생체조직은 살아가는데 있어 발생하는 불예측성에 잘 대응하지만, 놀랍게도 컴퓨터는 전혀 그렇지 못하다.

이는 살아있는 생명체의 뇌를 모델링하여 인공지능을 개발하는 새로운 군사 프로그램의 중심이이다. 생명조직이 새로운 환경이나 상황에 당면하면, 결정을 내리기 위해 과거의 경험에 의존한다. 반면 현재 인공지능 기술은 다양한 데이터 셋을 기본으로 한 광범위한 훈련에 의존하고, 만일 특정 환경을 경험하지 못하면 다음 움직임을 선택할 수 없다.

미 방위고등연구계획국(Defense Advanced Research Projects Activity, DARPA)은 과거 경험과 새로운 “학습(lessons learned)” 내용을 새롭게 대하는 상황에 맞출 수 있는 의사결정 프레임워크를 지속적으로 업데이트하는 기술을 연구하고 있다. DARPA는 또한 살아있는 유기체가 어떻게 학습하는지를 연구하고 있다고 프로젝트 매니저인 하바 시겔만(Hava Siegelmann)이 말했다.

시겔만은 한 컨퍼런스에서 패널로 참석하여 오늘날 가장 보편적인 문제해결 방법은 새로운 환경과 유사한 새로운 데이터 셋을 통해 머신 러닝 시스템을 재훈련시키는 것인데, 이로 인해 이전 프로그램 내용을 깡그리 지워버리는 이른 바 “재난 수준의 망각(catastrophic forgetting)”으로 알려진 문제에 봉착하는 경우가 종종 발생한다고 그는 말했다. 시겔만은 이 프로젝트를 위해 아이디어를 내는 일단의 그룹과 이미 미팅을 가졌다고 말했다.

DARPA 프로그램은 인간의 두뇌에만 초점을 맞추는 것은 아니다. DARPA는 또한 덜 진화한 동물의 뇌에 대한 연구도 고려할 것이라고 밝혔다.

주위 환경에서 끊임없이 배우고 반응하는 생체 조직은 우리가 해결해야 하는 문제에 대해 계산적인 도구로서 기계에 적용될 수 있을 뿐만 아니라, 상황에 대응하는 조력자의 역할을 수행할 수 있는 어떤 비밀을 간직하고 있다고 시겔만은 말했다. 현재 프로그래머들이 모든 문제적 혹은 예기치 않은 상황에 대해 컴퓨터 시스템을 준비하는 것은 어렵고, 따라서 실제 환경에서 예측하지 못한 사항, 불규칙한 상황에 당면할 경우 이에 대한 대응이 실패할 확률이 매우 높다고 그는 지적했다.

이에 따라 오늘날 기계 학습 기술은 좁게 사전에 정의된 일련의 규칙에 따른 특정 환경에 제한적이었다고 그는 말하고, 따라서 즉각적으로 알려지지 않은 모든 세부 환경과 관련된 문제 해결에는 도움이 크게 되지 않았다.

역자의견: 인간을 유사하게 모방하는 인공지능의 발전이 고도화되고 있으며, 이를 이용한 다양한 서비스와 제품이 개발될 전망이다. 세계 유수 연구기관의 기술개발 동향을 잘 살펴 우리나라의 기술개발 방향을 가늠할 필요가 있다.