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

인지과학은 인간의 마음과 동물 및 인공적 시스템, 지적 시스템에서 정보 처리가 어떻게 발생하는지 연구하는 학문이라고 할 수 있다. 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 형성되는데, 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 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 그석의 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.

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.

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 상충되기 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

인공지능과 인지과학은 두뇌를 컴퓨터로 비유하면서 심리학에 인간 사고의 정보 처리 모형이라는 중요한 기여를 했다. 인공지능은 기계의 인지적 현상을 다룬다. 인공지능의 목적은 사람의 지적 능력을 컴퓨터 내에 구현하는 것인데, 컴퓨터는 인지 현상을 연구하는 데 광범위하게 사용된다. 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.

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.

참고자료

• 인지 과학 위키백과 - https://ko.wikipedia.org/wiki/%EC%9D%B8%EC%A7%80_%EA%B3%BC%ED%95%99
• 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

이 문서는 사진이 필요합니다.

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 기술 □■⊕, 인공지능 활용, 인공지능 개발업체, 인공지능 인물 인간적 행위 로봇공학 • 로봇기술 • 인지과학 • 자동추론 • 자연어 처리 • 지식표현 • 컴퓨터 비전 • 튜링 테스트 합리적 사고 결정이론 • 논리학 • 논리주의자 • 삼단논법 • 선호도 • 최대기대효용 • 효용이론 강화학습 ADP • DDPG • DQN • SARSA • 결정이론적 메타추론 • 계통적 강화학습 • 동적 계획법 • 모델 기반 강화학습 • 모델 프리 강화학습 • 반영식 아키텍처 • 수시 알고리즘 • 심층믿음망 • 어니 • 에이전트 • 확률적 경사하강법 인공지능 프로그램 A2I • 어니 • 알파고 • 알파고제로 • 왓슨 • 카페 • 텐서플로 • 토치 • 한돌 인공지능 알고리즘 AGI • 관계형 네트워크(RN) • 다층퍼셉트론 • 데이터마이닝 • 딥러닝 • 딥큐러닝 • 머신러닝(기계학습) • 방사신경망 • 분산 샌드박스 • 비지도학습 • 생성대립신경망(GAN) • 생성형 AI • 수퍼 얼라인먼트 • 순전파 • 순환신경망(RNN) • 시그노이드 함수 • 신경망 구조 • 심층신경망(DNN) • 심층신뢰신경망(DBN) • 양방향 비고정값 암호 체계(TSID) • 역전파 • 인공신경망(ANN) • 인공지능(AI) • 제한 볼츠만 머신(RBM) • 전방전달신경망 • 지도학습 • 코헨 자기조직 신경망 • 텍스트마이닝 • 파이 • 퍼셉트론 • 합성곱 신경망(CNN) 문자인식 ICR • OCR • OMR • 문자인식 인공지능 특징 계산상의 합리성 • 분산성 • 불확실성 • 예측곤란성 • 완벽한 합리성 • 유계 합리성 • 이유 불충분의 원리 • 자율성 • 할루시네이션 계산 복잡도 NP • NP-완전 • 공간복잡도 • 시간복잡도 • 여 NP • 여 NP-완전 인공지능 기술 BCI • GPT • 딥블루 • 딥페이크 • 멀티모달 • 모달 • 모달리티 • 모달창 • 알렉스넷 • 왓슨 • 텔레파시 • 환각 인공지능 법적 지위 권리주체성 • 전자대리인 • 전자적 인간 • 책임법 • 코파일럿 인공지능 업무 데이터라벨러 • 데이터라벨링 • 크라우드워커 위키 : 자동차, 교통, 지역, 산업, 기업, 단체, 업무, 쇼핑, 블록체인, 암호화폐, 인공지능, 개발, 인물, 행사, 일반