<시리즈> 첨단 컴퓨터의 세계(180);통합적인 지능정보이론

과학기술 발전에 있어서도 인플레이션은 존재한다. 신문의 과학란이나 컴퓨 터란에 등장하는 우리나라의 컴퓨터관련 보도를 보면 상당한 인플레이션을 느낄 때가 종종 있다. 일부의 보도는 필자가 직접 관찰하였거나 잘 알고 있는 내용인데 지나칠 정도로 과장되게 보도되는 경우도 종종 있다.

지나친 보도는 컴퓨터 관련기술의 인플레이션을 일으킨다. 아직까지 연구중 이거나 계획중인 내용까지도 이미 개발이 끝난 것으로 보도되고 난후에는 좋은 아이디어가 있어도 객관적인 프로젝트로 관심을 끌지 못한다. 이러한 점은 우리나라 과학기술계의 큰 문제점으로 여겨지는데, 의욕있는 연구자들의 사기를 꺾는 첩경인지도 모른다.

과학의 발전은 매스컴에 보도된 일부의 사람에 의해서만 이루어지는 것은 아니다. 보이지 않는 땀과 정성에 의해 기술 발전이 이루어지는 경우가 더욱많다는 점을 간과해서는 안될 것이다.

인간의 능력을 탐구하려는 노력이 끊임없이 진행되고 있다. 생물학적인 측면에서 인간의 실체를 구명하려는 소위 "게놈(Genome)" 프로젝트가 미국에서 진행중이다. DNA의 정확한 구조를 규명하려는 이 야심만만한 프로젝트가 성 공리에 끝날 수만 있다면 유전공학에서 일대 혁명이 일어날 것이다.

그러나 인간의 DNA 가닥은 길이가 엄청나게 길어서 그것을 한 줄로 펼치면 지구를 몇바퀴 돌 수 있을 정도로 복잡하다. 따라서 이들의 구조를 규명하는 데 상당히 오랜 시일이 걸릴 것이며 어쩌면 인류의 힘으로는 영영 규명할 수없을는지도 모른다.

한편 소프트웨어적인 측면에서 인간의 두뇌에 필적하는 지능적인 컴퓨터를 구현하기 위한 노력도 지속되고 있다. 그것을 위한 방법으로 인간의 신경세포나 유전자 등을 이용하기도 한다.

두뇌의 신경세포들간의 연결강도를 이용하는 신경망이론의 경우에는 인간의 학습기능을 매우 중요시한다. 한번 익히거나 경험한 사실들로부터 추후의 유사한 조건이 이루어졌을 경우 정확하게 연상하고 기억할 수 있는 신비로운 기억 메커니즘인 것이다. 생물학적인 신경망에서의 자율학습은 벌이나 파리 의 경우에도 스스로 주위의 상황이나 과거의 경험을 바탕으로 생존해가는 것이다. 따라서 본격적인 신경망 구현을 위해서는 자율적인 모델들에 관한 연구가 더욱 폭넓게 진행되어야 한다.

인간지능의 실체를 규명하여 컴퓨터를 통해 인공적인 지능을 구현하기 위한수많은 과학자들의 줄기찬 노력에도 불구하고 인공적인 지능 구현은 아직까지도 미미한 상태다. 그들은 나름대로의 이론을 수학식으로 모델링하여 빠른 처리기능을 가진 컴퓨터를 통해 시뮬레이션 함으로써 보다 지능적인 기능을 만들기 위해 노력하였다. 많은 사실들을 입력해 놓고 일관성있는 규칙을 적용하는 전통적인 방법의 인공지능은 어느 정도 구현되었으나 그 결과는 아직까지도 상당한 거리감이 있다.

또한 이 세상에는 애매한 지식이나 상황이 너무나 많기 때문에 일정한 규칙 에다 모든 것을 적용하는 점 자체도 문제다. 따라서 애매한 사실들을 어느 정도 효과적으로 처리할 수 있는 퍼지이론이 적용되고 있다. 그러나 주관적 인 실수값을 배정하는 문제에 있어서나 그 결과를 판정하는데도 상당한 문제 점이 도사리고 있는 것도 사실이다.

또한 인간의 두뇌를 모방하는 신경망에 있어서도 이론은 어느 정도의 가능성을 보이고 있으나 지도학습에만 너무 의존함으로써 전역적 최소점을 찾지 못하는 문제점을 안고 있다. 따라서 자율학습 모델이 그에 대한 기대를 충족시킬 수 있을 것으로 여겨지고 있으나 너무나 복잡한 수학식을 동반하기 때문에 아직까지는 그 가능성에 대한 희망으로 연구가 진행되고 있다.

지능적인 시스템에 대한 지금까지의 연구결과로 보아 어느 특정한 이론에 의해 해결될 수 있는 것은 아닐 것 같다. 따라서 여러가지 지능시스템 이론들 의 장점들을 최대한 살릴 수 있는 통합적인 방법의 지능시스템이 연구되어야 할 것이다.