인지과학

인지과학(cognitive science)은 인간의 마음과 동물 및 인공적 시스템, 지적 시스템에서 정보 처리가 어떻게 발생하는지 연구하고 규명해 구체적으로 기술하는 학문이다. 다르게 말하면, 인지과학은 인간의 마음의 과정 및 내용, 동물 및 인공적 지적 시스템에서의 지능의 정보적 표상과 그 작동 과정을 연구하는 종합적 과학이다.

개요

인간의 뇌는 약 수십억 개의 신경세포와 이들을 상호 연결하는 약 수십조 개의 시냅스로 구성돼 있다. 이들의 복합적인 작용에 의해 사람들은 사물을 인식하고 어떻게 행동할 것인지 판단하는데, 인지과학이란 이러한 사람의 뇌에 의한 정신활동이나 신체기능을 추상적으로 다루는 것이 아니라 구체적인 기술로서 재현하는 학문이다. 인지과학의 좁은 의미는 인간과 동물 등에서 일어나는 정보처리에 대해 연구하는 학문으로, 심리학, 철학, 신경과학, 언어학, 인류학, 전산학, 교육학, 사회학 등 여러 학문과 연계된다. 넓은 의미로는 인지과학적 이해를 바탕으로 다양한 공학 분야의 학문 간의 융합을 통해 휴먼인지, 사물인지, 환경인지 간의 관계 및 기능의 근본 원리를 이해하고 응용하기 위한 연구 분야이다. 휴먼인지는 인간 뇌 연구를 기반으로 하는 인지, 지능 원리 연구 및 인간 행동 연구이고, 사물인지는 인간, 사물과 사물 간 상호작용 및 협력을 위한 인터페이스 연구, 환경인지는 인간을 둘러싸고 있는 주변 환경 및 상황을 인지해 당면 문제를 해결하기 위한 의사결정, 대응기술 개발연구이다. 인지과학은 뇌의 작동 및 몸의 움직임의 제어를 포함하는 인간의 마음이라는 작용과 동물 및 시스템에서의 지능의 정보 표현과 그 작동 과정을 연구하는 학문이다. 인지과학은 서로 연결하며 다학문적이고 학제적인 학문으로, 인공지능의 발전이 인지과학 형성의 모태를 이뤘다. 인지과학은 심리학, 철학, 신경과학, 언어학, 인류학, 전산학, 학습과학, 교육학, 사회학, 생물학 등 여러 학문과 연관돼 있다. 여러 학문에서 형성한 새로운 이론적 틀의 총체를 인지과학, 인지주의, 인지적 패러다임이라고 한다. 계산기를 디지털 계산기로, 디지털 계산기를 컴퓨터로 개념화하며 컴퓨터의 처리 과정과 인간의 마음 작동 과정을 정보 처리라는 공통적인 개념으로 엮을 수 있다는 생각이 인지과학의 출발이다. 인지과학의 형성은 여러 학문 분야에서 형식주의 이론, 계산 이론, 튜링기계 이론, 저장된 프로그램 이론, 커뮤니케이션 이론, 정보 이론 등 많은 이론이 수렴된 결과이다. 인지는 인간이 수행하는 작업을 할 때 필수적인 부분이다. 인지과학은 인간의 생각, 지적 깨달음이 확장됨에 따라 끊임없이 변모하는 학문이다. 따라서 인지과학은 세계적으로 모든 사람의 의견이 일치를 보이는 통일되고 고정된 정의를 찾기 어렵다. 인지과학의 정의는 대학마다, 학자마다, 시대마다 다르며, 역동적으로 변화하고 있다.

역사

인지과학 연구는 톨만과 혼직의 실험으로 시작됐다. 톨만과 혼직은 미로를 통과하는 쥐 집단의 보상에 차이를 두는 실험을 진행했는데, 실험 결과 쥐들이 잠재 학습을 했고, 이는 행동주의적 관점으로 설명할 수 없다는 것을 알아냈다. 현대적 인지과학은 1930년대와 1940년대의 워런 맥컬럭(Warrant McCuloch)과 월터 피츠(Walter Pitts)와 같은 초기 인공두뇌학자에서 유래했는데, 그들은 정신의 조직적 원리를 이해하고자 했다. 워런 맥컬럭과 월터 피츠는 인공 신경망으로 알려진 초기 변종들을 개발했는데, 이는 생물의 신경망 구조에 영감을 받은 계산 모델이었다. 그러다 1950년대에 인지과학의 사조가 형성된다. 1940년대와 1950년대에 계산 이론과 디지털 컴퓨터 이론을 초기에 개발한 선도자들은 앨런 튜링(Alan Turing)과 폰 노이만(John von Neumann)이다. 앨런 튜링의 튜링 기계는 어떤 문제를 푸는 알고리즘이 있으면, 그 문제를 기계로 풀 수 있고, 이는 수학 문제를 풀 때의 사고 과정을 형식화할 수 있다는 가능성을 제시했다. 폰 노이만 구조는 정신에 대한 비유와 탐구의 도구 측면에서 인지과학의 중추적 역할을 했다. 학술 기관에서 최초로 수행된 인지과학 실험은 매사추세츠 공과대학교 경영대학의 J. C. R. 리클라이더(J. C. R. Licklider)가 컴퓨터 메모리를 인간 인지에 대한 모형으로 삼고 진행했다. 1959년 노암 촘스키(Noam Chomsky)는 자극과 반응의 기능적 관계에 초점을 맞춘 심리학을 비판했다. 노암 촘스키는 언어를 설명하기 위해 발생 문법과 같은 이론이 필요하다고 주장했는데, 이는 내재적 표현을 기술할 뿐만 아니라 그 기반의 질서를 특성화했다. 1950년대 말과 1960년대 초 인지 심리학자들도 미국 컴퓨터 과학자 앨런 뉴웰(Allen Newell)과 허버트 사이먼(Herbert Simon)을 중심으로 인간 인지의 컴퓨터 모형을 구축해 인간 지능을 연구했고, 클리프 쇼(Cliff shaw)와 인간의 문제 해결 과정의 컴퓨터 모형을 구축했다. 일반 문제 해결자(general problem solver)라는 그 모형은 논리 증명과 수학 단어 문제 같은 다양하게 구조화한 문제들의 최종 해답을 찾았다. 수단-목적 분석이라는 발견법에 토대를 둔 이 연구를 통해 허버트 사이먼과 앨런 뉴웰은 1972년 그들의 책 《인간의 문제해결》(human problem solving)에서 문제해결의 일반론을 제시했다. 1960년대에는 인지과학의 이론을 체계화하는 노력이 전개돼, 인지과학의 대표적 고전인 미국의 심리학자 울릭 구스타프 나이서의 《인지심리학》, 허버트 사이먼의 《인공의 과학》(the sciences of artificial)이 출간되었다.

인지과학이라는 용어는 1973년 크리스토퍼 히긴스(Christopher Higgins)에 의해 라이트힐(Lighthill) 리포트에서 처음 사용됐다. 인지과학이라는 용어는 인공지능에 대한 그 당시의 상태에 대한 우려를 나타냈다. 크리스토퍼 히긴스와 심리학자들은 정신측정학과 인지 모형을 결합하는 방법을 보여주고, 기본 정신측정 검사에서 시작하는 대신 실험심리학자들이 실험실에서 연구할 때 쓰는 지각, 학습, 기억 같은 기본 인지 현상에서 출발했다. 그들은 이런 현상의 개인차가 정신측정학적 지능 검사 점수의 개인차 패턴과 관련이 있다는 것을 발견했다. 그들의 결과는 기본 인지 과정이 지능의 기본 단위이고, 지능은 하나의 능력이 아니라 많은 능력을 효과적으로 모은 것이라는 점을 시사했다. 심리학자들은 지능의 토대가 되는 핵심 능력이 글자의 이름 같은 어휘 정보를 기억에서 빠르게 검색하는 것이라 가정했다. 1977년 1월 인지과학을 다루는 전문잡지가 미국에서 최초로 출간됐고, 1979년에는 미국인지과학회가 창립됐다. 힐러리 퍼트넘(Hilary Putnam)의 기능주의, 제리 포더(Jerry Fodor)의 단원성 개념, 노암 촘스키의 변형생성문법, 앨런 뉴웰과 허버트 사이먼의 기호체계 가설로 대표되는 인지주의의 영향력이 막강한 시기였다. 1982년 배서 대학교(Vassar College)가 인지과학 학부 학위를 수여하는 세계 최초의 기관이 됐다. 1970년대와 초기 1980년대에는 기능적 신경 영상 기법이 발달하면서 두뇌에서 일어나는 사건을 연구할 수 있게 되었다. 이에 따라 인간의 인지 과정이 두뇌에서 어떻게 이루어지는지 밝히려는 연구가 활발해졌다. 또, 인지과학 연구의 상당 부분이 인공지능의 가능성을 중점적으로 다뤘다. 연구자들은 리스프(LISP) 같은 언어로 컴퓨터 프로그램을 작성해서, 사람이 결정하거나 문제를 해결하는 동안 거치는 과정을 정형적으로 특징화하려고 했다. 이는 인간의 사고를 더 잘 이해하고 인공적인 정신을 창조하기 위함이었다. 기호적 인공지능 연구 프로그램은 인간의 지식을 기호적 컴퓨터 프로그램이 사용할 수 있는 형태로 총체적으로 나열하는 것이 비현실적이라는 한계에 도달했다. 80년대와 90년대 후반에는 연구 패러다임으로 신경망과 연결주의가 탄생해, 이러한 관점하에 정신은 계층화된 망으로 표현되는 복잡한 연관의 집합이었다. 비평가들은 어떤 현상들은 기호 모형으로 더 잘 설명될 수 있고, 연결주의 모형은 종종 너무 복잡해서 설명력이 떨어진다고 했다. 최근 기호 모형과 연결주의 모형의 장점을 이용하려고 하고 있다. 1990년 심리학자 존 미국 심리학자 존 캐롤(John Carroll)은 감정을 지각하고 생각을 돕기 위해 감정을 평가하며 생성하고, 감정과 정서 지식을 이해하고, 정서 및 지적 성장을 촉징하기 위해 감정을 절제하는 능력을 감정 지능이라고 했다. 감정 지능에는 자신의 감정뿐 아니라 타인의 감정을 인지하고, 추론을 돕는 쪽으로 적절히 감정을 적용하고, 복잡한 감정과 그것의 후속 감정 상태에 미치는 영향을 이해하며, 자신뿐 아니라 타인의 감정을 관리하는 능력이 포함된다. 감정 지능이라는 개념은 1990년대에 심리학자이자 언론인인 다니엘 골먼(Dainel Goleman)이 제시했다. 존 캐롤은 1993년 자신이 쓴 《인간 인지능력》(human cognitive abilities)에서 3층 정신측정 지능 모형을 제시했다. 존 캐롤의 모형은 수많은 자료 집합을 재분석한 결과를 토대로 했기 때문에, 많은 심리학자는 존 캐롤의 모형이 결정판이라고 본다. 20세기 말에는 다른 지능들도 제시되었다.

주요 인물

데이비드 차머스(David Chalmers)

대니얼 데넷(Daniel Dennett)

마빈 민스키(Marvin Minsky)

노암 촘스키(Noam Chomsky)

존 매카시(John McCarthy)

• 데이비드 차머스(David Chalmers)

데이비드 차머스는 호주의 철학자이자 인지과학자이다. 호주 국립대학교에서 철학 교수와 의식 센터 소장을 맡았고, 뉴욕 대학교의 철학 및 신경 과학 교수를 맡았다. 찰머스는 1966년 시드니에서 태어나 공감각을 경험하고, 수학에 뛰어났다. 데이비드 차머스는 1994년 의식 과학 국제 학술회의의 첫 회의에서 강의를 발표했고, 의식 과학 연구 협회의 창립 회원이다. 데이비드 차머스는 1995년 쓴 논문 《의식의 문제를 직시하다》(Facing Up to the Problem of Consciousness)와 1996년 쓴 책 《의식적인 마음》(The Conscious Mind)에서 의식적인 문제를 만들었다. 사물을 구별하거나 단어를 설명하는 등 쉬운 인지적 문제와 감각에 대한 인식을 수반하는 감정은 왜 존재하는가 등의 어려운 지적 문제를 구별했고, 정신적 경험에 대한 물리학적 설명을 비판하며 자연주의적 이원론을 제시했다. 정신 상태가 물리적 시스템보다 자연적으로 우월하다고 믿었고, 정신 상태는 물리적 시스템과 존재론적으로 구별되고 축소될 수 없다고 했다. 데이비드 차머스는 육체가 인간과 같지만 의식이 없는 소설 속 좀비를 통해 의식이 물리적인 속성만으로 충분히 설명되지 않고, 심리 물리학적 법칙이 존재할 수 있다고 주장했다. 또, 언어에 관해 참조 이론과 서술 주의에 반대하며 단어나 문장의 주된 특징은 그것의 감각, 즉, 우리가 그것의 참조를 찾는 아이디어나 방법이라고 했다.

• 대니얼 데넷(Daniel Dennett)

대니얼 데넷은 진화생물학과 인지과학을 연구한 미국의 철학자, 작가, 인지과학자이다. 대니얼 데넷은 1942년 3월 28일 매사추세츠주 보스턴에서 태어나 1959년 필립스 엑시터 아카데미를 졸업하고, 1963년 하버드 대학교에서 철학 학사 학위를 받았다. 대니얼 데넷은 자유주의자들을 비판했고, 의사 결정의 2단계 모델에 대한 사례를 서술했다. 대니얼 데넷은 경험적 연구에 기반을 둔 정신 철학을 제공하는 것에 관심이 있었고, 내용과 의식을 구분했다. 내용 이론과 의식 이론의 필요성과 마음을 설명하는 문제에 대해 제시했고, 내용과 의식이 두 부분으로 나눠진 것처럼 브레인 스토밍을 두 부분으로 나누었다. 대니얼 데넷은 의식의 여러 모델을 제공했는데, 모든 다양한 생각이나 정신적 활동을 도출한 모든 다양한 수집은 뇌에서 다양한 과정을 거친다고 했고, 신경계에 진입하는 정보는 지속해서 편집과 수정을 거친다고 했다. 또, 대니얼 데넷은 인공지능을 통해 인간이 얻는 효율성의 증가를 인정했지만, 인공지능이 가지고 있지 않은 지적 능력이 인간의 이해력을 인간의 이해력에 도전하고 발전시키기 위해 구조적으로 활용해야 하며, 기생적인 인공지능 시스템을 잘못 이해하면 위험하다고 했다.

• 마빈 민스키(Marvin Minsky)

마빈 민스키는 인공지능의 개념을 창시해 '인공지능의 아버지'라고 불리는 미국의 과학자이다. 1972년 뉴욕에서 태어난 마빈 민스키는 매사추세츠 공과대학교의 인공지능 연구소의 공동 설립자이며, 인공지능, 인지과학, 수학, 전산언어학 등에 많은 공헌을 했다. 마빈 민스키는 최초의 신경회로망 컴퓨터를 만들었으며, 지적 활동의 프레임워크 이론을 만들었다. 1974년 제시된 이론인 지적 활동의 프레임워크는 객체지향 프로그래밍의 초기 형태로서 인정받는데, 이는 심리학, 언어학, 인공지능의 많은 고전적 개념과 현대적 개념을 결합한 부분적 사고 이론이다. 마빈 민스키는 새로운 상황에 직면할 때마다 기억에서 프레임이라고 불리는 구조, 필요에 따라 세부사항을 변경함으로써 현실에 맞게 채택될 프레임워크를 선택한다는 이 이론을 프레임 시스템 아이디어를 언어 문제인 기억, 지식의 획득, 검색, 유추에 의한 다양한 추론 방법 및 부분 유사성 일치를 바탕으로 한 결론에 속단하는 방법에도 적용했다. 마빈 민스키가 1986년 쓴 책 《마음의 사회》(Society of Mind)는 자연지능 이론의 이름이다. 이 책은 총 30장으로 나누어 270편의 논술로 되어 있고, 시디롬 버전으로 만들어졌다. 마음의 사회를 설명하는 과정에 마빈 민스키는 언어, 기억, 학습과 같은 과정이 어떻게 작용하는지에 대한 이론을 개발하고, 의식, 자아, 감각, 자유의지와 같은 개념도 다룬다. 이 책은 인공지능이나 인지과학, 물리적 뇌 구조를 언급하거나 증명하지 않고, 마음과 생각이 개념적 수준에서 어떻게 작용하는가에 대한 아이디어를 모았다. 마빈 민스키는 마음은 두뇌가 하는 일이라고 주장하며, 마음을 대리인의 사회로 보는 큰 힘은 어떤 기본 원칙이나 단순한 형식 시스템의 결과와 반대로 서로 다른 대리인은 다른 목적을 가진 다른 유형의 과정, 지식을 표현하는 방법, 그리고 결과를 산출하는 방법에 근거할 수 있다고 한다. 1951년부터 1955년까지 하버드 대학교의 펠로우스 협회(Society of Fellows)의 일원이었고, 박사 학위 논문 연구에 착수했다. 언어학자

• 노암 촘스키(Noam Chomsky)

노암 촘스키는 '현대 언어학의 아버지'라고 불리는 미국의 언어학자, 철학자, 인지과학자, 역사가, 사회비평가, 정치 활동가이다. 노암 촘스키는 1928년 12월 7일 펜실베이니아주 필라델피아에서 태어나 펜실베이니아 대학교에서 철학, 논리, 언어를 탐구했고 아랍어에 관심을 가졌다. 노암 촘스키의 언어 이론의 기초는 언어의 구조를 뒷받침하는 원리가 인간의 마음속에 생물학적으로 미리 설정되어 있고, 유전적으로 계승된다는 생물 언어학에 있다. 그는 사회 문화적 차이와 상관없이 모든 인간은 동일하고 근본적인 언어 구조를 공유한다고 주장한다. 노암 촘스키는 1960년대부터 통사적 지식은 최소한 부분적으로는 타고났다고 주장하며, 아이들이 모국어의 특정 언어적 특성만 배우면 된다고 했다. 그는 자기 주장을 인간 언어 습득에 관한 관찰에 근거하고, 자금의 부족, 즉, 아이들이 노출되는 언어적 자극과 그들이 습득하는 풍부한 언어적 능력 사이의 격차를 설명했다. 노암 촘스키는 주요 언어 데이터는 타고난 언어 능력으로 보완되어야 한다고 판단했고, 인간 아기와 새끼 고양이가 둘 다 귀납적 추론을 할 수 있고 정확히 같은 언어 자료에 노출된다면 인간만 언어 능력을 얻을 것이라 했다. 노암 촘스키는 고양이에게는 없는 언어 습득 장치가 인간에게만 있다고 주장하며, 언어학자들이 이 장치가 무엇이며, 이 장치가 인간 언어에 어떤 제약을 가하는지 알아내야 한다고 했다.

• 존 매카시(John McCarthy)

존 매카시는 미국의 전산학자이자 인지과학자이다. 최초의 인공지능 연구소의 공동설립자이기도 하면서 인공지능의 아버지라 불리는 연구자 중 한 명이다. 인공지능을 위한 프로그래밍 언어 리스프, 체스 게임 알고리즘, 시분할 시스템 등을 개발하는 인공지능 분야에 많은 업적을 남긴 존 매카시는 1927년 9월 4일 미국 매사추세츠주 보스턴에서 태어났다. 어린 시절부터 천재라고 불린 존 매카시는 캘리포니아 공과대학교에서 수학과 학사 학위를 받고, 프린스턴 대학교에서 박사 과정을 전공해 1951년 수학 박사 학위를 취득했다. 존 매카시는 생각하는 기계를 만들기 위해 1952년 벨 연구소에 들어갔고, 뇌와 비슷하게 작동하는 기계를 만들고자 하는 사이버네틱스가 아닌 생각하는 기계를 만들기 위해 사이버네틱스를 떠나 1956년 인공지능을 주제로 다트머스 학회를 진행했다. 존 매카시는 1966년 체스 게임 프로그램을 사용해 러시아와 체스 대회를 진행했다. 존 매카시가 집필한 논문 《기호로 나타낸 재귀 함수와 기계를 이용한 계산》의 이론을 토대로 매사추세츠 공과대학교에서 인공지능을 위해 만든 고급 프로그래밍 언어인 리스프는 함수의 정의와 응용, 재귀에 사용되는 계산방식으로 함수를 사용해 개발하는 컴퓨터 프로그래밍의 기본적인 구조를 형성하는 데 기여했다. 또, 1959년 개발한 시분할 시스템은 여전히 클라우드나 네트워크 같은 다중 사용자 시스템에서 심화된 형태로 사용되고 있다.

특징

다양한 계층 분석

인지과학의 핵심 원칙은 단일 수준의 연구만으로는 정신에 대해 완벽한 이해를 할 수 없다는 것이다. 예를 들어, 전화번호를 외우고 나중에 기억하는 프로세스를 이해하기 위한 방법의 하나는 직접 관찰을 통해 그 행동을 이해하는 것이다. 즉, 어떤 사람에게 하나의 전화번호를 보여주고, 잠시 후에 그 전화번호를 기억해내도록 한 뒤, 그 기억의 정확도를 측정하는 것이다. 다른 하나는 전화번호를 기억하는 동안 사람의 뉴런이 어떻게 동작하는지 연구하는 것이다. 둘 중 어느 방법으로도 전화번호 기억 과정을 완벽하게 설명할 수 없다. 기술을 활용해서 뉴런의 작동을 실시간으로 포착하고, 작동 시점을 알 수 있더라도, 뉴런의 특정한 작동을 바로 관찰된 행동으로 해석할 수는 없다. 따라서 이러한 두 가지 다른 수준의 분석이 서로에게 어떻게 연관되는지 이해하고, 전신을 연구하는 새로운 과학들은 그 연구 범위를 실제 인간의 경험과 그 경험에 내재한 변형 가능성까지 확대해야 한다. 이는 그 프로세스의 기능 단계에서 설명될 수 있다. 뇌에서 발생하는 어떤 과정들이 특정 행동을 일으키는지 알기 위해서는 어떤 현상에 대하여 다양한 계층에서의 분석이 필요하다. 영국의 신경과학자이자 심리학자인 데이비드 마아(David Marr)는 사람이 눈으로 보는 것을 정보 처리 시스템으로 비유하고, 시스템 이해를 위해 3단계 분석 방법을 제시했다. 계산 계층에서 이 시스템이 해결하고자 하거나 극복하고자 하는 목적을 정의하고, 표현과 알고리즘 계층에서 목적 달성을 위해 시스템이 어떻게 동작하는지 분석하고, 입력과 출력을 위해 어떤 표현을 사용하고, 어떤 과정을 통해서 입력을 출력으로 처리하는지 정의한다. 또, 물리적 계층에서 신경 구조와 뉴런 활동이 그 시스템을 구현하는지 같은 시스템의 물리적 구현을 정의한다. 인지과학 문제의 해명은 실험분석이나 수치적 해석의 수법으로는 큰 성과를 기대할 수 없기 때문에 내부 지식의 구조와 작용을 충분히 밝힐 수 있는 동적인 기호 처리 모델의 작성이 요구되었다. 이런 종류의 모델은 인간의 지적 능력의 대행이나 증강을 목적으로 하는 것은 아니지만, 컴퓨터상에 프로그램으로 실현됨으로써 인공지능 연구와 밀접한 관계가 생겼다. 지식 표현의 기초적인 아이디어는 언어학에서 의미 표현 이론을 참고한 것이 많았다. 더 나아가서 그 내부 지식의 입출력 매체로 자연어를 생각하는 것이 일반적이기 때문에, 인지과학 연구와 언어학의 연관도 밀접했다.

다양한 학문과 연계

인지과학은 심리학, 신경과학, 언어학, 철학, 컴퓨터과학, 인류학, 사회학, 생물학 등 다양한 학문 분야와 연계된다. 인지과학은 다른 과학 분야와 마찬가지로 객관주의 관점, 현실주의 관점을 지니는데, 이 분야는 다른 자연과학과 마찬가지로 시뮬레이션이나 모형화 같은 과학적 방법을 활용하고, 모형을 통한 결과를 인간의 행동 특성과 비교하기도 한다. 어떤 사람들은 인지과학이 단일한 학문 분야로 인정하기를 꺼리며 인지과학 학문들 식으로 부르기도 한다. 스스로 인지과학자라고 생각하는 많은 사람들은 정신에 대해서 기능주의자 관점을 지니고 있다. 기능주의자 관점은 정신 상태를 기능적으로 구분하는 관점이다. 시스템이 어떤 정신 상태를 위하여 특정 기능을 수행하면 그 시스템이 그 정신 상태에 있다고 여기는 것이다. 이 관점에 따르면 인간 외의 다른 동물, 외래의 생명체, 고등 컴퓨터는 원칙적으로 정신 상태를 지닐 수 있다. 심리학에서는 인간의 인지 기능에 대한 기제, 컴퓨터 과학에서는 컴퓨터 모형을 이용한 인간의 인지 능력 구현, 언어학에서는 인간 언어의 추상적인 구조, 신경과학에서는 두뇌가 작동하는 방식의 세부 사항, 철학에서는 마음이 어떻게 뇌에서 구성되는지에 대한 추상적인 모형, 인류학에서는 사회문화에 따라 인지가 어떻게 달라지는지 연구하는 식으로 인지과학과 다른 학문은 연결된다.

연구 방법

인지과학은 여러 학문에서 다양한 연구가 이루어지기 때문에 연구 방법 또한 다양하다. 실험법, 컴퓨터 시뮬레이션, 뇌 영상 기법 등이 사용된다. 현재 매년 5000편가량의 논문들이 의식과 관련된 연구 결과를 발표하고 있고, 여기에는 의식, 각성, 외현적 인지, 외현적 초상, 초점 집중과 같은 의식의 동의어들이 언급된다.

행동 실험

지능적 행동의 구성에 대하여 기술하기 위해서 반드시 행동 자체를 연구해야 한다. 다양한 자극에 대한 행동적 반응을 측정함으로써 자극이 어떻게 처리되는지 이해할 수 있다. 2009년 심리학에서 사용하는 행동 측정 방법의 혁신적 방법은 행동 추적 (behavioral traces), 행동 관찰 (behavioral observations), 그리고 행동 선택 (behavioral choice) 등을 포함한다. 행동 추적은 전기 계량기 검침처럼 어떤 행동이 발생했다는 흔적은 있지만 행위자는 없는 경우 사용한다. 행동 관찰은 어떤 사람이 옆 사람과 얼마나 가까이 앉아 있는지 관찰하는 것처럼 행위자가 어떤 행동에 관여하는 것을 직접적으로 관찰하는 것이다. 행동 선택은 어떤 사람이 두 가지 이상의 옵션 중에 선택하는 것으로, 투표 행동, 다른 참가자에 대한 처벌 선택 등이 예가 될 수 있다. 이 방법에서는 어떤 자극의 제시와 그에 따른 반응 시간, 정신 물리학적 반응, 안구 추적 등을 연구하는 것이 포함된다.

뇌 영상 기법

뇌 영상 기법은 다양한 작업을 수행하는 도중 뇌의 활동을 분석하는 것을 포함한다. 이를 통해 우리는 행동과 뇌의 기능을 연계하고, 정보가 어떻게 처리되는지 이해할 수 있다. 뇌 영상 기법을 이용한 대부분의 연구는 특정 과제를 제시했을 때의 뇌의 활성화 상태를 관찰하는 방법으로 이루어지지만, 인간의 뇌는 과제를 수행하지 않는 순간에도 계속해서 활동한다. 이러한 현상에 대한 연구는 아직 부족한 상태지만, 인간의 인지 과정을 이해하는 데 더 중요한 기제일 수 있으므로 앞으로 더 많은 연구가 필요하다. 뇌 영상 기법은 종종 인지신경학과에서 사용된다.

• 자방출단층촬영(emission computed tomography) : 단일광자방출단층촬영(Single photon emission computed tomography)과 양전자방출단층촬영(Positron emission tomography)은 방사선 동위원소를 사용하는데, 대상자의 혈류에 주입된 방사선 동위원소가 뇌로 유입되면 뇌의 어떤 영역에 방사선 동위원소가 있는지를 관찰해 뇌의 특정 영역이 다른 영역보다 활성화되는지 보는 기법이다. 양전자방출단층촬영은 기능자기공명영상과 비슷한 공간 해상도를 지니지만 시간 해상도가 약하다. 시간 해상도는 움직이는 동영상에서 각 영상 프레임의 시간 간격을 의미한다. 시간 해상도가 약하면 시간의 흐름에 따라서 연속적으로 영상을 보여줄 수 없다.

• 뇌파검사(Electroencephalography) : 대상자의 두피에 여러 개의 전극을 부착해서 대뇌피질의 대규모 뉴런들에 의해 발생하는 전기장을 측정하는 것이다. 이 기술은 시간 해상도는 좋으나 상대적으로 공간 해상도가 약하다.

• 기능자기공명영상(Functional magnetic resonance imaging) : 뇌의 다른 부위로 유입되는 산화 혈액의 상대적 양을 측정하는 것인데, 특정한 영역에서 산화된 혈액이 더 많으면 해당 영역이 신경 활동의 증가와 관련된다고 가정할 수 있다. 이를 통해 뇌의 여러 다른 영역에서 특정 기능에 해당하는 부분을 찾을 수 있다. 기능자기공명영상은 중간 수준의 공간 해상도와 시간 해상도를 지닌다.

• 광학촬상(Optical imaging) : 적외선 송출기와 수신기를 활용해 뇌의 여러 영역 인근 혈액에서 반사되는 빛의 양을 측정하는 것이다. 혈액은 산소의 함유 또는 제거에 따라서 다른 양의 빛을 반사하는데, 이를 통해서 어떤 영역이 더 활성화되는지 알 수 있다. 광학촬상은 중간 수준의 시간 해상도를 지니지만, 공간 해상도는 매우 약하다. 인체에 전혀 무해하기 때문에 신생아 뇌 연구에도 사용할 수 있다.

• 뇌자도(Magnetoencephalography) : 대뇌피질의 활동에 따른 자기장을 측정하는데, 이는 뇌전도와 유사하지만, 자기장이 서로 중첩되거나 두피, 뇌막 등에 의해 약화되지 않아 공간 해상도가 더 좋다. 뇌자도는 초전도 양자 간섭 장치를 사용하여 사소한 자기장도 감지할 수 있다.

계산 모형

계산 모형(Computational modeling)은 어떤 문제를 수학적이고 논리적인 형태로 표현한 것이다. 계산 모형은 컴퓨터 모델을 사용하여 지능의 여러 특정한 속성과 일반적인 속성에 대한 시뮬레이션과 실험적인 규명을 수행한다. 계산 모형을 통해 우리는 특정한 인지 현상의 기능적 조직을 이해할 수 있다. 인지 모형에 대해서는 두 가지 기본적인 접근이 있는데, 지능의 추상화된 정신적 기능들에 중점을 두는 기호 모형과 두뇌 신경의 연합적 속성들을 따르는 하위기호 모형이다. 이 외에도 동적 시스템 이론, 기호 모형과 연결주의 모형을 부합한 신경 기호 통합, 기계학습에서 시작된 베이지안 모형(Baysian models) 또한 인기를 끌고 있다. 위의 모든 접근은 인조, 추상 지능의 통합적 계산 모형 형태로 일반화된다. 그리고 개인과 사회·조직적 의사결정과 추론 과정을 설명하고 향상시키는 데 적용할 수 있다.

신경생물학 방법

신경과학과 신경심리학으로부터 차용된 연구 방법을 통해 지능의 여러 특성을 이해하고, 지능적 행동이 물리적 시스템에 어떻게 구현되는지 알 수 있다. 신경생물학 방법은 단일 단위 기록, 직접적 두뇌 시뮬레이션, 동물 모형, 사후 연구 등이 포함된다.

연구 범위

인지과학은 인지와 관련된 광범위한 영역을 다루지만, 정신이나 지능의 특성과 작동에 관련된 모든 주제를 다루지는 않는다. 사회문화적인 요인, 감정, 의식, 동물 인지, 비교와 진화적 접근 등은 경시되거나 배제되는 경향이 있는데, 종종 핵심 철학적 원리와 상충하기 때문이다. 신경인지, 인간 및 기계의 대상 인식, 언어의 이해 및 산출, 정서 및 사회 인지, 인지 발달, 의식의 신경 기제, 인간-컴퓨터 상호작용, 행동 경제학, 감성 공학, 인지 공학, 의사 결정 등 다양한 분야에 대한 인지과학 연구가 진행 중이다.

인공지능

인공지능의 발전은 인지과학 형성의 모태를 이루는데, 인공지능은 인간의 초보적인 지능 작업을 흉내내는 컴퓨터 프로그램을 만드는 것에서 시작되기 때문이다. 인공지능은 기계의 인지적 현상을 다룬다. 인공지능의 목적은 사람의 지적 능력을 컴퓨터 내에 구현하는 것인데, 컴퓨터는 인지 현상을 연구하는 데 광범위하게 사용된다. 인공지능은 인간의 사고를 증진시키기 위해 컴퓨터의 힘을 사용하는 것과 인간이 어떻게 사고하는지 이해하기 위해 인공지능을 사용하는 것, 두 가지 목적을 가지고 있다. 인공지능 때문에 로보틱스와 인지과학이 연결되기도 했다. 과거 인공지능학은 인지과학 형성 초기와 발달 중기에 마음의 정보처리적 과정에 대한 인지심리학적 모델과 이론이 과연 타당한가를 검증하는 유일한 마당의 기능을 했다. 80년대 후반 이후에 검증의 역할을 상당 부분 신경과학에 내주고, 90년대에는 로보틱스가 그 자리를 차지하고 있다. 어떤 문제를 수학적이고 논리적으로 표현한 계산 모형은 시뮬레이션을 이용해 사람의 지능이 어떻게 구성되는지 연구한다. 인간의 두뇌를 구성하는 뉴런들에 대한 정확한 시뮬레이션 없이 컴퓨터상에서 인간의 두뇌를 정확하게 시뮬레이션할 수 있는가가 중요한 문제이다. 인공지능은 자연지능의 인공적 구현이기 때문에, 인지과학을 통해 자연지능을 잘 정의하면 인공지능을 더 잘 이해할 수 있다. 인공지능과 인지과학은 두뇌를 컴퓨터로 비유하면서 심리학에 인간 사고의 정보 처리 모형이라는 중요한 기여를 했다. 현재의 인공지능 기술은 인간의 인지기능 중 비교적 기계적인 부분만 흉내 낼 뿐, 고위 인지기능을 흉내 내는 것은 아직 어렵다. 인공지능 컴퓨터 연구자들은 사람의 마음과 인지 과정을 모사한 새로운 정보처리 기술을 개발하고자 인지과학에서 아이디어를 얻는다.

인지공학

인지공학(cognitive engineering)은 인간의 인지적 특성으로 인하여 나타나는 시스템의 특성에 대한 연구에 집중하는 것으로, 인지과학의 응용 분야이다. 인지공학의 연구는 실험심리학의 연구 결과 및 방법론을 사용하여 더 나은 시스템 설계 원리를 제공하는 데 역점을 둔다. 인지공학은 제2차 세계대전 중 기술의 변화로 인해 인간의 실수로 시스템에 심각한 오류가 생기는 것에서 시작했다고 볼 수 있다. 정보 이론, 사이버네틱스 등 정보공학의 용어가 인간 행동을 서술하기도 한다. 최근 주요 관심 대상이 컴퓨터 및 유사 기능이 내장된 인공물의 사용에 집중돼 있어 인간 컴퓨터 상호작용이 인지공학의 주요 초점으로 등장했다. 인지공학의 개념적 모델로는 인간과 시스템이 목표를 위하여 특정한 환경 내에서 상호작용한다는 것에 역점을 둔다. 이때 환경은 직접적으로는 기술적인 요인, 간접적으로는 사회, 조직적 요인을 고려해야 한다. 인지공학은 학제적 학문이다. 인지공학의 세부 연구로는 사용자의 웹 페이지에 대한 시각 탐색과 기억에 미치는 효과, 온라인 학습에서 동료 학생으로부터의 정보 전달이 학습 효율에 미치는 영향, 컴퓨터 중재 협상 및 신뢰 연구, 청각적 정보가 곡 탐색에 미치는 영향 등이 있다.

집중

집중은 중요한 정보를 선택하는 것이다. 사람의 정신은 수많은 자극을 받는데, 그 자극 중 처리 대상을 결정하는 방법이 있어야 한다. 주목은 스포트라이트처럼 정보의 특정 부분만을 비출 수 있다. 이러한 비유를 지지하는 실험 중 1957년 양분 청취 과제와 1998년 부주의 맹시 연구 등이 있다. 양분 청취 과제는 피실험자들에게 양 귀에 다른 메시지를 들려주며 하나의 메시지에만 집중하라고 한다. 실험 후 피실험자들은 집중하지 않은 메시지의 내용에 대해 말하지 못했다. 부주의 맹시 연구는 피실험자에게 여러 사람이 나오는 영상을 보여주며 흰 셔츠를 입은 사람들 사이에서 농구공이 몇 번 오가는지 횟수를 세어 보라고 한다. 영상 시청이 끝난 후 연구진은 영상 중간에 고릴라가 나온 것을 보았냐고 물어본다. 고릴라는 9초 정도 등장했지만, 피실험자는 고릴라를 포함하여 짙은 색 옷을 입은 사람을 모두 걸러내 그 사실을 알아차리지 못했다.

지식과 언어 처리

인지과학에서의 언어 처리 연구는 언어학 분야와 매우 밀접하게 연계되어 있고, 언어학은 전통적으로 역사, 예술과 문학 등과 함께 인문학의 일부로 연구됐다. 최근 50여 년간에는 더 많은 연구자가 지식과 언어 사용을 인지 현상으로서 연구해왔는데, 어떻게 언어의 지식이 습득되고 사용되는지, 그리고 그것이 정확히 어떻게 구성되는지 등이 주된 문제다. 언어학자들은 인간이 매우 복잡한 시스템을 가진 여러 방법으로 문장을 구성하고, 말하기와 관련된 규칙을 전혀 의식하지 않고 말할 수 있다는 것을 밝혔다. 따라서 언어학자들은 그러한 규칙이 정말로 존재한다면, 그 규칙들이 어떠한 것인지 밝히기 위해 간접적인 방법에 의존한다. 말하기가 실제로 그러한 규칙들에 의해 통제된다고 하더라도, 그러한 규칙들이 깊이 생각한다고 해서 밝혀지지는 않는다. 언어를 배우고 이해하는 과정은 매우 복잡하다. 언어는 생후 몇 년 내에 습득되고, 모든 사람은 정상적인 환경에서 언어를 능숙하게 습득한다. 언어가 그렇게 학습되기 위해 반드시 갖춰야 할 특성들을 발견하는 것이 이론적 언어학의 주된 동력이다. 어떻게 두뇌가 언어를 처리하는지와 관련된 주된 연구 질문들은 언어적 지식은 타고난 것인지, 학습되는 것인지와 왜 성인들이 두 번째 언어를 배우는 것이 어렸을 때 모국어를 배우는 것보다 어려운지, 사람들은 어떻게 새로운 문장들을 이해할 수 있는지다. 언어 처리에 대한 연구는 말하기의 소리 패턴 탐구부터 단어와 전체 문장의 의미까지 다양하다. 언어의 여러 측면을 철자, 음운, 음성, 형태, 통사, 의미, 화용 등 언어의 구성 요소를 개별적으로 연구하고, 상호작용 관점에서 연구한다.

학습과 성장

학습과 성장은 지식과 정보를 취득하는 과정이다. 지식을 어떻게 정의하느냐에 따라 다르지만, 신생아는 거의 지식이 없는 상태로 태어나고, 그들은 언어를 사용하고, 걷고, 사람과 사물을 인식하는 능력을 매우 빠르게 익힌다. 학습과 성장을 다루는 연구는 그러한 과정이 어떻게 일어나는지에 대한 메커니즘을 밝히는 것이 목표이다. 인지 성장 연구의 주된 질문은 어떤 특정 능력이 얼마나 선천적이거나 후천적인지에 대한 것이다. 선천주의 관점에서는 특정 특징들은 몸의 기관에 따라 타고나며, 유전적 자질에 따라 성장한다고 강조하고, 경험주의 관점은 특정 능력은 주변 환경을 통해 학습한다고 강조한다.

기억

인간은 기억을 통해서 정보를 저장하고 상기한다. 기억은 장기기억과 단기기억으로 구성된다고 여겨지는데, 장기기억이 얼마나 정보를 저장 가능한지에 대해서는 밝혀지지 않았고, 단기기억은 몇 초, 몇 분 정도의 짧은 시간 동안 정보를 저장한다. 또, 기억은 서술 기억과 절차 기억으로 나뉘기도 한다. 의미 기억과 일화 기억으로 다시 구분되기도 하는 서술 기억은 사실과 특정 지식, 특정한 의미, 경험 등에 대한 기억이다. 절차 기억은 자전거 타기와 같은 행동과 동작 순서를 기억하는 것인데, 종종 암묵적 지식, 암묵적 기억이라고 부르기도 한다. 인지과학자들은 심리학자와 마찬가지로 기억은 연구하는데, 인지와 기억 간의 상호 관계나 기억이 어떻게 인지 과정에 관계되는지 등에 집중한다. 예로는 잊었던 기억을 상기하기 위해 어떤 정신적 절차를 거치는지, 어떤 것을 인식하고 회상하는 것의 인지적 과정이 어떻게 다른지 등이 있다.

지각과 행동

지각은 감각을 통하여 정보를 받아들이고 그것을 처리하는 능력이다. 시각과 청각은 주요한 감각으로서, 주변 환경을 지각할 수 있도록 한다. 시각적 지각 연구에서 다루는 질문들은 우리가 어떻게 사물을 인식할 수 있는지, 왜 우리는 특정 시점에 시각적 배경의 일부만을 볼 수 있으면서 연속적인 시각적 배경을 지각하는지 등이 있다. 시각적 지각을 연구하는 방법의 하나는 사람이 착시를 어떻게 처리하는지를 살펴보는 것인데, 네커 육면체(Necker cube)는 쌍안정 지각의 예이다. 네커 육면체는 두 가지 다른 방향을 지향한다고 해석될 수 있다. 나머지 오감에 관한 연구 또한 지각의 영역이다. 동작은 어떤 시스템의 출력에 해당하는데, 사람은 이를 운동 반응을 통하여 수행한다. 공간 계획 및 이동, 말하기, 복잡한 동작 움직임 등이 이에 해당한다.

참고자료

• 인지 과학 위키백과 - https://ko.wikipedia.org/wiki/%EC%9D%B8%EC%A7%80_%EA%B3%BC%ED%95%99
• Cognitive science Wikipedia - https://en.wikipedia.org/wiki/Cognitive_science
• 인지과학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=1136390&cid=40942&categoryId=31531
• 인지과학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=2165014&cid=44418&categoryId=44418
• 인지 과학 네이버 지식백과 - https://terms.naver.com/entry.nhn?docId=2094208&cid=41991&categoryId=41991

같이 보기

• 인공지능
• 마빈 민스키
• 존 매카시

이 인지과학 문서는 인공지능 기술에 관한 글로서 검토가 필요합니다. 위키 문서는 누구든지 자유롭게 편집할 수 있습니다. [편집]을 눌러 문서 내용을 검토·수정해 주세요.

인공지능 : 인공지능 서비스, 인공지능 로봇, 인공지능 기술 □■⊕, 인공지능 기업, 인공지능 인물 인공지능 기술 AI 워싱 • 랭체인 • 로봇공학 • 로봇기술 • 인지과학 • 자동추론 • 자연어 처리 • 지능 • 지식표현 • 컴퓨터 비전 • 튜링 테스트 • 프롬프트 • 프롬프트 엔지니어링 문자인식과 음성인식 ICR • OCR • OMR • TTS • URL • 글자 • 답변 • 대화 • 동영상 • 디자인 • 맥락 • 문서 • 문자 • 문자인식 • 문자채팅 • 발음 • 번역 • 분류 • 상담 • 소스코드 • 스토리 • 얼굴 • 얼굴인식 • 음성 • 음성채팅 • 음성인식(STT) • 이미지 • 인공어 • 인공지능 음성 • 자막 • 자연어 • 질문 • 채팅 • 코드 • 코딩 • 텍스트 • 통번역 • 통역 • 파일 • 폴더 • 화상채팅 • 화자인식 인공지능 데이터 데이터라벨러 • 데이터라벨링 • 데이터셋 • 돌마 • 벡터 • 벡터DB • 벡터공간 • 스칼라 • 임베딩 • 크라우드워커 • 토큰 • 토큰화 인공지능 학습 ADP • CoLLM • DALL-E • DDPG • DQN • LAM • LMM • SARSA • sLLM • SLM • 강화학습 • 거대언어모델(LLM) • 결정이론적 메타추론 • 계통적 강화학습 • 과적합 • 동적 계획법 • 딥러닝 • 딥큐러닝 • 머신러닝(기계학습) • 메타추론 • 모델 기반 강화학습 • 모델 프리 강화학습 • 미세조정(파인튜닝) • 반영식 아키텍처 • 비지도학습 • 사전학습 • 수시 알고리즘 • 어니 • 에이전트 • 인공지능 학습 • 전이학습 • 준지도학습 • 지도학습 • 추론 • 학습 • 확률적 경사하강법 인공지능 알고리즘 AGI • ANI • ASI • RAG • XAI • 가중치 • 관계형 네트워크(RN) • 뉴런 • 다층퍼셉트론 • 단층퍼셉트론 • 데이터마이닝 • 방사신경망 • 볼츠만 머신 • 분산 샌드박스 • 생성대립신경망(GAN) • 생성형 AI • 수퍼얼라인먼트 • 순전파 • 순환신경망(RNN) • 시그모이드 함수 • 신경망 • 신경망 구조 • 심층신경망(DNN) • 심층신뢰신경망(DBN) • 양방향 비고정값 암호 체계(TSID) • 역전파 • 은닉층 • 인공신경망(ANN) • 인공지능(AI) • 제한 볼츠만 머신(RBM) • 전방전달신경망 • 주의 메커니즘 • 코헨 자기조직 신경망 • 텍스트마이닝 • 트랜스포머 • 파이 • 퍼셉트론 • 합성곱 신경망(CNN) 계산복잡도 NP • NP-완전 • 계산복잡도 • 공간복잡도 • 시간복잡도 • 여 NP • 여 NP-완전 인공지능 프로그램 BCI • GPT • 딥블루 • 딥페이크 • 멀티모달 AI • 모달 • 모달리티 • 모달창 • 알렉스넷 • 어니 • 알파고 • 알파고제로 • 알파폴드 • 왓슨 • 카페 • 컨트롤넷 • 텐서플로 • 텔레파시 • 토치 • 파이토치 • 한돌 인공지능 특징 결정이론 • 계산상의 합리성 • 논리학 • 논리주의자 • 분산성 • 불확실성 • 삼단논법 • 선호도 • 예측곤란성 • 완벽한 합리성 • 유계 합리성 • 이유 불충분의 원리 • 자율성 • 최대기대효용 • 할루시네이션 • 효용이론 인공지능 법적 지위 권리주체성 • 소버린 AI • 전자대리인 • 전자적 인간 • 책임법 위키 : 자동차, 교통, 지역, 지도, 산업, 기업, 단체, 업무, 생활, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반