인지 과학

* 상위 항목: 학문 관련 정보, 자연과학 관련 정보, 생물학 관련 정보

認知科學 Cognitive Science [목차]

--'이부분에 대해 어떻게 생각해?'에대한 궁극의 답을 찾아서--

개요

간단히 말하자면 "우리는 어떻게 생각을 하는가?"라는 질문의 해답을 얻기 위한 학문이다. 심리학자 조지 밀러는 인지과학에 기여하는 학문으로 여러가지를 꼽았다. 그는 인지과학이 좁게는 심리학, 컴퓨터과학(인공지능), 신경과학부터 넓게는 철학, 인류학, 경제학, 언어학 등의 여러 분야의 영향으로 발생한 학제적 연구 분야로 볼 수 있다고 하였다. [* 이 문서의 이전 버전에는 interdisciplinary를 '학제간'이 아닌 '학제적'이라고 번역해야 하는 이유가 제(諸)에는 이미 '여럿이서'이라는 의미가 있기 때문에 간(間)을 쓰면 'inter-'부분을 이중번역한 것이 되기 때문이라고 쓰여 있었다. 그런데 '학제적'이라고 할 때의 '제'는 '여럿'이라는 의미의 '諸'가 아니라 '사이'라는 의미의 '際'이기 때문에 이 설명은 틀렸다.] 조지 밀러는 작업 기억의 저장 용량으로 알려져 있는 "Magic number 7±2"로 유명하다.

3단계 분석 수준

데이비드 마아(David Marr)라는 신경과학자이자 생리학자가 제시한 방법으로, 인간의 마음을 포함한 정보처리 시스템이 작동하는 방식은 아래와 같은 세 가지 수준에 대한 이해가 동시에 갖춰져야 비로소 온전히 설명할 수 있다는 관점이다.

* 계산 수준 (Computational level): 이 시스템의 대략적인 목표, 목적 그 자체 (예; 체스에서 이긴다)
* 표상과 알고리즘 수준 (Algorithmic/representational level): 목표를 위해 시스템이 정보를 표상하고 조작하는 방식. 
* 물리적 구현 계층 (Physical/implementational level) : 시스템이 표상과 알고리즘을 구현하는 방식 (예; CPU, 뉴런 등)

이론적 관점

정보처리과정 (Information Processing)

자신의 마음이 어떻게 작동하는 것 같은지를 스스로 관찰하여 보고하는 방법은 내성법(introspection)으로 불리며 극초기 실험심리학의 대표적인 연구 방법이었다. 그러나 착시나 조작된 기억 등의 사례를 통해, 내성법만으로는 마음이 어떻게 작동하는지 알 길이 없다는 것이 확실해진 후, 불확실한 인간의 마음은 알 수 없는 블랙박스로 취급하고 행동과 반응이 연합(association)되는 방식을 실험적으로 규명하자는 목표를 가진 행동주의 심리학이 발현하게 된다.

하지만 인지주의 항목에서도 알 수 있듯 행동주의 심리학 역시 한계를 맞이했고, 당시 발명 및 보급되기 시작한 컴퓨터의 영향으로 인해, 인간의 마음은 뇌라는 하드웨어 위에 구현된 정보처리 과정와 같다는 관점이 자리잡게 된다. 다시 말해, 마음을 탐구하는 데 있어서 중요한 질문은 '무엇으로 만들어져 있는가'보다는 '무엇을 하는가'라는 뜻인데, 이런 관점은 기능주의의 영향을 받았다고도 이야기할 수 있다.

중요한 것은, 위의 진술이 뜻하는 바가 인간의 마음이 가지고 있는 물리적 기반을 탐구하는 것(신경과학)이 중요하지 않다는 것이 아니라는 점이다. 다만 마음이 반드시 생물학적인 기반에서만 발생할 이유는 없다는 것이며, 이는 인공지능 연구를 서포트하는 중요한 근거가 된다. 전뇌의 가능성을 뒷받침해주는 근거가 될 수도 있을 것이다. 인간이 가지고 있는 하드웨어는 뇌로 간주되었으며, 인간의 마음에 관심이 있는 일부 학자들은 신경과학적 연구를 통해 뇌가 마음이라는 정보처리과정을 행하는 방식을 연구하고자 했다.

기호 모형(Symbolic modeling)

마음은 뇌라는 컴퓨터에 설치된 프로그램일 뿐이라는 이론. 정보 처리 시스템은 표상 (representation), 법칙 (rule), 연속 처리 (serial processing), 그리고 지각-생각-행동 사이클로 이루어져 있다는 것이다. 간단하게, 마음을 무지막지한 양의 코드로 만들어낼 수 있다고 생각한 모양이다. 하지만 이렇게 만들어진 시스템들은 끝내 딥 블루 같은 전문가 시스템이 될 뿐, 인간처럼 사고하는 것은 불가능했다. 아무리 체스 기보를 많이 저장해 놓는다 하더라도 커피 한 잔 사는 것이 불가능한데다, 인간은 기보를 전부 외워서 체스를 이기는 것이 아니기 때문. 실제로 뇌가 하는 일과는 거리가 멀다는 것이 결론이다.

하위기호 모형(Sub-Symbolic modeling)

연결주의(connectionism) 모형이라고도 부른다. 뇌가 뉴런으로 이루어진 것 처럼, 신경망은 명확한 의미가 없는 신호들이 서로 주고받으며 의미를 만들어 나가는 시스템이라고 생각하게 된다. 위의 기호 모형과는 다르게, 연결주의 모형에서는 수 많은 신호처리 단위들이 서로 상호작용하면서 작동하기 때문에 세부적인 원리를 파악하기 힘들다. 하지만 언어나 개념의 분류 같은 복잡한 사고에는 오히려 뛰어나며, 기호 모형과는 달리 시간이 지남에 따라 사전식 주입 없이도 학습이 가능하기에 설득력이 있다.

2010년대 중반에 개발된 약인공지능 알파고는 연결주의 모형인 인공신경망에 강화학습(reinforcement learning)을 결합시킨 형태로 구성되어 있다.

체화된 인지(Embodied cognition)와 그 연장

신경과학과 결합된 기존의 인지주의적 접근에서는 인간의 인지과정이 뇌에서 일어나는 계산과정을 중심으로 일어난다고 가정하였다. 그러나 다른 한편에서는 두뇌를 포함해 신체 전체에 뻗어 있는 신경계 전체가 마음의 작동에 관여한다는 접근이 발생하게 되었는데, 이를 기존의 계산주의적 인지(computational cognition)과 구분하여 체화된 인지(embodied cognition)이라 칭한다. 체화된 인지의 대표적인 사례로 언급되는 것이 신체 활동에 의해 인지과정이 영향을 받는 경우(예를 들어, 숫자를 셀 때 우리는 손가락을 접거나 펴서 표시를 하게 되고, 만약 실수로 손가락이 어긋나면 계산이 틀어지기도 한다.), 환경에 의해 인간의 인지과정이 영향을 받는 경우(가구의 배치가 달라지면 집 안에서라도 부딪히는 일이 많아진다.) 등이다.

그러나 인지과학자 앤드류 윌슨(Andrew Wilson)은 이러한 개념이 체화된 인지에 대한 오해를 동반하며, 체화된 인지는 사람들이 생각하는 것보다 훨씬 급진적인 관점이라고 주장한다. ([논문: Wilson, A. D., & Golonka, S. (2013). Embodied cognition is not what you think it is. Frontiers in Psychology, 4, 58.]) 이 주장의 요지는, (1) 인간의 마음은 뇌 뿐만 아니라 신체 전체(에 뻗어 있는 신경계)를 기반으로 구성되어 있으며, (2) 기존의 정보처리적 접근과는 다르게 인간의 마음에 기호화된 형태의 계산단위나 표상 따위는 개입하지 않으며, 오히려 시간에 따라 변화하는 동적인(dynamic) 시스템으로 보아야 한다는 것으로 요약된다. 기존의 연구들이 이러한 입장을 부분적으로 반영한다고 해석할 수 있는 가능성도 있으나, 설령 그렇다고 하더라도 체화적 인지의 관점은 그러한 연구들이 커버하는 범위만으로는 100% 설명되지 않는다는 것.

분산된 인지(Distributed Cognition)

체화된 인지는 인간의 마음을 구성하는 주체를 어디까지로 볼 수 있느냐에 따라 수많은 확장 개념을 가지게 되었는데, 분산된 인지 역시 이 중 하나이다. 이 관점은 인간의 신체뿐만 아니라, 이 신체와 상호작용하며 끊임없이 변화하는 주변 환경마저도 사고의 한 부분이라는 접근. 바에서 일하는 바텐더가 음료마다 다른 잔을 사용하는 것을 금지할 경우 초보 바텐더와 다를 바 없는 정도의 주문 기억밖에 하지 못한다는 것도 그렇다. 논쟁적인 개념이기는 하나, 소위 디지털 치매 역시 분산된 인지의 관점에서 이해될 수 있다.

분산된 인지의 관점에서는 인간의 인지 작용이 크게 다음과 같은 세 가지 범주에 분산될 수 있다고 본다.

* 같은 그룹의 다른 사람에게 분산. 대표적인 예는 조별과제.
* 외부의 환경에 분산. 대표적인 예는 메모.
* 시간을 통해 분산. 대표적인 예는 알람.

일부 연구 행태에 대한 비판

체화된 인지라는 입장이 가지고 있는 관점 자체는 분명히 학술적으로 논쟁적이기는 하지만, 이 '논쟁'들은 어디까지나 학술적인 관점에서 오고 갈 수 있는 비판들이다. 그러나 체화된 인지에 기반을 둔 연구 가운데 이 이론/관점을 잘못 이해하고 실시한 연구들이 많았고, 이것들이 반복검증 시도를 거치면서 재현에 대거 실패한 사실이 밝혀지면서 관련 연구 분야를 침체시키기도 했다.

대표적인 사례는 히어로같은 '파워풀한' 포즈를 취하면 남성호르몬인 테스토스테론이 증가하고 '스트레스 호르몬'으로 알려진 코티솔이 감소되며 심리적으로도 자신감이 상승한다는 결과를 밝혀 유명해진 파워 포즈(power pose). 하지만 파워 포즈의 핵심 전제였던 호르몬 수준의 변화가 반복 검증에 실패하였음이 밝혀졌다.([논문]) 심리적인 수준에서의 변화는 검증에 성공하기는 하였지만 이는 일종의 플라시보 효과같은 것으로 이해될 수도 있으며, '파워 포즈' 이론의 핵심인 호르몬 수준의 변화는 확인되지 않았다는 것이다. (체화된 인지 이론을 잘못 이해하고 적용한 것과는 전혀 별개의 문제이기는 하지만, 심지어 해당 논문의 공저자는 "자신은 '파워 포즈' 효과가 실재한다고 믿지 않는다"는 일종의 폭로문을 올리면서 연구 과정에서 데이터 조작이 있었음을 시사하는 정황까지 언급하였다. [[1]])

학제간 연구

인지과학은 등장한 이후 학제간 연구가 매우 활발하게 이루어지고 있는 학문이다. 인간의 마음을 탐구한다는 특성 덕에 심리학에 못지 않은 범용성이 있으며, 과정을 중시하므로 기계공학, 프로그래밍 분야와도 연관된다. 일반 사회 부문에도 적용 가능한데, 예를 들어 유년시절의 성폭행 기억은 억압된다 문서의 Loftus 박사는 인지과정의 오류로 인해 기억이 왜곡될 수 있다는 것을 밝혀내면서 법정에서 증언의 영향력을 크게 바꿔놓았다. 그 외에도 광고가 유아에게 미치는 영향, 전뇌에 관련된 도덕적 문제, 인공지능의 연구 등 여러 부문에 관련된 연구가 진행되었다. 심지어 한 인지과학자는 스타크래프트 2 의 리플레이 파일을 이용, 인지 과정이 학습에 미치는 영향을 통해 고수와 초심자의 차이를 밝히려는 시도마저 한 적이 있다고 한다(...)

UX 디자인에 관한 이론들의 대다수도 인지과학으로부터 유래했다. 그도 그럴 것이 UX라는 개념이 애초에 최고의 사용자의 경험을 만들기 위한 분야이기 때문에, 인간이 어떻게 정보를 이해하고 처리하는지에 대한 정보는 필수불가결한 것이기 때문이다.

인지 컴퓨팅

인지 컴퓨팅(cognitive computing)은 기계학습을 이용하여 특정한 인지적 과제를 해결할 수 있는 프로그램 또는 솔루션[* 단어를 직역하면 '해답'이나 우리가 일반적으로 생각하는 그 '해답'의 의미보다 조금 범위가 넓다. 기술적/경영적 문제에 대한 해결책을 통칭하여 '솔루션'이라고 부르는데 그것과 같게 생각하면 된다. 가령 핀테크, 핸드폰 결제, 무통장 입금을 하나로 모아서 '지불/결제 솔루션'이라고 부를 수 있다.]. 각 업체별로 이 기술을 지칭하는 용어가 다를 수 있다.

[|“알쏭달쏭” 인지 컴퓨팅의 개념과 활용, 그리고 미래 2017.06.12] 기사 내용이 2018년 현재의 인공지능 기술을 다소 과장하고 있으나, 기계학습을 이용한 솔루션 제공이라는 측면에서는 업계의 상황을 잘 반영하고 있다. --사실 기사내용만 보면 그저 마케팅 용어일 뿐이다. 기사에서 새로운 기술이나 응용에 대해 소개하는 것이 없다.--