1950년 컴퓨터의 아버지라 불린 앨런 튜링은 "기계가 생각할 수 있는가?"라는 질문으로 시작해, 오늘날 '튜링 테스트'로 불리는 컴퓨터 지능 평가의 기준을 제시한 AI 개론 논문을 리뷰해보려 합니다.
1. The Imitation Game (모방 게임)
튜링은 "기계가 생각할 수 있는가?"라는 질문 대신 ‘모방 게임(Imitation Game)’이라는 실험적 접근을 제안합니다.
- 게임 구성: 남성(A), 여성(B), 심문자(C)
- 목표: 심문자가 A와 B 중 누가 여성인지 구분
- 변형: A의 역할을 기계가 수행할 경우, 인간과 기계가 구별되지 않는 수준이라면 “기계는 생각한다”고 말할 수 있다는 논지
2. Critique of the New Problem (새로운 문제에 대한 비판 검토)
- 기계의 물리적 한계를 무시하고, 오직 언어적 소통을 통해 지적 능력을 검증
- 체스, 산술, 시 쓰기 등을 예로 들어 기계가 인간처럼 지능적 행동을 모방할 수 있음을 강조
| 질문 예시 | 기계의 답변 | 인간다운가? |
|---|---|---|
| 소네트를 써보세요 | "난 시를 잘 못써요." | ✔ |
| 34957 + 70764 | "105621" | ✔ |
| 체스 수 계산 | "R-R8 mate" | ✔ |
3. The Machines Concerned in the Game (게임에 참여할 기계의 정의)
- "기계"의 정의를 디지털 컴퓨터(digital computer)로 제한
- 인간처럼 태어난 존재는 제외
- 중요 포인트: 상상 가능한 디지털 컴퓨터 중 모방 게임을 성공적으로 수행할 수 있는 것이 존재할 수 있다면 논의 가치 충분
4. Digital Computers (디지털 컴퓨터의 작동 방식)
- 3요소 구성
- Store (기억장치)
- Executive Unit (연산장치)
- Control (제어장치)
- 프로그래밍이란: 명령 테이블을 생성하여 실행하는 작업
5. Universality of Digital Computers (디지털 컴퓨터의 보편성)
- 디지털 컴퓨터는 모든 이산 상태 기계(discrete-state machines)를 모방할 수 있다
→ 보편 기계(universal machine) - 따라서, 하나의 디지털 컴퓨터(C)가 적절히 프로그래밍되면 모방 게임을 훌륭히 수행할 수 있다
| 용어 | 설명 |
|---|---|
| 이산 상태 기계 | 유한한 상태 간 전이로 동작하는 기계 |
| 보편성 | 다른 어떤 이산 상태 기계도 모방 가능 |
| 저장 용량(Storage Capacity) | 가능한 상태 수의 로그 값 (ex. 10⁵⁰⁰⁰⁰ 등) |
6. 반론에 대한 튜링의 응답 9가지
- 반론에 대한 튜링의 반박
| 번호 | 반론 요지 | 튜링의 반박 요약 |
|---|---|---|
| 1 | 신학적 반론 | 신이 기계에 영혼을 줄 수 없는 것은 아니다 |
| 2 | 모래에 머리 박기 반론 | 불편하다고 해서 논의를 회피해선 안 됨 |
| 3 | 수학적 반론 (괴델 정리 등) | 인간도 오류를 범하며, 기계도 개선 가능 |
| 4 | 의식 반론 | 의식을 직접 느끼지 않고도 테스트 가능 |
| 5 | 기계의 무능력 | 대부분 저장 용량 부족에서 기인 |
| 6 | 러브레이스 반론 | 기계도 창의적 행위를 할 수 있다 |
| 7 | 신경계 연속성 | 기계도 유사 결과를 낼 수 있음 |
| 8 | 비형식적 행동 | 행동 법칙은 관찰을 통해 규명 가능 |
| 9 | 초감각적 지각 (ESP) | 있다면 방해요소 차단 장치로 보완 가능 |
7. Learning Machines (학습 기계의 가능성)
- 인간의 ‘성인 두뇌’를 직접 구현하기보다, ‘아동 두뇌’를 학습시키는 방식을 제안
- 진화적 비유
- 아동 기계의 구조 = 유전자
- 변화 = 돌연변이
- 실험자의 판단 = 자연 선택
- 보상/처벌 기반 학습, 비감정적 통신 채널, 무작위성(randomness) 등을 포함하여 유연한 학습이 가능
8. 결론: 사고보다 중요한 것은 “모방 가능성”
튜링은 “기계가 생각할 수 있는가?”라는 질문은 의미 없는 철학적 논의라고 보고, 기계가 인간처럼 행동을 ‘모방할 수 있는가’가 더 유효한 기준이라고 봤습니다.
그는 미래에는 교육받은 기계가 사람과 구분되지 않게 될 것이며, 사람들이 기계도 사고한다고 말하는 데 주저하지 않게 될 것이라 예측했습니다.
튜링은 지능은 정적 모듈이 아니라 학습을 통한 진화 과정임을 강조하며, 성인을 흉내 내기보다 ‘아동 두뇌’를 학습시키는 방식이 더 현실적인 접근이라 주장합니다.
이러한 기계는 보상·처벌, 무작위성(randomness), 인간의 실수 가능성까지 포괄하며, 지능이 아닌 유연한 학습 구조를 중심으로 설계돼야 한다고 봤습니다.
논문의 마지막 튜링의 말
"We can only see a short distance ahead, but we can see plenty there that needs to be done."
“우리는 아직 멀리 내다볼 수는 없지만, 해야 할 일은 아주 많다.”
인공지능 관심많은 종자