Brian Bailey는 직관과 창의성의 관계 및 인공지능의 혁신 능력을 논의하며, 모델이 실제로 새로운 아이디어를 만들어 내는지 아니면 과거에서 추출한 패턴을 재조합하는지 질문한다. 저자는 심리학적 견해와 반도체 설계 분야의 개인적 경험을 바탕으로 창의성을 정의하고 측정하는 일이 얼마나 어려운지 강조한다.
Brian Bailey는 인공지능의 창의성에 관한 질문에 답하려면 연구자들이 먼저 창의성 자체의 의미에 합의해야 한다고 본다. 이 논의의 중심에는 직관이라는 개념이 있다. 직관은 무의식적으로 지식에 접근하는 것인가, 패턴을 빠르게 알아보는 것인가, 아니면 의식에 완전히 드러나지 않는 경험에 대한 사전 분석에 불과한 것인가?
인식과 분석 사이의 직관
Bailey는 심리학자들이 직관을 해석하는 데 오랫동안 의견이 달랐다고 지적한다. 그가 제시한 설명에 따르면, Sigmund Freud는 지식이 알려진 관찰에 대한 정신적 처리를 통해서만 얻어진다고 보았고, Carl Jung은 직관을 무의식을 통한 인식과 연결했다. 한편 Klein은 직관이 시간 압박 속에서 이루어지는 패턴 매칭 과정일 수 있으며, 그 뒤에 아이디어의 실행 가능성을 검증하기 위한 의식적 분석이 따른다고 제안했다.
이처럼 정의가 서로 다르기 때문에 인간과 인공지능을 비교하는 일은 더욱 복잡해진다. 직관이 과거의 패턴을 빠르게 알아보는 것이라면 모델도 이러한 능력의 일부를 지닐 수 있다. 그러나 직관이 이용 가능한 지식이나 추적 가능한 선례에 의존하지 않는 도약을 요구한다면, 현재 시스템이 이를 달성한다는 것을 입증할 기준은 이 자료에 제시되어 있지 않다.
과거는 혁신을 해방하는가, 제한하는가?
저자는 역사적 데이터의 신뢰성과 관련된 또 다른 문제를 제기한다. 그의 견해에 따르면 과거는 편향되어 있고 불완전하며, 기록에 무엇이 남는지를 결정할 힘이나 돈 또는 능력을 가진 사람에 의해 그 서술이 영향을 받을 수 있다. 또한 인공지능이 원자료에서 파생된 합성 정보를 만들어 낸 뒤 그 출처나 그로부터 생겨난 사본을 식별하는 능력을 잃을 수 있다고 경고한다. 이는 요청이 있을 때 지식을 실제로 삭제할 수 있는지에 관한 의문을 불러일으킨다.
그러나 기존 지식이 항상 장애물인 것은 아니다. 기존 지식은 엔지니어가 물리 법칙에 어긋나거나 과거에 실패한 해결책을 배제하는 데 도움을 주지만, 가정과 자원이 바뀌면 경험 자체가 제약으로 변할 가능성도 있다. Bailey는 30년 전에 수행된 실험이 오늘날에는 다른 결과를 낼 수 있으며, 예를 들어 프로세서와 메모리의 관계를 다시 생각하면 기술적 유산의 제약을 제거했을 때 다른 설계로 이어질 수 있다고 지적한다.
저자의 사례는 무엇을 보여 주는가?
Bailey는 다른 사람들이 직관 또는 창의성이라고 부르는 것을 설명하기 위해 세 가지 개인적 경험을 소개한다. 첫 번째 사례에서 그는 reconvergent fanout이 포함된 타이밍 문제에 관한 논의 중 방정식을 기호 형태로 유지한 뒤 필요할 때 해결하자고 제안했다. 당시 그는 기호 해법 도구에 정통하지 않았다. 이 아이디어를 구현하는 데 18개월이 걸렸다.
그는 유용한 아이디어를 제시했지만 나중에 이를 반복하거나 세부 사항을 되살리지 못했던 상황도 언급한다. 또한 마이크로프로세서 설계에 관한 대학 시절의 경험도 소개한다. 당시 그의 교수가 그가 상용 부품의 데이터시트에서 읽은 내용 때문에 사실상 해당 과목의 범위를 벗어났다는 사실을 발견했다.
저자는 이러한 사례를 인간이 기계가 모방할 수 없는 능력을 지닌다는 증거로 제시하지 않는다. 오히려 그는 자신의 아이디어가 진정한 창의성인지, 아니면 경험과 우연 및 무의식적 처리의 조합인지 알지 못한다고 인정한다. 또한 인공지능이 같은 일을, 어쩌면 그 이상을 할 수 있었을 것이라고 말하며, 결과에 도달하는 속도와 에너지 소비에서 차이가 있을 가능성이 있다고 덧붙인다.
이 논의가 중요한 이유는 무엇인가?
이 글의 실질적 가치는 인공지능이 창의적인지 아닌지를 입증하는 데 있는 것이 아니라, 이를 판단하려면 검토 가능한 창의성과 직관의 정의가 필요하다는 점을 보여 주는 데 있다. 이 자료에 따르면 질문은 여전히 열려 있다. 혁신은 시스템이 학습한 것을 고도로 추론하는 것인가, 아니면 데이터와 경험이 부과하는 제약을 넘어서는 능력인가? Bailey의 사례는 경험이 문제 해결에 도움을 줄 수 있지만 새로운 대안을 보지 못하게 할 수도 있음을 상기시킨다. 이는 인간 엔지니어와 축적된 기술적 역사에 대해 학습한 시스템 모두에 적용되는 상충 관계다.