[논문 리뷰] Types of Cognition and its Implications for future High-Level Cognitive Machines

Camilo Miguel Signorelli|arXiv (Cornell University)|2017. 06. 05.

Neural dynamics and brain function참고 문헌 40인용 수 3

한 줄 요약

이 논문은 고수준 인지 과정과 생물학적 신경 시스템 간의 관계를 탐구하며, 향후 인공지능 인지 기계를 설계할 때 발생하는 역설을 규명한다—특히 인간 수준의 인지 능력을 달성하려는 노력과 기계적 정확성 유지를 유지하는 것 사이의 갈등을 중심으로 한다. 논문은 고도로 발달된 인지 인공지능을 구현하기 위해 결정론적 정밀도를 희생해야 할 수 있으며, 이는 전통적인 기계 설계 원칙에 도전하는 바이다.

ABSTRACT

This work summarizes part of current knowledge on High-level Cognitive process and its relation with biological hardware. Thus, it is possible to identify some paradoxes which could impact the development of future technologies and artificial intelligence: we may make a High-level Cognitive Machine, sacrificing the principal attribute of a machine, its accuracy.

연구 동기 및 목표

• 자연지능에서 고수준 인지와 생물학적 신경 기반 구조 간의 상호작용을 분석하기 위해.
• 인간 수준의 인지 기능을 모방하는 인공지능 인지 기계 설계 시 근본적인 역설을 규명하기 위해.
• 이러한 역설이 향후 AI 시스템, 특히 신뢰성과 정확성 측면에서 미치는 영향을 탐색하기 위해.
• 기계의 정확성이 고도로 발달된 인지 기능을 위한 필수 조건이라는 가정을 도전하기 위해.
• 인지 복잡성에 대응하기 위해 인공지능의 핵심 설계 원칙을 재고할 것을 제안하기 위해.

제안 방법

• 생물학적 시스템에서의 고수준 인지 과정과 그 신경 기반 원리를 다루는 기존 지식을 통합하기 위해.
• 생물학적 인지와 인공지능 아키텍처 간의 구조적 및 기능적 유사성 분석하기 위해.
• 유연하고 적응 가능한 인지 기능을 목적으로 한 시스템에 기계적 정밀도를 적용할 때 발생하는 개념적 모순을 규명하기 위해.
• 신경과학과 AI의 통찰을 활용해 인지의 탄력성과 계산 정확성 간의 상충 관계를 프레임화하기 위해.
• 현재 지능 과학 분야의 연구를 배경으로 하기 위해 AAAI 봄 심포지엄 시리즈를 참조하기 위해.
• 생물학적 인지가 엄격한 결정론 없이도 고수준 기능을 달성하는 방식을 평가하기 위해 비교 프레임워크를 적용하기 위해.

실험 결과

연구 질문

• RQ1 생물학적 시스템에서의 고수준 인지 과정은 기존 기계 계산 방식과 어떻게 다를까?
• RQ2 인간 수준의 인지 기능을 모방하려는 인공지능 인지 기계 설계 시 어떤 역설이 발생하는가?
• RQ3 인지의 탄력성과 적응 능력을 위해 얼마나 많은 기계적 정확도를 희생시킬 수 있는가?
• RQ4 생물학적 인지의 본질적 불확실성이 인공지능 시스템 설계에 어떤 영향을 미치는가?
• RQ5 향후 AI 시스템은 어떻게 안정성과 창의적·맥락 민감한 추론 능력의 조화를 이룰 수 있는가?

주요 결과

• 논문은 핵심 역설을 규명한다: 고수준 인지 기능을 달성하기 위해 정밀도의 결여를 수용해야 하며, 이는 기계 정확성의 기본 원칙과 정면으로 배치된다.
• 생물학적 인지는 본질적으로 불확실성과 근사치를 내포하고 있음에도 불구하고, 강건하고 적응 가능한 행동을 달성한다—정확성이 지능에 필수적이라는 가정에 도전한다.
• 인간 수준의 인지 기능을 추구하는 인공지능 시스템은 예측 가능성의 손실을 감수하면서도 확률적이고 비결정론적 아키텍처를 채택해야 할 수 있다.
• AI에 인지의 탄력성을 통합하려면 기계 행동의 '정확성' 개념을 재정의해야 할 수 있다.
• 정밀도와 결정론을 우선시하는 현재의 AI 설계 패러다임은 진정으로 고수준 인지 기능이 나타나는 데 있어 근본적으로 부적합할 수 있다.
• 본 연구는 향후 인지 기계가 인간 수준의 추론을 달성하기 위해 '통제된 오류'를 결함이 아니라 기능으로 수용해야 할 것임을 제안한다.