아무 것도 전공한 적이 없으니까 양해 좀


지능은 문제를 효율적으로 푸는 것인데, 컴퓨터가 가지고 있는 진술의 집합 A와 목표 B가 있어 직관적으로 답에 얼마나 가까워졌는지 A와 B 사이의 거리를 재는 함수 f(A, B)를 생각하면, 이는 수학적 최적화 모델의 일부로 둘 수 있고, 그러면 논해야 하는 것은, 사람의 신경망이 수학적 최적화 문제를 잘 풀 수 있냐는 것임.


생물에서 유전자의 역할은 둘로 나눌 수 있음:

  • 세포: 유전자가 세포가 어떻게 기능해야 하는지 명시
  • 초세포 단계(조직, 기관, ...): 유전자가 세포를 어떻게 조립해야 하는지 명시

생물의 진화는 목적 없이 우연에 의해 이루어지는 것이고, 그저 가챠 돌려서 살아남으면 그만임. 이것이 목적을 가진 인류의 지적 설계에 맞설 수 있다고 생각한다면, 그건 한 마디로 개가 웃을 일임.

%EC%A7%80%EC%A7%88%EC%8B%9C%EB%8C%80%EB%8F%84%ED%91%9C.png

최초의 생물로부터 고세균을 거쳐 현생 인류의 탄생까지 >30억 년이 걸렸는데, 그 대부분의 시간은 세포를 디자인하는 것이었음. 그리고 이는 끔찍하게 느림. 쉽게 말해, 원숭이가 랜덤으로 장비를 만져서 CPU의 아키텍처를 설계하고 있다고 생각하면 편함. 대부분은 정말 못 써먹을 것이고, 그 중 그나마 정상 작동하는 일부만 살아남는 것. 실제로 이러한 과정 때문에 유전자에 기술된 세포의 설계는 이미 많은 부분이 사람의 지적 설계보다 비효율적임:
  • 인공 광합성의 에너지 효율이 C3, C4 등 광합성보다 월등함
  • 모든 세포는 고정한 화학 에너지를 ATP로 낭비함.
  • ...

이는 조직도 마찬가지고, 따라서 사람의 신경망이 지금 인공신경망보다 좋다고도 전혀 확신할 수 없음:


사람도 유전자가 목적을 가지고 스스로 똑똑해진 것이 아니라, 생존에 맞춰서 랜덤하게 변했는데 똑똑해졌을 뿐임. 실제로 저명한 학자 Geoffrey Hinton은 인공신경망의 알고리즘이 사람의 학습 알고리즘보다 월등히 뛰어나다고 추측함. 사람의 뇌가 내부점 방법 같은 볼록 최적화 알고리즘을 쓰는지도 의문임. 뇌라는 제약 조건에서 벗어나 밑에서부터 쌓아 올려서(bottom-up) 효율적인 수학적 최적화에 대한 방법을 찾는 게 더 낫다고 생각함. 나는 신경망이 최적인지도 잘 모르겠음. 학계에서 논의되는 위상 데이터 분석이라던가, 방법은 많겠지.