인공지능과 심리학이 관련있다고? IT속의 심리학

인공지능과 심리학이 관련있다고? IT속의 심리학: 신민승 / 기사승인 : 2020-12-14 12:37:00

현재의 인공지능과 심리학

4차산업혁명 시대에 발맞추어 인공지능은 급속히 발전하고 있다. 딥마인드의 바둑 인공지능 알파고, IBM의 의료 인공지능 왓슨, 신경망기술을 접목한 구글 번역기와 네이버의 파파고까지 인공지능은 이미 다양한 분야에서 일상 속에 스며들었다. 인공지능을 이루는 알고리즘이 발견되고 그 알고리즘에 따라 자료를 분석하고 처리할 수 있는 정보처리능력이 발전하면서 가능해진 일이다. 딥러닝에서 심리학을 찾아보고, 알파고의 강화학습에 관해 알아보자.

딥러닝과 발달이론

딥러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화를 시도하는 기계학습 알고리즘의 집합이며, 큰 틀에서 사람의 사고방식을 컴퓨터에 가르치는 기계학습의 한 분야라고 이야기할 수 있다. 이러한 딥 러닝은 뇌 발달과 밀접한 관련이 있다

발달이론에서 사람의 뇌는 출생 이후 시냅스 가지치기가 이루어진다. 뇌는 우선 많은 시냅스를 만들어 두었다가, 사용하지 않는 시냅스를 없애고 사용하는 시냅스의 효율을 조절하는 방식으로 발달한다. 다양한 학습 역학이 결국은 서로 연관된 신경망들의 자기 조직화를 도와준다는 특징이 있다. 뇌에서 한 층의 조직이 먼저 성숙하고 다른 부분과 순차적으로 연결되는 방식으로 전체 뇌가 성숙할 때까지 반복된다.

시냅스 가지치기, https://m.post.naver.com/viewer/postView.nhn?volumeNo=16634267&memberNo=22718804

이 시냅스 가지치기는 딥 러닝 모델에서도 활용된다. 인공신경망의 계층적인 필터 구조(각 동작 환경에서 필요한 정보만 걸러내는 다중 계층 구조)가 실제 뇌의 피질과 유사해 보이게 되었다. 이러한 과정을 통해 자기 조직적인 변환기의 계층구조가 만들어지고 각 환경에 맞도록 조율된다.

합성곱 신경망의 구조(계층적 구조), https://news.unist.ac.kr/kor/column_202/

인간의 인식 발달 및 진화와 관련하여 딥 러닝의 중요성은 많은 과학자의 관심을 끌고 있다. 인간의 경우 뇌가 발달하는 중요한 시기이며, 세상 밖의 훨씬 더 복잡한 경험에 노출될 수 있다. 이러한 현상은 인간이 빠르게 변화하는 환경에 더 잘 적응할 수 있도록 만든다. 적응의 정도는 대뇌 피질 발달에 반영되기도 하고, 또한 두뇌의 자기 조직화 시기에 자극적인 환경으로부터의 정보 추출에 변화를 준다. 딥 러닝의 이런 이론들은 결국 인간 진화의 기본적인 조건으로서 문화와 인식의 공진화를 보여준다.

강화학습과 스키너의 조작적 조건형성

이러한 앞서 말했던 알파고 또한 딥러닝을 이용한 인공지능이다. 특히 알파고는 이때까지의 인공지능과 달리 스스로 강화학습을 통해 스스로 발전했다.

먼저 스키너의 조작적 조건학습에 관해서 설명하겠다. 유기체의 조작적 조건학습은 행동주의 심리학의 이론으로서, 어떤 반응에 대해 선택적으로 보상함으로써 그 반응이 일어날 확률을 증가시키거나 감소시키는 방법을 말한다. 행동의 결과를 통해 보상이 주어진다면 그 행동을 더 자주 하게 된다고 보았고, 그 보상을 ‘강화물’이라고 한다. 쾌락 제공뿐 아니라 혐오 제거로도 유기체를 강화할 수 있는데, 전자를 정적 강화, 후자를 부적 강화라고 한다.

인공지능에서 강화 학습은 일부 가치를 극대화하는 방식으로 행위자(actor) 또는 에이전트(agent)를 학습 시켜 환경에 응답한다. 환경 또는 학습 알고리즘은 에이전트 보상 또는 벌칙을 전송해 강화를 실현한다. 이것이 정책을 수정할 수 있고 정책의 수정이 곧 학습을 형성한다. 이해를 돕기 위해 구체적으로 살펴보자. 알파고는 바둑(환경)을 두는(행위) 방법을 학습하기 위해 먼저 대량의 과거 바둑 기보를 통해 인간 바둑 기사들을 모방 학습했다(예비 학습). 그런 다음 독립적인 자기 자신의 인스턴스를 상대로 수없이 바둑을 두면서 시행착오를 거쳐 경기력을 개선했다(강화 학습). 인간의 학습법을 인공지능에 접목한 사례인 것이다.

앞으로의 인공지능과 심리학

앞서 말한 인공지능들은 소임만 수행 할 수 있는 약 인공지능이다. 사람처럼 감정을 느끼고, 새로운 일을 배우고, 대회의 맥락을 파악할 수 있는, 한 가지 일에 국한되지 않는 인공지능을 강 인공지능이라고 한다. 나는 강 인공지능이 갖추어야 할 능력 중에서 물체지각 능력과 자연어를 통한 대화 능력에 관심을 가졌다. 이 두 가지 주제에서 심리학을 찾아보았다.

신호처리와 정신물리학

외부의 물리적 자극에 의해 감각 기관이 외부의 물리적 자극을 전기적 신호의 한 형태인 활동 전위로 바꾸면, 신경을 통해 뇌까지 활동 전위가 전달된다. 이렇게 전달된 활동 전위는 뉴런의 말단에서 신경전달물질이 뇌 속으로 분비되도록 한다. 이 일련의 과정을 감각처리라고 한다. 환경 내의 사물을 인지하여 대뇌피질에 그 사물에 관한 전체상이 형성되면 ‘물체를 지각하였다’고 한다.

인간은 감각 역치를 통해 감각을 느낀다. 감각 역치를 통한 감각인식의 방식은 절대역과 상대역으로 나눌 수 있다. 절대역은 탐지할 수 있는 에너지 수준과 탐지할 수 없는 에너지 수준 사이의 분할 점이다. 이는 특정 자극에 대한 민감성의 한계를 나타내며 외부환경을 인식하는 데 있어 관문이다. 절대역을 탐지확률이 50%인 자극강도로 정의한다. 반면 차이 역은 감각적으로 변별 가능한 최소한의 물리적 자극의 변화량을 의미한다. 보통 최소 가지 차(JND)로 나타낸다. 표준자극과 최소 가지 차의 비율은 상당히 안정된 상숫값을 가지며 이것을 베버의 법칙이라고 한다. 이는 탐지 자가 자극의 절대량보다는 상대적인 차이나 변화에 더 민감하다는 것을 보여준다.

이와 비슷하게 기계는 입력장치를 통해 신호를 수신하여 신호를 여러 목적에 따라 가공하는 신호처리과정을 거친다. 신호는 아날로그 또는 디지털 신호로 표현되며, 음향, 전자기파, 영상 또는 센서 출력값 등 다양한 측정값을 표현할 수 있다. 대부분의 입력신호는 디지털로 이루어진다, 따라서 디지털 신호 처리를 통해 디지털화된 신호를 원하는 방향으로 정보 신호를 알고리즘에 의해 수치로 처리해야 한다. 이 단계에서 인간의 감각 인지 방식인 절대역, 차이 역에서 아이디어를 가져와 알고리즘을 구현한다면 인간과 유사한 감각인지 능력을 갖출 수 있을 것이다.

디지털신호 처리는 연속적인 실세계 아날로그 신호를 측정하고 걸러내고 압축하는 것이다. 여기서 필요한 신호와 불필요한 신호를 판별할 때 신호탐지 이론을 적용할 수 있다. 신호탐지이론은 신호의 탐지가 신호에 대한 관찰자의 민감도와 관찰자의 반응 기준에 달려 있다는 이론이다. 이 이론은 신호(Signal)와 노이즈(Noise)를 구분하는 데 관련된 능력을 측정하는 수단으로 이용할 수 있다. 이러한 인간의 지각 방식을 알고리즘에 접목하여 한층 더 인간에 가까운 지각 능력을 얻게 될 수 있을 것이다.

인간의 신호탐지, https://ko.wikipedia.org/wiki/파일:SignalDetection.png

자연어 처리와 문화심리학

마지막으로 인공지능과 심리학에 대한 자료를 수집하면서 흥미로운 기사를 발견하였다. 따라서 기사의 출처를 남기고 요약하여 수록 하였다.

인공신경망의 발전으로 영상처리 분야에서 주목할 만한 결과가 나오면서 합성 곱 신경망(CNN)이 인공지능의 큰 부분으로 인식되곤 하지만 인공지능의 발전을 이끈 또 하나의 축은 기호(Symbol) 기반의 인공지능이다. 언어는 인간의 의식에서 벌어지는 상징물들의 조작이고 상징이다. 이에 기반해 기호를 처리하는 기호 주의 인공지능이 자연어 처리 분야를 오랫동안 이끌어 왔다.

자연어 처리 연구는 순환신경망을 적용했다는 한계로 인해 큰 벽을 넘지 못했다. 그러나 2018년 10월 구글이 발표한 대화형 인공지능 언어 (BERT)가 발표되면서 인간의 언어 이해 능력 이상의 결과를 보인다. BERT는 학습 속도의 향상할 수 있도록 병렬처리형 범용 딥러닝 모듈 아키텍처인 ‘Transformer’를 양방향으로 설계하고 있다. 이러한 구조와 더불어 언어사용자의 중요한 단어에 집중해 의도와 문맥 분석에 집중하는 범용 관심 모델을 채택했다. 이 관심 모델은 기본적으로 언어심리학에 기반한 것으로 발화 의도와 문맥 분석에 집중한 것이다.

예를들어, ‘커피 더 마실래?’라고 할 때 서양에서는 ‘more coffee?’라고 하지만 동양에서는 ‘더 마실래?’라고 다르게 대화하는 것이다. 서양에서는 명사(coffee)를 중심으로 생각하고 동양에서는 동사(마실 것)를 중심으로 생각하는 차이에서 기인한다고 볼 수 있다. 따라서 맥락을 파악하여 구현하는 모델에서는 동서양의 언어 차이가 나타나는 양태를 다른 방식으로 구현해야 한다.

대화의 중요한 특성 중의 하나가 서양의 대화는 상대방에게 정보를 제공하는 관점이 반영된다는 것이다. 이에 반하여 동양에서는 상태를 통제하고 제어하려는 의도(맥락)에 숨어 있다. 상대방에게 대화하는 만큼의 에너지를 투여하는 것에 상응하는 통제적 요소가 반영될 때 나의 에너지 투여에 가치가 있는 것이라는 관념이 깔린 것이다. 따라서 대화에는 숨은 의도에서 맥락의 기본적인 차이가 존재한다. 이처럼 동서양의 문화 심리적으로 나타나는 언어의 차이는 공학적 인공지능만으로는 현대의 인공지능 기술을 따라가기 어려운 점을 설명해준다. 따라서 심리학자나 심리철학자가 IT 개발 팀에 있어야 발전하는 인공지능의 수준을 높여 컴퓨터 기술자들 만 있었을 때 얻을 수 없었던 새로운 방법론을 찾아낼 수 있을 것이다.

마치며

공학을 전공하더라도 인문학에 소홀히 해서는 안 된다는 것이다. 공학은 사람을 이롭게 하기 위해 공업적인 생산에 응용하여 생산력과 생산품의 성능을 향상·발전시키는 학문이다. 최종적으로 ‘인간’을 위한 결과물을 산출해야 하며 그러기 위해선 ‘인간’ 인간의 근원 문제, 사상과 문화에 관해 탐구해야 한다. 그것을 깨닫는 것이 인문학인 것이다.

참고

1. 이재용 IT 심리학 | 인공지능에서 유용한 사회문화심리학(발췌 요약)

http://www.ciokorea.com/news/122678

2. Martin Heller | InfoWorld "알파고를 만든" 강화 학습 이해하기

http://www.itworld.co.kr/news/124052#csidx0287b9c3269bd7b9628749cbb9acd6a