체화된 인지(Embodied cognition)는 인지과학, 철학, 인공지능 분야에서 신체의 상태와 능력에 의해 인지가 어떻게 형성되는지 연구하는 다양한 연구 프로그램이다. 이러한 체화된 요인에는 운동 체계, 지각 체계, 환경과의 신체적 상호작용(상황성), 그리고 뇌와 신체의 기능적 구조를 형성하는 세계에 대한 가정이 포함된다. 지지자들은 이러한 요소들이 지각 편향, 기억 회상, 이해, 의미 부여와 범주화 같은 고차원적 정신 구조, 추론이나 판단 같은 과업 수행 등 광범위한 인지 기능에 필수적이라고 주장한다.
체화된 마음 논제는 인지를 신체와 무관한 추상적 기호 조작으로 취급하는 인지주의, 계산주의, 데카르트적 이원론 같은 전통적 이론에 도전한다. 이는 확장된 마음 논제, 상황 인지, 행동주의와 밀접하게 관련된다. 현대적 버전은 심리학, 언어학, 인지과학, 동역학계, 인공지능, 로봇공학, 동물 인지, 식물 인지, 신경생물학 연구를 활용한다. 단일한 통일 이론이 아닌 연구 프로그램으로서 체화된 인지는 신체의 인과적 또는 구성적 역할에 대한 강조점이 다른 약한 변형과 강한 변형을 모두 포함한다.
이론적 토대
철학에서 체화된 인지는 행위자의 인지가 단순히 세계에 대한 선천적 추상 표상의 산물이 아니라 뇌를 넘어선 행위자 신체의 측면에 의해 강하게 영향을 받는다고 본다. 이는 정신 현상이 비물리적이며 신체의 영향을 받지 않는다고 가정하는 데카르트적 모델에 반대한다. 체화 논제는 인지에 대한 설명에 신체적 경험을 다시 도입하는 것을 목표로 한다.
프란시스코 바렐라와 에반 톰슨 같은 연구자들이 발전시킨 행동주의 접근은 체화를 이중 의미로 정의한다. 첫째, 인지는 다양한 감각운동 능력을 가진 신체를 가짐으로써 얻어지는 경험에 의존한다. 둘째, 이러한 능력은 더 넓은 생물학적, 심리적, 문화적 맥락에 내재되어 있다. 이 광범위한 정의는 종종 확장 인지 및 상황 인지와 겹치며, 일부 학자들은 체화된 인지를 잘 정의된 통일 이론이 아닌 연구 프로그램으로 보게 한다.
더 좁은 특성화는 많은 인지 기능이 신체적 특성에 깊이 의존한다는 점, 즉 뇌를 넘어선 신체가 인지 처리에서 중요한 인과적 또는 구성적 역할을 한다는 점을 명시함으로써 이러한 중첩을 피한다. 이 논제는 문화적 맥락에 대한 직접적 언급을 생략하여, 체화된 인지를 처리를 세계로 확장하는 확장 인지 및 사회적·문화적 맥락을 강조하는 상황 인지와 구별할 수 있게 한다.
경험적 증거와 메커니즘
심리학과 신경과학 연구는 인지에 대한 체화된 영향의 증거를 제공했다. 예를 들어, 연구들은 따뜻한 음료를 쥐는 것이 사회적 판단에 영향을 미치는 것처럼 신체 상태가 지각 편향에 영향을 줄 수 있음을 보여준다. 기억 회상도 자세와 움직임에 의해 영향을 받는데, 학습한 자료와 일치하는 신체적 행동이 회상을 향상시키는 연구에서 볼 수 있다. 언어 이해는 종종 감각운동 시뮬레이션을 수반하며, 동작 동사를 읽을 때 운동 영역의 신경 활동으로 입증된다.
인지과학에서 신체의 역할은 종종 동역학계 이론을 통해 연구되는데, 이는 인지를 행위자, 신체, 환경 간의 지속적 상호작용에서 출현하는 것으로 본다. 이는 인지를 내부 기호 처리로 취급하는 고전적 계산주의와 대조된다. 인공지능과 로봇공학 분야도 기여했는데, 연구자들은 중앙 표상 없이 단순한 감각운동 루프를 사용하여 복잡한 행동을 달성하는 로봇을 구축하여 인지가 신체적 상호작용에 기반할 수 있다는 생각을 지지한다.
신경과학과 AI에 대한 함의
체화된 관점은 인지신경과학에 중요한 함의를 가진다. 전통적 내부주의 관점은 인지를 세계 모델을 유지하고 계획을 고안하는 강력한 뇌의 산물로 취급하며 행동을 출력으로 본다. 체화된 인지는 대신 실제 세계 시나리오에서 성공적 행동이 감각운동, 인지, 정서적 능력의 통합을 요구한다고 제안한다. 인지는 뇌 단독이 아니라 행위자와 환경이 제공하는 어포던스 사이의 관계에서 출현한다.
인공지능에서 체화된 인지는 발달 로봇공학과 물리적 행위자를 사용한 강화 학습 같은 접근에 영감을 주었다. 예를 들어, Sanctuary AI와 Figure AI는 물리적 상호작용을 통해 학습하는 휴머노이드 로봇을 개발하여 체화 원리를 반영한다. Waymo와 Tesla은 차량의 감각운동 데이터를 사용하여 주행하지만, 그 아키텍처는 종종 혼합형으로 남아 있다. Machine learning과 Deep learning 분야는 주로 비체화 모델에 초점을 맞추었지만, 체화된 AI는 여전히 활발한 연구 영역이며 BAIR (Berkeley AI Research)와 MIT CSAIL 같은 그룹이 이러한 아이디어를 탐구하고 있다.
비판과 논쟁
비판자들은 체화된 인지가 정밀하고 검증 가능한 정의를 결여하여 반증하기 어렵다고 주장한다. 일부는 많은 발견이 신체의 구성적 역할을 호출하지 않고도 전통적 인지 이론으로 설명될 수 있다고 주장한다. 인과적 역할과 구성적 역할의 구분이 논쟁된다. 신체가 단순히 인지에 영향을 미치는가, 아니면 인지 과정 자체의 일부인가? 이 논쟁은 일반 지능에 물리적 체화가 필요한지에 대한 Artificial intelligence의 논의와 유사하다.
또 다른 비판은 체화된 인지가 생물학적 신체를 과도하게 강조하여 인공 시스템에 대한 적용 가능성을 제한할 수 있다는 것이다. 그러나 지지자들은 이 논제가 로봇을 포함한 감각운동 능력을 가진 모든 행위자에게 적용된다고 응답한다. 이 분야는 계속 진화하고 있으며, 연구자들은 Neural network 모델과 Large language model 연구의 통찰을 통합하여 추상적 추론이 체화된 경험에 어떻게 기반할 수 있는지 탐구하고 있다.
미래 방향
체화된 인지는 일반적으로 신체 없이 텍스트를 처리하는 Generative AI 및 Transformer (architecture) 기반 시스템의 발전에 점점 더 관련성이 높아지고 있다. Joshua Tenenbaum과 Brendan Lake 같은 일부 연구자들은 인간 수준의 지능이 패턴 인식만이 아닌 체화된 상호작용을 요구한다고 주장한다. 이는 상징적 추론과 감각운동 기반을 결합한 혼합 아키텍처 제안으로 이어졌다.
로봇공학에서 Intuitive Surgical과 Figure AI 같은 기업들은 실제 환경에 적응하는 시스템을 만들기 위해 체화 원리를 적용하고 있다. Stanford AI Lab과 Carnegie Mellon University를 포함한 학술 연구실은 체화가 학습 효율성과 일반화를 어떻게 향상시킬 수 있는지 탐구하고 있다. 2020년대 중반 현재, 체화된 인지는 철학에서 인공지능에 이르는 분야에 영향을 미치고 마음과 지능의 본질에 대한 지속적 논쟁을 촉발하는 활기찬 연구 프로그램으로 남아 있다.