계산주의 마음 이론(CTM)은 인지과학과 마음 철학의 기초적인 틀이다. 이 이론은 마음이 계산 시스템으로 작동한다고 주장하며, 지각, 추론, 언어와 같은 인지 과정은 내부 정신 표상에 대해 수행되는 계산이라고 본다. 이러한 관점은 정신 상태를 물리적 기질이 아닌 인과적·논리적 관계에 의해 정의되는 기능적 상태로 취급한다.
CTM은 20세기 중반에 두각을 나타냈으며, 컴퓨터 과학, 논리학, 언어학의 발전에 힘입었다. 이 이론은 추상적인 계산 이론과 경험적 인지 연구 사이의 다리를 놓아, 연구자들이 형식적 알고리즘과 상징적 구조를 사용하여 정신 활동을 모델링할 수 있게 한다.
역사적 기원
CTM의 뿌리는 앨런 튜링의 연구로 거슬러 올라갈 수 있다. 그의 1936년 계산 가능한 수에 관한 논문은 보편 계산 기계의 개념을 도입했다. 튜링의 아이디어는 효과적으로 계산 가능한 모든 함수가 단순한 장치로 계산될 수 있음을 시사했으며, 인간 인지를 기호 조작의 한 형태로 보는 토대를 마련했다. 1943년, 워런 매컬러와 월터 피츠는 단순한 논리 단위들의 네트워크가 명제 논리를 구현할 수 있음을 보여주는 획기적인 논문을 발표하여 계산의 신경적 기반을 제시했다.
1950년대와 1960년대에는 인지 혁명이 행동주의에 도전했으며, 노엄 촘스키 같은 학자들은 언어 습득에 내부 정신 구조가 필요하다고 주장했다. 촘스키의 1957년 저서 『통사 구조』는 문장을 생성하는 계산 시스템인 생성 문법을 제안했다. 같은 시기에 앨런 뉴웰과 허버트 사이먼은 논리 이론가(1956)와 일반 문제 해결자(1957)를 개발하여 컴퓨터가 추론을 요하는 작업을 수행할 수 있음을 입증했다. 그들의 Carnegie Mellon University에서의 연구는 CTM의 핵심 교리인 물리 기호 시스템 가설을 확립했다.
핵심 원리
CTM은 몇 가지 주요 가정에 기반한다. 첫째, 정신 표상은 구문 규칙에 따라 결합될 수 있는 구조화된 기호이다. 둘째, 인지 과정은 프로그래밍 언어의 연산과 유사한 이러한 기호의 알고리즘적 변환이다. 셋째, 마음의 계산 구조는 물리적 구현과 독립적이며, 이는 다중 실현 가능성이라는 속성이다. 이는 동일한 인지 기능이 원칙적으로 생물학적 뉴런, 실리콘 칩 또는 다른 기질에 의해 실현될 수 있음을 의미한다.
CTM 내의 핵심 구분은 고전적 상징 계산과 연결주의적 접근 사이에 있다. 제리 포더와 제논 필리신이 옹호한 고전 이론은 인지가 이산적 기호의 규칙 기반 조작을 포함한다고 본다. 신경망과 같은 연결주의 모델은 대신 뇌 구조에서 영감을 얻은 분산 표상과 학습 알고리즘을 사용한다. 이러한 접근은 정신 과정이 직렬 기호 처리로 가장 잘 설명되는지 아니면 병렬 패턴 인식으로 가장 잘 설명되는지에 대해 다르다.
인공지능과의 관계
CTM은 인공지능 연구에 깊은 영향을 미쳤다. 논리 이론가와 이후의 전문가 시스템과 같은 초기 AI 시스템은 명시적으로 상징적 추론을 구현했다. 21세기 기계 학습과 심층 학습의 발전은 하위 상징적 모델로 초점을 옮겼지만, 많은 연구자들은 여전히 이러한 시스템을 계산적 렌즈를 통해 해석한다. 예를 들어, 트랜스포머와 대규모 언어 모델은 수학적 연산을 사용하여 토큰 시퀀스를 처리하며, 이는 표상에 대한 계산으로 볼 수 있다.
MIT CSAIL, Stanford AI Lab, BAIR (Berkeley AI Research)를 포함한 주목할 만한 AI 연구소는 상징적 및 연결주의 패러다임 모두에 기여했다. University of Toronto는 Geoffrey Hinton 아래에서 심층 학습의 중심지가 되었으며, 그의 역전파 및 분산 표상 연구는 고전적 CTM에 도전했다. 한편 Google DeepMind와 OpenAI는 신경망과 구조화된 추론을 결합한 하이브리드 접근을 추구했다.
철학적 논쟁
CTM은 중요한 철학적 질문을 제기한다. 한 가지 문제는 정신 내용의 본질에 관한 것이다. 계산 기호는 어떻게 의미를 획득하는가? 프레드 드레츠키와 제리 포더는 표상의 자연주의적 이론을 제안했으며, 정신 기호가 인과적 또는 정보적 관계를 통해 외부 상태를 나타낸다고 주장했다. 또 다른 논쟁은 계산의 한계에 관한 것으로, john searle의 중국어 방 논증(1980)이 구문적 조작만으로는 진정한 이해를 산출할 수 없다고 주장한 점에서 두드러진다.
철학자들은 또한 CTM이 의식과 감각 질(qualia)을 설명할 수 있는지에 대해 논쟁한다. 데이비드 찰머스는 계산적 설명이 의식의 어려운 문제를 해결하지 못한 채 남겨둔다고 주장했다. 대조적으로 기능주의자들은 의식이 더 높은 수준의 계산적 속성일 수 있다고 주장한다. 마음 철학 문헌은 이러한 긴장을 계속 탐구하며, 일부는 순수 계산적 관점을 거부하는 체화되거나 행동주의적 대안을 제안한다.
경험적 증거와 도전
인지 심리학은 CTM에 대한 경험적 지원을 제공했다. 정신 회전, 시각 탐색, 문제 해결에 관한 연구는 알고리즘 처리와 일치하는 체계적 패턴을 드러낸다. 신경과학에서 거울 뉴런과 예측 부호화의 발견은 뇌가 환경을 모델링하기 위해 계산을 수행함을 시사한다. MIT CSAIL의 Joshua Tenenbaum과 Brendan Lake는 프로그램-인지-모델을 옹호하며 인간 학습이 베이즈 프로그램 귀납으로 이해될 수 있다고 주장했다.
그러나 CTM은 도전에 직면한다. 비판자들은 신경 계산이 고전적 디지털 계산과 달리 아날로그적이고, 잡음이 많으며, 대규모 병렬적이라고 지적한다. 결합 문제 - 특징이 통합된 지각으로 어떻게 통합되는지 - 는 여전히 해결되지 않았다. 또한 대규모 언어 모델에 대한 최근 연구는 텍스트로 훈련된 시스템이 놀라운 추론 능력을 보일 수 있음을 보여주었지만, 이것이 내부 표상에 대한 진정한 계산을 반영하는지는 논쟁 중이다. Melanie Mitchell 같은 연구자들은 AI 성능을 인간 유사 인지의 증거로 과대 해석하는 것에 대해 경고한다.
미래 방향
현대 연구는 CTM을 기계 학습 및 인지 과학과 통합한다. 생성 AI의 부상은 이러한 시스템이 계산주의 마음 이론을 구현하는지에 대한 관심을 다시 불러일으켰다. 일부는 상징적 추론과 신경망을 결합한 하이브리드 아키텍처가 인간 인지를 더 잘 포착할 수 있다고 제안한다. 다른 이들은 대안적 계산 기질로서 뉴로모픽 컴퓨팅과 양자 접근을 탐구한다.
2020년대 현재, CTM은 활기차지만 논쟁의 여지가 있는 틀로 남아 있다. 이 이론은 체스 컴퓨터에서 자율 주행 차량에 이르기까지 AI의 실질적 발전에 영감을 주었으며, 마음의 본질에 대한 근본적 질문을 계속 제기하고 있다. 그 유산은 인지가 정보 처리 현상으로 연구될 수 있다는 전제를 확립한 데 있으며, 이는 현대 심리학과 신경과학의 많은 부분을 뒷받침한다.