정보처리 패러다임 전환을 위한 정의 재정립과 연구 방향 제언

초록

본 논문은 기계 의식·지능 연구가 진전되지 못한 근본 원인을 ‘인지·지능’ 개념의 모호함과 정보처리 패러다임 자체의 정의 부족으로 진단한다. DARPA와 EU의 최근 정책 문서를 사례로 들어 목표 설정의 오류를 지적하고, 정의 체계의 정립, 계층적 정보처리 모델 도입, 실험 설계 표준화 등을 통한 패러다임 전환을 제안한다.

상세 분석

논문은 먼저 현재 기계 인지·지능 연구가 인간 행동 과학에서 차용한 개념을 그대로 적용하려는 시도가 근본적인 오류라고 지적한다. ‘인지’, ‘지능’, ‘의식’이라는 용어는 심리학·철학·신경과학에서 서로 다른 맥락으로 사용되며, 이를 명확히 구분하지 않은 채 연구 목표를 설정하면 실험 설계와 성과 평가가 일관성을 잃는다. 저자는 이러한 개념적 혼란이 정보처리 패러다임 자체의 정의 부재와 결합될 때, 연구 커뮤니티가 ‘뇌‑모방’ 혹은 ‘통계‑학습’이라는 두 갈래로 분열되는 현상을 초래한다고 설명한다.

다음으로 DARPA의 ‘Machine Common Sense’ 프로그램과 EU의 ‘Artificial Intelligence Act’ 초안을 분석한다. 두 문서는 각각 ‘일반 인공지능’과 ‘신뢰성’이라는 목표를 내세우지만, 구체적인 정의가 부재해 프로젝트 선정 기준이 모호하고, 성과 측정 지표가 실질적인 인지 능력과는 동떨어진 형태(예: 처리 속도, 데이터 양)로 설정되는 사례를 제시한다. 이는 연구자들이 목표 달성을 위한 ‘정량적’ 지표에만 집중하게 만들며, 근본적인 ‘질적’ 이해를 방해한다.

이에 대한 해결책으로 저자는 정보처리 패러다임을 ‘계층적·모듈식’ 모델로 재구성할 것을 제안한다. 가장 낮은 층은 ‘감각‑전처리’, 중간 층은 ‘패턴‑추론’, 최상위 층은 ‘목표‑가치‑통합’으로 구분하고, 각 층마다 명확한 기능 정의와 성능 기준을 설정한다. 또한, 정의 체계는 ‘형식 논리’, ‘베이즈 확률’, ‘동역학 시스템’ 등 기존 이론을 통합해 메타‑정의(meta‑definition)를 만들고, 이를 기반으로 실험 프로토콜과 벤치마크를 표준화한다. 이러한 구조적 전환은 연구 목표를 ‘특정 인지 기능 구현’에서 ‘정보 처리 체계의 원리 탐구’로 이동시켜, 장기적인 기계 의식 연구에 보다 견고한 토대를 제공한다.

마지막으로 저자는 학제간 협업을 강조한다. 인지과학, 신경공학, 컴퓨터 과학, 철학이 공동으로 정의 작업에 참여하고, 정책 입안자는 이러한 정의를 바탕으로 연구 과제와 규제 프레임을 설계해야 한다고 주장한다. 이는 현재의 ‘정의 부재’가 초래한 연구 효율성 저하와 자원 낭비를 근본적으로 해소할 수 있는 길이다.