| [ KAIST ] in KIDS 글 쓴 이(By): chopin ([ 쇼 팽 ]) 날 짜 (Date): 2001년 12월 13일 목요일 오후 09시 50분 17초 제 목(Title): [계층구조론] 현상과 본질 - Conceptulization(Moduling) irrelevancy와 redundency말고도 본질이 여러가지로 표현되는 또다른 방법이 하나 더 있습니다. "Conceptualization(개념화)"가 그것입니다. 다음과 같은 문제 C를 가 있다고 합시다. 문제 C : "(B or (not B) and A)" 이를 Conceptualization을 적용해 다음과 같이 문제 C' 로 표현합니다. 여기서는 새로운 개념 X가 도입됩니다. 문제 C' : "B or X" "X= (not B) and A" 문제의 외관상의 표현이 크게 달라져서 문제 C'로는 이 문제가 "A"라는 더 짧은 표현으로 바뀔 수 있다는 것을 알아채기가 이전보다 어렵습니다. 이렇게 Conceptualization을 통하면 표현이 더 간단해 질 수도, 더 복잡해 질 수도 있습니다. 따라서 두개의 원리가 같은지는 어떻게 conceptualize해서 표현하느냐에 따라 판단이 더 쉬울 수도, 더 어려워질 수도 있습니다. 또한 완전히 달라보이는 뇌와 기계사이의 작동이 어떻게 conceptualize하느냐에 따라서 동일한 원리적 표현을 찾아낼 수 있느냐 없느냐를 결정합니다. - 뇌의 뉴럴넷과 컴퓨터에 의한 구현의 차이 동물의 뇌와 컴퓨터는 분명 다른 원리를 사용하고 있습니다. 하지만 언제나 그렇다고 말 할 수는 없습니다. Conceptualization을 통해서 이 서로 다른 두 개체가 동일한 원리를 표현할 수 있기 때문입니다. 뉴런의 입출력에 해당하는 발화 메카니즘은 컴퓨터 시뮬레이션에 의해 거의 완벽하게 제현되며 이렇게 모델링된 뉴런들은 원리가 다른 전자회로상에서 구현되어 실제의 뇌와 동일한 회로를 구성할 수 있습니다. 컴퓨터 프로그램에 의해 만들어졌지만 그 프로그램의 순차적인 진행 결과는 뉴런의 행동과 일치하도록 만들어지기 때문에 사실상 컴퓨터 안에도 '뉴런"이라는 개념이 구현되게 됩니다. 일단 이렇게 뉴런이라는 개념이 구현되면 컴퓨터 안에서는 뉴런이라는 개념들이 상호작용하는 윗레벨사이의 논리체계로 이해할 수 있게 되고 실제의 뇌와 동일한 모양을 논리적으로 갖추게 됩니다. 반대로 뇌의 뉴런들은 서로간의 상호작용을 통하여 일정한 의미를 갖는 일을 하게 되는데 그 처리과정을 하나의 개념으로 conceptualize하는 것이 가능합니다. 예를 들어 물체를 인식하는 경우에 뇌에서는 천문학적인 숫자의 뉴런들이 동원되어 인식과정까지 도달하는 과정을 거쳐야 하는데, 이를 개념화 하여 물체의 화상에서 "외각선추출", "패턴비교"를 통해서 그 물체를 인식을 한다 과정으로 개념화할 수 있고, 이를 컴퓨터 알고리즘식 구성으로 각 모듈들을 다른 방법으로 만들어 낼 수 있습니다. 이렇게 만들어진 모듈들은 컴퓨터 프로그램에 의해서 순차적방식의 알고리즘으로 구성할 수 있게 되고 이렇게 되는 경우 "뉴런"이라는 개념의 모델이 없이 알고리즘적인 처리 프로세스의 Conceptualization을 통해 뇌와 컴퓨터가 같은 원리로 어떤 처리를 하는 것을 구성할 수 있습니다. 실제로 vision분야나 언어처리, 음성인식 분야에서는 이런 처리상의 알고리즘적 개념화를 통하여 그 기능을 구현하고 있는데 많은 경우에 실제 인간과는 다른 성능과 성격을 갖는 결과를 보이게 됩니다. 그 이유는 그 개념화가 정보손실과 왜곡을 초래했기 때문입니다. 많은 경우 Conceptualization은 원래의 본질과는 비슷하지만 다른 현상을 보이며 정보압축을 하는 효과를 지니기 때문에 완벽히 동일한 모델로 개념화가 되지 않는 이상 언제나 주의해야합니다. 특히 잘 못된 계층에서의 개념화는 언제나 엄청난 재앙을 초래합니다. 그럼 어떤 모델이던 개념화를 통하여 다른 모델로 치환시킬 수 있을 까요? 예를 들어 컴퓨터모델, 지능모델, DNA모델과, 분자모델등 세상에 존재하는 모든 모델들이 개념화만 통해서 서로 다른 모델표현으로 바꿔칠 수 있을까요? Turing은 Automata 이론에서 "Turing machine" class에 속하는 모델은 개념화를 통하여 같은 클래스인 또다른Turing machine을 포함하도록 만들어 질 수 있다는 것을 보였습니다. 그리고 뉴럴넷과 컴퓨터모델, DNA모델, 분자모델들은 이 Turing machine 클래스에 해당하는 모델들입니다. 서로 개념화를 통하여 exchange가능합니다. 따라서 임의의 모델이 다른 모델과 개념화를 통한 치환이 가능한지를 알아보려면 먼저 그 모델이 Turing machine에 속하는 지를 따져보면 됩니다. 결국 뇌의 회로나 전자회로나 Turing machine에 해당하는 기계들이기 때문에 양쪽 다 그 원리가 존재가능하며, 그 표현역시 서로 exchange가능하다는 것입니다. __ 쇼팽 http://mobigen.com/~chopin |