역설적이게도, 인공지능은 테트리스와 같은 고전 비디오 게임을 플레이하는 것보다 현실 세계에서 차량을 운전하는 법을 더 쉽게 배울 수 있습니다. 뉴욕 대학교의 Julian Togelius와 같은 전문가들에 따르면, 그 핵심은 규칙의 본질에 있습니다. 물리적 세계는 일관되고 예측 가능한 법칙에 의해 지배되는 반면, 비디오 게임의 규칙은 임의적이며 그 행동 공간은 기계가 모델링하기에 더 추상적이고 복잡합니다.
예측 가능한 물리학 대 코드의 임의성 🤖
자율 주행은 뉴턴 물리학이 지배하는 연속적인 영역에서 작동하며, 여기서 행동은 예측 가능한 결과를 가져옵니다. 신경망은 현실 세계의 데이터로부터 이러한 일관된 패턴을 학습할 수 있습니다. 반면, 테트리스와 같은 게임은 조각의 회전이나 줄의 소멸과 같이 직접적인 물리적 상관관계가 없는 인간이 만든 추상적인 규칙을 가진 거대하고 이산적인 상태 공간을 가지고 있습니다. 이러한 임의성은 아이러니하게도 더 도전적인 추상적 규칙에 대한 상징적 추론과 이해를 요구합니다. 사실, 명확한 논리적 규칙과 즉각적인 피드백을 가진 프로그래밍과 같은 작업은 현재 언어 모델이 이미 뛰어난 성과를 보이는 분야입니다.
함의: 기계에게 '복잡한' 것을 재정의하기 🤔
이러한 관점은 인공지능의 어려움에 대한 우리의 직관을 뒤집습니다. 이는 감각 운동 경험과 상식에 기반한 인간의 복잡성과 추상적인 계산 복잡성을 구별하도록 우리를 강요합니다. 이를 이해하는 것은 강력한 인공지능 개발과 대중의 인식 조정에 중요합니다. 자율 주행 자동차는 우리처럼 교통을 이해하지는 않지만, 예측 가능한 세계에 의존합니다. 진정한 미래의 도전은 기계에 임의적 규칙에 대한 유연한 이해를 부여하는 데 있으며, 이는 인간 지성이 아직 군림하는 영역입니다.
추상적 규칙의 복잡성과 물리적 세계의 예측 가능성이 어떻게 인공지능에게 문제의 실제 난이도를 결정하는가?
(추신: 인터넷에서 닉네임을 차단하려는 것은 마치 손가락으로 태양을 가리려는 것과 같습니다... 하지만 디지털 세계에서 말이죠)