해 실현하는 기호 처리기계를 만들고자 시도했다. 그러나 그 당시는 기술적 수단이 성숙하지 않은 시대여서 그 뜻을 이루지 못했다.

20세기에 이르러 1936년 영국의 수학자 투링은 인간의 정보처리를 수학적으로 정의하여 '계산가능성의 이론'을 제시했다. 그 이론의 골격은 인간이 문제의 해법을 이미 알고있는 영역의 문제라면, 곧 컴퓨터 과학의 알고리즘(algorithm)이 존재하는 문제라면 투링머신(turing machine)이라는 단순한 기계에 문제를 푸는 일정한 수순을 부여함에 따라 원하는 문제풀이가 가능함을 수학적으로 증명했다.

(그림1)는 투링 머신과 인간의 계산과정을 나타낸다. 이 투링머신은 추상적인 기계에 불과했으나 1946년 투링머신과 원리를 같이하는 최초의 컴퓨터 에니악(ENIAC)이 태어나게 되었다. 그후 트랜지스터집적회로(IC) 초집적회로(VLSI)등 전자분야의 혁신적인 발전에 힘입어 오늘날의 컴퓨터로 발전 성장하게 되었다.
 

한편 1943년 미국의 생리학자 맥컬록과 피츠는 인간의 신경세포인 뉴론의 동작을 나타내는 (그림2)와 같은 모델을 제시했다.
(그림2)에서 한 개의 뉴론에는 입력신호가 다수 들어온다. 이 입력신호를 가산하여 계산한 결과로서 뉴론이 흥분하는가 하지 않는가로 출력값을 나타낸다. 또 그들은 이와 같은 신경세포의 모델을 이용하여 논리연산의 기본인 AND소자, OR소자, NOT소자를 만들 수 있음을 제시했다.
 

논리연산은 이 세 소자의 조합으로 모두 실행할 수 있으므로 투링머신에 의해서 계산 가능한 함수라면 반드시 뉴론을 많이 이은 신경회로망으로 계산할 수 있게된다. 그래서 뇌는 만능투링 머신(현대의 컴퓨터)과 같은 능력이 있는것으로 간주됐다.

1940년대는 정보과학(information science)이 성립한 시기다. 위너의 사이버네틱스(cybernetics), 샤논의 정보이론(information theory), 인공지능, 뇌의모델 등 모두 이 시기에 그 기원을 두고있다. 이 시기야말로 컴퓨터에 대한 인간의 기대가 가장 컸던 시기였다. 이 시기에는 인간의 뇌와 컴퓨터를 동일선상에 놓고 연구하려는 태도는 극히 자연스러웠다. 왜냐하면 뇌와 컴퓨터는 그 어느쪽도 지적인 동작을 실행하는 장치이므로 무언가 공통의 논리를 가지고 있음에 틀림없다고 생각했기 때문이다. 둘을 함께 연구해가면 새로운 지능과학이 성립하지 않겠는가 하는 기대가 당연시 됐던 것이다. 그러나 역사는 기대하는대로 진행되지 않았다.

맥컬록과 피츠의 뉴론에 대한 형식논리는 그후 오토마타의 이론, 형식언어이론과 연결되어 발전되고 오늘날의 컴퓨터의 기초이론이 되었으나, 뇌의 이론과는 오히려 멀어져 버렸다.

슈퍼컴과 인간은 누가 빠른가

살아있는 인간의 정보처리, 특히 뇌에 관해서 현재 얼마만큼 알려져 있을까. 뇌는 20세기 과학에서 남아있는 최대의 수수께끼임에 틀림없다. 거의 신비에 싸여 있다고 해도 과언이 아니다. 물론 20세기 중반에 접어들어 뇌의 요소인 뉴론의 동작에 관한 실증적 연구라든가, 큰 뇌의 오른쪽, 왼쪽의 정보처리 특징과 역할의 차이등은 부분적으로 그 신비의 베일이 벗겨지고 있다. 그러나 뇌는 정보처리를 하는 장치이고 뉴론은 그것의 기초적 요소에 지나지 않는다.

예를 들어 컴퓨터에 침을 꽂아 어떤 전기적 특성이 흐르고 있는가 조사해도 컴퓨터 속에 어떤 정보처리가 행해지고 있다는 것을 알지 못하듯이, 뇌의 연구가 뉴론 동작의 규명에만 국한되는 것은 아니다. 각각의 뉴론이 모여 전체적으로 어떤 정보처리를 행하는지에 대한 정보과학적 시스템론적인 고찰이 필요하다.

뇌의 정보처리를 가상적으로(그림3)과 같이 그릴 수 있다.
 

우선 감각기관으로부터 들어오는 정보는 그 특징이 분해 분석되어 그것을 통합하는 분석인지계로 들어온다. 이렇게 분석 입력된 정보와 기억은 통합되어, 신경망의 흥분패턴의 역학(dynamics)을 통해 병렬의 정보처리가 행해지고, 이에따라 행동이 결정된다. 사고계의 결정은 감성운동계의 제어계를 통하여 실제로 인간의 운동형태로 외부에 나타나게 된다.

그러나 유감스럽게도 사고계 및 기억계에 관해서는 아직 실증적인 연구가 거의 이루어지지 않고 있다. 연구가 어려운 이유의 하나는 인간의 언어때문이다. 인간은 기억이든 생각이든 언어를 써서 기호화하고 있으며 그 기호가 신경망에서 흥분패턴과 일체가 되는 정보처리를 하고 있다.

현재 뇌의 연구는 대부분 원숭이의 뇌를 이용하고 있다. 원숭이의 뇌에 전극을 꽂아 여러 동작을 시켜, 그 때 어느 뉴론 어느 신경망이 흥분했는가를 조사하는 방법을 취하고 있다. 사고가 패턴이 되어 진행하는 경우에는 몇개의 뉴론의 동작만으로는 전체 정보처리에 관한 전모를 알 수가 없게 된다. 이것이 사고계의 실증적 연구에 커다란 걸림돌이 되고 있다.

한편 컴퓨터는 어떠한가. 인간은 컴퓨터의 내부 정보처리 형식에 대해서 속속들이 알고 있다. 왜냐하면 말할 나위없이 컴퓨터는 인간이 만든 기계이기 때문이다.

(그림4)와 같은 구성이 오늘날의 컴퓨터 시스템의 기본이다. 컴퓨터는 데이터와 프로그램을 읽어들인 중앙처리장치(CPU)가 프로그램을 하나씩 순서에 따라 실행하며 프로그램이 요구하는 연산과 데이터를 기억장치(메모리)에서 불러내고, 써 넣기도 하고, 입출력을 행하는 등 모든 동작이 CPU가 개입하여 하나하나 정해가는 처리형식을 취한다. 하나하나씩 순서에 따라 처리해 가는 과정이므로 오늘날의 컴퓨터는 직렬처리를 한다고 말한다.

그러나 이러한 컴퓨터가 단순한 처리밖에 하지 않는다고 생각하면 오산이다. 계산을 하고 추론을 하며 학습도 한다. 인간과 컴퓨터의 차이를 극단적으로 표현하면 세계에서 가장 빠른 크레이 슈퍼컴퓨터가 갖는 계산속도를 유지하려면 인간 1백만명이 필요하고, 인간과 같은 정보처리능력을 대행하기 위해서는 1백만대의 슈퍼컴퓨터의 능력이 필요하다고 말할 정도이다.
 

컴퓨터의 약점

그럼 여기서 간단한 실험을 통하여 인간의 뇌와 컴퓨터 처리의 차이를 경험해 보기로 하자, 우선 (그림5)를 보아주기 바란다. 그리고 (그림3)의 뇌의 정보처리모델을 상상해주기 바란다.

(그림5)는 640 * 400화점(pixel)을 가진 디스플레이에 난수(random number)를 써서 1점을 도려내 그 점을, 스크린의 중심을 원점으로 하여 다섯번 시계바늘의 반대방향으로 이동시키는 조작을 8백번 되풀이 한 결과, 스크린상에 남은 1천6백점을 찍은 것이다. 우리는 화점 패턴에서 동심원의 존재를 손쉽게 지각할 수 있다.
 

인간의 시각처리가 만일 직렬적으로 정보처리를 행하고 있다면 한점 한점씩 점의 연결형태를 조사하여 전체적인 형태를 파악할 것이요, 만일 병렬적으로 정보처리를 행한다면 점 전체를 동시에 한꺼번에 처리하여 순간적으로 점이 이루는 형태를 포착하고 말 것이다. 당연히 위의 그림에서 여러분이 직접 경험할 수 있듯이 시각처리는 병렬처리를 행하고 있다. 그러나 점이 이루는 형태를 종이위에 그리라고 했을 때, 여러분의 뇌에서 행하는 정보처리는 직렬처리로 바뀌어 순서에 따라 그려나갈 것이다. 오늘날의 컴퓨터에 여러분이 행한 시각처리를 대행시켰을 때에는 직렬적으로 점 하나 하나를 더듬어 가며 처리해가는 형태를 취하게 된다. 또 동심원의 존재를 이해하는 고도의 처리 과정도 필요하다. 따라서 복잡한 화상처리의 경우, 많은 계산시간을 요하게 된다. 이것이 오늘날 컴퓨터의 약점으로 지적되는 것이다.

이와 같이 정보처리를 단순히 분류했을 때, 한 단계 한 단계씩 밟아가는 형태의 직렬형과 일제히 정보를 통합하여 처리해가는 병렬형이 있다. 컴퓨터는 직렬의 정보처리이고 인간은 병렬의 정보처리를 행한다고 했으나 인간은 양쪽의 정보처리의 방식을 취하고 있다고 보아야 옳다. 그 이유는 아주 미세한 측면에서 보면 뇌의 뉴론이 일제히 상호작용을 일으키는 것만은 사실이나 우리 인간은 알고리즘을 정할 수도 있으며, 알고리즘에 따라 정보처리를 하기도 한다.

따라서 인간의 뇌속에서 행해지는 정보처리는 직렬형과 병렬형이 동시에 존재한다고 봄이 옳다. 다만 두가지의 처리형태가 서로 다른 계층을 이루고 있는가 아니면 동시 병행적으로 상호작용하는가는 현재의 뇌에 관한 지식으로는 알 수 없는 일이다.
그러나 비행기가 새와 같이 날지 않듯이 새로운 컴퓨터가 인간과 꼭같을 필요는 없다.

인공지능의 갈림길

역사적으로 인공지능의 연구는 두 갈래의 흐름이 있었다. 그 하나는 인간의 사고의 본질은 기호조작이라는 가설에 기초한 것이요, 다른 하나는 '기호처리가 아닌 패턴처리가 인간의 사고의 본질이다'라는 가설에 따른 연구다. 전자는 정보처리 알고리즘화하여 그것을 프로그램화 한 후 현재의 컴퓨터위에 인간의 사고형식을 표현하고자 하는 연구방법이요, 후자는 외부의 입력자극에 따라 신경세포가 자율적으로 학습을 하여 인간의 지적 정보처리가 행해진다는 원리적으로 패턴조작에 가까운 인공지능연구의 방법론이다.

패턴조작에 가까운 인공지능의 연구로는 1960년 전후에 심리학자 로젠 블라트가 제시한 퍼셉트론(perceptron)이 있다(그림6).퍼셉트론은 학습하는 기계로서 이 기계의 배경에는 인간은 자율적인 학습에 의해 여러가지 기능을 습득하고 이용하므로, 기계라 할지라도 문제와 정답만 주어진다면 그 패턴을 학습함에 따라 점점 영리해져 문제의 해결능력을 갖게 된다는, 학습능력을 갖는 패턴인식모델이다. 이것은 다음 회에 설명할 신경회로망을 닮은 장치로서, 뇌의 인식기구의 기본적인 모델로 제시되었다. 가장 단순한 퍼셉트론은 외부에서 두 종류의 신호가 주어졌을때 그것을 바르게 식별하는 것이 목적이다.

예를 들어 패턴인식장치에 남자와 여자의 형태가 주어졌을때 어떻게 남자와 여자를 구별하는가를 생각해 보자. 기호조작에 의한 방법은 우선 두 종류의 형태에서 가장 상이한 점을 찾아내는 작업부터 시작하게 된다. 곧 남자란 무엇인가, 여자란 무엇인가를 명확히 하는 과정의 작업이다. 남자란 머리가 짧고, 수염이 있고, 여자는 화장기가 있는 얼굴이며, 피부가 보드랍고 하는 등등의 미묘한 차이까지를 정의할 필요가 있다. 그리하여 주어진 문제의 형태가 정의된 특징과 비슷한가, 어떤가를 기호간의 비교로 결정해 나가는 순서가 필요하다.

한편 퍼셉트론형에 의한 구별방식은 그것과는 전혀 다르다. 형태의 본질 등에 관해서는 일체 언급하지 않고 남자란 무엇인가, 여자란 무엇인가하는 정의작업도 필요없다. 그 대신에 실제의 예를 들어 '이것은 남자다 또는 여자다'라고 가리켜 나가되 많은 실례를 통해 배운대로 맞추어 내는 계산장치를 가지고 있다.

그 장치의 구체적인 내용에 대해서는 지면의 제약상 설명할 수 없으나 그와 같은 식별방법은 인간이 학습하는 것과 유사하다고 볼 수 있다. 남자의 본질, 여자의 본질에 대한 사전지식 없이 인간은 실례로 배워가는 것으로 보는 것은 타당하다. 이와 같은 장치는 인간의 시각처리 뇌의 기능과 유사한 점을 가지고 있다.

로젠 블라트는 이 모델에 따라 시스템을 실제로 작성하여 그 시스템으로 몇개의 간단한 모형을 인식, 학습하는 실험을 통해서 그 능력을 제시했다. 그 결과 당시의 인공지능 연구자 사이에 퍼셉트론은 일대 붐이 일어 여러가지 관련 연구가 행해졌다.

그 붐에 위기의식을 느낀 연구자가 있었다. 인공지능의 대부격인 민스키와 파퍼트다. 그들은 그 시점에서 퍼셉트론은 인간의 지능을 연구하는 방법론으로서 적당하지 않다고 생각하고, 퍼셉트론의 한계를 수학적으로 증명하고자 했다. 그들의 노력은 성공하여 그 이후 인공지능에 있어서의 퍼셉트론의 열기는 급격히 식어버리고 말았다. 그 때의 사정에 관해 당사자인 민스키는 당시 인공지능연구에 우수한 재능을 가진 연구자들을 퍼셉트론으로부터 격리시키는 것이 자신의 의무라고 느꼈다고 한다.

그러나 민스키는 지금에 와서는 신경회로망이론의 기수가 되어 있다. 역사는 돌고 돈다는 말이 컴퓨터 연구에 있어서도 통한다. 민스키는 최근의 그의 저서에서 퍼셉트론으로 대표되는 연결주의에 호감을 가졌었다고 술회했다. 단지 부정하고 싶었던 것은 '퍼셉트론이 만능이다'라고 하는 환상을 깨우쳐주기 위함이었다고 한다. 민스키의 그와 같은 발언은 그의 이론과 밀접한 관계가 있으나 그 설명은 생략한다.

위와 같은 배경에서 오늘날까지 인공지능의 연구는 기호조작에 따른 방법론이 주류를 이루어 각 영역에서 부분적인 성공을 거두게 된다.
 

신경회로망의 등장

인공지능연구는 컴퓨터과학이 봉착해있는 모든 한계를 일거에 해소시킬 수 있는 것인가. 80년대 화려하게 각광받았던 인공지능분야는 많은 투자에도 불구하고 아직 뚜렷한 성과물이 없다는 지적을 받고있다. 많은 과학자들은 인공지능 역시 과학적으로 풀 수 없는 허다한 한계에 직면해 있다고 말한다.

우선 지식공학이라 불리는 분야의 예를 들어 기호조작에 의한 인공지능의 문제점에 대해서 설명해 보자. 지식공학이란 인공지능연구에 의해 개발된 기호조작의기수을 기초로 하여 특정영역의 지식을 표현하고 그 지식을 이용하여 추론 함으로써 어떤 주어진 문제를 푸는 시스템을 만드는 것이 그 목적이다.

뛰어난 의사가 가진 지식을 컴퓨터에 기억시켜 그 전문의를 대신하는 전문가시스템(expert system)를 만든다고 가정해 보자, 이 때 필요한 작업은 그 전문가가 가지고 있는 전문지식을 지식베이스화하는 일이다. 물론 그 지식베이는 기호로 조직화되고 컴퓨터처리 가능한 데이터 모델로 기술된다. 그러나 전문가라 하면 전문지식을 가지고 있을 뿐만 아니라 오랜 직관적 경험에 의해서 진단하고 치료법을 지정하기 마련이다.

같은 병이라 할지라도 환자에 따라서는 그 증세가 표준적인 것과 다를 수도 있고 같은 증세라 할지라도 병은 다를 수가 있어, 상식적인 전문지식 이외에도 오랜 경험을 통한 직감에 의해 진단하여 정확한 치료법으로 환자의 생명을 구하는 수가 많다.그와 같은 전문가의 직관을 지혜라 한다면, 의사로서 갖춘 전문지식은 논리적인 설명이 가능하나 지혜는 논리적 설명이 불가능하다. 논리적인 추론의 셜명은 직렬기호처리에 의해 이론화가 가능하다. 논리적 설명이 불가능한 것은 수 많은 선택, 설명 공간이 존재하므로 병렬처리에 의한 추론이 필요하다. 이와 같이 병렬처리가 요구되는 곳에 현재의 컴퓨터 처리와는 다른 기술이 필요하다.

인간을 닮은 컴퓨터를 만들기 위해서는 인간에 의한 인간의 연구가 필요하다. 인간의 지적 행위, 혹은 지각기능을 컴퓨터처리하기 위해서는 그 처리과정이 규명에 따라 처리알고리즘을 발견하여, 그것을 처리하는 컴퓨터를 발명해야 한다. 그러나 현재 암중모색중에 있는 인간의 지식과 지각처리 과정의 알고리즘화 혹은 그것의 발견은 기대는 할 수 있지만 장담하기 어려운 일이다.

이와 같은 점들이 현재의 인공지능연구의 기술적 한계다. 다행히 남아있는 선택의 길이 있다. 알고리즘 정의에 따른 기호조작이 아닌 알고리즘의 개입이 없는 패턴조작의 방법이다. 이것이 구체적 개념과 기술로 전개되어 미래의 컴퓨터 개념으로 각광을 받고 있는 신경회로망(뉴로 컴퓨터 혹은 바이오 컴퓨터)이란 새로운 계산모델의 등장배경이다.