[논문 리뷰] Artificial and Biological Intelligence

Subhash Kak|ArXiv.org|2006. 01. 13.

Behavioral and Psychological Studies참고 문헌 6인용 수 4

한 줄 요약

이 논문은 인공지능 시스템이 고전적 논리에 의존하고 반복적 자기조직화 기능이 부족하기 때문에 생물학적 지능에 비해 근본적으로 한계가 있다고 주장한다. 진정한 지능은 양자역학 원리가 필요할 수 있다고 제안한다. 저자는 생물학적 시스템이 내재된 자기조직화 과정과 잠재적인 양자 효과를 통해 지능을 달성한다고 주장하며, 이러한 특성은 현재의 기계들이 재현할 수 없다고 한다.

ABSTRACT

This article considers evidence from physical and biological sciences to show machines are deficient compared to biological systems at incorporating intelligence. Machines fall short on two counts: firstly, unlike brains, machines do not self-organize in a recursive manner; secondly, machines are based on classical logic, whereas Nature's intelligence may depend on quantum mechanics.

연구 동기 및 목표

• 물리적 및 생물학적 증거를 바탕으로 인공지능과 생물학적 지능의 근본적 차이를 분석하기 위해.
• 생물학적 뇌에 비해 현재의 AI 시스템이 겪는 핵심적 결함을 규명하기 위해.
• 반복적 자기조직화와 양자역학이 진정한 지능을 위해 필수적임을 주장하기 위해.
• 고전적 논리와 결정론적 계산이 인간 수준의 지능을 충분히 제공한다는 전제를 도전하기 위해.
• 생물학적 지능가 내재된 비고전적 과정에서 기인하며, 기존 기계에서는 재현할 수 없다는 가설을 제시하기 위해.

제안 방법

• 생물학적 뇌의 구조적 및 기능적 특성을 분석하여 반복적 자기조직화 능력을 강조한다.
• 기계 지능과 생물학적 시스템을 대조하며, 인공 시스템에서 내재된 자기조직화의 부재를 집중적으로 분석한다.
• 물리학과 생물학의 증거를 검토하여 양자역학이 자연지능의 기초가 될 수 있음을 제시한다.
• 고전적 논리가 생물학적 시스템에서 관찰되는 인지 과정을 모델링하는 데 한계가 있음을 분석한다.
• 생물학적 수준의 지능을 달성하기 위해 계산 모델에 양자 원리를 통합하는 것이 필요하다고 제안한다.
• 신경과학, 물리학, 컴퓨터 과학의 다학제적 융합을 바탕으로 이론적 추론을 수행하여 주장을 뒷받침한다.

실험 결과

연구 질문

• RQ1 왜 인공지능 시스템은 생물학적 뇌에서 관찰되는 적응성과 자기조직화 수준에 도달하지 못하는가?
• RQ2 고전적 논리는 인간 수준의 인공지능 개발을 어느 정도 제한하는가?
• RQ3 양자역학은 현재의 AI 시스템에 존재하지 않는 측면에서 생물학적 지능의 기초 메커니즘이 될 수 있는가?
• RQ4 자기조직화 생물학적 시스템과 공학적으로 설계된 인공 시스템 간의 구조적 및 과정적 차이는 무엇인가?
• RQ5 반복적 자기조직화는 진정한 지능을 위해 필수적인 조건인가? 그리고 왜 현재의 AI 아키텍처에서는 이를 찾을 수 없는가?

주요 결과

• 기계는 반복적 자기조직화 능력을 갖추지 못해 생물학적 지능의 핵심적 특징을 갖지 못한다.
• 인공 시스템은 고전적 논리에 기반하여, 자연지능의 복잡성을 모델링하는 데 부적절할 수 있다.
• 생물학적 시스템은 현재의 AI 아키텍처에 존재하지 않는 자기조직화 성질을 보인다.
• 물리학과 생물학의 증거에서 양자역학이 자연지능의 기초 역할을 할 수 있다는 설득력 있는 증거가 있다.
• 내재된 자기조직화와 양자 기반 원리의 부재는 인공 시스템이 생물학적 지능을 따라잡을 잠재력을 제한한다.
• 진정한 지능은 고전적 계산을 초월한 메커니즘이 필요할 수 있으며, 가능성을 양자 수준의 과정을 포함한다.