먼저, 인공지능에 관한 용어들은 대부분 일반인들에게 생소한 경우가 많고 혼동하기 쉽기 때문에 아래에 정리된 사항을 참고하면 내용을 이해하는데 도움이 된다.
인공지능 ⊃ 기계학습 ⊃ 인공신경망 ⊃ 딥 러닝
인공 지능1 분야에는 몇 가지 기술이 있다. 기계 학습2은 기본적인 규칙만 주어진 상태에서 입력받은 정보를 활용해 스스로 학습하는 것이다. 인공 신경망3이란, 인간의 뉴런 구조를 본떠 만든 기계 학습 모델이다. 딥 러닝4은 입력과 출력 사이에 있는 인공 뉴런들을 여러개 층층히 쌓고 연결한 인공신경망 기법을 주로 다루는 연구이다. 즉, 단일 층이 아닌 실제 뇌처럼 여러 계층으로 되어있다. 인지 컴퓨팅5은 기계학습을 이용하여 특정한 인지적 과제를 해결할 수 있는 프로그램 또는 솔루션을 이야기한다. 끝으로, 뉴로모픽 컴퓨팅6은 인공신경망을 하드웨어적으로 구현한 것이라고 생각하면 된다.
인공지능Artificial Intelligence이라는 용어가 처음 등장한 때는 1956년에 미국 다트머스에서 마빈 민스키, 클로드 섀넌 등 인공지능 및 정보 처리 이론에 지대한 공헌을 한 사람들이 개최한 학회에서 존 매카시앨런 튜링이 ‘생각하는 기계’의 구현 가능성과 튜링 테스트를 제안한 것은 1950년[1]
인공지능의 역사는 20세기 초반에서 더 거슬러 올라가보면 이미 17~18세기부터 태동하고 있었지만 이때는 인공지능 그 자체보다는 뇌와 마음이거 잘하면 컴퓨터로 두뇌를 만들어서 우리가 하는 일을 시킬 수 있지 않을까? 라는 의견이 제시되었고 많은 사람들이 그럴듯하게 여겨
20세기 중반에도 인공지능 연구는 자연어 처리나 복잡한 수학 문제를 해결하는 등 정말로 인간만이 할 수 있는 영역에 있던 문제들도 컴퓨터로 착착 해결할 수 있었던 상당히 혁신적인 연구였으며, 많은 관심을 받고 지속적으로 연구가 이루어진 분야이다. 당연히 AI 산업은 이미 1980년도에 10억불 규모의 시장을 형성할정도로 큰 분야였으므로 과거에 이런저런 이유로 관심이 없었다던가 실용화가 되지 않았다는 것은 어불성설이다. 다만 아무래도 당시의 정보처리 능력의 한계와 정보량의 부족, 그리고 이런저런 이유로 연구자금지원이 중단되는 트러블과 특히 1969년도에 Marvin Minsky와 Seymour Papert가 "Perceptrons"이라는 책을 출간하면서 지적한 단일 계층 신경망의 한계로 인해 1970년대에 한동한 인기가 시들시들 하기도 했었다.(1차 AI 겨울/AI winter) 이 문제는 1980년도에 다층 신경회로망이 도입되면서 해소되었지만 정보처리 능력의 한계와 해소되기까지는 더 시간이 필요했다.
이후 1974년도에 제시된 역전파 알고리즘, 전문가시스템의 성장과 1980년도에 신경망 이론에 대한 연구가 다시 재개되면서 많은 연구가 있었지만 여전히 성장이 지지부진하여 큰 실망을 안겨주기도 했다.(2차 AI 겨울/AI winter) 문자인식이나 음성인식등의 가시적인 성과가 있는 분야도 있었지만 대화 인공지능등의 개발 실패 등, 눈앞의 목표를 달성하지 못하는 경우도 많았기 때문인데, 심지어 이런 부분은 2010년도 이후에 나타난 여러가지 대화 인공지능도 인간과 대화를 한다고 보기는 어려운 수준이다. 이 때문에 1990년도 이후부터 인공지능의 목표는 인간지능의 구현이라는 막연히 넓은 목표에서 문제해결과 비즈니스 중심으로 더 신중하고 좁은 분야가 되었으며, 그제서야 때맞춰 나타난 하드웨어의 성장을 업고 더 성공적인 분야가 될 수 있었다.
21세기 이후로는 2006년 제프리 힌튼geoffrey hinton, 1947~ 교수에 의해 딥러닝 논문이 발표되어 불가능이라 여겨졌던 비지도 학습방법이 가능해졌고 이미 몇 가지 분야에서는 인간의 수준을 뛰어넘은 결과물이 속속 나타나고 있다. 알파고 이외에도 2017년 현재의 인공지능은 사람의 능력과 비교하여 얼굴 인식율이 더 높거나 사물을 더 잘 인식하는 결과를 나타내고 있어, 약인공지능 분야에서는 빠른 속도로 사람의 능력을 추월할 수 있다는 의식이 확산되고 있다.
그러나 이 역시 기존의 패러다임에서 무언가 혁신적인 변화가 있었다기보다는 그냥 원래 있던 게 우수하게 개량되어 실용화가 된 수준이라는 관점도 많다. 왜냐하면 막상 본래 목표로 했던 인간의 의식과 두뇌 구현에 관한 연구는 제한적으로 진행 되고 있으며, 지금도 어떤 사실도 밝혀지지 않은 채 별다른 진전이 없기 때문이다. 지금까지도 뇌의 작동 원리에 대한 연구 수준은 뉴런의 동작이나 뇌 부위별 역할, 혹은 상관관계를 알아내는 정도로, 두뇌 분석의 기초가 될 신경 회로에 대한 연구마저도 굉장히 진척이 느리기 때문에[2]
인공지능이라는 분야가 대중들과 가까워진 시기가 상당히 최근의 일이고 미디어에서 보여주는 로봇들이 대부분 당연한듯이 인공지능을 탑재하고 나오는 경우가 많지만 인공지능은 어떤 정보를 받아서 해석하여 결과를 출력하는 등등 정보처리의 문제고 로봇은 어떤 부위의 구동기를 제어해서 어떤식으로 시스템을 물리적으로 제어할 것인가와 같은 하드웨어알파고
인터넷 여기저기서 인공지능과 관련된 내용을 뒤져보면 흔히 나오는 단어들인데 약인공지능Weak AI과 강인공지능Strong AI은 1980년에 존 설John R. Searle, 1932~ 교수가 그 유명한 중국어 방
다른 곳의 문서를 보면 인간의 마음을 복잡한 정보처리로 구현한 것을 강한 인공지능, 단순히 인간의 능력 일부를 시뮬레이션 하거나 그런 작업을 목적으로 하는 것을 약한 인공지능이라고 편리하게 설명한다. 그러나 좀 더 정확하게 설명하자면 존 설 교수의 본래 의도는 인간의 마음을 컴퓨터 소프트웨어와 같은 관점으로 보고 행하는 인공지능 연구를 "강한 인공지능 연구", 반대로 인간의 마음과는 별개로 단지 유용한 도구의 개발을 위해 행하는 인공지능 연구를 "약한 인공지능 연구"로 정의하여 철학적 관점에서 인간의 마음을 컴퓨터와 소프트웨어와 같이 보는 연구를 비판하고자 한 것이다.
아무튼 저 개념이 묘하게 현재의 인공지능 개발현황과 의미가 적절히 맞아떨어지다보니 내용을 살짝 비틀어서 대중들에게 알려지게 되었는데 각 연구의 결과물을 그대로 대입하면 된다. 즉,
강인공지능 = 인간을 완벽하게 모방한 인공지능 이고 약인공지능 = 유용한 도구로써 설계된 인공지능 이라고 보면 된다.
약한 인공지능은 사진에서 물체를 찾거나 소리를 듣고 상황을 파악하는 것과 같이 기존에 인간은 쉽게 해결할 수 있으나 컴퓨터로 처리하기에는 어려웠던 각종 문제를 컴퓨터로 수행하게 만드는데 중점을 두고 있다. 한참 막연한 인간 지능을 목표로 하기보다는 더 현실적으로 실용적인 목표를 가지고 개발 되고 있는 인공지능이라고 할 수 있으며, 지능을 가진 무언가라기보다는 특정한 문제를 해결하는 도구로써 활용 되는 경향이 매우 강하다.
위의 정의로 따져보면 현재까지 인간이 만들어낸 모든 인공지능은 약 인공지능이라고 볼 수 있다. 지금까지의 인공지능은 개발 된 물건들은 미리 정의된 알고리즘, 방대한 데이터를 토대로 비교적 지능적으로 보이는 행동이나 결정을 할 수 있게끔 구현한 수준이다, 인공지능이 스스로 규칙을 찾아내서 문제를 해결할 수 있어도 왜 그렇게 해결했는지를 알 수가 없으며. 제한된 범위에서만 문제를 해결할 수 있을뿐이다.
현재는 입력과 시간에 따라 더 나은 출력을 내는 "학습"이 구현되면서 제한적인 분야에서 인간을 능가하거나 유사한 성능을 보이는 프로그램이 속속 등장했지만 이것도 결국 인간의 학습 능력의 극히 일부를 구현해낸 것에 불과하므로 이런 물건들을 인간과 같이 바라보는 것은 매우 곤란하다. 예를 들면 프로 기사보다도 훨씬 바둑을 잘 두는 알파고도 결국 "바둑 두기"와 "바둑
하지만 많은 사람들이 잘못 생각하는 점으로, "도구"라는 특징은 그렇게 얕볼만한 것이 아니다. 약인공지능의 발전 방향은 굉장히 긍정적인 방향으로 생각될 수 있는데, 왜냐하면 인공지능이 반드시 인간의 모방에 사로잡힐 이유는 없기 때문이다. 이는 비행기의 탄생을 생각해보면 이해하기 쉽다. 사람이 하늘을 난다는 발상은 자유롭게 하늘을 나는 새를 보며 생겨났고 그래서 초기에는 새를 모방하려고 했지만 지금의 항공기들은 전혀 새를 모방한 모습이 아니다. 현대 항공기는 나무에 앉을 수도 없고 강에서 생선을 잡아먹을 수도 없으며, 바람을 타고 제자리에서 날아오르지도 못하지만 어떤 새도 상공 수천 미터에서 수백명의 사람과 수십톤의 화물을 싣고 음속으로 날 수는 없다. 지금의 항공기들이 새의 모방을 포기했기에 얻을 수 있었던 비행의 또다른 가능성인 것처럼, 약인공지능 역시 강인공지능보다 모자란 무언가가 아니라 방향의 차이일지도 모르는 일이다.
현재의 약인공지능들은 자신이 할 수 있는 기능으로는 이미 인간의 능력을 한참 초월하고 있으며, 이 인공지능들이 하는 일 중에는 인간이 할 수 없는 일도 많다. 인간을 모방하지 않았기에 인간적이지 않고, 그래서 인간을 초월할 수 있었던 것이다. 단순히 주어진 문제를 해결하는 능력은 강인공지능보다도 뛰어날 수 있다. 이것은 강인공지능이 아직 나타나지 않았어도 어느 정도 예측할 수 있는 사실인데, "인간의 지성을 모방했다는 것이 어떠한 문제를 해결하는 데에 있어 특출난 장점이 되는가?" 라는 질문에 확실하게 "그렇다"고 말할 수는 없기 때문이다.
강인공지능은 인간의 지성을 컴퓨터의 정보처리능력으로 구현한 시스템이다. 인간과 동일한 지성을 가진 프로그램이건, 뇌를 통째로 스캔을 떠서 컴퓨터로 돌리건 상관 없다. 당연히 아예 하나의 인간으로 보아도 무방한 수준의 지적 능력을 가지고 있다는 의미가 되는데 이 때문에 현재 논란이 되는 인공지능의 문제도 대부분 강인공지능으로부터 비롯되고 있다.
말은 거창하지만 사실 강인공지능이라고 불릴만한 수준의 인공지능은 지금도 개발 되지 않았으며 개발 시도는 커녕 개념조차도 모호한 상태다. 애초에 인간의 지성 전체를 구현한다고 하는데 이게 뭔지, 어떻게 정의해야 하는가도 명확히 정해진게 없다. 기계가 어느정도의 일을 할 수 있어야 인간과 동등하다고 볼 수 있을까? 과거에는 체스를 둘 수 있거나 바둑을 잘 둘 수 있으면 사람하고 비슷하지 않을까 하고 정의가 모호하게 붕 떠있었지만 사람의 지성을 어떤 일을 할 수 있고 없고로 나눌 수 없다는건 예나 지금이나 수없이 증명 되어 왔다. 왜냐하면 그림을 보는 것이나 소리를 듣는 등등 기존에 사람만이 가능하다고 생각 되던 일을 이제는 대부분 컴퓨터로도 얼마든지 처리할 수 있기 때문이다.
사람과 비슷한 수준의 일을 할 수 있게 되었다고 해도 강인공지능이 탄생하기 위한 장벽은 많다. 예컨대 의식이나 마음, 생각이 어떻게 발생하는지는 여전히 미지의 영역에 있으며, 당사자인 사람도 이게 물리적으로 존재하는 것인지, 뇌 이외의 인공물에 의식뇌와 소프트웨어라고 볼 수 있는 정신정신을 뇌[3]
애초에 위에서 언급된 중국어방 논변이 이런 문제를 들고 인공지능의 지능 유무를 판정하는 튜링 테스트마음튜링 테스트[4] 이런 사례처럼 모로 가도 서울로만 가면 되기 때문에 앞으로 지능의식이 있을 수도 있지만 단지 의식
게다가 이게 끝이 아니라 더욱 근본적인 문제도 있다. 사람들은 일반적으로 자유의지를 가진 인간의 의식을 알고리즘에 따라 반응하는 프로그램과는 다른 별개의 무언가로 생각 하지만 사실 자유의지의 존재 자체도 아직 증명되지 않았다. 쉽게 말해 위에서 언급된 것처럼 '인간처럼 진짜 의식이 있는 것'과 '프로그램처럼 외부에서 볼 때 의식이 있는 것처럼 보일 뿐인 것'을 구분하고자 한다면, 먼저 '인간처럼 진짜 의식이 있는 것'이 무엇인지부터 증명해야 하는데, 이게 아직 증명되지 않았다는 것이다. 따라서 어쩌면 인간의 의식 = 그냥 좀 많이 복잡한 프로그램이라는 공식이 사실일 수도 있다. 이에 대해서는 중국어 방, 자유의지, 결정론
위의 내용 말고도 머리 터지는 문제가 산재해 있기 때문에 지금의 강인공지능 연구라는 것은 이론을 토대로 만들기보다는 뇌
최근에는 강인공지능이라는 개념이 더 구체화 되어 인공 일반 지능Artificial General Intelligence과 인공 의식Artificial Consciousness이라는 개념으로 분리되었다.
흔히 인공지능 연구의 방법론으로 가장 유명한 것은 바텀-업(bottom-up; 상향식) 방식과 톱-다운(top-down; 하향식) 방식이다.
바텀-업(bottom-up) 방식은 뇌의 신경망을 해석하고 화학 작용을 분석하여 뇌의 전자 모델을 만들 수 있다면 인공지능을 탄생시킬 수 있다고 보는 것이다. 따라서 뇌세포들의 기초적인 상호작용 등 뇌가 어떻게 동작하는지 조사하고 이러한 동작을 수학적으로 모델링하여 컴퓨터에서 시뮬레이션 하는 데에 초점을 둔다. 만일 이 방식에서 강한 인공지능이 탄생한다면 인간의 뇌에 가까운 구조와 동작 방식을 가질 가능성이 높다고 볼 수 있겠다. 다만 원하는 대로 시스템을 조정하는 것은 더 많은 시간을 소비할 것이다. 원하는 개체를 시뮬레이션해서 결과를 보는 것과 시뮬레이션 결과를 원하는 대로 만드는 것은 또 다른 문제다.
반대로 톱다운 방식은 컴퓨터는 매우 어려운 반면 인간은 쉽게 해결할 수 있는, 쉽게 말해 지능이 필요하다고 보는 작업을 알고리즘으로 해결하는데에 초점을 맞춘다. 당연히 개발 목적도 바텀업 방식에 비해서 다양해서 강인공지능의 개발이 목표일 수도 있지만 단지 문제를 효율적으로 해결하기 위해서일 수도 있다. 지금까지 인류가 연구하고 개발해낸 인공지능은 대부분 톱다운 연구로 탄생했으며 전문가 시스템부터 기계학습
Tesler's theorem: AI is whatever hasn't been done yet. 테슬러 정리: 인공지능은 아직 실현되지 않은 무언가이다.[5]
인공지능이란 무엇인가, 무엇을 지능이라고 부를까를 명확하게 정의하기는 쉽지 않다. 그리고 이는 철학적인 문제가 아니고 이 문제에 어떤 대답을 선호하는가에 따라서 연구 목적과 방향이 완전히 달라진다.
한 가지 대답은 인간의 '지능'을 필요로 하는 일을 컴퓨터가 처리할 수 있으면 그것이 바로 인공지능이라는 것이다. 또 다른 대답은 인간과 같은 방식으로 이해를 할 수 있어야 인공지능이라는 것이다. 이 두 가지 대답 역시 세부적으로는 "지능을 필요로 하는 일이란 무엇인가?" 내지는 "인간과 같은 방식이란 무엇인가?" 라는 질문에 대한 대답에 따라서 서로 다른 여러 종류의 대답을 내포하고 있다. 물론 이 두 가지 대답은 배타적이지는 않다. 인간과 같은 종류의 지능을 가지고 '지능'을 필요로 하는 일도 처리할 수 있는 컴퓨터를 만드는 것은 수많은 컴퓨터 공학자들의 꿈과 희망이겠지만, 적어도 단기간에 그런 목표에 도달할 가능성은 희박하다.
만약 '지능을 필요로 하는 일'을 처리하는 것이 인공지능이라고 정의한다면, 인공지능은 인간이 어떤 방식으로 사고하는가를 고민할 필요가 없으며, 감성과 같은 것 또한 고려할 필요가 없다. 모로 가든 서울만 가면 되니까. 이러한 방향의 인공지능 연구에서는 초기에는 전문가가 필요한 일을 복잡한 소프트웨어를 통해서 처리하는 전문가 시스템이 대세였으며, 이러한 전문가 시스템은 실행 방식에서는 일반적인 소프트웨어와 특별한 차별성이 없고 전문가들이 문제를 해결하는 방식을 가능한 한 쉽고 정확하게 소프트웨어에 반영할 수 있는 방법을 제공하는 데 주력했다.
인공지능 연구에서 상술하였듯이 컴퓨터가 체스 같은 특정 작업을 능숙하게 해낼 수 있게 되면 그 작업을 인공지능의 조건에서 바로 빼 버리는 경향이 있는데, 인공지능적인 발전의 성과라기보다는 그냥 컴퓨터의 성능 향상으로 이루어진 결과이기 때문에 그렇다. 인공지능적인 연구 가치가 떨어지기 때문.
현대에는 확률과 무작위 알고리즘을 다루는 연구 쪽이 가장 인기가 있다. 일반적으로 "A면 B다!" 라고 단정할 수 있는 문제는 컴퓨터로 비교적 쉽게 접근할 수 있다. 그러나 'art'가 '예술'일 수도 있고 '기술'일 수도 있듯이 여러 종류의 답이 가능한 경우도 있으며, 이 경우 '문맥'과 같은 주변 상황을 고려해야 하는데 그렇다고 "앞뒤에 이런 단어가 나오면 '예술'이고 아니면 '기술'이다" 라는 식으로 딱 잘라서 답을 내기는 어렵다. 이런 종류의 문제를 통계와 확률을 다루는 복잡한 수학을 이용해서 해결하는 것. 실제로 현대의 인공지능 연구는 단어 각각에 해당되는 카테고리를 부여하여, 문장 전체로 보았을 때 카테고리가 많은 쪽의 의미로 해석하도록 진행되고 있다고 한다. 극도로 단순한 예로, 'Music is an art' 라고 했을 때, 문장에서 의미가 있는 두 단어인 music과 art를 포함하는 카테고리인 '예술'을 추측하여 해당 문맥에 맞게 해석을 하도록 한다 알파고
물론, '인간과 같은 종류의 사고'를 하는 것을 목표로 하는 연구도 활발히 진행되고 있으며, 대표적인 예가 가상 신경망이다. 가상 신경망의 연구 역시 인간 사고 모방만이 아닌 실용적인 문제를 해결하는 쪽으로도 활용되고 있다. 대표적인 예로 통상적인 컴퓨터 알고리즘으로는 해결할 수 없는 불가능한 비가역적 연산 과정이 있는 패턴 인식이 필요한 경우. 새로운 뇌를 만든다
MBC의 다큐멘터리 미래인간 3부작을 보면, 인공지능을 연구하는 연구진들은 "인간이 부당한 명령[6]을 내릴 경우 인공지능이 반항적인 태도를 보일 수 있도록 교육하고 있다"고 한다. 소형 휴머노이드 로봇에게 인공지능을 부여한 뒤, 연구진이 뒤로 가라는 명령을 내리자 인공지능은 "자신의 뒤에는 후방 센서가 없으므로" 뒤로 가는 것은 위험하다며 연구진의 명령을 거부하고, 힘들게 쌓은 탑을 무너뜨리라는 명령에는 3~4번을 반복적으로 거부하다가 결국 사람의 울음소리를 흉내내며(!) 마지막 반항의 태도를 표시하기도 했다. 물론 계속 거부만 하지는 않고, 인간이 인공지능을 설득하거나 강압적으로 밀어붙이는 경우에는 결국 명령을 따르긴 한다.
인공지능도 일종의 프로그램인지라 인공지능이 감정을 느끼거나 생명으로 보기에는 힘들다. 인공지능의 원리를 알면 이해를 하겠지만 인공지능은 뇌와 같은 신경망 모델을 다양한 학습데이터로 모델의 정확도를 향상시키는 것에 불과하기때문에, 입력한 데이터에 따라 결과값이 다르거나 챗봇을 만들때 대답이 다르게 나오는 것은 당연한 것이다. 예를 들어 사용자가 인사말로 안녕하세요 등과 같게 입력했을때, 대답을 "안녕하십니까 저는 AI입니다"라고 대답한다고 지도학습법으로 학습시킨다고 가정해보자. 그러면 이러한 학습으로 사용자가 "안녕"[7]이라고 말을 건네도, "안녕 저는 AI입니다"[8]
사실 주어진 문제를 해결할 수 있다면 기법과 기술을 가리지 않고 다 쓴다. 특성상, 이론적 개연성이 전혀 없는 기술도 적용하여 결과물의 품질이 우수하다면 인정된다. 아래는 이러한 기술, 기법 중 유명한 것들의 일부만을 나열한 것이다.
전문가 시스템(Expert System): 전문가 시스템은 방대한 지식 체계를 규칙으로 표현하여, 데이터를 입력하면 컴퓨터가 정해진 규칙에 따라 판단을 내리도록 한다. 간단히 말해서 무지막지하게 많은 IF THEN ELSE로 구성되어 있는 시스템이다. 어떻게 보면 무식한 방법이지만 룰의 종류가 많으면 많을수록 정확도는 높아지게 된다. 특성상 제한된 상황에서 제한된 특정 물건을 인식하거나 행동할때는 문제가 되지 않지만 규칙에 없는 상황이나 물체에 대한 유연한 대응이 불가능하다.
BDI 아키텍처(BDI Architecture): 인간이 생각하고 행동하는 과정을 Belief(믿음), Desire(목표), Intention(의도)의 세가지 영역으로 나누어 이를 모방하는 소프트웨어 시스템의 구성방법을 말한다. 사람은 자신이 알고 있는 진실을 바탕으로 자신이 이루고자 하는 다양한 목표를 달성하기 위하여 현재 수행할 수 있는 여러가지 행동들 중에서 가장 적합한 것을 골라 현재의 수행하는 행위의 의도를 결정하는 방법으로 구성된다.
믿음(Belief): 프로그램이 알고 있는 믿음이란 환경내에서 참인 것을 의미하지 않는데, 프로그램이 환경에 대한 관측을 통해 알게 된 사실을 진실이라고 표현하며, 이는 관측의 영역 밖에서 사실이 변경되는 경우 프로그램은 알 수 없지만, 자신의 정보 내에서는 여전히 변경되기 전의 사실을 진실로 받아들이기 때문에 믿음이라는 표현을 사용한다. 예를 들어 탁자 위에 컵이 놓여 있는 것을 보고 프로그램은 컵이 탁자위에 있다는 사실을 알게 된 뒤 다른 방향을 주시하는 사이에 인간이 탁자의 컵을 다른 곳에 옮기는 경우, 여전히 프로그램은 컵이 탁자위에 있다는 진실만을 알고 있게 된다. 이러한 진실은 논리 정보로서 프로그램에 저장되게 되며, 이를 Predicate(1차원 논리 명제), Relation(관계 명제), Symbolic Data(기호화 된 자료) 등으로 부르는 표현으로 작성된다.(이는 다른 알고리즘도 유사하게 활용하는 경우도 존재한다.) 이러한 명제들은 프로그램이 알고 있는 정보들이 모여있는 World Model(세계 모델)을 구성하여 프로그램이 다음 행동을 결정하기 위한 자료구조를 형성한다.
목표(Desire): 프로그램은 그 특성상 어떠한 서비스나 작업을 수행하기 위하여 작성되며, BDI 아키텍처에서는 이러한 작업 목표를 목표의 형태로 저장, 활용하게 된다. 목표는 어떠한 상태로 도달하고자 한다는 의미로 Belief와 동일한 Predicate의 형태로 서술되며 프로그램은 동시에 달성하고자 하는 다수의 목표를 보유하는 경우도 있다. 실제로 BDI 아키텍처를 구현하는 관점에서 목표를 Goal이라고 표현하는 경우가 많은데, 이러한 Goal은 에이전트 기반 아키텍처의 주요 구성요소와 동일하게 활용되는 단어이다. 이는 BDI 아키텍처로 구현되는 인공지능 프로그램이 자율적이고 반응적으로 행동을 수행하는 에이전트 적인 요소를 기본적으로 지니고 있는 것을 의미한다.
의도(Intention): 프로그램이 어떠한 목표를 수행하고자 하면, 그 목표에 적합한 행위를 선택하여야 한다. 목표에 적합한 행위를 선택하고 이것이 실제 환경에 수행가능한 데이터와 결합(Binding)하면 의도라고 표현한다. 이러한 목표에 대한 행동 방법은 작업계획(Plan) 이라는 형태로 구현되는데, 일반적으로 BDI 아키텍처의 인공지능을 구현하고자 하는 경우 BDI 아키텍처 기반 프레임워크를 이미 보유한 상태로 개발한다고 했을때 작업계획을 구현하는 것에 대부분의 비용이 들어간다. 작업계획은 해당 작업계획이 달성할 수 있는 목표와 해당 목표를 달성하기 위한 행위의 집합, 해당 행위를 수행하기 위한 사전조건(Precondition) 등으로 구성된다. 목표를 수행하기 위한 행위에는 또 다른 세부 목표(Sub-Goal)이 포함되는 경우도 존재하며, 이러한 세부 목표는 다시 특정 행동계획과 결합하여 의도를 구성한다. 따라서 의도는 필연적으로 트리나 리스트의 형태인 자료구조를 구성하게 되는데, 이에 따라 일반적으로 구현하는 관점에서 의도 구조체(Intention Structure)라고 부르기도 한다.
딥마인드알파고: 유럽 바둑 챔피언과 대결하여 승리[9]했으며, 2016년 3월 이세돌 9단과의 대국에서 4승 1패로 승리를 거두었다. 구글 관계자의 말에 의하면 바둑 다음에는 온라인 보드게임에 도전할 계획이라고 한다. 스타크래프트라고 알려져 있지만, 이건 예를 든 것일 뿐이다. ...라고 알려져 있었지만, 스타크래프트2의 인공지능을 개발한다고 발표했다. 2017년 중국의 바둑 선수 '커제' 상대로 3전 전승을 달성했다.
(전략) 이런 이유로 활동이 정지되고 해체되었던 옴니움이 스스로 깨어나, 인류를 상대로 군사 작전을 개시했다는 사실은 인류에게 큰 충격이었다. (중략) 한때 인류가 축복했던 로봇의 지식 습득력은 악몽이 되어버렸다. 최악의 사실은 옴니움이 옴닉[30]옴니움의 공습에는 이유를 찾을 수 없었다. 그들은 단순히 인류를 공격했고, 우리가 이해할 길은 없었다.
실제 연산의 관점으로만 본다면야 당연히 모든 결과는 참과 거짓이지만 이건 그냥 연산을 그런식으로 한다는 사실만을 설명할 뿐, 컴퓨터가 계산 결과를 어떻게 해석할지는 프로그래머의 능력에 달려있기에 현실의 시스템이 위와 같은 딜레마에 빠지는 경우는 있을 수 없다. 쉽게 설명하자면 애초에 프로그램에서 나올 수 있는 모든 결과는 프로그래머가 의도한 것이므로 딜레마딜레마
위와 같은 클리셰는 컴퓨터의 논리를 인간에게 투영하면서 생긴 발상이지만, 컴퓨터는 자신이 실행하는 프로그램을 무조건적으로 신뢰하며, 한 치의 의심과 고민도 하지 않는다. 설령 논리적으로 문제가 있는 코드의 실행을 지시 받는다 해도 오류를 뿜으면서 동작이 정지되고 그럴 수밖에 없는 구조적 한계를 가진다. 그리고 이는 현재 연구 되는 각종 약인공지능들이 가지는 한계이기도 한데 어떤 결과물을 내놓아도 결국 프로그래머가 의도한 범위를 벗어나지 않기 때문이다.
기계의 반란과 어깨를 나란히 하는 또 다른 클리셰로는 그들은 인간인가 아닌가의 딜레마이다. 인간이 만들고 생명조직이 아닌 기계로 이뤄졌지만 인간과 똑같이 생각하고 행동할 수 있다면 그들도 인간이라고 부를 수 있느냐는 질문을 던지는 것. 이 전개는 인공지능의 반란과 결합하기도 하고, 인간 주인공이 그들의 해방을 위해 함께 싸우기도 하고, 그들과 연애도 하는 등 다양한 장르로 나타난다.
물론 저런 고등한 인공지능의 개발은 시도는 커녕 시작점도 모르기에 정말로 인공지능이 저런 고민과 정신적인 문제가 생길지 어떨지는 아무도 모른다. 사실 저런 자기정체성에 대한 문제는 너무나도 "인간"적인 문제이기 때문에 우리가 고깃덩어리로 만들어진 몸뚱아리에 있다는 이유로 발광하는 일이 없는 것처럼 그냥 내가 기계인가보다 하고 그러려니 하면서 끝날 수도 있다. 결국 위와 같은 전개는 육체가 인공이기에 발생하는 문제지만 그러건 말건 자신의 존재자체는 명백한데 인공이든 기계든 그게 무슨 상관이란 말인가? 사실 이런 주제와 관련해서 사람들도 심각한 고민은 안한다. 결국 모든 창작물들은 사람이 만드므로 뭔가 사람이 상상할 수 있는 선에서 갈등이 종결 되기 마련이다.
인공지능이 점점 알려지면서 각종 마케팅분야에서도 자신의 사업에 대해 인공지능을 강조하는 경우가 많아졌다. 심지어는 관련이 적어보이는 제과류, 토익수업, 다이어트 센터, 소개팅 어플과 같은 곳에서도 어설프게 인공지능을 사용했다면서 자화자찬하고 있는 실정. 인공지능이 가지고 있는 미래지향적인 이미지, 그리고 어설프게 알면서도 정확한 실상을 잘 모르는 소비자들의 무지를 활용하여 마케팅을 하고 있는 것인데, 무조건 인공지능을 활용했다고 좋은 것이 아니다. 광고에서 이러한 문구를 보았을 때는 '인공지능'이라는 단어 자체 보다는 실사용 후기에 집중해서 따져보아야 한다. 물론 이 과정에서도 바이럴 마케팅