[논문 리뷰] A Theory of Intelligences

Michael Hochberg|arXiv (Cornell University)|2023. 08. 23.

Emotional Intelligence and Performance인용 수 4

한 줄 요약

이 논문은 지능을 목표 달성 향한 불확실성 해소로 프레임화하는 최초 원리 기반의 지능 이론(TIS)을 제안한다. 이 이론은 지능을 길 효율성(해결)과 목표 정확도(이해)로 분할하여 설명한다. 이 이론은 측정 가능한 거시 척도 지표인 난이도, 놀라움, 목표 해결 정확도를 도입하며, 지능적인 경로가 목표를 달성하는 것 외에도 미래의 목표 공간 접근성을 확장한다는 예측을 한다. 이를 통해 예술, 정치와 같은 다비안적 행위를 설명한다.

ABSTRACT

Intelligence is a human construct to represent the ability to achieve goals. Given this wide berth, intelligence has been defined countless times, studied in a variety of ways and represented using numerous measures. Understanding intelligence ultimately requires theory and quantification, both of which have proved elusive. I develop a framework -- the Theory of Intelligences (TIS) -- that applies across all systems from physics, to biology, humans and AI. TIS likens intelligence to a calculus, differentiating, correlating and integrating information. Intelligence operates at many levels and scales and TIS distils these into a parsimonious macroscopic framework centered on solving, planning and their optimization to accomplish goals. Notably, intelligence can be expressed in informational units or in units relative to goal difficulty, the latter defined as complexity relative to system (individual or benchmarked) ability. I present general equations for intelligence and its components, and a simple expression for the evolution of intelligence traits. The measures developed here could serve to gauge different facets of intelligence for any step-wise transformation of information. I argue that proxies such as environment, technology, society and collectives are essential to a general theory of intelligence and to possible evolutionary transitions in intelligence, particularly in humans. I conclude with testable predictions of TIS and offer several speculations.

연구 동기 및 목표

• 생물, 인공지능, 물리계에 모두 적용 가능한 통합적이고 최초 원리 기반의 지능 이론을 개발하는 것.
• 지능에 대한 체계적이고 정량적인 프레임워크가 부족한 데 대비해 난이도, 놀라움, 목표 정확도와 같은 핵심 특징을 규명하는 것.
• 불확실성 감소(해결)와 목표 정확도(이해)로 지능을 분할함으로써 개념적 모호성을 해소하는 것.
• 경로 탐색과 미래 목표 공간 확장의 예측 능력을 통해 예술, 정치, 여가와 같은 다비안적 지능적 행동을 설명하는 것.
• 시간적 동역학, 환경적 영향, 진화적 궤적을 고려한 지능의 이론적 기반을 마련하는 것.

제안 방법

• 난이도, 놀라움, 목표 해결 정확도라는 세 가지 측정 가능한 시스템 특징을 기반으로 한 거시 척도 지능 프레임워크를 제안한다.
• 지능을 두 가지 구성요소로 분할한다: 불확실성 감소의 효율성(경로 지능)과 목표 달성 정확도(이해).
• 놀라움과 난이도에 대해 간결한 수학적 표현을 도입하여 지능 동역학의 이론적 모델링을 가능하게 한다.
• 과거 자료, 현재 대체자료, 환경, 미래 진화(진화적 적합도 및 노화 포함)를 포함한 시간적 공간을 활용하여 지능을 모델링한다.
• 개별 인지에서 AI, 설계되지 않은 물리·화학계에 이르기까지 다양한 시스템에 대해 목표 달성과 길 효율성의 비교 분 析를 통해 이론을 적용한다.
• 정보 이론, 최초 원리, 시스템 동역학에 기반한 개념적 프레임워크를 활용하여 지능을 능동적 목표 해결 과정으로 모델링한다.

실험 결과

연구 질문

• RQ1 지능의 거시적 패턴을 이해하기 위해 미시적 과정이 어느 정도 필수적인가?
• RQ2 지능의 주요 영향과 변동성을 설명하는 핵심 표현형 특성의 집합을 식별할 수 있는가?
• RQ3 목표 해결 경로를 따라 계층적 영향력, 엔트로피 변화, 정확도 변화에 일반적인 패턴이 존재하는가?
• RQ4 수명 주기 동안 및 인구 집단 간에 지능과 목표 복잡도가 어떻게 공진화하는가?
• RQ5 유동적 지능의 연령에 따른 감소가 연령에 따라 변화하는 선택 압력과 일치하는가, 그렇지 않다면 그 이유는 무엇인가?

주요 결과

• 이 이론은 지능을 두 가지 명확히 구분된 구성요소로 분할한다: 불확실성 감소(해결)와 목표 정확도(이해)이며, 후자는 향후 더 넓은 목표 공간 접근성을 가능하게 한다.
• 지능적인 경로는 목표를 달성하는 데 효율적인 것 외에도 새로운, 이전에는 접근 불가능했던 목표를 달성할 가능성을 높이는 탐색적 메커니즘으로 작용한다.
• 이 프레임워크는 경로 탐색이 미래 목표 잠재력을 확장한다는 점을 보여줌으로써, 예술, 정치, 여가와 같은 다비안적 지능적 행동을 설명한다.
• 이 이론은 지능 특성이 생식 적합성에 영향을 주며, 이는 조건부 배우기(assortative mating)를 겪으며, 특히 유동적 지능이 연령에 따라 감소한다는 점에서 진화 이론과 일치한다.
• TIS는 놀라움과 난이도에 대해 간결한 수학적 표현을 제공하여 생명체, 집단, AI를 포함한 다양한 시스템에서 지능의 이론적 모델링을 가능하게 한다.
• 이 이론은 반증 가능하다: 낮은 난이도와 낮은 놀라움 상황에서는 식별식 8에 정의된 바와 같이 활동적 지능이 불필요하다는 예측을 하며, 이는 경험적 기대와 일치한다.