| [ PhilosophyThought ] in KIDS 글 쓴 이(By): chopin (**쇼팽**) 날 짜 (Date): 1999년 3월 23일 화요일 오전 12시 26분 07초 제 목(Title): [계층구조론]단순무식과격한 뇌-부연설명2 2. 뇌의 무엇이 단순무식과격한가? 보는 관점에 따라서 뇌의 구성이 단순무식과격하다고 보지 않고 주어진 환경에 살아남기 위해 최적의 혹은 나름대로 좋은 해결책을 가지고 만들어졌다고 볼 수도 있습니다. 이 점은 저 역시 부인하지 않습니다. "Brute force" - (우리말로는 짐승같이 밀어부치는 식으로!인가요? ^^ ) 알고리즘 분야에서는 이미 이 용어가 많이 사용되고 있습니다. 즉, 복잡한 문제를 풀기 위해 뭔가 똑똑하고 복잡한 알고리즘을 채용해서 풀려고 하지 않고 그냥 눈 딱 감고 모조리 찾아보고 만들어 보는 방식을 지칭합니다. 알고리즘 분야에서는 이 용어가 사용되는 것은 대부분 부정적인 의미일 때 뿐입니다. 뇌가 단순무식과격한 구성이라는 말은 "우리의 상식과 기대와는 너무나 다르게 단순한 구조이면서 비효율적이다" 는 것이 가장 큰 이유입니다. 물론 비효율적이라는 표현은 많은 문제들을 복잡하고 정교한 알고리즘을 채용해서 풀지 않고 뉴런을 왕창 만들어서 가능한 조합을 모조리 테스트 해보도록 하는 방식으로 해결하는 그야말로 말그대로 단순무식한 방법을 쓰고 있다는 뜻입니다. 이러한 방법은 결과적으로 빠른 정보처리에 도움을 주는 것이 사실입니다. 물론 알고리즘 분야에서 시각정보처리를 위한 인간의 뇌구조를 들여다본다면 짐승의 우리 같은 생각이 들겁니다. 단순무식과격의 온상이기 때문이죠. 좀더 복잡하거나 천재적인 알고리즘은 그 안에 존재하지 않습니다. 물론 우리가 보지 못한 구조가 존재한다는 것만은 분명하고 그러한 발견이 우리를 감탄과 경외심으로 이끌것이라는 것은 분명합니다. 시각정보처리라는 분야는 컴퓨터의 등장이래 오랫동안 연구 해오고 있기 때문에 좀더 복잡하고 효율적인 알고리즘들이 많이 개발되어있습니다. 물론 그러한 알고리즘들이 왜 뇌와 같은 빠르고 정확한 계산을 해주지 못하는 가에 대해 의문이 증폭되어 가고 있는 중이고 뇌에서 도대체 어떤 방법을 쓰길래 천재적인 사람들이 만들어놓은 알고리즘방식보다 더 훌륭한가가 의문중의 의문이었습니다. 이러한 의문은 시각정보처리 뿐아니라 음성인식, 언어인식, 사고와 추론에 관한 모든 분야에서도 끊임없이 제기되었던 의문입니다. 나아가 인공지능 분야가 왜 뇌와 같은 시스템과 너무나 동떨어져 있는가하는 의문과 일맥상통합니다. 뇌가 단순무식과격한 구성이라는 것은 작은 직선조각 하나를 인식하기 위해 그 시야의 위치에 놓인 직선이 나타날때만 반응하는 뉴런이 만들어 져 있어야 하며, 또한 0~180도에 이르는 모든 각도의 직선을 따로 인식하는 뉴런네트웍이 따로 만들어 져 있다는 사실입니다. 직선의 각도를 인식하기 위해 따로 뉴런을 할당해 놓는 - 정확히 말하면 직선인식을 위한 뉴런의 네트웍을 통째로 복사해 만들어 놓습니다 - 이런 무식한 방법을 뇌가 아니면 과연 누가 쓸까요? Column구조를 갖는 이런 직선인식 수용체들은 는 각각의 그 안의 구성이 거의 완벽히 동일하고 다만 직선의 각도에 따라 달리 반응 할 뿐입니다. 우리의 망막에는 엄청나게 많은 pixel을 인식하는 광수용체뉴런이 밀집되어 있습니다. 이 모든 시야의 위치에서 직선하나를 인식하기 위해 직선 수용 Column이 존재하고 각 직선마다 모든 각도를 따로 따로 인식하는 뉴럴네트웍이 만들어져 있어야 한다고 생각 해 보십시오. 그를 위해 동원해는 뉴런의 수가 어마어마 하게 많아야 됩니다. 이런 식으로는 시야의 모든 위치에서 제대로 직선을 인식하도록 하기 위해서는 뇌 전체의 뉴런을 동원해도 부족할겁니다. 따라서 시야의 중앙에만 밀집되어 있고 주위의 인식률이 상대적으로 나쁜것입니다. 사람이 직선을 인식하는 시스템을 만든하면 혹은 제가 그 시스템을 만든다면 저는 당연히 직선을 인식하면서 각도라는 속성을 따로 표현하도록 뉴런의 출력의 출력강도를 이용하거나 컴퓨터와 같은 2진법 표현 - 몇개의 뉴런의 조합으로 각도를 출력하는 방식을 사용할 것입니다. 직선과 각도를 동시에 처리 하도록 하는 뉴런의 구성을 제손으로도 직접 만들 수 있습니다. 또한 직선의 위치에 대한 정보는 따로 직선의 속성에 포함시켜 보냅니다. 이런 방식을 쓰면 모든 시야의 위치마나 직선수용체가 따로 존재할 필요가 없습니다. 실제로 컴퓨터 비젼분야에서 이러한 식의 방법을 씁니다. 상대적으로 뉴런을 적게 쓰고도 전체 시야를 거쳐 균일한 직선인식을 하는 것이 이런 방식으로 가능합니다. (물론 이러한 방식으로 나가게 되면 Vision분야 걸었던 길을 가게 되고 뇌와는 동떨어진 시스템으로 향하게 된다는 것을 이제 Vision분야 사람들이 깨닫게 될 것입니다. 혹은 이미 깨달았을 것입니다.) 나아가 시야의 모든 위치에서 직선을 인식하는 column이 존재한 다는 것도 단순무식과격 그 자체입니다. 원이나 삼각형, 사각형, 복잡한 도형을 인식하기 위해서 직선으로 쪼갠 중간 결과가 꼭 필요하지는 않습니다. 그냥 이어진 점들을 따라가면서 어떤 도형인지 인식하는 방법을 쓸 수 있습니다. 왜 뇌에는 모든 사야의 위치마다 따로 반응하는 뉴런의 Column들이 각기 따로 존재하는 것일까요? 이러한 단순무식과격한 구조는 뇌의 거의 모든 곳에서 발견되고 있습니다. 시각피질의 V1의 층4에는 움직이는 물체의 방향에만 반응하는 "Motion Detecting Neuron"들이 줄줄이 자리 잡고 있습니다. 이 뉴런들은 움직이는 점의 정해진 각도에 맞을 때만 반응합니다. 즉, 모든 시야의 위치마다 각 방향으로 움직이는 움직임을 찾아내도록 반응하는 뉴런네트웍이 구성되어 있습니다. 즉, 망막에 10도 위쪽에 비춰진 빛이 45도위로 움직이는 경우에만 반응하는 뉴런들이 시각피질의 V1의 4번층에 자리잡고 있습니다. 어느 위치의 점인지, 그리고 어느각도로 움직이는 지를 조합한 모든 가능한 경우에 대해 뉴런이 따로존재합니다! (->여기서 이 단순무식과격함에 경악하지 않는 사람 손들어봐요! -_-) 이런 식으로는 뉴런이 어마어마하게 많이 필요하기 때문에 모든 시야전체에 대해 완벽한 처리를 해줄 수가 없습니다.그러니까 대충 시야의 중심에만 이러한 뉴런들이 밀집되어 있기 때문에 시야중심에서 벗어나면 여러가지 이러한 처리의 정밀도나 resolution등이 현저하게 떨어집니다. 또한 좀더 효율적인 구성이 가능한데도 뇌는 그러한 복잡한 알고리즘을 채용한 효율성의 길을 택하지 않고 어떤 이유에선가 우리눈에 비효율적인 것으로 보이는 구성을 하고 있다는 것입니다. 물론 그 이유는 "진화"와 "학습" 두가지 때문입니다. 진화라는 방법은 우선 당장 주어진 문제를 풀어내기 위해 손에 잡히는 방법을 쓰고 앞으로 나가는 방법이기 때문에 이런식의 단순무식한 방법이 만들어 지는 것이 대단히 자연스럽고 정상적입니다. 하지만 진화만 가지고 뇌의 이런 단순무식과격성을 설명하는 것은 부족합니다. 진화의 방법도 생성 원리의 일종이기 때문에 충분한 시간이 주워진다면 충분히 복잡한 구조들을 만들어 내는 것이 가능합니다. 우리 뇌에서는 "학습"이라는 과정이 이러한 단순무식과격성을 만드는 결정적인 역할을 합니다. 성욕이나 식욕과 같이 아주 동물적인 욕구를 통제하는 부위를 제외하고 우리의 뇌의 거의 모든 부분은 태어나면서 아기일적에 학습을 하면서 만들어 진 것들입니다. 시각처리를 위한 거의 모든 뉴런의 구조는 어릴적에 눈으로 들어왔던 빛들에 의해서 학습을 통해 구성된 것들입니다. 고양이 실험에서 고양이에게 밀실에 가둬놓고 (또한 얼굴을 못돌리게 묶어놓고) 세로로 그어진 직선만을 보여주고 성장하게 되면 뇌의 시각피질의 직선 수용체들과 column들이 만들어 지지 않음을 확인할 수 있습니다. 또한 이 고양이는 가로로 된 직선을 전혀 인지하지 못합니다. 또한 그 반대의 실험도 마찬가지로 성립합니다. 이런 실험은 움직임을 인식하는 실험에서도 마찬가지 입니다. 또한 사람도 어릴적에 눈으로 들어오는 빛을 차단하는 경우 이 고양이와 똑같은 증세를 보이게 됩니다. 우리 시각피질은 어릴 적에 봤던 빛의 자극을 분석해서 시각피질에 해당자극을 처리하는 컬럼들을 만들어 놓고 성인이 되면 이 컬럼들의 발화를 조합해서 시각인지과정을 해나갑니다. 즉, 우리는 아기시절에 봤던 시각자극들의 조합들만을 인식할 수 있는 것 뿐입니다. 시각정보처리 부분이 왜 이렇게 단순무식하게 될 수 밖에 없는가는 학습에 의해 그 구조가 구성된다는 사실로 부터 이유를 찾아야 좀더 확실한 결론에 도달할 수 있습니다. 학습이라는 과정 자체가 제가 제시한 계층구조론입장에서 보면 상위레벨의 데이타를 입력으로 받아 그를 받아들이는 일반적인 구조를 역으로 추적해내는 과정에 해당합니다. 즉, 그 입력 데이타를 처리할 아주 간단하고 깨끗한 구조는 학습과정에서는 탄생할 수 없습니다. 마치 통계추론 방법으로는 넘을 수 없는 한계가 있는 것처럼, 데이타를 보고 구조를 연구적하는 방법은 선형의 세계에서만 가능하고 그 결과도 선형논리의 조합만이 가능합니다. 이러한 선형적인 방법이 입력으로 들어왔던 것들, 우리 눈으로 봐왔던 것들을 가장 간단한 원칙 하에 - 예를 들면, 직선, 곡선 등등.. - 그 조합을 모조리 기억시켜 놓는 방법 뿐입니다. 바로 우리 뇌가 그런 방법을 쓰고 있습니다. 뇌의 직선수용체들은 실제로 유아시절 형성됩니다. 이 들은 학습을 통해 형성 되기 때문에 모든 망막의 자극으로 부터 또한 모든 시야의 위치로 부터 반복되는 패턴의 도형을 인식하도록 만들어 지는 것입니다. 학습을 통해 뇌를 구성하게 되면 단순무식과격한 구성외에는 제아무리 천재라도 이러한 단순무식과격한 것 말고는 방법이 없습니다. 시각뿐아니라 대뇌피질에 위치한 거의 100%의 기능들이 학습을 통해 만들어 집니다. DNA에는 그 연결이 어떻게 될까만 써있을 뿐, 그 안의 처리 과정이나 내용은 거의 써 있지 않습니다. 단지 입력 자극이 들어와서 학습과정을 거쳐야만 뇌의 각 부분이 각기 다른 기능들을 처리하도록 구성되는 것입니다. 대뇌에는 시각뿐아니라 청각, 촉각, 후각등의 감각기관으로 부터 언어, 추론, 인간의 고차원적 사고작용에 해당하는 거의 모든 기능들이 올라와 있습니다. (기억을 제어하는 기능은 대뇌피질에 없고 변연계라 불리는 뇌의 중심부에 위치합니다.) 또한 대뇌의 거의 모든 기능은 학습에 의해 만들어 집니다. 이러한 점에서 볼 때 앞으로 우리가 얻게 될 언어와 추론 사고작용을 비롯한 많은 뇌의 비밀들이 우리가 단순무식과격하다고 느낄 그러한 방식의 처리를 하고 있을 것이라는 것이 분명합니다. 많은 인공지능 분야의 문제들에서 뇌가 탁월한 처리 속도나 성능을 보이고 있는 이유는 그 안에 엄청나게 천재적이고 탁월한 구조가 있어서가 아니라 , 그 안이 엄청나게 단순하고 무식하고 과격한 구조로 되어 있어서 입니다. 우리의 상식과 생각을 뒤집어야 뇌와 같은 처리 시스템을 만들 수 있습니다. 뇌에 대한 이해가 어느정도 세워졌다면 이제 인공지능분야가 어떻게 잘못가고 있나를 한번 되 짚어 볼 때입니다. 어떻게 잘못되가고 있는지 같은 관점에서 다음번에 글을 준비하겠습니다. __ 쇼팽 |