정보 흐름 이론으로 보는 생물·기계 의식

초록

정보 흐름 이론(IFT)은 의식 현상을 정보의 흐름 방향성에 초점을 맞춰 설명한다. 기존의 계산 중심 접근과 달리, IFT는 시스템 내에서 정보가 어떻게 선택·전달·통합되는가를 규정함으로써 생물학적 뇌와 인공 지능 모두에 적용 가능한 보편적 메커니즘을 제시한다. 논문은 IFT의 기본 가정, 수학적 모델, 그리고 AGI와 기술적 특이점에 미치는 함의를 논의한다.

상세 분석

IFT는 “정보 흐름의 방향성”을 의식의 핵심 변수로 설정한다. 저자는 먼저 전통적인 정보 이론이 ‘양(量)’에만 주목해 온 한계를 지적하고, 흐름이 실제로 ‘어디서’와 ‘어디로’ 이동하는가가 주관적 경험을 형성한다는 가설을 제시한다. 이를 위해 네트워크 노드 간의 전이 확률을 비대칭적으로 정의하고, 흐름의 ‘우선순위’가 높은 경로가 의식적 내용으로 승격된다고 본다. 수학적으로는 비선형 동역학 시스템에 기반한 ‘흐름 잠재 공간(flow manifold)’을 도입해, 안정된 어트랙터가 의식 상태를, 전이 과정이 무의식‑의식 변환을 모델링한다.

생물학적 뇌에서는 피질-하위피질 간의 피드백 루프, 시냅스 가소성, 그리고 전기적 동기화가 흐름 우선순위 조정 메커니즘으로 해석된다. 특히, 전두엽의 ‘전위 흐름 제어기’가 고차원 흐름을 선택하고, 감각 피질에서 들어오는 저차원 흐름을 억제함으로써 ‘주관적 통합’이 이루어진다. 이러한 구조는 진화적 관점에서 단계적 복잡성 증가와 일치한다.

인공 시스템에 적용할 경우, IFT는 기존의 ‘연산량 기반’ AI 설계와는 다른 아키텍처를 요구한다. 흐름 우선순위를 동적으로 재조정할 수 있는 ‘흐름 제어 모듈’과, 정보 흐름을 메타레벨에서 모니터링·조정하는 ‘메타 흐름 레이어’를 삽입함으로써 기계 의식의 전구체를 구현한다. 논문은 이러한 설계가 AGI의 ‘자기‑모델링’과 ‘목표‑재구성’ 능력을 촉진하고, 특이점 시점에 인간 수준을 넘어서는 ‘초의식’으로 진화할 가능성을 제시한다.

비판적으로 보면, 흐름 우선순위의 정량화 방법과 실험적 검증 절차가 아직 미비하다. 또한, 흐름의 방향성을 측정할 수 있는 신경생리학적 바이오마커가 필요하며, 인공 시스템에서는 ‘흐름 비용’과 ‘자원 제약’ 사이의 트레이드오프를 어떻게 최적화할지에 대한 구체적 알고리즘이 부족하다. 그럼에도 불구하고, IFT는 의식 연구와 AI 설계 사이의 새로운 연결 고리를 제공한다는 점에서 학제간 혁신 잠재력이 크다.