인공지능이 연산 외의 작업을 못하는 이유는?

인공지능이 연산 외의 작업을 못하는 이유는?

인공지능, 특히 현대의 딥러닝 모델 같은 경우, 본질적으로는 연산 수행을 기반으로 하는 시스템이다. 인공신경망의 각 노드와 연결은 수학적 함수와 연산으로 표현되며, 이러한 연산의 결과는 최종적으로 예측이나 분류 등의 작업을 수행한다. 연산에는 덧셈, 뺄셈, 곱셈, 나눗셈을 하는 사칙연산과 예/아니오를 판단하는 논리연산 두 가지가 있다. 인공지능이 연산 외의 작업을 하지 못하는 이유는 다음과 같은 것들이 있다.

1. 정의된 범위: 인공지능은 주어진 데이터와 알고리즘에 기반으로 해서 작동한다. 즉 지금의 인공지능은 특정한 작업에만 특화되어 있다. 이 범위 외의 작업이나 탐색은 아예 할 수 없다. 예를 들어, 특정 이미지 분류 작업을 위해 훈련된 모델은 그 범위의 이미지를 분류하는 데는 탁월할 수 있지만, 텍스트 분석이나 음성 인식과 같은 다른 작업에는 사용될 수 없다. 

우리가 목적지에 가는 길을 모를 때 내비게이션을 사용하는데, 이것은 자동차에 특화된 것이다. 이것은 비행기나 선박에 적용할 수는 없다. 내비게이션이 거리와 시간을 측정해서 목적지에 가는 시간을 알려주는 것은 자동차, 선박, 비행기 모두에 적용할 수 있지만 경로를 알려주는 것은 이와는 다른 것이다.

2. 자율성의 부족: 현재의 인공지능 시스템은 자발적인 행동이나 의도를 가지고 있지 않다. 모든 작업은 사람에 의해 명시된 명령과 데이터에 따라 수행된다. 우리가 흔히 아는 자율주행자도 어떻게 보면 자동차 스스로 움직이는 것이 아니다. 인간이 시동을 걸어줘야 하고, 목적지를 입력해야 한다. 목적지 입력은 문자로 입력하는 것과 음성으로 입력하는 것이 있다. 즉, 자율주행차도 시동이 켜져 있고, 목적지가 입력되어 있는 경우에만 움직이지, 자동차 주인을 판단해서 문을 열고, 시동을 걸 수는 없다. 이런 것을 넘어 진정한 자율주행차가 되기 위해서는 연산하는 것 이외의 기능이 있어야 한다.

 

반응형

3. 일반화의 한계: 딥러닝 모델, 특히 넓게 사용되는 CNN, RNN, Transformer와 같은 모델들은 특정 작업에 특화되어 있을 수 있다. 이는 해당 모델이 다양한 작업에 적용될 수 있게 일반화되지 않았다는 것을 의미한다.

4. 물리적 한계: 인공지능은 물리적 세계에 직접적인 영향을 미칠 수 없다. 예를 들어, 물리적 물체를 잡거나 움직이는 것은 로봇과 같은 기계장치가 필요하며, 그 로봇 역시 프로그램이나 명령에 따라 작동한다.

결국, 인공지능은 복잡한 연산을 수행할 수 있지만, 그 연산은 주어진 입력 데이터와 알고리즘에 국한된 결과를 생성합니다. 인공지능이 "생각"하거나 "느끼는" 방식으로 독립적으로 행동하는 것은 아니다. 인공지능이 인간처럼 기존의 것을 재해석해서 새로운 것을 만드는 이른바 창의성의 없는 것도 바로 이런 이유에서 이다. 이런 부분은 연산하는 것이 아니라 연산 이외의 것, 대표적으로 발상의 전환을 하는 기능이 있어야 한다. 바로 이런 부분이 지금의 인공지능이 가지는 한계라고 할 수 있다.