[번역] 알고리즘적 의례의 3000년: 공간의 연산으로부터 창발한 인공지능 (마테오 파스퀴넬리)

-이는 <e-flux> 101호(2019년)에서 발행한 Matteo Pasquinelli의 「Three Thousand Years of Algorithmic Rituals: The Emergence of AI from the Computation of Space」을 번역한 것이다.   -오역에 대한 코멘트는 언제나 환영입니다.   -주석은 PC를 통해 봐야 오류 없이 볼 수 있습니다.

 

우리는 지형학적 기억을 가지고 시각의 시대에 대해서, 더 나아가 한 세대에서 다음 세대로 넘어가는 시각적 유전(heredity)에 대해서 말할 수 있었다. 이와는 반대로, 기하광학의 탈국지화를 위한 지각의 병참학과 그것의 새로워진 벡터의 출현은 보기의 우생학, 정신적 이미지의 다양성을 선제적으로 중절하는 것, 즉 태어나지 않은 상태로 남게 될 운명에 처해 어떤 곳에서도 더 이상 햇빛을 볼 수 없는 이미지-존재의 무리를 선제적으로 중절하는 것의 시작을 알린다.

-폴 비릴리오 『시각 기계 The Vision Machine』^[각주:1]

1. 토막 난 신을 재구성하기

프리츠 스탈 「그리스와 베다 기하학」의 일러스트. (출처: Frits Staal, "Greek and Vedic geometry" Journal of Indian Philosophy 27.1 (1999): 105-127.)

 고대 베다(Vedas)의 매력적인 우주기원 신화에서, 신 프라자파티(Prajapati)는 우주 창조 행위로 인해 조각들로 흩어졌다고 전해진다. 지상신은 세계의 탄생 이후에 분해되고 해체된 채로 발견된다. 이 신화에 상응하는 아그니카야나(Agnicayana) 의례에서, 힌두교 신자들은 정교한 기하학적 도면에 따라 배화단(拜火壇)을 구축함으로써 신의 쪼개진 신체를 상징적으로 재구성한다.^[각주:2] 배화단은 매의 윤곽을 창조하기 위해 정확한 형태와 크기를 가진 수천 개의 벽돌들을 조정함으로써 배치된다. 각 벽돌은 단계별 지침에 따라 전용 만트라를 열거하면서 번호를 부여받고 배치된다. 제단의 각 층은 이전 층의 맨 위에 구축되고, 동일한 구역과 모양에 들어맞게 된다. 각 층은 의례의 핵심인 논리적 수수께끼를 풀어내면서 인접 층과 동일한 모양과 구역을 지켜야 하는데, 다만 다른 벽돌 배열을 사용해서 그렇게 해야 한다. 마지막으로, 매 제단은 동쪽을 향해야 하는데, 이는 재구축된 신이 떠오르는 태양을 향해 상징적으로 비행하는 것의 서막이며, 기하학적 수단을 통한 신성한 영혼재래의 한 사례이다.

 아그니카야나 의례는 술바 수트라스(Shulba Sutras)에 묘사되어 있으며, 술바 수트라스는 좀 더 오래된 구전 전통을 기록하기 위해 기원전 800년 경 인도에서 작성된 것이다. 술바 수트라스는 신으로부터의 선물을 확보하기 위해 특정한 기하학적 형식을 가진 제단을 구축하는 법을 가르친다. 예를 들어, 술바 수트라스는 “현존하는 적과 미래의 적을 파괴하고자 하는 사람들은 마름모 형식의 배화단을 구축해야 한다”^[각주:3]고 제안한다. 아그니카야나의 복잡한 매 형태는 일곱 개의 사각형으로만 이루어진 도식적 구성에서 점진적으로 진화했다. 베다적 전통에서는, 리시(Rishi)의 생명력 넘치는 정신이 함께 하나의 신체를 구성하고 있는 일곱 개의 사각형 모양의 푸루샤(Purusha, 우주적 실체 혹은 사람)를 창조했으며, 이 형태로부터 프라자파티가 다시 한 번 등장했다고 전해진다. 1907년에 미술사가인 빌헬름 보링거(Wilhelm Worringer)는 원시적인 예술이 동굴 벽화에서 찾을 수 있는 추상적 선들에서 태어났다고 주장했지만, 우리는 예술적인 몸짓이 점점 더 복잡해지는 형식과 기하학적 테크닉을 도입하는 부분과 단편의 구성을 통해서도 등장했다고 추정할 수도 있다.^[각주:4] 이탈리아 수학자인 빠올로 젤리니(Paolo Zellini)는 베다 수학에 대한 연구에서, 아그니카야나 의례가 라이프니츠와 뉴턴의 근대 미적분학에 필적할 만한 기하학적 근사법과 증분 성장의 테크닉―다른 말로 하면, 알고리즘적 테크닉―을 전수하는 데 사용되었다는 점을 발견했다.^[각주:5] 아그니카야나는 오늘날 인도에서 여전히 행해지고 기록상에 남아 있는 가장 오래된 의식 중 하나이며, 알고리즘적 문화의 원시적 사례이기도 하다.

 그런데 우리는 아그니카야나 같은 고대의 의례를 어떻게 알고리즘적인 것으로 규정할 수 있는가? 많은 사람들에게, 이는 고대의 문화를 최신 기술의 패러다임을 통해 독해하는 문화 도용 행위로 보일 수 있다. 그럼에도 불구하고, 지식의 추상적 테크닉과 인공적인 메타언어가 근대의 산업적인 서구에만 유일하게 속하는 것이라고 주장하는 것은 역사적으로 부정확할 뿐 아니라 다른 장소와 다른 시대의 문화들에 대한 암묵적인 인식론적 식민주의의 행위이자 일종이다.^[각주:6] 프랑스 수학자 장 뤽 샤베르(Jean-Luc Chabert)는 “알고리즘은 태초부터 존재해 왔으며 이를 묘사하는 특별한 단어가 만들어지기 훨씬 전부터 존재했다. 알고리즘은 단순히 원하는 결과를 달성하기 위해서 매우 기계적으로 수행되는 단계별 지시사항의 집합이다”^[각주:7]라고 말했다. 오늘날 일부는 알고리즘을 추상적인 수학적 원칙들을 실행하는 근래의 기술적 발명으로 여길지도 모른다. 이와는 반대로, 알고리즘은 가장 오래되고 물질적인 관행 중 하나로써, 많은 인간의 도구들과 모든 현대적인 기계들에 앞서 있다.

 알고리즘은 수학에 한정되는 것이 아니다. … 바빌로니아인들은 법률상 논점을 판단하기 위해 알고리즘을 사용했으며, 라틴어 교사들은 문법을 옳게 하기 위해 알고리즘을 사용했으며, 알고리즘은 미래를 예측하기 위해, 의학적 치료를 판단하기 위해, 혹은 음식을 준비하기 위해 모든 문화에서 사용되어 왔다. … 따라서 우리는 다른 상황들에 적용하기 위해 동일한 단어를 사용하면서 레시피, 규칙, 테크닉, 과정, 절차, 방법들 등에 대해 이야기하고 있는 것이다. 예를 들어, 중국인들은 글자 shu(규칙, 과정, 혹은 책략을 의미)를 수학과 무술에서 모두 사용한다. (역자 설명: 본문에는 해당하는 한자가 등장하지 않았지만, 영어로 표기된 발음과 의미로 추정하면 ‘재주 술(術, 术)’을 가리키는 듯하다. 이 글자는 산술, 무술, 술수 같은 단어에서 쓰이는 글자다.) … 결국, 알고리즘이라는 용어는 체계적인 계산의 모든 과정, 즉 자동적으로 수행될 수 있는 과정을 의미하게 되었다. 오늘날, 원칙적으로는 컴퓨팅의 영향 때문에 유한성(finiteness)이라는 아이디어가 알고리즘의 의미에 필수적인 요소로서 진입하게 되었고, 이는 알고리즘을 과정, 방법 혹은 테크닉과 같은 좀 더 모호한 관념들과 구별해준다.^[각주:8]

 

 수학과 기하학의 공고화 이전에 고대 문명은 이미 사회적 세분화의 대형 기계였는데, 이 대형 기계는 인간 신체와 영토를 추상들로 표지했으며, 이 추상은 수천 년 동안 작동했고 지금도 여전히 작동하고 있다. 역사가 루이스 멈포드(Lewis Mumford)의 작업을 바탕으로, 질 들뢰즈와 펠릭스 가타리 또한 추상과 사회적 세분화의 오랜 테크닉들의 목록을 내놓았다. “낙인찍기, 절제하기, 절개하기, 조각하기, 흉터내기, 훼손하기, 둘러싸기, 그리고 입회하기.”^[각주:9] 이미 숫자는 인간 문화를 등장케 할 사회적 세분화와 영토화의 “원시적인 추상 기계”를 이루고 있는 구성요소였다. 예를 들어, 기록상의 최초의 인구 조사는 기원전 3800년 경 메소포타미아에서 이루어졌다. 사회적 형식으로 만들어진 논리적 형식, 즉 숫자는 노동과 의례, 규율과 권력, 표지와 반복을 통해 물질적으로 등장했다.

 1970년대 “민족수학(ethnomathematics)” 분야는 엘리트 수학의 플라톤적 루프로부터 균열을 만들어내기 시작했으며, 연산(computation) 뒤에 존재하는 역사적 주체들을 드러냈다.^[각주:10] 연산과 알고리즘의 정치에 대한 현재의 논쟁의 핵심에 있는 정치적 질문은, 다이앤 넬슨(Diane Nelson)이 우리에게 상기시켜주었듯이 궁극적으로는 매우 간단하다. 누가 셈하는가?^[각주:11] 누가 연산하는가? 알고리즘과 기계는 그것들 스스로를 위해 연산하지 않는다. 그것들은 언제나 누군가를 위해, 제도와 시장을 위해, 산업과 군대를 위해 연산한다.

2. 알고리즘은 무엇인가?

 “알고리즘”이라는 용어는 페르시아 학자인 알-콰리즈미(al-Khwarizmi)의 이름을 라틴어로 표기한 것에서 유래한다. 9세기 바그다드에서 작성된 그의 소책자 『힌두 숫자를 이용한 계산에 대하여 On the Calculation with Hindu Numerals』는 힌두 숫자를 계산하기 위한 새로운 대응 테크닉, 즉 알고리즘과 함께 힌두 숫자를 서구에 소개하는 역할을 했다. 사실, 중세 라틴어 단어인 “알고리스무스(algorismus)”는 힌두 숫자로 네 가지 근본적인 수학 연산―덧셈, 뺄셈, 곱셈, 나눗셈―을 수행하기 위한 절차와 지름길들을 나타냈다. 추후에, “알고리즘”이라는 용어는 단계별 논리 절차를 은유적으로 의미하고 컴퓨팅 논리의 핵심이 될 터였다. 일반적으로, 우리는 알고리즘의 역사에서 세 가지 단계를 구분할 수 있다. 고대에, 알고리즘은 특정 목적을 달성하고 규칙들을 전수하기 위한 절차와 코드화된 의례 내에서 인식될 수 있었다. 중세 시대에, 알고리즘은 수학적 연산을 돕는 절차의 이름이었다. 근대 시기에, 논리적 절차로서의 알고리즘은 기계와 그 이후의 디지털 컴퓨터에 의해 완전히 기계화되고 자동화되었다.

 아그니카야나 같은 고대의 관행과 계산을 위한 힌두의 규칙들을 살펴봄으로써, 우리는 현대 컴퓨터 과학과 양립 가능한 “알고리즘”에 대한 기본 정의의 개요를 그릴 수 있다. (1) 알고리즘은 과정의 반복으로부터 등장하는 추상적 도표(diagram)이자, 시간, 공간, 노동, 그리고 연산의 조직화다. 이는 위로부터 발명되는 규칙이 아니라 아래로부터 등장하는 규칙이다. (2) 알고리즘은 이런 과정을 효율적으로 수행하고 통제하기 위해 이것을 유한한 단계들로 분할하는 것이다. (3) 알고리즘은 문제에 대한 해결책이자, 상황의 제약을 넘어 그 자체의 동작에 의해 소정의 상태로 이행하는 발명품이다. 모든 알고리즘은 트릭이다. (4) 가장 중요하게, 알고리즘은 공간, 시간, 그리고 에너지의 측면에서 최소한의 자원을 이용해 상황의 한계에 적응해야 하는 경제적 과정이다.

 오늘날, 인공지능의 능력이 확장되는 가운데 구체적 데이터에 대해 추상적인 수학적 아이디어를 응용하는 것 혹은 시행하는 것으로 알고리즘을 바라보는 경향이 존재한다. 이와는 대조적으로, 알고리즘의 계보는 그것의 형식이 물질적 관행으로부터, 즉 공간, 시간, 노동, 그리고 사회적 관계의 세속적인 분할로부터 등장했다는 것을 보여준다. 의례의 절차, 사회적 일과, 그리고 공간과 시간의 조직화는 알고리즘의 원천이며, 이런 점에서 알고리즘은 신화, 종교, 그리고 특히 언어와 같이 복잡한 문화적 체계의 부상 이전에도 존재했다. 인류발생론의 관점에서, 사회적 관행과 의례로 부호화된 알고리즘적 과정이 숫자와 수치 계산 기술을 등장케 했던 것이며, 그 역은 아니라고 말할 수 있다. 찰스 배비지(Charles Babbage)와 칼 마르크스(Karl Marx)가 연구한 작업장의 산업적 계보를 봤을 때, 근대적 연산은 구체적인 형식에서 점점 더 추상적인 형식으로 점차 진화했다.

3. 연산적 공간으로서의 기계 학습의 부상

프랭크 로젠블랫 『신경 동역학의 원리들: 퍼셉트론과 뇌 메커니즘의 이론』의 일러스트. (출처: Frank Rosenblatt, Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms, (Cornell Aeronautical Laboratory, Buffalo NY, 1961).

프랭크 로젠블랫 『신경 동역학의 원리들: 퍼셉트론과 뇌 메커니즘의 이론』의 일러스트. (출처: Frank Rosenblatt, Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms, (Cornell Aeronautical Laboratory, Buffalo NY, 1961).

 1957년 뉴욕 버팔로의 코넬 항공 연구소에서 인지 과학자 프랭크 로젠블랫(Frank Rosenblatt)은 퍼셉트론(Perceptron)을 발명하고 구축했는데, 이는 최초로 작동하는 인공 신경망이었으며 당대에는 군사 기밀로 분류됐던 기계 학습의 모든 모체들의 할머니였다.^[각주:12] 퍼셉트론의 첫 원형은 아날로그 컴퓨터였는데, 이는 하나의 단일한 출력(output)(0과 1을 나타내기 위해 켜지거나 꺼지는 백열전구)으로 해소되는 인공 뉴런층과 여기에 전선을 통해 연결된 20 × 20개 행렬의 광전지(“망막 retina”이라 불렸다)로 이루어진 입력(input) 장치로 구성되었다. 퍼셉트론의 “망막”은 글자와 삼각형 같은 간단한 도형들을 기록했고 임계 논리(threshold logic)에 따라 결과를 연산하는 다수의 뉴런들에 전기 신호를 보냈다. 퍼셉트론은 특정 형태를 인식하기 위해, 즉 (그것을 “지능” 기계로 만들면서) 오차범위 내에서 의사결정을 내리기 위해 학습할 수 있는 일종의 광 카메라였다. 퍼셉트론은 한 패턴이 특정 클래스에 들어갈 수 있는지 아닌지(예를 들어 입력 이미지가 삼각형인지 아닌지, 사각형인지 아닌지)를 결정할 수 있는 최초의 기계학습 알고리즘이자 기초적인 “이진 분류기(binary classifier)”였다. 이를 성취하기 위해, 퍼셉트론은 노드들의 값을 점진적으로 조정했다. 많은 수치적 입력(400개의 수로 이루어진 공간적 행렬)을 단순한 이진 출력(0 혹은 1)으로 해소하기 위해서 말이다. 퍼셉트론은, 입력 이미지가 특정 클래스(예를 들어, 삼각형)에서 인식되면 결과 1을 내놓았다. 그렇지 않으면 결과 0을 내놓았다. 초기에, 퍼셉트론이 옳은 답을 학습하도록 훈련시키는 데에는 인간 운용자가 필수적이었다(이들은 출력 노드를 0 또는 1로 수동 전환했다). 이런 지도 연계의 기초 위에서 기계가 미래에는 유사한 형태를 옳게 인식하길 희망하면서 말이다. 퍼셉트론은 특정 패턴을 암기하기 위해서가 아니라 어떤 패턴이든 잠재적으로 인식하는 방법을 학습하기 위해 설계되었다.

 최초의 퍼셉트론에 있었던 20 × 20개 광수용기 행렬은 (21세기 초 기계학습 테크닉인 “심층 학습 deep learning”의 출현으로 헤게모니적인 패러다임이 될) 연산에서의 조용한 혁명의 시작이었다. 생물학적 뉴런에 영감을 받았으나, 엄격한 논리적 관점에서 퍼셉트론은 연산의 생물형태적 전회(biomorphic turn)가 아닌 위상학적(topological) 전회를 표지했다. 퍼셉트론은 “연산적 공간” 혹은 “자가-연산하는 공간”이라는 패러다임의 부상을 의미했다. 이런 전회는 그때까지 선형적 차원만 가졌던 연산 패러다임(선형적인 메모리 테이프를 따라 0과 1을 읽고 작성하는 튜링 기계를 보라)에 또 하나의 공간적 차원을 도입했다. 오늘날 사람들이 “인공지능”이라 여기는 것의 핵심인 이 위상학적 전회는, 좀 더 얌전하게 수동적 정보의 패러다임에서 능동적 정보의 패러다임으로의 통과로 묘사될 수 있다. (오늘날 그래픽 소프트웨어 프로그램에 의해 편집되는 이미지 같이) 하향식 알고리즘에 의해 처리되는 시각 행렬을 가지기 보다는, 퍼셉트론에서 시각적 행렬의 픽셀들은 공간적 배치에 따라 상향식으로 연산된다. 시각적 데이터의 공간적 관계들은 그것을 연산하는 알고리즘의 작동을 형성한다.

 이런 공간적 논리로 인해, 원래 신경망에 전념했던 컴퓨터 과학의 분과는 “연산 기하학(computational geometry)”이라 불렸다. 연산적 공간 혹은 자가-연산하는 공간이라는 패러다임은, 존 폰 노이만(John von Neumann)의 셀룰러 오토마타(cellular automata)(1948)와 콘라드 추제(Konrad Zuse)의 『계산하는 우주 Rechnender Raum』(1967) 같이 2차 대전 이후의 사이버네틱스의 핵심에 있던 자기-조직화 원칙에 대한 연구와 같은 뿌리를 공유한다.^[각주:13] 폰 노이만의 셀룰러 오토마타는 픽셀들의 군집인데, 이 픽셀은 그리드 위의 작은 세포들로 여겨지며, 인접한 셀에 따라 상태를 바꾸고 움직이면서 진화하는 생명체를 닮은 기하학적 형상을 구성한다. 셀룰러 오토마타는 진화를 시뮬레이션하고 생물학적 시스템의 복잡성을 연구하기 위해 사용되어 왔지만, 이는 다소 제한적인 우주에 국한된 유한-상태 알고리즘으로 남아 있다. (1938년 베를린에서 최초의 프로그램 가능한 컴퓨터를 구축한) 콘라드 추제는 셀룰러 오토마타의 논리를 물리학과 전체 우주로 확장하려 시도했다. “rechnender Raum” 혹은 계산하는 우주라는 그의 생각은 인접한 단위들의 행동에 따라 행동하는 이산적 단위들로 구성된 하나의 우주이다. 앨런 튜링(Alan Turing)의 마지막 글(그가 죽기 2년 전인 1952년에 발행되었다)인 「형태발생의 화학적 근거 The Chemical Basis of Morphogenesis」 또한 자가-연산하는 구조의 전통에 속한다.^[각주:14] 튜링은 생물학적 시스템의 분자를 자가-연산하는 행위자로 여겼는데, 이는 히드라의 촉수 패턴, 식물의 소용돌이 배열, 배아의 장배 형성, 동물 피부의 얼룩덜룩함, 그리고 꽃의 잎차례 같이 복잡한 상향식 구조를 설명할 수 있었다.^[각주:15]

한스 마인하르트 『조개 껍데기의 알고리즘적 아름다움』의 이미지. (출처: Hans Meinhardt, The Algorithmic Beauty of Sea Shells (Springer Science & Business Media, 2009).

 폰 노이만의 셀룰러 오토마타와 추제의 연산적 우주는 공간적 모델로 이해하기 직관적으로 쉬우나, 로젠블랫의 신경망은 더 많은 주의를 요하는 좀 더 복잡한 위상학을 보여준다. 실로, 신경망은 극단적으로 복잡한 조합(combinatorial) 구조를 이용하며, 아마도 이 구조가 신경망을 기계학습을 위한 가장 효율적인 알고리즘으로 만들어준다. 신경망은 “어떤 문제든 해결한다”고들 하는데, 이것이 의미하는 바는, (충분한 뉴런 층과 컴퓨팅 자원이 주어진다면) 신경망이 보편 근사 정리(Universal Approximation theorem)에 따라 어떤 패턴의 함수든 간에 근사치를 낼 수 있다는 것이다. 몇 가지만 꼽자면, 서포트-벡터 머신(support-vector machines), 마르코프 체인(Markov chains), 홉필드 네트워크(Hopfield networks), 볼츠만 머신(Boltzmann machines), 합성곱 신경망(convolutional neural networks)을 포함하는 모든 기계 학습 시스템은 연산 기하학의 모델로서 시작됐다. 이런 점에서, 이들은 조합술(ars combinatoria)의 오랜 전통의 일부다.^[각주:16]

4. 시각적 노동의 자동화

 20세기의 끝이라 하더라도, 트럭 운전사를 “인지 노동자(cognitive worker),” 즉 지식인이라 부를 거라 생각했던 사람은 아무도 없다. 21세기가 시작되면서, 자율 주행 차량의 발전에 있어 기계학습의 사용은 운전 같은 손 기술에 대한 새로운 이해로 이어졌으며, 일반적으로 말해 어떻게 일의 가장 가치 있는 요소가 단순히 수동(手動)인 것만이 아니라 사회적이고 인지적인 것이기도 했는지를 드러냈다(게다가 수동적인 것과 인지적인 것 그 어디 사이에 위치되기를 여전히 기다리고 있는 노동의 지각적 측면도 있다). 운전자는 어떤 종류의 일을 수행하는가? 인공지능이 자신의 센서로 기록하고, 자신의 통계 모델로 모방하고, 자동화로 대체해버릴 인간의 과업은 무엇일까? 이 질문에 답하는 가장 좋은 방법은 기술이 성공적으로 자동화해온 것과 그렇지 않은 것을 살펴보는 것이다.

 운전을 자동화하려는 산업 프로젝트는 운전 노동이 코드화된 규칙과 자발적인 사회적 관습들을 따르는 의식적 활동임을 (정치경제를 다룬 천 권의 책보다도 더) 확실히 만들었다. 하지만, 만약 운전 기술이 알고리즘으로 번역될 수 있다면, 이는 운전이 논리적이고 추론적인 구조를 가졌기 때문일 것이다. 더 일반적으로 노동이 논리적인 활동인 것처럼 운전은 논리적 활동이다. 이런 전제는 손을 쓰는 노동과 지적 노동 사이의 분리에 대한 진부한 논쟁을 해결하는 데 도움을 준다.^[각주:17] 자동화를 위한 인공지능 알고리즘의 상업적 발전이 오랫동안 비판 이론에서 무시되어 왔던 인지적 요소를 노동에서 발견하는 것을 가능케 했다는 점은 정치적인 역설이다. 노동과 논리 사이의 관계는 무엇인가? 이것은 인공지능 시대를 위한 중요한 철학적 질문이 된다.

 자율 주행 차량은 운전자가 바쁜 도로 위에서 내려야만 하는 모든 미세-판단들(micro-decisions)을 자동화한다. 차량의 인공 신경망은 (차량 안팎의 사람들에 대한 안전을 위해) 위험이 발생했을 때 수 밀리 초 내에 내린 윤리적 판단으로서의 인간적 상관관계, 즉 도로 공간에 대한 시각적 지각과 차량 제어의 기계적 행위(핸들 조종, 가속, 정지) 사이의 인간적 상관관계를 학습, 즉 모방하고 그대로 베낀다. 다음과 같은 점이 분명해진다. 운전 일에는 즉흥성과 본능에 맡겨질 수 없는 고도의 인지 능력이 요구되며, 또한 완전히 의식하진 않는 습관과 훈련 덕택에 빠른 의사 결정과 문제 해결이 가능하다. 운전은 또한, 코드화된 규칙(과 사법적 제약)과 모든 운전자가 동의해야 하는 암묵적인 “문화 코드”를 포함하는 자발적인 규칙들 모두를 따르는 본질적으로 사회적인 활동으로 남아 있다. 많이 얘기되었지만, 뭄바이에서의 운전과 오슬로에서의 운전은 동일하지 않다.

 운전은 명백히 강렬한 지각(perception) 노동을 호출한다. 눈 깜짝할 사이에 일어나는 판단과 인지의 연속적 행위들로 인해, 사실 많은 노동이 대개는 완전히 지각적인 것으로 보인다.^[각주:18] 인지는 공간적 논리에서 완전히 떼어질 수 없으며, 인지는 좀 더 추상적인 구축에 있어 종종 공간적 논리를 따른다. 지각은 논리적이고 인지는 공간적이라는 이 두 관찰 모두, (3D 도로 시나리오의 디지털 비디오로 부호화된) 시각적 공간을 통계적으로 추론하는 모델을 구축하는 자율 주행 인공지능 알고리즘을 통해 경험적으로 입증되었다. 과장된 환호 없이 말이다. 게다가, 자율 주행 자동차와 드론에서 인공지능이 대체하는 운전자는 개별 운전자가 아니라, 집합적 노동자, 즉 도시와 세계를 누비고 다니는 사회적 두뇌다.^[각주:19] 상업적인 자율 주행 차량 프로젝트를 보기만 해도 확실해 지는 것은, 인공지능이 공간, 시간, 노동 및 사회적 관계들의 집합적 생산을 부호화하는 집합적 데이터를 토대로 구축된다는 것이다. 인공지능은 (일단, 수학적 공식이나 추상적 분석의 응용이 아닌 물질적 알고리즘에 따라) 사회적인 공간의 조직된 분할을 모방하고, 그것을 대체하고, 그것으로부터 등장한다.

크리스 엄슨(Chris Urmson)의 테드 강연 “운전자 없는 자동차는 어떻게 도로를 보는가 How a Driverless Car Sees the Road”의 이미지. 엄슨은 구글의 자율 주행 자동차 프로젝트의 전임 수석 공학자이다.

5. 공간의 기억과 지능

 속도 혹은 “질주학(dromology)”의 프랑스 철학자인 폴 비릴리오(Paul Virilio)는 또한 공간과 위상학의 이론가였다. 왜냐하면, 그는 기술이 시간에 대한 지각을 변형시키는 만큼이나 공간에 대한 지각을 가속한다는 것을 알았기 때문이다. 흥미롭게도, 비릴리오의 책 제목인 『시각 기계 The Vision Machine』는 로젠블랫의 퍼셉트론에 영감을 받았다. 20세기 사상가의 고전적인 학식을 가지고, 비릴리오는 장소법(Method of Loci)과 같이 공간화에 토대를 둔 오래된 암기 테크닉과 공간적 행렬로서의 현대적인 컴퓨터 메모리를 날카롭게 구분했다.

키케로(Cicero)와 오래된 기억-이론가들은, 당신이 적절한 훈련을 통해 자연 발생적인 기억력을 강화시킬 수 있다고 믿었다. 이들은 지형학적 시스템, 장소법, 즉 시간과 공간으로 쉽게 정리될 수 있는 장소와 위치의 배열을 선택하는 것으로 구성된 심상-기억술(imagery-mnemonics)을 발명했다. 예를 들어, 당신은 집 안을 돌아다니면서 여러 테이블, 문간을 통해 보이는 의자, 창턱, 벽의 표시를 중심지(loci)로 선택하는 것을 상상할 수 있다. 다음으로, 기억해야 할 자료를 이산적 이미지들로 코드화해 각 이미지들을 다양한 중심지에 적절한 순서로 삽입한다. 한 발화를 기억하기 위해, 당신은 요점들을 구체적 이미지들로 변환시켜, 정신적으로 이 각각의 점들을 각각의 연속적인 중심지에 순서대로 “배치”한다. 발화를 전달할 시간이 될 때, 당신이 해야 할 모든 것은 순서대로 집의 부분들을 상기하는 것이다.

 

 공간, 즉 위상학적 좌표와 기하학적 비례의 기억 테크닉으로의 변형은, 좀 더 최근 집합적 공간이 기계 지능의 원천으로 변형된 것으로 여겨져야 한다. 이 책의 끝에서 비릴리오는 “시각의 산업화”로서 목전에 다가온 인공지능 시대에 대한 경고를 던지면서, 퍼셉트론과 같은 “시각 기계” 시대의 이미지의 지위에 대해 성찰한다.

화가 파울 클레(Paul Klee)는 『노트북 Notebooks』에서 “이제 대상이 나를 지각한다”고 썼다. 다소 놀랄 만한 이런 주장은 최근 객관적 사실, 진실이 되었다. 결국, 이들은 “시각 기계,” 즉 형태의 궤적을 인식할 뿐 아니라 또한 시각장을 완전히 해석할 수 있는 기계를 근미래에 생산하는 것에 대해 이야기하고 있지 않는가 … ? 이들은 또한 시각학(visionics)의 새로운 기술, 즉 비디오카메라가 컴퓨터에 의해 제어될 시야 없는 시각을 성취할 가능성에 대해 이야기하고 있지 않는가? … 이런 기술은 산업 생산과 재고 관리, 그리고 아마도 군사 로봇공학에도 사용될 것이다.

이제 이들은 지각의 자동화, 인공 시각의 혁신을 위한 길을 닦아놓고 객관적 현실에 대한 분석을 기계에 위임하고 있으므로, 가상 이미지의 본질을 다시금 살펴보는 것이 적절할지도 모른다. … 오늘날 새로운 시각의 산업화, 합성 지각 분야의 진정한 시장의 성장과 이것이 수반하는 모든 윤리적 문제를 언급하지 않고 시청각의 발전에 대해 이야기하는 것은 불가능하다. … 퍼셉트론 뒤의 아이디어 전체가 5세대 “전문가 시스템,” 다른 말로 하면 지각 기관들을 취득함으로써만 더욱 비옥해질 수 있는 인공 지능의 출현을 부추긴다는 것을 잊어서는 안 된다.^[각주:20]

 

6. 결론

 우리가 아그니카야나 의례의 고대 기하학, 최초의 신경망인 퍼셉트론의 연산적 행렬, 그리고 자율 주행 차량의 복잡한 내비게이션 시스템을 염두에 둔다면, 아마 이 다양한 공간적 논리들이 한 데 모여 알고리즘을 기술적인 아프리오리(a priori)가 아니라 창발적인(emergent) 형식으로서 이해하기 쉽게 만들어 줄 것이다. 아그니카야나 의례는 그것이 사회적이고 의례적인 공간의 조직화를 부호화하기 때문에 창발적인 알고리즘의 한 사례이다. 의례의 상징적 기능은 세속적인 수단을 통한 신의 재건이다. 또한 이 재건의 실천은 일자(One) 내부에 있는 다수(many)의 표현(혹은 다수를 통한 일자의 “연산”)을 상징한다. 의례의 사회적 기능은 기초적인 기하학 기술을 가르치고 단단한 건물을 구축하는 것이다.^[각주:21] 아그니카야나 의례는 원시적이고 간단한 연산 기하학의 논리를 따르는 알고리즘적 사유의 한 형식이다.

 퍼셉트론 역시 창발적인 알고리즘으로서, 특히 공간의 분할에 따라 시각적 데이터의 공간적 행렬을 부호화한다. 퍼셉트론의 광수용기 행렬은 폐쇄장을 규정하고 공간적 관계에 따라 데이터를 연산하는 알고리즘을 처리한다. 여기서 역시 알고리즘은 창발적인 과정, 즉 절차, 패턴의 반복 이후 그것의 코드화와 결정화로 나타난다. 모든 기계 학습 알고리즘은 창발적인 과정으로서, 여기서 유사한 패턴의 반복은 기계를 “가르치”며 패턴이 통계적 분포로 드러날 수 있도록 한다.^[각주:22]

 자율 주행 차량은 복잡한 창발 알고리즘의 사례인데, 왜냐하면 이것들은 공간, 즉 교통 법규와 자발적인 규칙이라는 사회적 제도로서의 도로 환경의 정교한 구성에서 성장하기 때문이다. 자율 주행 차량의 알고리즘은 한 주어진 현장의 자발적인 규칙들과 교통 법규를 등록한 이후, 바쁜 도로에서 일어날 수 있는 예상치 못한 사건들을 예측하려고 한다. 자율 주행 차량의 경우에, 자동화의 상업적 유토피아는 도로 시나리오의 시각적 공간만이 지도를 탐색하는 법을 지시해줄 것이라 기대하면서, 인간 운전자를 증발케 만든다.

 아그니카야나 의례, 퍼셉트론, 그리고 자율 주행 차량의 인공지능 시스템은 다른 방식이긴 하지만 모두 자가-연산하는 공간 및 창발 알고리즘의 형식들이다(그리고 아마 이 모든 것들은 노동의 비가시화의 형식들이다).

 특히 연산적 공간 혹은 자가-연산하는 공간이라는 아이디어는, 기계학습 알고리즘과 인공지능이 공간, 시간, 노동 및 사회적 관계들의 세속적이고 물질적인 분할(division)에 토대를 둔 창발적인 시스템이라는 점을 강조한다. 기계학습은 영토와 신체의 표지, 사람과 재화의 셈과 관련 있는 고대의 추상과 의례를 잇는 격자무늬들로부터 창발한다. 이런 방식으로, 기계학습은 본질적으로 사회적 노동의 확장된 분업(division)으로부터 창발한다. 인공지능은 그것이 종종 프레이밍되고 비판 받는 방식에도 불구하고, 정말로 “인공적”이거나 “낯설지” 않다. 일반적인 이데올로기의 신비화 과정에서, 인공지능은 고대 연극에서처럼 세계로 내려오는 데우스 엑스 마키나처럼 보인다. 하지만 이는 인공지능이 사실은 세계의 지성(intelligence)에서 창발한다는 사실을 은폐한다.

 사실 사람들이 “인공지능”이라 부르는 것은, 집합적 행동, 개인 데이터, 그리고 개별 노동을 사유화된 알고리즘으로 결정화하는 오래된 역사적 과정이다. 이 사유화된 알고리즘은 운전에서 번역까지, 객체 인식에서 음악 작곡까지 복잡한 작업의 자동화를 위해 사용된다. 산업 시대의 기계가 실험, 노하우, 그리고 숙련 노동자들의 노동, 엔지니어, 그리고 장인에서부터 발전했듯이, 인공지능의 통계학적 모델은 집단 지성이 생산한 데이터에서 발전했다. 즉, 인공지능은 집단지성의 거대한 모방 엔진으로서 창발한다는 것이다. 인공 지능(artificial intelligence)과 인간 지성(human intelligence) 간의 관계는 무엇인가? 그것은 사회적인 노동 분업이다.

1. Paul Virilio, La Machine de vision: essai sur les nouvelles techniques de representation(Galilée, 1988). Translated as The Vision Machine, trans. Julie Rose (Indiana University Press, 1994), 12. [본문으로]
2. 네덜란드의 인도학자이자 언어 철학자인 프리츠 스탈(Frits Staal)은 1975년 인도 케랄라 탐험 동안에 아그니카야나 의례를 기록했다. 여기를 보라. Frits Staal, AGNI: The Vedic Ritual of the Fire Altar, vol.1–2 (Asian Humanities Press, 1983). [본문으로]
3. Kim Plofker, “Mathematics in India,” in The Mathematics of Egypt, Mesopotamia, China, India, and Islam, ed. Victor J. Katz (Princeton University Press, 2007). [본문으로]
4. 여기를 보라. Wilhelm Worringer, Abstraction and Empathy: A Contribution to the Psychology of Style (Ivan R. Dee, 1997). (Abstraktion und Einfühlung, 1907). (한국어판: 빌헬름 보링거, 『추상과 감통』, 이종건 역, 경기대학교 출판부, 2006년) [본문으로]
5. 아그니카야 의례에 담긴 수학적 함의에 대한 설명을 위해서는 여기를 보라. Paolo Zellini, La matematica degli dèi egli algoritmi degli uomini(Adelphi, 2016). Translated as The Mathematics of the Gods and the Algorithms of Men(Penguin, forthcoming 2019). [본문으로]
6. 여기를 보라. Frits Staal, “Artificial Languages Across Sciences and Civilizations,” Journal of Indian Philosophy 34, no. 1–2 (2006). [본문으로]
7. Jean-Luc Chabert, “Introduction,” in A History of Algorithms: From the Pebble to the Microchip, ed. Jean-Luc Chabert (Springer, 1999), 1. [본문으로]
8. Jean-Luc Chabert, “Introduction,” 1–2. [본문으로]
9. Gilles Deleuze and Félix Guattari, Anti-Oedipus: Capitalism and Schizophrenia, trans. Robert Hurley (Viking, 1977), 145. (한국어판: 질 들뢰즈, 펠릭스 가타리, 『안티 오이디푸스』, 김재인 역, 민음사, 2014년) [본문으로]
10. 여기를 보라. Ubiratàn D’Ambrosio, “Ethno Mathematics: Challenging Eurocentrism,” in Mathematics Education, eds. Arthur B. Powell and Marilyn Frankenstein (State University of New York Press,1997). [본문으로]
11. Diane M. Nelson, Who Counts?: The Mathematics of Death and Life After Genocide (Duke University Press, 2015). [본문으로]
12. Frank Rosenblatt, “The Perceptron: A Perceiving and Recognizing Automaton,” Technical Report 85-460-1, Cornell Aeronautical Laboratory, 1957. [본문으로]
13. John von Neumann and Arthur W. Burks, Theory of SelfReproducing Automata (University of Illinois Press, 1966). Konrad Zuse, “Rechnender Raum,” Elektronische Datenverarbeitung, vol. 8 (1967). As book: Rechnender Raum (Friedrich Vieweg & Sohn, 1969). Translated as Calculating Space (MIT Technical Translation, 1970). [본문으로]
14. Alan Turing, “The Chemical Basis of Morphogenesis,” Philosophical Transactions of the Royal Society of London B 237, no. 641 (1952). [본문으로]
15. 주목해야 할 점은, (신경망이라는 아이디어를 피상적으로 공격했음에도 불구하고 신경망을 향한 모든 연구 자금 지원을 중단시킴으로써 소위 말하는 최초의 “인공지능 겨울”을 유발했던) 마빈 민스키(Marvin Minsky)와 세이무어 페퍼트(Seymour Papert)의 1969년 책 『퍼셉트론』이 “연산 기하학에 대한 입문”을 제공하겠다고 주장한 점이다. Marvin Minsky and Seymour Papert, Perceptrons: An Introduction to Computational Geometry (MIT Press, 1969). [본문으로]
16. 12세기 카탈로니아의 수도자 라몬 율(Ramon Llull)의 작업과 그의 회전하는 바퀴를 보라. 조합술에서, 연산의 요소는 시스템 외부에서 오는 명령이 아닌 다른 요소들과의 관계에 따라 논리적 명령을 따른다. 또한 여기를 보라. DIA-LOGOS: Ramon Llull's Method of Thought and Artistic Practice, eds. Amador Vega, Peter Weibel, and Siegfried Zielinski (University of Minnesota Press, 2018). [본문으로]
17. 특히, 논리적이거나 추론적인 활동은 효과적이기 위해 반드시 의식적이거나 인지적일 필요는 없다 (이것이 “정신 노동”의 기계화로서의 연산 프로젝트에서 중요한 점이다). 이 점에 대해 사이먼 셰퍼(Simon Schaffer)와 로레인 대스턴(Lorraine Daston)의 작업을 보라. 더 최근에, 캐서린 헤일즈(Katherine Hayles)는 우리 모두 연루되어 있는 확장된 비의식적 인지의 영역을 강조했다. Simon Schaffer, “Babbage’s Intelligence: Calculating Engines and the Factory System,” Critical inquiry 21, no. 1 (1994). Lorraine Daston, “Calculation and the Division of Labor, 1750–1950,” Bulletin of the German Historical Institute, no. 62 (Spring 2018). Katherine Hayles, Unthought: The Power of the Cognitive Nonconscious (University of Chicago Press, 2017). [본문으로]
18. 게슈탈트 이론과 기호학자 찰스 샌더스 퍼스(Charles Sanders Peirce)에 따르면, 시각은 언제나 인지를 수반한다. 아무리 작은 지각 행위일지라도 추론적이다. 즉, 이는 가설의 형태를 가지고 있다. [본문으로]
19. 스쿨버스 운전사들은 모험적인 “황야에서의 인지”를 가진 비행기나 드론 조종사와 같은 학문적 명성을 얻지는 못할 것이다. 그럼에도 우리는 이들의 노동이 인공지능의 존재론을 향한 중요한 통찰을 제공해준다는 것을 인정해야 한다. [본문으로]
20. Virilio, The Vision Machine, 76. [본문으로]
21. 스탈과 젤리니가 말했듯, 다른 것들 중에서도 이런 기술들은 건물의 설계와 건축에 있어 유용한 소위 피타고라스 정리라고 하는 것도 포함하는데, 이는 고대 인도에서 이 정리가 알려져 있었다는 것을 증명한다(메소포타미아 문명을 통해 전파되었을 가능성이 높다). [본문으로]
22. 사실, 이는 기계 “학습(learning)”이라기보다는 데이터와 그것의 공간적 관계의 “가르침(teaching)”이다. [본문으로]