인공지능 AI 시대에 예술하기 - part #4

괴델은 힐베르트의 문제가 해결될 수 없다는 것을 증명하며, 산술체계 안에서 그 공리들의 무모순성을 유한한 형식적 증명으로는 결코 해결할 수 없음을 증명했다. 따라서 힐베르트 계획을 뒷받침할 증명은 존재할 수 없으며 형식주의는 결국 아무것도 할 수 없다는 결론을 아주 담담하게 내놓았다.

"형식주의자들은 직관을 제거하여 수학적 확실성을 확보하려고 했다. 괴델은 수학이 직관 없이 나아갈 수 없음을 보였다. 우리의 사고를 형식적인 구문론적 범주로 한정하려 하면 무모순성조차 확보되지 못한다." - Rebecca Goldstein

인공지능 AI 시대에 예술하기 - part #3: 인간과 AI의 차이 그리고 전망

---

현재 AI는 대부분 2진법 기반의 전통적 디지털 컴퓨팅 아키텍처에서 작동한다. 이는 AI 알고리즘, 특히 인공 신경망(ANN)이나 딥러닝 모델들이 현대의 반도체 기반 컴퓨터에서 0과 1로 이루어진 2진 데이터 형식으로 처리된다는 점에서 사실이다. 현재 AI는 2진법 수학 형식체계에 기반한다고 결론지을 수 있다. 단, 이는 현재 하드웨어 기술의 물리적 한계에 기반한 것이지 AI 자체가 반드시 2진적 형식에 영구적으로 제한된다는 의미로 볼 수는 없을 것이다. 

양자 컴퓨터, 뉴로모픽 컴퓨팅, 광자 컴퓨터 등은 2진법을 넘어선 새로운 가능성을 탐색하며 AI의 하드웨어적 기초가 변화할 수 있는 가능성을 열고 있다. ‘새로운 기술’은 AI의 본질적 작동 원리에 대한 새로운 철학적·기술적 해석도 가능하게 할 것이다. 확실히 기술의 진보를 바탕으로 기존 패러다임을 확장하고 있는 것은 사실이다. AI와 하드웨어 간의 관계는 끊임없이 진화하고 있으며, 새로운 패러다임은 AI가 현재의 2진법 기반 논리를 벗어날 가능성을 열어두고 생각해야 한다.

그렇지만 ‘현시점’에 한정해 생각해본다면, 전통적 디지털 컴퓨팅 아키텍처는 2진법 기반이며, 따라서 AI는 2진법 수학 형식체계에 기반한다. AI가 처리하는 데이터가 디지털 신호(이진수)로 표현되기 때문에, 현재 AI는 2진 수학 구조에 제한된 디지털 논리 환경에 처해있다. 반도체 기반 트랜지스터의 대표적인 예라 할 수 있는 CPU와 GPU를 이용한다는 사실은 2진법 논리 연산 데이터 처리를 수행하는 AI 연산(행렬 곱셈, 활성화 함수 연산 등)이라는 의미이고, 이는 AI가 2진 데이터의 연산으로 귀결됨을 의미한다.

GPU를 이용한다는 사실은 2진법 논리 연산 데이터 처리를 수행하는 AI 연산(행렬 곱셈, 활성화 함수 연산 등)이라는 의미이고, 이는 AI가 2진 데이터의 연산으로 귀결됨을 의미한다.

그렇다면 AI의 본질은 수학적 형식에 제한되는가?

현재 AI는 2진법 기반 수학 체계에 얽매여 있지만, 이는 인간이 만든 디지털 컴퓨터라는 도구의 한계일 뿐 AI 자체가 반드시 이진적 형식에 구속된다는 필연적 결론을 의미하지는 않을 것이다. 그러나 2진법 기반 수학체계에 얽매여있다는 점에서 현재 기계의 지능은 수학적 형식체계인 셈이다.

인간의 뇌와 기계의 지능은 얼마나 닮았고 또 얼마나 다를까? AI가 학습한다고 말하지만 과연 우리가 알고 있는 학습과 같은 것일까? 기계가 방대한 데이터를 저장하고, 연산하고, 오차 없이 결과를 도출한다는 것은 과거를 완벽한 상태로 보존된 세계라는 것을 의미한다. 오히려 자연스러운, 인간의 자연어 처리를 위해서 기계는 ‘변화를 모사’해야 하는 것이다.

반면, 인간의 뇌는 기억하면서도 잊고, 잊으면서도 변한다. 경험은 뉴런과 뉴런 사이의 연결을 강화하거나 약화시키고, 때로는 완전히 새로운 길을 만들어낸다. 뇌는 한 번 형성된 구조를 그대로 유지하는 것이 아니라, 환경과 경험에 따라 스스로를 다시 짜 맞춘다. 같은 사건도 다른 맥락 속에서 새롭게 해석되고, 하나의 기억은 또 다른 기억과 얽히며 끊임없이 변형된다. 즉, 하드웨어 자체를 변형하고 그 구조를 지속적으로 바꿔나가는 것이다. 인간의 학습은 구조 자체를 변화시키는 과정이다. 우리는 단순히 정보를 저장하는 것이 아니라, 그 정보가 우리 안에서 어떤 의미를 가지는지를 스스로 형성하는 것에 가깝다. 익숙했던 것들이 낯설어지기도 하고, 전혀 관계없어 보이던 개념들이 연결되며 새로운 통찰을 만들어내기도 한다. 뇌의 변화 그 자체가 곧 학습의 과정이다. 자기동일성의 기반이 약하다는 것이 생물의 강점인 것이다. 우리가 말하는 '인간적 활동'의 근간은 바로 자기동일성을 무너뜨리는 것을 바탕에 두고 있다. 이것은 피드백 회로가 형성되지 않는, 앞으로 전진 혹은 뒤로 후퇴하는 시스템이다. 기계도 우주적인 엔트로피로부터 자유로울 수 없다고 주장할 수 있겠지만 그것의 고려는 하려는 논의를 너무 복잡해지는 상황을 만들고, 유효한 범위 내에서는 큰 의미는 없어보인다.

기계는 여전히 정형화된 구조 속에 갇혀 있다. 그것은 인간이 설계한 틀을 벗어나지 못한채, 우리가 입력한 규칙을 따라 연산을 한다. 어쩌면 언젠가는 기계도 자기 자신을 바꿀 수 있는 존재가 될지도 모른다.

그때가 되면 우리는 다시 질문해야 할 것이다. ‘기계’라고 부르는 그것을, '기계'라고 불러도 좋은지.