인간 인지 구성
통합인지이론 : Allen Newell 저, 차경호 옮김, 아카넷, 2002 (원서 : Unified Theories of Cognition, Harvard Univ. Press, 1990), Page 165~224
11. 더 높은 시간대 : 사회적, 역사적, 그리고 진화적
지능 시스템의 기본 개념들 —— 표상, 지식, 기호, 그리고 탐색 —— 은 인간에 적용되는 것과 같이 많은 기계에도 적용되지만, 인간은 물론 많은 방식에서 독특하다. 그림 1-7 에서 제시된 것과 같이 인간의 마음을 만드는 제약들은 인간의 상황에서 일어날 수 있는 매우 특수한 것들이 된다. 인간은 신경적 기술로 구성되고, 발생학적으로 성장하며, 진화를 통해 만들어졌으며, 매우 자율적이지만 사회적인 것이 분명하다. 아마 발달조차도 특수하게 생물학적일지도 모른다.
우리의 궁극적인 목표는 인간 인지의 통합이론이다. 이 말은 내가 계속 주장해왔듯이 인간 인지의 구성에 대한 이론으로써 표현될 것이다 —— 즉 인지 수행의 즉시적 과정들과 학습에 대한 틀을 형성하는 고정된 (또는 느리게 변화하는) 구조들에 관한 이론. 그러므로 우리는 그 구성을 분명히 할 필요가 있다. 우리는 그것을 단계적으로 할 것이다. 이 장에서는 인간이 상황 지워진 방식에 주목함으로써 인간 인지 구성의 몇몇 기본적인 측면들을 도출하고자 시도할 것이며 그것은 4 장에서 하나의 특수한 구성을 자세히 제안하기 위한 기초가 될 것이다 (그 곳에서조차 어떤 측면들은 미해결로 남아 있을 것이지만).
대안적인 제시 전략으로, 구성은 하나의 전체적인 시스템으로 제시될 수 있다. 그것은 공리적 이상형에 좀더 자세히 접근할 것이다. 두 단계로 기술하는 장점은, 교수법적인 장점 이외에도, 그것은 일반적인 기초 위에서 인간 인지 구성에 관해 주장될 수 있는 것과 자세한 실험자료에 의해 정당화되어야만 하는 것을 구분한다는 것이다. 특정한 구성이 단지 하나의 본보기로 주어진다면 그것은 이 책을 위한 분명한 장점이다.
그러므로 이 장은 매우 일반적인 주장에 대해 씌어질 것이다. 첫 번째로 신경 기술을 인간 인지 구성의 기술로서 취급할 것이다. 두 번째로 구성을 마음-같은 행동을 지원하는 하나의 구조로 취급할 것이다. 2 장에서 우리는 이미 그것들이 의미하는 바를 특성화했다. 이 두 가지 출발점 위에 이 장은 인간 인지에 대한 실시간 제약 real-time constraint 이라 불리는 것을 추가로 더할 것이다. 이러한 세 가지 제약들로부터 인간구성의 수많은 핵심적인 측면들이 도출될 것이다.
이러한 일반적인 고려사항으로부터 어떠한 것이 도출될 수 있든지 간에, 그것들은 인지 구성의 자세한 사항들을 명세화하는 데 있어서의 가능한 선택들을 더 이상 제공하지 않을 것이다. 이러한 전략 —— 나누어서 정복하기 —— 의 현명함은 앞장의 논의를 통해서 분명해졌다. 그림 2-14 의 예는 기호 시스템들의 구성들을 만드는 데 사용할 수 있는 자유도가 크다는 것을 보여준다. 또한 우리는 그 분야에서 구성이 본질적으로 하나의 숨겨진 변수라는 몇몇의 평가들에 주목했었다 —— 즉 어떤 표상과 어떤 통제구조들이 사용되는지를 결정할 수 있는 방법은 없다. 어떤 일반적인 (즉 보편적인) 구성은 다른 모든 것들을 흉내 낼 수 있기 때문에 그러한 결론이 나오며, 그 상황은 희망이 없다 (나의 반응은 많은 다른 출처로부터 지식을 사용해야 한다고 제안하는 것이었다). 그러므로 분명한 것은 인간 구성 human architecture 이 만들어지고 작용하는 일반적 상황으로부터 명확히 정의될 수 있는 구성의 모든 측면들은 내적 세부사항들을 확인 가능하도록 만드는데 적지 않은 도움을 줄 수 있다는 것이다.
이번 장의 계획에 대해 생각하는 또 다른 방법이 여기 있다. 진화는 인간 인지 구성의 설계이다. 그것은 종의 생존에 도움을 줄 시스템들을 선택할 것이다. 과학자로서 우리의 문제는 진화가 오늘날 어떤 설계에 만족하고 있는가를 추측하는 것이다. 우리는 설계자로서의 진화에 대하여 거의 알지 못한다. 그것은 결코 중단하지 않고 항상 가용적인 무언가를 갖고 작업한다. 지금은 유명해진 제이콥 Jacob (1973) 의 구절처럼, 진화는 땜장이이다. 예를 들어, 일단 한 종이 K-전략 (적은 후손에 많은 투자) 을 사용하면 진화는 그것과 반대되는 r-전략 (많은 후손에 적은 투자) 으로 변경하지는 않을 것이다 —— 이것에서 저것으로 바꾸는 것은 너무 어렵다. 진화는 종들이 처해 있는 국소적 상황들에 의해 부여되는 설계의 제약들 안에서 그것의 구성을 선택한다. 만약 우리가 그러한 제약들의 일부를 알 수 있다면, 우리는 진화가 분명히 작동하는 분야의 한계를 정할 수 있다.
이 장은 사변적이다. 일반적 고려 사항으로부터 일반적 특성들을 얻으려는 어떠한 시도도 그러한 위험을 갖고 있음은 확실하다. 나는 결과들을 우리 앞에 제시한 후에 이장의 끝에서 그 위험에 대하여 언급할 것이다. 이런 생각이 틀릴지라도, 그것은 무언가를 밝혀내는 방법으로 생각될 수 있다.
우리가 어디로 가야 하는지에 대한 안내로서, 그 결과들을 미리 한번 살펴보자. 다른 인지세계들은 다른 시간의 척도들을 갖고 있다. 우리가 알고 있는 다른 유형의 인지세계들은 그것들이 발생하는 시간 척도들 —— 신경적, 인지적, 합리적, 또는 사회적 —— 에 의해서 결정된다. 그것들은 마음-같은 행동을 가능하게 —— 계산적, 기호적, 시스템에 도달하게 —— 하는 특성을 갖고 있다. 인지가 적절하게 작용하는 시간적 영역 —— 약 10 ms 에서 10 초 sec —— 은 4 개의 시스템 수준을 구성한다. 이 인지 시간대에서 자동과정과 통제과정이 구분되어야 하며, 그것은 또다시 수준에서의 구분이다. 또한 구성은 재인 기반적이어야 하고 재인이 증가되는 방향으로 지속적으로 변경되어야 한다. 그러한 변경은 그림 2-19 의 선에서 증가된 준비 방향으로의 지속적인 이동과 일치한다.
2 장은 매우 특정한 방식으로 추정화된 것이었다. 그 곳에서는 기호 수준 시스템들과 지식수준 시스템들이 일반적인 지능적 행동을 획득하기 위해 필요한 일반적인 구조로서 논의되었다. 인간이 지식수준 시스템이고 기호 시스템이라는 것을 2 장에서는 명확히 언급하지는 않았다 —— 그것이 우리가 다음에 살펴볼 일이란 것은 분명히 이해되었겠지만, 반면 우리는 그러한 다양한 시스템들의 본질을 이해하고, 그것들에 대해 제기된 것들, 즉 반응함수에 있어서 큰 다양성을 다루어야 하는 필요성을 이해하는 것으로 만족했다.
나는 이 시점에서 인간은 적어도 지식 시스템의 적당한 근사치인 기호 시스템이라는 것을 분명히 하고 싶다. 그들은 다른 종류의 시스템일 수도 있지만, 적어도 그들은 기호 시스템이다. 앞서 분명히 주장했었지만 이러한 주장에 대한 기초는 인간이 사용하는 반응함수들의 다양성이다. 만약 반응함수들의 다양성이 매우 크다면, 조합된 변환들에 의해 표상을 구성하는 계산 시스템에 의해 그것의 반응함수들을 조합하는 시스템이 만들어질 것이다 —— 그리고 그것의 장기 기억에서 원거리 접근을 획득하기 위해 기호를 사용하는 시스템이 도출될 것이다. 다양성과 용량의 요구들로 인해 그 모든 장치들이 존재한다. 기초는 이미 만들어졌다. 나는 여기에서 인간들에 대한 그것의 적용에 관해 명백히 하기를 바란다.
하나의 약한 주장은 인간은 의심할 여지없이 보편적 기계를 흉내낼 수 있다는 것이다. 그들은 새로운 상태들을 기억하기 위해 많은 시간을 사용해야 하기 때문에 그것을 좀더 천천히 할 수 있다. 그러나 우리가 오래 기다린다면 그들은 보편적 기계들의 연산들을 수행할 수 있다. 물론 그들은 그들의 생애 동안으로 제한되어 있고 (그들이 수행할 수 있는 연산들의 총 수로 측정된) , 궁극적으로 그들 기억의 신뢰도로 제한되어 있다. 그러나 제한된 생애와 신뢰도를 갖고 있는 컴퓨터 역시 그러한 제약들이 본질적인 문제가 아닌 것처럼, 인간에 대해서도 그것들은 본질적인 문제가 아니다. 간단히 말하면, 원칙적으로 인간은 보편적 기계가 될 수 있는 종류의 동물이다. 또다시 원칙적으로 인간은 보편적 기계의 모든 다른 특성들도 함께 가지고 있다. 그러나 이 주장은 빈약한데 이는 타당화의 상상된 형태 —— 인간이 하나의 특수한 보편적 기계라고 (이를테면, 하나의 튜링 기계) 알려주고 그런 후, 인간이 숙고적이고 해석적으로 수행하는 것을 관찰하는 것 —— 가 인공적이기 때문이다. 그것은 인간이 영유하는 삶의 유형을 관찰한 것이 아니다. 그것은 인간이 환경과 상호작용하는 정상적인 형태와는 사실 관련 없는 능력의 사용일 수도 있다.
좀더 근본적인 주장은 인간이 수행하는 —— 할 수 있는 것이 아니라 실제로 하는 —— 반응함수들의 다양성을 반영한다. 사실, 그들은 항상 새로운 반응함수들을 만들어내는 것 같다는 것이다. 인간의 종에 대해 연구하는 화성인 생물학자의 잘 길들여진 장치를 선택하면, 그를 가장 감명시킨 것은 적응의 번성 efflorescence of adaptation 이다. 인간은 다른 반응함수들을 만들기 위한 모든 종류의 기회를 단순히 창조하기 위해 배회하는 것으로 보인다. 세계의 다양한 직업들을 보라. 각각의 직업들은 인간들이 다른 종류의 반응함수들을 사용하게 한다. 인간은 게임을 창안한다. 그들은 다양한 종류의 스포츠를 갖고 있다. 그들은 새로운 게임을 창안하자마자 또 다른 새로운 게임을 만든다. 그들은 카드 게임을 창안할 뿐 아니라, 그것들을 수집해서 150 개의 사례를 갖는 책으로 출판한다 (Morehead & Mott-Smith, 1959). 그것은 사람들이 그런 책을 사며, 그래서 그들은 많은 수의 새로운 반응함수들을 개발할 수 있음을 의미한다. 인간은 다른 모든 동물과 같이 음식을 먹을 뿐만 아니라 음식을 준비하기도 한다. 또한 그들은 음식을 다른 방법으로 만드는 요리법들을 창안한다. 수백 종류, 수천 종류의 요리법 —— 음식을 준비하는 각기 다른 방법들, 그러므로 다른 반응함수들. 그들은 또한 춤을 추고, 책을 쓰고, 집을 짓고 또 대화를 한다. 어떤 것이 되었든 대화는 과거에 했던 상호작용과는 다른 방식으로 환경과 상호작용하는 기회이다 —— 즉 새로운 반응함수들을 만든다. 반응함수들의 다양성에 대한 증거로서 미국 국회도서관을 생각해 보자. 사람들은 책을 쓰거나 읽음, 그리고 그 책들을 사용 가능하게 하기 위해 건물을 지음 등으로 반응함수들을 나타낸다. 모든 이러한 것들이 사회 경제적 척도의 최상층의 현상들인 것처럼, 학자들에게는 책에 대한 언급이 지적인 함수들을 의미한다. 그렇다면 랩 rapping 은 어떠한가? 흑인 빈민가에서 만들어진 랩은 매우 역동적인 환경에 대한 새로운 반응을 위한 기회를 생성하는 사회적 고안물이다. 그것은 다른 기능도 하지만 새로운 형태의 반응을 창안하는 인간의 경향성에 의해 만들어졌다. 인간들은 그러한 기회들을 창조해낸다. 사실 인간들에게 갖는 가장 큰 생물학적 수수께끼는 왜 그들이 그러한 적응의 번성을 발전시켰는지 생각하는 화성인 생물학자의 결론이 틀린 것은 아닐 것이다. (주석 : 만약 그 문제를 골똘히 생각한다면, 그 화성인은 자신도 그와 같은 번성을 보여줄 것이기 때문에 그 답을 알 수 있을 것이다. 그러나 완전한 은유법은 있을 수 없다.)
나나니벌에서부터 재갈매기까지 다른 유기체들을 관찰한 생태학은 그들이 보이는 적응에 적절하게 관심을 지녀왔다 (Timbergen, 1960, 1969). 각각의 적응은 하나하나 조직화된 하나의 특이한 생물학적 현상으로 여겨진다. 각각의 적응은 그것을 지원하는 행동적, 그리고 생리학적 기제들을 탐구함으로써 이해된다. 인간에 대해서는 그렇지가 않다. 그들의 적응들은 하나하나 열거할 수 없다 —— 그들은 적응들이 기록될 수 있는 것보다 더 빨리 새로운 적응들을 만들 것이다. 기록하는 행위는 그 자체가 또 하나의 적응이다 —— 또는 민족학적인 과학적 사업을 밝히고 응답하는 문제들처럼, 하나의 전체적인 적응 생성자이다.
내가 여기서 말하는 것은 새로운 것도 아니고 또 새로운 것이라 여기지도 않는다. 마음과 삶의 본질을 나타내기 위해 호모 사피엔스 Homo Sapiens 의 삶에 대해 말하는 많은 방식이 있다. 항상 생물학적 유기체로서 인간의 동일한 특징들이 기술된다. 문제는 인간이 그렇게 큰 다양성을 다루기 위해 인간은 기호 시스템이어야 한다는 것 —— 계산력이 적거나 보편성이 적은 시스템은 충분치 않다는 것 —— 을 우리 스스로에게 확신시키기 위해 무엇을 해야 하느냐이다. 나는 인간 행동에 대한 관찰들, 즉 그러한 행동의 다양성에 대한 관찰들을 주어진 것으로서 취급하는 기술을 시도하고 있다. 나는 그 행동의 내용에 대한 판단, 예를 들면 그것의 합리성 또는 그 행동을 유발시킨 조건에 대한 그것의 적응이 성공했다는 판단이 피하기를 원한다. 나는 특히 인간의 어떠한 내적 구조적 측면들에 관여하는 것을 피하기를 원한다. 나의 목적은 인간이 하나의 기호 시스템이라는 주장에 대한 근거를 외부 행동적 측면들에 두고자 하는 것이고, 그래서 그것이 내적인 구조의 본질을 고려하는 데 하나의 설계의 제약으로서 사용될 수 있게 하고자 하는 것이다.
인간의 그러한 행동적 특성을 나타내기 위해서 나는 무제한적인 질적 적응 unlimited qualitative adaptation 이라는 용어를 사용할 것이다. 분명히 인간은 무제한적으로 적응적이지는 않다. 그것을 보여주기는 쉽다. 여기 두 사람을 시합에서 서로 싸우게 하라 —— 한 사람은 이기고, 다른 사람은 진다. 진 사람은 분명 충분히 적응하지 못한 것이다. 그러므로 중요한 것은 바로 적응들의 다양성이다 —— 질적으로 이야기하면 적응들의 범위, 그 범위에서는 어떠한 제한도 없는 것 같다. 특수한 감각들, 그리고 시간이 제한된 접촉이라는 점에서 하나의 제한 같이 보이는 문제를 인간은 도구와 역사를 창조함으로써 어떻게든 잘 극복한다.
먼 미래의 사람들이 잃어 버릴 지도 모르는 과거에 대해 적응해서 행동할 하나의 추가적인 기회를 갖게 하기 위해 사람들은 타임캡슐을 땅에 묻기도 한다.
이 주장은 주목할 필요가 있는 하나의 취약점이 있다. 그것은 하나의 점근선적 asymptotic 인 주장이다. 즉 시스템에 의해 표현될 수 있는 함수들의 다양성이 제한 없이 증가함에 따라 함수들의 집합은 계산 가능한 함수들의 집합이 된다는 것을 우리는 안다. 더 나아가, 그러한 집합은 단지 보편적 계산 시스템에 의해 생성될 수 있음도 우리는 안다 (이 두 개념들은 단순히 함께 작용하기 때문에 정확히 그렇다). 만약 우리가 매우 큰 다양성을 갖고 있는 함수들을 생성하는 시스템들을 생각해 본다면 어느 시점에서는 그 시스템들은 보편적 시스템, 즉 기호 시스템의 구조를 갖추어야 한다.
사람은 엄청나게 다양한 함수들을 일상적인 삶에서 생성해낼 수 있다. 그러나 그것이 구조가 실제로 기호 시스템의 구조로 되어야 할 정도로 충분히 다양한 것인가? 계산 이론은 아직까지 이 물음에 대해 효과적인 답을 제공하지 못한다 —— 부분적으로는 계산 이론이 그 답을 찾으려고 하지 않았기 때문이다. 그러나 일반적으로 그런 질문에 유용한 방식으로 답하기란 쉽지 않다. 여기에서 우리는 도와줄 만한 이론이 있다면 좋겠지만, 나는 알고 있는 것이 없다.
컴퓨터들도 동일한 상황에 처해 있다는 것을 관찰하는 것은 교훈적이다. 어떤 함수들을 계산하기 위해서는 컴퓨터도 기호 시스템의 구조를 갖고 있어야만 한다. 우리는 컴퓨터가 그런 구조를 갖도록 컴퓨터를 구성한다. 그러나 우리도 그렇게 되어야 하는가? 우리가 계산하기를 원하는 실제 함수들의 다양성은 기호 시스템과는 거리가 먼 어떤 구조를 갖고도 우리가 얻을 수 있는 것인가? 거의 그럴 것 같지는 않지만 결정적인 답을 제공할 수 있는 수학적 이론은 없다.
요약하자면 우리는 이제 인간 인지의 구성이 하나의 기호 시스템이라는 것으로 확립하여 취급할 것이다.
인간구성을 만들어낸 기술을 살펴보자. 첫 번째 요점은 지능 시스템들은 시스템들의 다중 수준들로 만들어져야 한다는 것이다 (그림 2-3 에서의 컴퓨터-시스템 수준들과 같이). 그러나 인간 인지에서의 수준들의 분석을 위해 우리는 이 주제를 좀더 신중하게 생각해 볼 필요가 있다. 나는 인간구성이 다중 시스템 수준들의 위계를 갖도록 만들어졌으며 그렇지 않다면 만들어질 수 없다는 주장을 유지하고 싶다. 그래서 인지구성 cognitibe architecture 의 발견은 이 가정을 갖고 진행된다.
하나의 시스템 수준은 어떤 배열에 따라 서로 연결된 구성요소들의 모임이며 그것들은 상호작용을 통해 그 시스템 수준에서 행동을 생성해낸다. 다중 수준을 갖고 있는 시스템에서 한 수준에서의 구성 요소들은 바로 밑에 있는 수준의 시스템에 의해 실현되며, 각각의 연속되는 수준들에 대해서도 마찬가지이다.
설계된 컴퓨터 시스템들이 그림 2-3 에서 분석된 것과 같은 위계구조를 갖고 있다는 사실은 분명한 하나의 지지기둥으로 취급될 수 있다. 경험적으로, 지능을 갖도록 설계된 시스템들에 대해 우리가 이해하고 있는 모든 것들은 다중 수준으로 만드는 것이 요구됨을 우리에게 말해준다. 이것은 하나의 중요한 경험적 불변성이다. 정보처리 시스템을 구성하는 많은 다른 방법들이 발견되었지만 그것들 모두는 여전히 수준들의 위계로 구성된다. 사실 지금까지 그것은 항상 동일한 위계였다.
두 번째로 지지하는 기둥은 위계에 관한 허브 사이먼의 분석으로부터 나온다 (Simon, 1962). 그의 주장은 안정성 stability 이 시스템이 위계적이어야 한다는 것을 강요한다는 점이다. 먼저 안정적인 부품들 없이 복잡한 시스템을 만들려고 시도하는 것은 필연적으로 실패할 것이다. 전체구조가 합쳐져 만들어지기도 전에 분열될 것이다. 만약 안정적인 부품들이 단계별로 만들어진다면 그것들 각각은 몇 개의 부속품으로 구성될 합당한 확률을 갖는다. 그러므로 안정성이 수준들의 존재를 강요한다는 일반적 주장이 존재한다. 물론, 안정성 주장은 핵입자로부터 원자, 분자 등에 이르는 물질의 전체 위계구조의 기초를 이루는 것으로 생각될 수 있다. 그러므로 수준에 관한 가설은 지능 시스템 자체와 관련이 있는 것은 아니고 우리의 우주에서 모든 시스템이 조합되는 방식과 관련이 있는 것이다. 이 주장에서 우리가 필요한 모든 것은 지능 시스템들은 위계적일 것이라는 점이다. 만약 진화 때문에 —— 그것들이 생존하는 것들이기 때문에 —— 전 우주가 일반적으로 위계적이라면 우리는 매우 만족한다.
수준들은 분명히 동일한 시스템을 기술하는 대안적 방식들로서, 각 수준은 그 수준 밑에서 명세화된 것의 일부를 무시하는 추출된 (추상화된) 것이다. 그것들은 모두 관찰자의 머릿 속에 있는 것 같지만 그 이상의 다른 것이 존재한다. 수준들은 더 강력할 수도 있고 더 약할 수도 있는데, 이는 그 수준에서 기술된 시스템의 행동이 동일한 수준에서 기술된 시스템의 구성에 의해서 얼마나 잘 예측될 수 있는지 또는 설명될 수 있는지에 달려 있다. 시스템 분석의 표준적 처리에서 시스템들은 그것의 미래의 행동이 현재의 상태에 의해 결정되었을 때 상태 결정적 state determined 이라고 불린다. 그것은 강한 수준에서 유지되는 것이다. 만약 하위 수준으로부터의 고려사항이 행동의 미래 진로를 결정하는 데 관여한다면, 그 수준은 약한 것이다.
설계된 시스템들에서 (다시 그림 2-3) 강한 수준을 만들기 위해 —— 각 수준을 그 밑의 수준과 단절시키기 위해서 —— 세심한 주의가 기울여진다. 논리회로를 다룰 때 —— 문제가 발생할 경우를 제외하고는 —— 그것들의 기초인 연속적인 전기회로를 이해할 필요가 없다. 프로그램들을 다룰 때 —— 문제가 발생할 경우를 제외하고는 —— 연산과 해석기를 실현하는 레지스터-전송 회로를 이해할 필요가 없다. 기타 등등. 상업적으로 성공한 시스템들의 낮은 실패율에 의해 증명되듯 그것들 모두는 매우 강한 시스템의 수준들이다. (주석 : 단지 시스템 수준이 충분히 강력해서 대부분의 경우 그것을 신뢰할 수 있을 때만이 오류 error 의 개념이 유용해진다.) 시스템 수준의 강요는 자연의 하나의 독특성이지 단순히 관찰자의 머릿 속에 있는 것은 아니다. 앞 장에서 보았던 것처럼, 주어진 수준에서 시스템을 기술할 수 있다는 것이 바로 경험적 주장을 수반하는 이유이다.
원자적, 그리고 분자적 수준과 같이 많은 자연적 시스템 수준들도 매우 강력하다. 한 수준이 강하면 강할수록, 그것은 더욱 독특한 세계를 형성하는데, 여기에서는 그것이 작동하기 위한 하위 수준들에 대해서는 아무것도 알려질 필요가 없다. 그러나 시스템 수준들이 얼마나 강력할 필요는 없으며, 분명히 자연적 시스템 수준들이 얼마나 강력한가라는 점은 하나의 경험적 문제이다. 특히 지능 시스템들의 수준들이 조직화된다고 가정된다 해도, 그것들이 모두 강한 수준이라고 가정할 수는 없다. 하위 수준으로부터의 현상이 오류로 기술되지 않으면서 상위 수준으로 침투하는 많은 방법들이 있을 수 있다.
그림 1 수준에 따른 공간의 확장
시스템 수준의 위계에서 위로 올라감에 따라, 크기는 증가하고 속도는 감소한다. 그것은 수준의 본질에서 직접적으로 밝혀지는 명백하고 중요한 특성이다. 그림 1 은 그 상황을 보여준다. 수준 N 에서 특성적 크기가 S 인 K 개의 구성요소들이 모여 수준 N + 1 에서 하나의 구성요소를 만든다. 이 상위 구성요소의 크기는 적어도 KS 가 되지만, 수준 N 의 구성요소들은 일종의 틈새 조직의 특정한 양만큼 공간에 펼쳐지기 때문에, 그 크기는 조금 더 커진다. 수준 N + 1 의 K 개의 구성요소들이 모여서 수준 N + 2 에서의 하나의 구성요소를 형성한다. 이 상위 구성요소의 크기는 적어도 K (KS) 이므로, 최하 수준과의 관계에서는 K2 S 이다. 일반적으로 수준 N + m 의 구성요소들은 수준 N 의 구성요소의 크기의 Km 배가 된다. 물론 구성 요소들의 숫자는 각 수준에서 동일할 필요가 없으므로, K 는 일종의 (기하학적) 평균값이다. 정리해 보면, 수준에 따라 크기가 단순히 증가하는 것이 아니고, 기하학적으로 증가하기 때문에 적절한 척도단위는 선형크기의 로그이다. (주석 : 둘 또는 세 개의 차원들의 공간에서 구성요소들은 영역 또는 부피의 대수로 증가하도록 묶여질 수도 있다 —— 그러나 그것은 척도의 대수적 본질의 관점에서 여전히 동일한 것이 된다.)
그림 2 수준에 따른 시간의 확장
그림 2 에 제시된 것 같이 확장은 시간에서도 발생한다. 수준 N 에서 시스템은 입력에 변화를 가하는 반응을 생성하는 데 시간 t 를 소요한다고 가정하자. K 개의 그러한 시스템들이 연결되어 만약 수준 N + 1 의 시스템의 구성요소들을 형성한다면, 이 시스템이 출력을 생성하는데 소요되는 시간은 수준 N 구성요소들에 의한 것보다 길 것이다. 얼마나 더 길어질 것인지는 공간적 경우에 비해 좀더 복잡하다. 만약 K 개의 구성요소가 순차적으로 배열되면 Kt 의 시간이 걸릴 것이다. 만약 그것들이 하나의 큰 루프로 배열되어서 어떤 상태가 달성될 때까지 순환이 계속되면 필요한 만큼의 반복 (L) 에 대해 L(Kt) 시간이 걸린다 —— 그것이 t 보다 얼마나 길지는 확정되지 않을 수도 있다. 만약 그것들이 이진법 변별망 discrimination net 으로 배열되어 있다면 그것들은 단지 (log2 K)t 의 시간이 걸린다. 시간은 단지 t 로 축소될 수도 있는데, 이는 오직 K 개의 구성요소들이 전혀 상호작용을 하지 않아서 각각의 구성요소가 단순히 각자의 출력을 생성할 때뿐이다. 이 경우는 제한된 경우로서 상위수준의 시스템은 시스템으로서 절대 존재하지 않는다. 어떠한 수가 곱해질 것인지는 그 수준에서의 처리 조직화에 의존한다. 그러나 수준 N + 1 의 특성적 시간이 Tt 인 것 같이 어떤 T 가 있을 것이다. 그러므로 공간적인 경우와 마찬가지로 수준 N + m 에서의 시간은 수준 N 에서의 시간의 Tm 배가 되는데, 여기서 T 는 각 수준에서의 시간승수의 어떤 (기하학적) 평균이다. 일반적으로 K 에 따라 T 가 증가한다는 (아마 부선형적으로 sublinearly) 것을 제외하고는 T (시간적 승수) 와 K (공간적 승수) 간에 불변의 관계성은 없다. 이것은 일반적으로 추가적인 구성요소들이 단지 조건적이기는 하지만 어떠한 역할을 하기 때문이다. 정리해 보자면 척도의 위로 올라갈수록 모든 것은 느려진다. 분자는 원자들보다 느리게 움직인다 ; 고분자는 분자보다 느리게 움직인다 ; 세포는 고분자보다 느리게 움직인다 —— 태양계까지, 그리고 은하계까지 지속된다. 척도는 기하학적이므로, 적절한 척도 단위는 시간의 로그이다.
우리는 새로운 수준을 생성하기 위해 필요한 최소 계수 factor 에 관심이 있다. 한 수준은 바로 밑 수준보다 10 의 계수로 더 커야만 한다. 새로운 특성을 갖고 있는 새로운 시스템을 얻기 위해 수 개의 구성요소들이 조합되어야 하고 몇 번의 순환에 걸쳐 상호작용할 수 있어야 한다. 그것은 2 ~ 3 번의 구성요소의 연산시간들만으로도 이루어질 수 없다. 새로운 행동은 그렇게 빨리 만들어질 수 없다. 다른 한편으로, 100 또는 1,000 개의 구성요소들 또는 구성요소-시간들보다 적어도 충분하다는 많은 사례들이 있다. (주석 : 시스템들은 최소한 minimum 보다 매우 더 클 수 있다. 이것은 일반적으로 일종의 동질적인 반복적 구조를 의미한다. 그러므로 하나의 전선은 그것을 구성하는 하위구조들보다 거의 무한정 더 큰 (긴) 하나의 시스템이다. 복잡성에 관한 사이먼의 분석은 직접적으로 구성하는 요소들의 수의 관점에서 정말로 복잡한 시스템이 어느 정도가 클 수 있는지에 대한 제한들을 암시한다.) 그러므로 우리는 계수 10 이 한 수준에서 다음 수준으로 올라가기 위한 최소의 특성적 계수라고 취급할 수 있다. 물론, 이 계수는 매우 근사치이다. 어떤 경우에는 계수가 단지 3 일 수도 있고 다른 경우에서는 30 일 수도 있다. 바로 그러한 추정적 숫자들을 표시하는 특수한 표기법으로서 ~~10 을 사용하자. 일반적인 <더하기나 또는 빼기 3> 과 유사하게 <곱하거나 또는 나누기 3> 은 추정을 생각하는 하나의 유용한 방법이다. 계수 ~~10 은 시스템 수준들에 대한 최소 성장계수 minimal growth factor 를 표현하는 기호이면서 대체로 10 이 그 크기의 추정치이다.
이제 그림 3 에 제시되어 있는 인간행위가 일어나는 시간척도를 생각해 보자. 왼편에 시간은 초로 측정되고 로그 척도에 의해 순서지워져 있다. 그 다음 오른쪽 행은 시간단위들의 이름이다 —— 마이크로초 μs (또는 10-6 초) , 밀리초 ms, 초 sec, 분 min, 그리고 시간 hours, 우리는 미터법적 시간 척도에 따라 살고 있지 않기 때문에, 실생활과의 대응은 약간 개략적이다 —— 그러나 그것은 시간 척도를 일상생활에 맞추는 것을 도와준다. 단위들은 물론 기하학적으로 서로 관련된다. 그 다음 행은 시스템을 그것의 특성적 연산시간이라고 명명하기로 하자. 우리에게 시간은 시스템 수준의 유용한 척도이지만 공간은 아니다. 그러나 물론 특성적 물리적 크기도 유사하게 증가한다. 인접한 여러개의 수준들은 함께 묶여서 시간대 bands 라고 불린다. 다른 시간대들은 오른쪽 행에 제시된 것처럼 매우 다른 현상학적 세계들이며, 다른 이론들에 의해 기술된다.
|
인간행위의 시간척도 |
|||
|
척도 |
시간 단위 |
시스템 |
세계 |
|
(sec) |
|
|
(이론) |
|
107 106 105 |
월 주 일 |
|
사회적 시간대 |
|
104 103 102 |
시간 10 분 분들 |
과제 과제 과제 |
합리적 시간대 |
|
101 100 10-1 |
10 sec 1 sec 100 ms |
단위 과제 연산들 숙고 행위 |
인지적 시간대 |
|
10-2 10-3 10-4 |
10 ms 1 ms 100 μs |
신경 회로 신경 세포기관 |
생물학적 시간대 |
이 그림은 우리가 갈 곳에 대한 개관을 제공한다. 맨 밑에서부터 시작하면, 3 개 수준의 생물학적 시간대가 있다—— 신경세포 ; 세포기관, 이것은 신경세포로부터 10 의 계수 밑에 있는 것이다 ; 그리고 신경회로, 이것은 10 의 계수 위의 것이다. 우리가 살펴보겠지만, 신경세포는 약 1 ms (~~1 ms) 의 특성적 연산시간을 갖고 있고, 신경회로는 약 10 ms (~~10 ms) 의 특성적 연산시간을 갖고 있다. 생물학적 시간대 위에는 인지적 시간대가 있다. 여기의 수준들은 친숙하지 않은 것이다 —— 나는 그것들을 숙고행위, 인지연산, 그리고 단위과제라고 부르고, 이들 각각은 맨 밑 수준의 행위보다 약 10 배 (~~10) 의 시간이 더 걸린다. 이러한 인지 수준들과 이 특성의 일부를 확립하는 것이 이 장에서 다룰 주요과제가 될 것이다. 인지적 시간대 위에는 합리적 시간대가 있고, 이것은 대략 분에서 시간까지의 시간대이다. 합리적 시간대의 모든 수준들은 동일한 명칭, 즉 과제로 붙여졌다. 마지막으로 더 상위의 것은 사회적 시간대라 불리는 것으로, 나는 이 부분에 대해서는 할 말이 조금밖에 없을 것이다.
그림 3 의 현저한 특징은 각 수준은 그것의 구성요소보다 단지 최소 계수 10 (~~10) 위에 있다. 말하자면 새로운 수준들 각각은 구성 요소들의 숫자에 의해서 가능하면 곧 발생한다. 생물학적 시간대의 수준들에 대해서 그러한 계수는 우리가 경험적으로 알고 있는 것들로부터 나온 것이기 때문에 이것은 수준 분석의 확증으로서의 구실을 한다. 인지적 시간대에 대해서, 그것은 우리가 찾을 예측이다.
우리는 신경적 수준에서 시작한다. 우리는 어느 곳에선가 시작해야 한다. 우리는 사실 세포기관으로 또는 고분자 시간대 (~~10-5 에서 10-7 초까지) 까지 내려갈 수도 있다. 그러나 신경수준은 인간 마음을 위해 주어진 분명한 기술이기 때문에 신경수준은 명백한 것이다. 더 나아가 우리는 인지 시간대의 수준들을 발전시키기 위한 기초를 만들기 위해 신경수준으로부터 몇 개의 중요한 사실들을 필요로 한다. 그림 4 의 좌측 상단은 신경세포를 보여준다. 신경세포는 생물학적 세포이기 때문에 신경수준은 세포적 수준이며, 그것은 다른 모든 생물학적 세포들과 공간과 시간을 포함한 대부분의 특성을 공유한다. 세포체의 특성적 길이의 크기는 ~~10 마이크로미터 (10-5 미터) 이다. 그러므로 ~ 1,000 cm3 의 뇌에는 ~~1012 개의 세포들이 있고 이것의 ~10 % 또는 ~~1011 개는 신경세포들인데, 마음을 구성하기 위해서 작동하는 것들이 이렇게 많다는 사실은 많은 사람들을 놀라게 했다.
그림 4 신경수준 (Frank, 1959 ; Shepherd, 1979 ; Tasaki, 19959 에서 인용)
단기 연산의 관점에서, 신경세포는 하나의 강력한 시스템 수준이다. 그것의 입력과 출력은 시냅스 (synapses) 에서 분명히 확인할 수 있으며, 그것의 매체는 세포막에 걸쳐 측정되는 전압이라 생각할 수 있다. 그것의 특성적 행위는 세포의 한 끝인 수상돌기로부터 다른 끝인 축색 돌기의 분기까지 신호를 전달하는 것이다. 그것의 신호는 거리가 단지 몇몇의 특성적 거리 (세포체의 길이) 들보다 긴 경우, 그림의 오른쪽 상단에서 보는 것 같은 신경 펄스 또는 스파이크 spike 이지만, 만약 거리가 짧다면 그것은 단순히 역동적으로 변화하는 출력 전위 (차등이 있는 전위) 일 수 있다. 지난 10 년 간 이루어진 신경과학에서의 엄청난 발전을 반영하면, 신경세포의 연산행동은 분기망 branching networks 에서의 케이블 방정식 관점에서 더 쉽게 이해된다 (Rall, 1977). (주석 : 더욱더 느린 (또한 덜 이해되어 있는) 신경세포의 다른 형태들의 행동들도 있다. 예를 들어 축색돌기를 따라 전달물질의 원재료를 소낭 vesicle 으로 이동시키는 운송 기능들의 속도는 하루에 몇 밀리미터의 범위에 있다.) 현재의 이론은 펄스나 차등이 있는 전위들 뿐 아니라 총화 summation, 억제 inhibition, 그리고 다른 통합적인 효과들도 다룬다. 그렇기 때문에 신경수준에는 강력한 행동 규칙들이 있다.
우리는 그러한 많은 자세한 사항들 중 단지 2 개의 사실만을 필요로 한다. 첫째 특성적 연산시간은 ~~1 ms 이다. 그림에서 신경 스파이크의 폭은 약 1 ~ 2 ms 이며 날카로운 펄스에 대해서도 그렇다. 이것은 스파이크가 최고점에 도달했다가 밑으로 되돌아오는 데 걸리는 시간이다. 신경신호에서의 다른 과정들도 역시 ~~1 ms 이다. 예를 들어 차등이 있는 전위들이 수상돌기의 망을 통과하는 데 걸리는 시간이 ~~1 ms 이고 시냅스 전달을 하는 데 걸리는 시간이 ~~500 μs 이다 (이것은 사실 약간 짧은데, 하나의 구성 초보적 행위에 대해서는 적절하다). 따라서 펄스 비율은 ~~200 펄스 / 초 (~~5 ms 당 하나의 펄스) 에서 ~~1 펄스 / 초 ( ~~1 초당 하나의 펄스) 까지 변화한다. 결과적으로 하나의 신경세포는 초당 단지 몇 개의 비트를 전달할 수 있다.
두 번째 사실은 신경전달의 속도이다. 신경세포는 신경 펄스의 빠른 전파를 위해 특수화된 것이고, 그 속도는 축색돌기 섬유의 지름에 따라 증가한다. 그림 4 의 하단은 속도와 섬유의 지름이 본질적으로 선형관계임을 보여주며, 큰 섬유에서는 속도가 ~~100 m / sec 에 달할 수도 있다. 큰 섬유는 긴 거리를 포함해야만 하는 말초신경계에만 있다. <중추신경계에는 섬유들이 매우 작으며 그 속도는 ~~1 m / sec 이다. 속도에 대한 특수화는 신경수준에서의 또 하나의 기술적 혁신인 신경세포들의 수초화에 반영되는데, 이것은 그것들의 속도를 엄청나게 향상시킨다.>
이상의 논의로부터 우리가 물리적, 그리고 화학적 법칙의 표준적인 영역에 있음이 분명해졌다. 이것은 생물학적 영역까지 확장된, 친근한 물리적 세계이다. 금세기 초반부에 질질 끌던 생기론에 대한 관심이 무엇이었든 간에, 그러한 관심은 사라진지 오래다. 우리는 현상들을 생화학적, 그리고 분자생물학적 기제들로 환원시킴으로써 생물학적 시간대에서 어떤 일이 진행되고 있는지 이해한다.
그림 5 신경-회로 수준 (Shepherd, 1979 에서 인용)
우리는 신경회로 수준으로 올라가는데, 이 곳에서는 연결된 신경세포들의 모임이 어떤 기능을 수행한다. 그림 5 는 하나의 그림으로서만 만족해야 할 것이다. 이 곳에서의 세계는 더욱더 복잡하다. 그 곳에는 많은 수의 신경세포들이 있을 뿐만 아니라, 우리의 측정 장치들은 여전히 요구되는 정도 —— 수백 또는 수천 개의 신경세포 —— 의 다세포 기록을 하지 못한다. 단순한 그림을 그리는 것, 즉 우리의 주장을 위해 필요한 몇몇 중요한 사실들을 얻어내는 것은 어려운 일이다. 그럼에도 불구하고, 중추신경에서의 신경회로들에 대해 현재의 과학이 알고 있는 단순한 근사치가 있다 (Shepherd, 1979). 뇌는 국소적 회로들의 커다란 하나의 집합으로 여겨질 수 있다. 이러한 국소적 회로들은 약 ~~1 mm3 이다. 국소적 회로들은 원거리 케이블 distal cables 에 의해 연결되어 있다. 그러한 케이블들의 길이는 대략 몇 센티미터이다 (뇌의 부피는 ~~1,000 cm3 이므로 그것의 직선모양의 길이는 ~~10 cm 이다).
각각의 국소적 회로는 약 ~~5 x 104 개의 신경세포들을 포함한다. (주석 : 세포체가 ~~10-2 mm 라면 1 mm3 당 ~~106 개의 세포체가 있다. 그 중 신경세포들이 ~10 % 를 차지하고, 나머지는 신경교 세포들이 차지한다. 이것은 ~~105 개의 신경세포가 되며, 상당한 공간을 차지하는 원거리 케이블을 제외하면 그 숫자가 ~~5 x 104 신경세포 / mm3 으로 줄어든다.) 이것은 많은 수의 신경세포들인 것 같지만, 대개는 그렇지가 않다. 신경세포의 모임이 배수가 되도록 강요하는 여러 가지 요인들이 있다. 예를 들어, 신경세포가 전달하는 정보의 적은 양 ( ~~1 bits / sec) 을 생각하면, 신경세포들이 적당한 자료전달 속도 (이를테면, 계수 10) 를 얻으려면 케이블로 뭉쳐져야만 한다. 또한 부호화가 광범위한 동조 tuning 를 갖고 있는 많은 수의 신경세포들 —— 분산된 표상의 한 형태 —— 에 의해 자주 이루어지는 것 같기 때문에, 독특한 기능적 계산요소들은 전체계수 100 으로 쉽게 줄어들 수 있어서, 결국 국소적 회로에는 약 500 개의 요소만이 남는다.
지금으로서는 여기저기를 엿보는 방법말고는 더 이상 밑으로 내려갈 길은 없다. 그러므로 하나의 국소적 회로가 편향 bias 과 매개변수화 parameterization 를 실제적으로 제공하면서 본질적으로 많은 입력과 출력의 임의적인 함수를 계산하는 것으로 생각할 수 있다. 그러나 국소 회로들이 기능적으로 서로 긴밀히 결합되어 있는 것이지, 독립적이고 다양한 계산 과정들의 단순한 모임이 아니라는 많은 증거가 있다 (임의적으로 프로그램이 가능한 초소형 컴퓨터의 축소모형 같지는 않다). (주석 : 나는 시간적 관계들을 강조하고 공간적 고려사항들로부터 결론이 내려질 수 있는 것들을 무시한다. 공간적으로도 역시 다중 수준들이 있다. 구성요소로서 국소 회로들을 갖고 있는 분산된 연결망들은 여기서 언급된 국소 회로보다 상위 수준이다. 국소 회로들은 하나의 단일한 수준으로 여겨질 수 있다. 5 × 104 개의 요소들은 하나의 회로에 대해서는 너무나 크기 때문에, 그렇게 되기 위해서, 그것들은 일종의 상당히 반복적인 구성이어야 할 필요가 있을 것이다 (또다시 사이먼의 위계적 주장). 하나의 가능성은 정보용량에 대해 10 의 계수, 통계에 대해 10 의 계수, 그리고 일종의 분야 (감각적 분야와 같은) 를 포함하는 배열들에 대한 10-100 의 계수이다. 이러한 분해는 103 ~ 104 의 전체 축소 계수를 제공하고, 5 × 104 를 5-50 으로 축소시킨다. 그러나 차등이 있는 전위들을 통한 연결성에 따라 1 mm3 안에 또 다른 시스템 수준이 있을 가능성은 분명히 있다. 그러한 추가적인 수준은 시간적 분석과는 제대로 일치하지 않을 것이며, 그것은 흥미로운 (그리고 정보를 제공하는) 상황을 만들어낼 것이다.)
신경회로는 하나의 독특한 수준이다. 그 매체는 활성화 activation 라고 불리는 연속적인 양인데, 이것은 회로의 부분들 간 또는 회로들의 사이를 이동한다. 활성화는 흥분적 또는 억제적이다. <그것은 합해져서 역치를 넘고, 그렇지 않으면 국소 회로에서 변환된다.> 활성화는 단시간에 걸친 일종의 신경펄스의 통계적 평균이다. 신경망은 그 구성요소들이 개별적인 신경세포들인 것처럼 자주 그려지지만, 실제 그것들은 신경세포의 집합들이 있는 것처럼 다루어지며, 매체는 거의 항상 신경 펄스들이 아니라 연속적인 신호들로 구성되어 있는 것처럼 다루어진다.
우리에게 중요한 사실은 신경회로의 특성적 연산시간이 ~~10 ms 라는 것이다. 좀더 정확히 말해서 ~~10 ms 는 최소시간이다. 분명히 신경회로들은 작동하는데, ~~10 ms 또는 더 긴 시간을 소요할 수도 있다. 그러나 우리는 최소시간에 많은 관심이 있다. 신경회로들의 여러 가지 다른 특질들이 있는데, 이것들은 모두 이와 같은 일반적 결론을 지지한다.
가장 기본적인 고려사항은 단순히 시스템의 수준들에 대한 것이다. 신경 회로들은 신경세포들로 만들어져 있다. 그러므로 그것들은 기껏해야 본질적으로 신경세포들보다 엄청나게 느릴 것이다. 만약 신경세포들이 ~~1 ms 장치라면, 신경회로들은 ~~10 ms 장치일 것이다. 신경세포들을 조합해서 그것들이 ~~1 ms 범위에서 작동되도록 할 수 있는 방법은 없다.
두 번째 지표는 뇌에서의 의사소통 시간으로부터 나온다. 중추신경계에서의 펄스 전달 속도는 그림 4 에 제시된 분포의 낮은 끝 부분인 대략 초당 1 m 이고 신경 섬유들은 지름이 짧고 수초화되지 않은 것들이다. 속도는 초당 1 m 밑으로 떨어진다. 그 속도를 동등하게 ~~1 mm / ms 로 표현하면 그것이 신경회로에 대해 무엇을 함의하고 있는지 알기 쉽다. mm3 의 국소 회로 안에서 펄스의 흐름과 차등이 있는 전위들의 흐름은 모두 동일한 시간적 세계 ( ~~1 ms) 에 있는데, 이는 국소 회로에 부여되는 복잡한 계산적 특성들과 일치한다. 국소 회로들 간의 거리는 ~~1 cm ( ~~10 mm) 이기 때문에 의사소통하는 시간은 ~~10 ms 가 될 것이다. 그러므로 단일한 국소 회로보다 더 많은 것들을 포함하는 것들에 대한 시간 상수는 ~~10 ms 가 될 것이다.
세 번째 고려사항은 신경세포가 통계적 장치라는 기본적인 일반화로부터 시작된다. 신경세포는 하나의 통계적 기계이고, 이 기계에서는 정확한 시간으로 발생하는 것은 아무것도 없다. 예를 들어 신경계에서 정보가 어떻게 부호화되는지에 대한 많은 연구들이 있어 왔다. 모든 부호화는 펄스-비율 부호화 pulse-rate encodings 의 형태이다. 소리, 빛, 그리고 압력의 자극 강도는 초당 기대되는 펄스의 수로 부호화된다. 펄스 간의 간격이나 펄스-비율의 변환과 같은 다른 종류의 부호들에 대한 증거들도 있지만, 그것들은 모두 하나의 확률적인 과정으로서 펄스 연쇄에 대한 통계치들이다. 하나의 중요한 결과는 이러한 부호에서의 정확성, 신뢰성, 그리고 안정성은 적어도 하나의 통합 수준을 요구한다는 것이다. 측정은 펄스들의 표본을 취해야만 한다. 큰 표본을 취할 필요는 없을지도 모른다 —— 정밀한 통계적 연산들은 적은 표본들을 갖고도 이루어질 수 있다. 그러나 이 경우에도 여전히 ~~10 개의 펄스들이 요구된다. 최소한 펄스들 간의 간격이 ~~1 ms 이기 때문에, 어떠한 통계적 통합이라 할지라도 ~~10 ms 의 범위로 상향 이동할 것이다. 다시 우리는, 신경 회로들은 최소한 ~~10 ms 의 장치라는 명제에 도달한다. (주석 : 시간적 평균화 averaging 와 마찬가지로 공간적 평균화도 존재한다. 그리고 그것은 시간적 통합의 필요성을 감소시킬 수 있다.)
이와 같은 모든 사항들은 동일한 방향을 지적한다. 한 공학자는 이 상황을 전체적인 시스템이 균형잡혀 있음을 지적하는 것 (당신이 하나의 주장은 거부하고 다른 주장은 수용할 수 있는 분리된 주장들의 하나의 집합이라는 것과는 반대되는 것) 으로 볼 것이다. 그는 전달 시간들과 작은-표본을 사용하는 통계적 기법들이 모두 합쳐져 전체 시스템이 빠르고 신뢰로운 수행을 만들어낼 수 있도록, 시스템이 빈틈없이 만들어졌음을 볼 것이다. 이러한 요건들을 합치는 순진한 방법은 ~~10 ms 인 수준에서의 최소 시간으로 귀결될 것이다.
신경회로 수준은 자연과학에 의해 지배되는 영역에 남아 있다는 명백하고도 중요한 관찰로 맺으려 한다. 법칙의 유형들은 물리학과 화학의 법칙들이다. 분석의 방법은 확률적 신호들을 갖고 있는 회로공학과 유사하지만 그것은 시스템의 자연-과학적 특성을 거의 변화시키지 않는다.
신경세포와 신경회로의 시간 단위를 확립함으로써, 우리는 인지에 대한 실시간 제약에 이르게 된다. 신경 시스템들이 완전한 인지적 행동을 생성하는 데 사용할 수 있는 시간은 거의 없다. 이러한 행동을 평가하기 위해 우리는 그것이 관찰되기 시작하는 시간 단위를 확립할 필요가 있다. 그것은 단지 우리 자신의 행동을 평범하게 관찰할 것을 요구하기 때문에 용이한 것이다. 단순한 하나의 문장이 말해진다. <소금 좀 주세요.> 이것은 약 1 초가 소요된다. 이것에 대한 반응도 대충 동일한 시간이 소요된다 —— 그 사람은 소금을 건네주기 위해 소금을 향해 손을 뻗는다. 방출된 것은 이해와 결정의 인지적 활동과 이에 뒤이은 실행과 동작이다. 만약 문장이 <야, 소금 좀 줘!>였다면 반응은 매우 달랐을 것이다 —— 소금병을 잡는 동작은 없고, 대신에 <당신, 나한테 한 말이야?> 나중에 숙고해 보면 어떤 일이 벌어졌는지를 알 수 있었을 것이다 —— <그는 항상 그렇게 무례해. 나는 단지 괴롭힘을 당하지는 않을 거야.> 이러한 것을 하는 시간은 좀더 오래, 아마 2 ~ 3 초는 걸릴 것이다. 그러나 이것도 분명한 인지 행동이다.
그러므로 인지적 고려사항을 발생시키는 환경과의 특성적 상호작용은 초의 단위, ~~1 초로 발생한다. 만약 준비가 있었다면 그것은 낮의 끝부분, 이를 테면 ~0.5 초일 수 있다. 일반적으로 초보적 elementary 반응들은 ~2~3 초가 소요된다. 그러나 만약 시간이 더 가용적이면, 이를테면 ~10 초, 많은 인지 활동이 진행될 수 있다는 증거들이 있다 —— 물론, 중요한 인지활동은 ~~1 초에서 일어난다는 것을 의미한다. 하나의 적절한 예는 빠르게 진행되는 체스이다 —— 그것의 규칙은 평균적으로 말의 움직임당 단지 10 초의 시간만 있음을 규정한다. 10 초 동안에 상대방 말의 움직임을 생각하고, 그 결과들을 이해하고, 말의 움직임을 결정하고, 그것을 실행해야 한다. 10 초 동안에 여러 가지 인지적 행위들이 발생함은 매우 확신할 수 있다. 말 움직임들은 내적으로 제안되고, 결과들이 밝혀지고, 나쁜 것으로 나타나면, 대안들이 고려된다. 많지는 않지만 아마도 몇몇은 일어난다. 만약 시스템이 첫 번째 인지적 행동을 시작하는 데 1 분이 소요된다면, 그 시스템은 10 초 체스를 할 수가 없다. 인간은 1 초 체스를 할 수는 없다.
요점을 길 게 늘어놓을 필요가 없다. 인간이 인지적 행동을 하는 데 걸리는 시간의 적당한 추정치는 ~~1 초이며, 이것으로부터 제약이 산출될 수 있다. 신경세포는 ~~1 ms 로 작동된다 —— 신경회로는 ~~10 ms 로, 그러므로 인지행동은 ~~1 초에 일어난다. ~~10 ms 와 ~1 초 간에는 단지 계수 100 만이 가용적이다. 인지행동을 생성하는데 필요한 모든 것을 달성하는 데, 단지 약 100 개의 ~~10-ms 기간만 있다. 단지 우리가 이것을 잊지 않기 위해서, 그 원리를 다시 진술해 보자.
인지에 대한 실시간 제약 : 신경-회로 기술로부터 인지행동을 달성하는 데는 단지 ~100 연산 시간들 (두 개의 최소 시스템 수준들) 만이 가용적이다.
이 제약은 많은 사람들에 의해 관찰되어왔다. 사실 그것은 최근에 일반화되었다. 예를 들어 연결주의 선도자의 한 사람인 제리 펠드먼 Jerry Feldman (Feldman & Balard, 1982) 은 만약 순차적 컴퓨터를 갖고 뇌가 수행하는 것을 달성하길 원한다면, 단지 100 개의 기계 명령어들만 사용되어야 함을 지적하기 위해 <100 프로그램-단계 한계> 라는 구절을 만들었다. (주석 : 펠드먼은 신경적-행위시간인 ~~1 ms부터 실제적인 내적 인지결과를 생성하기 위한 시간으로 그가 취급하는 ~~100 ms 까지의 범위에 관해 이야기하고 있지만, 그 요점은 정확히 동일한 것이다.) 어떤 시스템 프로그램이라도 입증하겠지만, 그렇게 적은 명령문들을 갖고는 아무것도 할 수 없다. 제리 포더 Jerry Fodor (1983, pp. 61-64) 는 언어에 초점을 맞추면서 자연언어를 사람들이 이해하고 이에 대한 반응을 얼마나 빨리 할 수 있는지를 설명하기 위해 <마음의 모듈성> 이라는 긴 절을 할애했다. 그러한 관찰에 대한 많은 동기는 일명 기호적-지능 입장을 의심하는 것이었다. 이런 부정적 측면은 강력한 순차적 연산을 보이는, 시각이나 언어에 대한 컴퓨터 과학과 AI 에서 개발된 종류의 알고리듬들은 인간이 그러한 과제를 어떻게 달성하는지를 설명할 수 없다는 것이었다. 긍정적 측면은 계산 시스템이 대규모로 병렬적이어야 한다는 것이다.
사실, 그 제약은 단일한 통제 방식을 갖고 있는 프로그램들을 제거하고 대규모의 병렬처리를 선호하는 것 이상의 더 큰 효과를 갖고 있다. 그것은 모든 접근방법들을 묶는다. 어떠한 상호작용에 대해서도 단지 몇몇 주기만이 가용적이다. 병렬 시스템들, 대규모로 병렬적인 시스템들조차도 상호 작용 없이는 —— 연결망의 한 부분에서의 계산 결과를 연결망의 다른 부분에서의 결과들을 발전시키는 데 연결시키지 않고는 —— 행동하지 않는다. 대규모의 병렬 시스템들과 함께 사용되는 전형적인 알고리듬의 구조의 관점에서, 그러한 상호 작용은 제약들의 연쇄적인 전파들의 수 또는 언덕 오르기 기법에서 정상에 가깝다고 인정되는 곳에 도달하는 데 또는 평형상태에 도달하는 데 필요한 단계들의 수로서 나타난다. 그러한 단계들은, 순차적 프로그램에서 프로그램 단계들이 하는 역할과 동일한 역할을 대규모 병렬 시스템에서 한다. 그리고 모든 경우에 있어서 인지행동을 생성하는 데 단지 약 100 개의 그러한 단계들만이 사용된다.
다시 말해서 모든 이론들은 동일한 문제를 갖고 있다. 이론가적 관점에서 보면 그것은 훌륭한 것이다. 제약이 심하면 심할수록 (그것이 진실이라고 가정할 때) , 시스템이 구성되고 연산되는 방식에 관해 진실을 추출할 가능성은 더 높아진다. 만약 그러한 제약에서 시스템이 연산되는 방법이 찾아질 수 없다면, 얼마 동안 그 제약은 이론적 발전을 막을지도 모른다. 그러나 그것은 단지 올바른 이론을 만드는 시험대를 제공한다. 그러므로 인지의 실시간 제약은 은유적으로 유기체에게는 재앙일지도 모르지만, 이론가들에게는 진정한 축복이다. 나는 그 제약을 처음 관찰한 사람은 아니다. 그러나 나는 그것을 잘 사용하기를 원한다.
이제 우리는 ~~10 ms 의 신경회로를 출발해서 인지적 시간대의 수준들로 올라갈 준비가 되었다. 우리는 앞에서 인지행동이 일어나는데 얼마나 많은 시간이 요구되는지에 대한 제한을 확립했다. 그 격차를 총 ~~100 단계들로써 설명되어야 하는 것으로 생각할 수도 있지만, 그것을 두 개의 최소 시스템 수준들로서 생각하는 것이 더 좋다. 각 시스템 수준은 바로 밑의 시스템들보다 지속시간에서 ~~10 배 정도 더 길다. 그러므로 두 수준들은 ~10 × ~~10 = ~~100 단계를 구성한다. 그러므로 최소 크기의 신경회로들로부터 시작해서 하나의 시스템 수준이 만들어지고, 그 다음이 새로운 시스템들이 구성요소들로 사용되어 또 하나의 시스템 수준이 맨 위에 만들어질 수 있다. 그 시점에서 아마도 진정한 초보적인 인지행동이 만들어져야 한다.
인지적 시간대의 기초수준은 구성이 시작되는 곳이어야만 한다. 그것은 그림 2-13 의 기본 기능들을 달성하는 데 필요한 기제들을 포함해야 한다. 어떤 기제들은 분명히 더 느릴 수도 있지만, 기본적 연산 주기에 포함되지 않은 것들, 그러므로 전체 시스템의 속도를 제한하는 요인들이 되는 것들만이 더 느릴 수 있다. 특히 기초수준은 기호 시스템과 연관된 원거리 접근을 제공해야 한다 (그림 2-10). 기호적 구조에 있어서 원거리 접근을 달성하는 능력을 갖고 있는 기호들은 그 기초에 위치해야만 한다. 그러므로 원거리 접근은 신경-회로 수준에 있어야 하고 그것은 더 낮아질 수 없다 —— 신호는 ~~1 ms 안에 뇌를 통과할 수 없다는 것을 우리는 이미 살펴보았다. 그러므로 인지적 구성 그 자체는 적어도 ~~10 ms 시간대에 있어야 한다. 이것은 기호수준으로부터 시작해서 위에서부터 구성을 살펴본 것이다. 밑에서, 즉 신경-회로 수준에서 본다면 기호구조라고 불리는 것은 신경 신호들의 패턴들이어야 하며, 기호 토큰들은 뇌의 원거리 부분들에 이르는 접근 경로를 열어주는 것들이어야 한다.
앞으로 진행될 주장의 형식을 이해하는 것은 중요하다. 우리는 하나의 기능 (여기서는, 인지적 시간대의 최하위 수준을 확인하는 기본적 원거리 접근) 을 취해 그것을 주어진 절대적 시간수준에 위치시키려고 한다. 우리는 기본 구성은 ~~10 ms 로 연산된다고 결론을 내리고 싶다. 우리는 세 가지 질문을 한다. 첫째 그 기능이 더 빨리 일어날 수 있는가? 여기에서 답은 '아니요' 다. 신경수준 (~~1 ms) 은 원거리 접근을 달성할 수 없기 때문에 인지구성이 ~~10 ms 보다 빨라질 수는 없다. 둘째 그 기능이 더 느리게 일어날 수 있는가? 여기서의 답은 '아마도' 이다. 원거리 접근이 ~~100 ms 또는 그 이상 —— 1 분 또는 한 달 —— 이 걸릴 수 있는지를 직접적으로 주장할 수는 없다. 사실 시간이 오래 걸리는 다양한 종류의 원거리 접근 기제들이 있을 수도 있다. 그 대신 우리는 그 결론을 뒤로 미루고 인지행동을 획득하는 데 요구되는 추가적인 수준들을 쌓아갈 것이다. 이런 모든 것들은 ~~1 초 전에 일어나야 하기 때문에 우리는 더 낮은 행동으로 제한할 것이다. 그러면 우리는 그 기능이 더 낮은 수준 (여기서는 ~~10 ms) 에서 일어나야 한다는 것으로 결론내릴 수 있는데 이는 만약 그것이 바로 위의 수준 (여기서는 ~~100 ms) 에서 일어난다면, 인지적 행동을 획득하기 위해 ( ~~1 초에서) 다른 기능들이 수행될 여지가 없기 때문이다. 그러므로 두 번째 질문에 대한 답을 단지 그 분석이 완결된 후에나 '아니요' 가 된다. 셋째 그것이 제안된 수준에서 가능한가? 여기서의 답은 '예' 인데, ~~10 ms 에서 원거리 접근은 가능해 보인다. 이 질문은 일종의 판단의 올바름을 검사하는 것이지, 그 이상은 아니다. 우리는 자세한 기제들에 관하여 알고 있는 것이 거의 없기 때문에 우리는 단지 그것의 가능성만을 분석할 수 있다. 가능성을 검토하는 것은 여전히 중요한데, 이는 그것이 주어진 수준에서 기능이 있다는 것이 어떤 강력한 반대의 사실들과 부딪친다는 것을 보여줄 수도 있기 때문이다. 요약하자면, 우리는 인지 구성의 다른 측면들의 추론을 시도할 때 이 세 가지-질문 검사를 여러 번 실시해야 할 것이다.
구성수준에서 인지적 시간대의 숙고 수준으로 올라가자. 이 수준은 대부분의 기본적 숙고들이 일어나는 수준이다. 만약 50 년 전이라면, 숙고라는 단어의 사용은 오직 정신 mental 만을 포함하는 어떤 세계에 대한 논의로 옮겨가는 것으로 생각되었을 것이다. 그러나 인지과학과 AI 의 분야에서 이제 숙고의 연산적 의미는 명확하다 —— 숙고한다는 것은 연산을 선택하기 위해 사용할 수 있는 지식을 활용하는 것이다. 숙고는 시스템에서 가용적인 지식이 공통의 위치로 흘러가거나 어떤 식으로든 처리되는 것을 관찰함으로써 탐지될 수 있다. 옳은 결정이 생성되지 않을 수도 있지만, 적어도 그 시스템은 선택을 하기 위해 숙고하는 것이다. 실제적인 선택은 디지털 컴퓨터에서의 조건적 분기명령문을 수행하는 것과 같이 물리적 과정들에 의해 달성된다. (주석 : 실제적으로, 대안들 중에서 효과적으로 선택을 하는 많은 물리적 과정들이 존재한다. 한 예는 함수의 최대값, max (f (x1), f (x2), ··· f (xn)) 을 취하고, 최대값, x1, x2, ···, xn 으로 귀결되는 값의 회복을 허용하는 과정이다.) 숙고 수준은 그것이 일어나는 최하위의 수준이다.
그림 6 숙고의 필수적 단계들
우리는 지금 숙고의 최하위수준이 ~~100 ms 수준에서 일어나야함을 주장한다. 그것은 기본적 구성으로부터 단지 한 단계 위의 시스템이다. 그러므로 첫째 질문은 숙고가 더 빠른 수준 ~~100 ms 에서 일어날 수 있느냐 하는 것이다. 그림 6 은 숙고에 대한 본질적인 최소의 행동 단계들을 보여준다. 첫 번째로 원거리 지식의 기호적 접근을 요구한다. 그것이 바로 숙고가 의미하는 것이다 —— 원거리 지식을 사용하는 것. 국소 회로에서는 관련 있는 지식 모두가 미리 조합될 수 없는데, 이는 어떤 지식이 조합되어야 하는지 미리 알지 못하기 때문이다. 더 나아가, 숙고는 단일한 원거리 접근에 제한될 수 없다. 시스템의 한 국소 부분에서 (그림 6 의 위치) 부터 원거리에 있는 부분으로 어떤 지식이 획득되었을 때, 그 지식의 내용은 알고 있던 것이 아니다. 만약 그렇다면, 그 지식은 이미 획득되었던 것이다. 그러므로 어떤 지식의 획득은 더 많은 지식의 획득으로 이어질 수 있다. 가져오게 될 지식이 무엇인지 미리 알려질 수는 없다. 그것이 바로 국소 / 원거리 구분의 요점이다 —— 원거리 장소의 신경구조에 부호화된 지식은 모두 국소적으로 부호화될 수 있는 것은 아니다. 말하자면, 우물로 여러 번 왔다갔다 할 필요는 없지만 단지 한 번만 할 것이라는 확신은 할 수 없다. 그것은 어떤 작은 수로 취급하자.
그림이 보여주듯이, 여러 번의 숙고 행위보다 단순히 더 많은 처리가 요구되는데, 그러한 처리에서 지식은 조합되고 실제로 활용된다. 결정의 행위가 역시 있어야만 하고, 그 후에 선택된 연산이 수행되어야 한다. 결국 초보적 숙고의 기능은 어떤 행위를 취하는 것이다. 이러한 기본적 단계들 각각은 단지 약 ~~10 ms 를 소요하고, 이것은 그것들이 최소의 신경회로들에 의해 달성될 수 있음을 의미한다. 그러나 그것들은 모두 기능적으로 순차적이다. 연산은 결정이 그렇게 하도록 만들어지기 전에는 실행될 수는 없다 —— 그렇지 않으면 결정이 없었던 것이다. 그렇게 하라는 결정은 지식이 사용되기 전에는 만들어질 수 없다 —— 그렇지 않다면, 숙고가 없었던 것이다. 그리고 숙고의 나중 단계들은 앞선 단계들이 완결될 때까지 일어날 수 없는데, 이는 앞선 단계들이 추가적인 원거리 접근들에 이르게 하는 지식을 포함하고 있기 때문이다. 그러므로 초보적 숙고에서 기능적 순차성 functional seriality 이 있다. 물론 많은 병렬연산들도 역시 있을 수 있다. 그림에서 단일한 접근으로 보여주는 것은 전체 시스템 곳곳에서 동시에 지식을 끌어오는 것일 수도 있다. 그것이 도착했을 때, 모든 지식은 국소적으로 순환되고 동시에 함께 혼합될 수도 있다. 그림은 일어날 수 있는 모든 것들을 보여주지는 않는다. 그것은 꼭 일어나야만 할 최소의 것들을 나타내고 있다.
그러므로 그림 6 은 ~~10 ms 수준에서 작동되는 구성요소들의 시스템을 기술한다. 그러므로 그 시스템 자체는 본질적으로 한 단계위, 즉 ~~100 ms 수준에서 작동된다. 그 그림은 구성요소들의 수 또는 그것들의 상호연관성에 대해 또는 하나의 결과가 생성되기 전 상호작용의 상한계선이 무엇인지에 대해 거의 아무것도 명세화하지 않는다. 그러나 첫 번째 질문에 답할 정도로는 명세화되어 있다. 그 답은 아니다. 숙고는 ~~100 ms 수준보다 더 빨리 일어날 수는 없다.
두 번째 질문은 숙고가 ~~100 ms 보다 늦게 일어날 수 있느냐는 것이다. 기호-접근 수준에서처럼, 국소적 고려상황은 이것에 대한 명확한 답을 만들어내지 못한다. 우리는 인지 행동을 얻을 수 있을 정도로 인지적 시간대를 충분히 채울 때까지, 그 질문은 뒤로 미루어야만 한다. 그런 후에 우리는 초보적 숙고들이 ~~100 ms 보다 더 느리게는 일어날 수 없다는 주장을 할 수 있도록 허용할 상위수준에서의 제약을 얻을 수 있다. 물론 ~~100 ms 는 인지행동이 산출되어야 하는 ~~1 초로부터 단지 계수 10 만이 떨어져 있기 때문에, 답이 이제는 가까이 있다.
세 번째 질문은 ~~100 ms 를 소요하는 초보적 숙고의 가능성에 대한 것이다. 숙고의 최소성 minimality 에서 하나의 결과는, 초보적 숙고에 의해 취해진 행위는 조합된 연산일 수 없다는 것이다 —— 즉 초보적 숙고의 부분으로서 조합될 수 없다. 시스템이 이미 최하위 수준이기 때문에 어떤 부분들이 조합될 것인지에 대해 숙고할 방법이 없다. 그것은 숙고가 일어나는 가장 빠른 수준이다. 그 행위는 그것을 사용하라는 결정 이전에 조합되었을 수도 있다. 또는 그것이 그 연산을 조합하라는 결정일 수도 있고, 조합되는 연산이 어떤 연산인지 모르면서 그 시점에서 시작한다 (그러므로 그 행위가 완전히 알려졌을 때 내려진 결정과 다른 결정이다). 그러나 그 행위 자체는 숙고적 행위들로 조합될 수 없고 여전히 단일한 초보적 숙고의 부분으로 남는다.
그러한 수준은 자동적이라도 특징지을 수 있다. 어떠한 숙고적 또는 통제하는 방식으로 그것을 조절하기 위해 그것에 개입할 수 있는 방법이 없다. 물론 그것이 차단될 수는 있지만 —— 말하자면, 종결되거나 깨져서 열릴 수는 있다 —— 그러나 그 때 다른 숙고적 행위들이 그것을 조사하고 아마도 그것을 재구성하는 데 관여한다. 그러나 그것이 작동할 때 그것은 검토될 수 없다. 말하자면, 그것에 관해 어떤 판단에 도달할 수 있는 검토가 일어날 시간이 없다 —— 그것은 그 자체가 ~~100 ms 를 소요하기 때문이다. 물론 빠른 관리 통제가 일어날 수 있도록 주요한 초보적 숙고가 더 오래 지속되도록 조직화하는 것은 가능할 수도 있다. 그러나 그러한 시스템은 주요 숙고를 ~~1 초로 이동시키며, 이것은 ~~100 ms 의 가설에 위배된다. (주석 : 발생한 모든 것을 기록하는 것은 자동적으로 발생할 수 있고, 그것은 그 사실 후에 숙고적으로 분석될 수도 있다. 그러나 그것은 각 초보적 숙고의 자동적 특성에 영향을 주지는 않을 것이다. 실시간으로 계속되는 연산되는 시스템에서, 그러한 방식은 그러한 기록들의 사용 여부와 시간척도를 결정하는 방법에 대한 몇몇 흥미로운 문제들을 제기할 것이다.)
|
자동적 행동 (병렬적) 억제 불가능 빠름 부하 독립적 망라적 탐색 처리에 대한 무자각 표적이 돌출함 |
통제적 행동 (순차적) 억제 가능 느림 부하 의존적 자기-종결적 탐색 처리에 대한 자각 표적이 돌출하지 않음 |
그림 7 자동적 행동과 통계적 행동의 특성들
지난 10 년 간 실험 인지심리학에서의 가장 중요한 발전 중의 하나는 자동 / 통제 automatic / controlled 의 구분을 확립한 것이다. 그 명칭은 리처드 시프린 Richard Shiffrin 과 윌터 슈나이더 Walter Schneider (1977) 의 유명한 두 편의 논문 이후 유명해졌지만, 그 구분은 그보다 일찍 강조되기 시작했다 (Posner & Snyder, 1975 : Laberge & Samuels, 1974). 기초적 직관은 자동행동은 병렬 처리에 의해 일어나며, 통제행동은 순차적 처리에 의해 일어난다는 것이다. 그러나 그림 7 에 제시된 바와 같이 전반적인 일련의 행동적 지표들은 처리의 두 형태를 분리한다. 자동처리가 시작되는 것을 억제할 수 없다. 그것은 비교적 빠르다. 그것은 자극 부하 stimulus load 와는 독립적으로 동일한 (또는 거의 동일한) 시간을 소요한다. 그것은 내적 조건들의 기능처럼 중단시킬 수 없다 (그것은 망라적이다). 어떤 과정들이 실행되었는지에 대한 자세한 자각이 존재하지 않는다. 만약 과제가 지각적인 것이라면, 그 답은 갑자기 튀어나오는 것 같이 보인다. 통제 처리들은 이와 같은 속성들 각각에 대해 대조되는 값을 갖는다.
그림 8 자동적 행동과 통제적 행동의 예 (Schneider & Shiffrin, 1977 의 실험 2 에서 인용)
슈나이더와 시프린 (1977) 에서 인용한 그림 8 은 그러한 구분의 한 예를 제공한다. 그것은 두 개의 조건을 갖고 있는 하나의 실험적 과제의 결과들을 보여주는데, 하나는 자동행동으로, 다른 하나는 통제행동으로 귀결된다. 본질적인 실험적 배열은 상단에 제시되어 있다. 피험자는 글자의 집합, 즉 P, K, G (기억집합) 를 외우고 나서 자극판, 즉 사각형의 모서리에 배열된 4 개의 글자, 1, P, 3, 7 (자극판) 을 본다. 과제는 기억집합의 글자가 자극판에 나타났는지를 결정하는 것이다. <이 경우에 답은 예이며 P 가 제시되었다.> 자극판은 짧게 제시되고 그 후에 차폐자극으로 지워진다. 피험자는 가능한 한 빨리 예-단추 또는 아니요-단추를 누름으로써 반응하리라고 예상된다.
피험자에게 주어지는 전체 부하는 기억집합의 크기 (1, 2, 또는 4 개의 문자) 와 제시자극의 크기 (1, 2, 또는 4 개의 문자) 에 의해 변화한다. 그러므로 (1, 1) 부터 (4, 4) 까지 9 개의 다른 부하가 생성된다. 반응시간의 범위는 400 ~ 1, 300 ms 이다. 그 시간은 지각하는 시간과 운동반응 시간을 포함한다. 우리가 관심이 있는 ~~100 ms 의 시간은 단지 조건들간의 차이인데, 그것은 위와 같은 다른 행위들의 시간을 제외시킨다. (큰 차이의 몇 가지는 여전히 100 ms 보다 매우 큰데, 이는 그것들이 여러 번의 숙고를 반영하기 때문이다). 그래프들은 기억문자가 자극판에 나타났을 때인 정적인 시행들 (채워진 점들) 과 기억문자가 나타나지 않았을 때인 부적인 시행들 (뚫린 점들) 모두에 대한 반응시간을 보여준다. 그림은 부적인 시행들이 대응되는 정적인 시행들보다 항상 오래 걸리며, 부하가 증가할수록 그 차이는 증가한다.
두 개의 조건들은 변화대응 varied mappings (실선) 과 고정대응 consistent mappings (점선) 으로 불린다. (주석 : 고정대응은 기억집합의 크기가 1 과 4 에 대해서만 실시되었다. 그러므로 그림의 중간 도표에는 점선들이 제시되어 있지 않다.) 그 구분은 목표자극과 방해자극에 관한 것이다. 우리의 예에서 기억집합의 요소 (목표자극) 들은 문자이다. 정적 시행에서 이들 중 하나가 역시 제시자극에 나타날 것이다. 자극판의 다른 모든 글자들 —— 이 경우, 숫자들 —— 은 방해자극들이다. 이것은 고정대응의 한 예이다. 방해자극들은 목표자극과는 다른 글자 집합에서 나온 것들이다. 변화대응의 한 예는 방해자극으로 그림에서와 같은 4, 3, 7 이 아니라 다른 문자들, 즉 X, C, 그리고 1 가 사용될 것이다. 다른 시행들에서의 목표자극들은 이 시행에서 방해자극으로 사용되었던 글자들이 사용될 수도 있다. 그러므로 고정대응에서 목표자극과 방해자극은 전체실험 동안에 항상 분리되는 반면, 변화대응에서는 시행에 따라서 동일한 글자들이 목표자극도 되고 방해자극도 된다. (주석 : 목표자극으로서의 문자들과 방해자극으로서의 숫자들은 분명히 구분된다. 지각력 있는 독자는 알파벳의 처음 반은 목표자극으로, 나머지 반은 방해자극으로 사용하는 것에 대해 결국은 질문할 것이다. 그것들이 처음에는 구분되지 않지만 충분한 연습에 따라 그것들도 구분이 가능해질 수 있음을 시프린과 슈나이더 (1977) 는 보여주었다.)
이 모든 것들의 요점은 부하의 변화에 따라서 다른 두 조건들이 행동하는 방식이다. 고정대응에서는 기억집단 또는 자극판의 크기가 증가함에 따라 반응시간이 거의 증가하지 않는다. 다른 한편, 변화대응에서는 기억글자들과 자극판의 글자들을 비교하는 데 요구되는 전체 부하에 따라 직접적으로 반응시간이 증가한다. 그러므로 고정대응의 경우 확인과정이 자동적이다. <변화대응의 경우, 그것은 통제된다. 달리 말하면 숙고된다.> 이 실험은 자동적, 그리고 통제적 행동을 인간수행의 중요하고 안정적인 특질로서 확립시킨 1970 년대 중반 이후의 전반적인 연구흐름의 한 본보기이다.
자동적 행동의 이와 같은 특성화의 관점에서, 그림 6 의 초보적 숙고는 몇 가지의 일치된 점들을 보여준다. 그것은 빠르고, 통제할 수 없고, 망라적이고, 또 세부사항에 대한 자각이 없다. 부하의존성과 같은 몇몇 측면들은 일반적인 방식을 유지함으로써 검증될 수는 없다. 더 나아가 통제과정의 대비적 특성들도 명세화되지 않았다. 그러나 우리의 과제는 자동, 그리고 통제처리의 자세한 이론을 제공하거나 실험자료들의 어떤 다른 특수한 집합을 제공하려는 것이 아니다. 그 대신, 초보적 숙고들의 시스템 수준이 ~~100 ms 수준에 있어야만 한다는 것이 그럴 듯한 것인지를 물어보는 것이다. 그것은 분명한 사실인 것 같다.
그림 9 인지적 시간대의 네 개의 수준들
한 수준 위로 올라가 보자. 그림 9 는 사실상 인지적 시간대의 4 개의 수준을 모두 보여주고 있다. 좌측 하단에 그림 2-10 의 모양을 따른 기호-접근 수준을 표시하는 아이콘이 있다. 그것은 ~~10 ms 의 기본적 구성 수준이다. 그 위에는 그림 6 의 모양을 따른 초보적 숙고 연산의 수준을 표시하는 아이콘이 있다. 그것은 ~~1100 ms 수준이고 우리가 바로 전에 논의했던 것이다. 그 위에 두 개의 수준이 있다. 첫 번째 것은 ~~1 초 수준이고 두 번째 것은 ~~10 초 수준이다.
이제 우리는 인지적 시간대가 환경과 상호작용하는 요구되는 반응 함수들을 구성할 수 있기 위해, 어느 곳에 도달할 필요가 있는지를 물어 보아야 한다 —— 기호 시스템, 이를테면 연산들을 구성하기 위한 기계. 초보적-숙고 기준은 지식탐색을 하는 시스템을 생성하지만 문제탐색은 하지 않는다. 우리는 궁극적으로 현재의 과제를 위해 조합된 연산들을 갖고 문제탐색을 하는 시스템을 만들 필요가 있다.
초보적-숙고 수준은 이미 존재하는 행위들을 실행하는 방법들을 제공한다. 그러한 연산들은 ~~1 초의 단위로 분명히 작동할 시스템으로 조합될 수 있고, 그러한 시스템들은 어떠한 반응함수들도 조합할 수 있다. 그것들은 그것들이 하기를 원하는 것을 선택하기 위해 숙고를 한다. 그림 9 는 그 활동을 탐색처럼 보여주고 있다. 우리가 2 장에서 보았듯이, 오류의 잠재성이 있기 때문에 탐색을 하는 잠재성도 있는 것이 틀림없다. 그러나 그것을 제외하고, 처리에 관해 탐색과 같은 것은 아무것도 있을 필요가 없다. 만약 시스템의 지식이 충분하다면 일어날 수 있는 것은 숫자들의 행을 더하거나 또는 항목들의 목록을 조사하는 것과 같이 단순히 확대된 계산이다. 중요한 점은 반응하는 어떤 방식을 조합하기 위해서 숙고행위들의 집합을 조합한다는 점이다.
그러므로 우리는 인지행동을 제공해야만 하는 시간 ( ~~1 초) , 즉 반응을 조합할 수 있는 시스템에 이르렀다. 만약 일반적인 문제공간에 조합물 composition 이 있다면 우리는 실시간 인지제약 안에서 인지행동을 달성하는 데 완전히 성공한 것이다. 그러나 이 시스템 수준은 하나의 제한적인 질적 특질, 즉 연산들 그 자체들은 조합된 연산들일 수 없다는 특질을 갖고 있다.
즉 행위들은 선택된 초보적 연산들임이 틀림없기 때문에 결과적으로 그것들은 사전에 존재하고 있었던 것이고, 그러므로 생성될 반응을 위해서 조합된 것은 아니다. 이것은 1 초 수준의 시스템의 적응성에 대한 제한점이다.
답들은 이미 대부분 명확해졌지만, 우리는 세 가지 질문을 명확하게 물어볼 필요가 있다. 단순한 연산들이 ~~1 초보다 빨리 조합될 수 있는가? 우리는 최소의 수준 위에 최소의 수준을 만들어왔기 때문에 그 답은 <아니요> 이다. 왜 이 수준에서의 모든 행위들을 더 짧은 시간으로 묶기 위한 시간이 없는지를 반복할 필요는 없다. 분명히 단순한 연산들의 조합이 ~~1 초보다 더 걸릴 수 있는가? 인지연산들이 가용적인 수준에 우리가 와 있기 때문에, 그 답은 이제 분명히 <아니요> 이다.
우리는 이 점에 도착했기 때문에 우리는 하위 수준들이 더 상위 수준에 위치할 수 있는지의 물음을 결국 다룰 수 있다. 그것들은 그럴 수 없는데, 이는 그것이 단순한 연산들의 수준을 ~~1 초보다 더 높은 ~~10 초나 그 이상의 수준으로 올려놓기 때문이다. 그리고 그것은 단순한 조합된 연산들의 수준이 ~~1 초 안에 얻어져야 한다는 필요성과 모순된다.
마지막으로 이 수준에서의 단순한 연산들의 가능성에 대해서는 어떤가? 그것은 ~~1 초 안에 일어나는 인지 행위들이 단순한 연산들로 조합될 수 있는지와 같은 평가를 포함한다. 가장 명백한 관찰은 준비와 연습에 관한 것이다.
만약 어떤 사람이 한 과제에서 즉시적인 빠른 반응을 한다면 적절한 준비와 연습이 있는 것이 틀림없다는 것은 일반적인 것, 특히 심리학 실험실에서 일반적인 것이다. 반응들 (단추 누르기, 단어 읽기) 은 알고 있는 것들이고 간단해야 하고, 만약 그렇지 않다면, 그렇게 되어야만 한다.
마찬가지로, 반응과 반응을 촉발시키는 상황 (자극) 과의 연결을 피험자에게 분명히 해야만 한다. 만약 이러한 조건들이 충족되지 않는다면 반응은 많은 시간을 소요할 것이다.
일반적 인지로 이동하는 것은 과제를 다루기 위한 연산들 자체가 조합되는 일반적 문제공간들로 이동하는 것이다. 각 연산자들은 ~~1 초 수준에서의 시스템에 의해 생성되며, 그림 3-9 에서 보듯이 그것은 우리는 ~~10 초 수준으로 올라가게 한다. 이 수준에 대해 가용적인 용어는 없다. 카드, 모란, 그리고 뉴웰 (1983) 은 인간-컴퓨터 상호 작용에서 숙달된 사용자가 스스로 정의한 ~ 5 에서 ~ 30 초 걸리는 과제들을 가리켜 단위과제 unit task 라고 불렀다.
그러므로 신경회로 (신경시간대의 최상층) 로부터 일반적 인지로 가기 위해서 필요한 장치로 정의될 수 있는 인지시간대는 4 개의 수준들을 요구한다. 그것은 우리는 ~~10 ms 에서 즉시적인 외적 인지행동의 수준인 ~~1 초보다 더 높이 올라가게 한다.
우리의 세 가지 질문을 다시 물어보자. 첫째 일반적인 인지는 더 낮은 (더 빠른) 수준에서 얻어질 수 있는가? 구성된 수준들이 항상 최소의 시스템 수준들이기 때문에, 그 답은 분명히 <아니요> 이다. 이것은 수준들의 관점에서 볼 때 충분히 진실 같지만, 시간의 관점에서는 꼭 그렇지만은 않다. 우리는 이제 여러 개의 시스템 수준들을 쌓아왔고 전체적으로 소요되는 시간에 관한 단순한 가정이 더 이상 유지되지 않을 수도 있다. 만약 모든 수준들이 좀더 짧다면, 완전한 인지연산들은 더 짧은 시간에 얻어질 수도 있다.
그 가능성을 좀더 자세히 검토해 보자. 우리는 수준이 한 단계씩 상승할 때마다 계수 ~~10 을 사용해왔고, 세 수준들을 순차적으로 연결시켜왔다. 우리가 수준에 대한 최소 척도계수로 ~~10 이 아니라 ~~7 을 사용한다고 가정해 보자. 그러면 초보적-숙고 수준은 ~~70 ms, 단순한-연산들 수준은 ~ 500 ms, 그리고 완전한-인지 수준은 ~~3. 5 초 —— 위의 분석에서의 ~~10 초와 비교해서 —— 가 될 것이다. 우리가 사용하고 있는 추정의 정도를 생각할 때, 이것은 그렇게 큰 질적인 차이를 만들지는 않는다. 예를 들면, 신경수준이 ~~1 ms 대신에 ~~2 ms 라면, 네 번째 수준이 ~~7 초가 되는 것처럼 이런 차이는 사라질 수도 있다.
그림 10 척도 가정들의 민감도 분석을 위한 계산도표
그림 10 은 우리들이 사용해온 특정한 숫자들 —— 즉 수준들 간의 척도계수, 기초-수준 시스템 (신경세포) 의 시간, 그리고 인지행동이 일어나야 하는 결정적인 시간제한들 —— 에 대한 우리의 분석의 민감성을 평가하기 위해 계산도표 nomograph 를 보여준다. 수직축은 시스템의 연산시간이다 (대수 척도로 표시). 오른편에, 수평축을 따라 시스템 수준 단위당 평균 척도계수 (1부터 12 까지) 가 표시되어 있다. 부챗살 모양의 선들은 각 수준에 대해 1 ~ 12 의 척도계수 범위에서의 연산시간을 제공하고 이 선들은 수준 0 부터 수준 5 까지 오른편 끝에 이름 붙여졌다. 척도계수 10 을 통과하는 하나의 수직선이 그려져 있는데, 이것은 우리가 사용해왔던 가정이다. 왼편에는, 수평선을 따라 신경기초 시스템의 시간 (0. 5 ms 에서 5 ms 까지, 대수척도) 이 표시되어 있다. 기초시간에서의 변화는 수직적 척도를 단순히 이동시킨다. 1 ms, 10 ms, ···, 100 초의 위치들이 동일시간을 나타내는 등치선들 isolines 에 의해 왼편에 제시되어 있다. 1 ms 의 기초시간을 통과하는 하나의 수직선은 우리가 사용해왔던 가정이다. 만약 1 ms 를 기초시간으로 가정해 본다면, 그 수직선과 등치선들과의 교차점은 세로좌표를 제공한다. 그러므로 수평으로 그어진 점선이 표시하는 것처럼 1 초의 기초시간은 척도계수 10 에서 수준 3 시스템과 교차하는데, 이것이 바로 우리의 분석이 보여주었던 것이다. (주석 : 계산도표는 단순히 4 개의 모든 수량들을 명백히 하기 위해서, 시간 = (기초시간) × (척도계수) 시스템 수준 을 표현하는 하나의 방법이다. 그 표현은 log (시간) = log (기초 시간) + [log (척도 계수) × (시스템 수준)] 에 기초한다. 그 기초시간은 대수적으로 표시되어 있기 때문에, 1 ms, 10 ms, ···, 100 초에 대한 등치선들은 일직선이다. 만약 각 수준이 그것 자신의 척도계수를 갖고 있다고 취급된다면, 그림에서의 척도계수는 척도계수들의 기하학적 평균이 되어야 한다.)
이 그림은 기초시간들과 척도계수들의 범위뿐만 아니라 기초시간, 척도계수, 시스템 수준, 그리고 행동에 대한 결정적 시간제한들의 모든 조합을 제공한다. 예를 들면, 신경세포의 시간 상수에 대한 기초시간이 0. 7 ms ~ 3 ms (계산도표에 제시된 범위보다 조금 적은 범위) 로 변화할 수 있다는 가정을 두고 빗금쳐진 띠 영역은 1 초 전에 단순한 연산들 (수준 3) 이 발생해야 한다는 실시간 제약을 만족시키는 척도계수들의 범위를 보여준다. 우리는 척도계수들이 9 ~ 11 의 범위를 보일 수 있음을 알 수 있다. 계산도표는 또한 1 초의 실시간 제약 안에서 4 개의 수준들을 포함하기 위해 사용되는 계수들을 알아보는 데도 사용될 수 있다. 만약 신경세포의 기초시간이 1 ms 라면, 7 보다 작은 척도계수도 가능할 것이다. 이러한 축소의 결과는 약간 더 복잡하게 구조화된 행동이 약간 더 빨리 가용적이 된다는 것이다. 이러한 질적인 그림은 변화하는 것 같지 않다.
두 번째 질문은 조합된 연산들이 얻어지는 데 ~~10 초보다 오래 걸릴 수 있는가 하는 것이다. 이런 질문에 답하기 위해 우리가 갖고 있었던 기초는 이제 사라졌다. 우리는 인지행동을 위해 요구되는 시간에 의해 정해진 ~~1 초의 제한을 이미 넘어섰다. 이제부터 수행에 대한 시간제한은 개별적인 과제의 문제이며 엄청나게 변화할 수 있다. 우리는 인지시간대 위에 있는 것들을 고려할 때 이 문제를 다시 살펴볼 것이다.
셋째 ~~10 초 수준에서 조합된 연산들의 가능성에 대한 질문을 살펴보자. 하나의 긍정적인 징조가 몇 년 전에 행해진 흥미로운 관찰에 의해 제공되었다. 『인간 문제 해결 Human Problem Solving』(Newell & Simon, 1972) 에서 우리가 연구했던 모든 문제공간들에서 사람들이 각 단계에서 몇 초의 시간을 사용한 것 같음을 사이먼과 나는 주목했다. 그림 3-11 은 그 시간들이 목록을 작은 표로 재작성한 것이다. 그것들의 범위는 2 ~ 8 초이다. 그 연구들은 시간적 요인들에 초점을 둔 것이 아니었지만, 상대적 항상성은 흥미로운 것이라고 우리는 생각했다. 적어도 복잡성의 일부는 자료처리의 관점에서 연산의 복잡성 때문이었기에 항상성은 특히 놀라운 것이었다. 논리적 과제, 즉 연산들을 위해 복잡하고 해석되지 않는 형식적 기호연산을 갖고 있는 과제에 대해서는 ~ 8 초였다.
|
피험자 S 2 S 5 S 2 S 8 |
과제 CROSS + ROADS DONALD + GERALD 체스 위치 A 논리 문제 D 1 |
초 1. 9 5. 6 6. 2 7. 7 |
그림 11 여러 과제들에서의 거주시간 (Newell & Simon, 1972 에서 인용)
그림 1-4 는 『인간 문제 해결』에서 인용한, 체스를 두는 한 피험자의 문제-행동 도표의 일부를 제시하고 있다. 그림 11 에 의하면 그러한 말 움직임을 만드는 데 몇 초가 걸린다. 그것들은 실제 게임에서의 말 움직임이 아니고 머릿속에서의 움직임, 즉 말 움직임을 결정했을 때 피험자가 소리내어 말함으로써 언급한 말의 움직임이다. 그것들은 말 움직임과 역 움직임의 공간의 내적 탐색을 형성한다. 표상의 정확성은 대부분의 경우 내적인 상호제약들에 의해 검증된다 —— 만약 피험자가 진술하지 않았던 특질들을 자각했다면, 실제로 그가 실행할 때 그 위치에 대해 언급되었거나 관찰되었던 방법으로 그는 절대 탐색하지는 않았을 것이다. 이 탐색에 대해 우리가 관찰하기를 원하는 모든 것들은 어떻게 시간이 쌓여가는가 하는 점이다. 말 움직임들은 ~ 10 초 수준이다. 그러한 움직임들은 사실 이 특정한 과제를 위해서 조합된 것들이다. 거의 매번 피험자는 말 움직임이 수행해야 할 기능 —— 즉 그것을 방어하든지, 공격하든지, 포위하든지, 도망가든지, 또는 다른 무엇을 해야 한다 —— 을 결정하기 위해 그 상황을 진단한다. 그것 다음에는 실제 움직임의 생성이 뒤따르는데, 이것은 그 특정한 위치에서 어떤 움직임들이 그 기능을 만족시키는지를 찾고, 체스판 위에서 그 움직임을 실행하는 것을 (물론 모든 것은 피험자의 마음에서 이루어진다) 포함한다.
이러한 하위과제들 —— 위치 진단, 움직임 생성, 그리고 움직임 실행 —— 은 실력 있는 체스 경기자들에게는 모두 연습된 과제들이다. 그 하위과제들은 각각 ~~1 초씩 소요하는데, 이는 그것들이 단일한 행위가 아닌 그것들 자체가 조합된 것이기 때문이다. 말 움직임을 실행하는 것은 말의 현재 위치에서 말을 제거해 그것을 두려고 하는 위치에 가져다놓는 것을 요구하며, 그 동안에 새로운 관계들을 고려하기 위해 머릿속 (그것이 진행되고 있는 장소인) 에 있는 모든 표상들을 조절할 것을 요구한다. 한 기능 (예를 들면, 방어) 을 제공하는 말 움직임들을 확인하는 것은 동질성이 없는 가능성들의 집합 —— 도망가기, 방어자들을 늘리기, 또는 공격자를 방해하기 —— 을 고려할 것을 요구한다. 그리고 그 상황을 처음에 진단하는 것은 체스판 위에서의 많은 관계들을 고려할 것을 요구한다. 그러한 많은 관계들, 그리고 그것들의 상호관계들은 말이 움직이기 전의 위치에서 주의가 주어져야 하고 분석되어야 하지만, 바로 전의 말 움직임은 몇몇의 새로운 고려사항들을 나타나게 할 것이다. 그러므로 각각의 행위는 ~~1 초가 소요되는 것으로 볼 수 있으며, 그 자체가 행위집합들이 조합된 것이라고 할 수 있다. 이제 초소형 행위들은 관계를 관찰하고 그것에 주의를 주기로 결정하는 행위들 또는 말이 움직일 위치를 확인하는 행위들로서 나타난다. 그것들의 소요시간은 ~~100 ms 일 수 있다. 그 어느 것 하나 중의 깊게 명확히 된 것은 없다 —— 우리는 사람들이 체스 경기를 하는 방법의 자세한 사항들을 제안하는 것이 아니다. 반면 우리가 물어보는 것은 문제들의 해결에 포함되는 처리의 양이 우리가 추론한 시간척도들과 일치할 수 있는가이다. 그리고 우리는 인간이 조합된 연산자들을 갖고 실제의 문제공간에서 작업할 때, 그 시간들이 ~~10 초임을 발견한다.
그러한 완전한 인지가 인지의 출현에 대해 정해진 ~~1 초 수준보다 시스템 수준이 하나 높다는 것은 일종의 모순을 제시한다. 그것은 인지가 ~~1 초의 제한 안에서 달성될 수 없음을 보여주는 것은 아니다. 반면에, 그것은 인지적 행동이 단번에 완전한 것이 되지는 않는다는 것을 보여준다. 인지행동은 준비된 가능한 것들로부터 중요한 하나의 선택으로 되는 데 우선 제한된다. 그러나 만약 완전한 문제해결이 요구될 때 그것은 더 긴 시간이 소요된다.
어떤 사람은 이것에 대해 진화론적 관점을 취하여 반응시간은 적응의 한 요소이기 때문에 —— 특히 육식동물의 세계에서 —— 가장 빠른 놈이 경쟁에서 이길 것이라고 생각할 수도 있다. ~~10 초 수준에서 행동하는 유기체들의 인구들로 보았을 때, 그들 중 일부가 더 빨라질 수 있는 어떠한 진화적 경로가 있다면, 그 경로는 찾아질 것이고 반응 시간은 ~~1 초까지 짧아질 것이다 (또는 가능하다면 더 짧게). 물론, 이것은 전형적으로 약한 진화론적 주장이다 —— 그것이 발생한 기제나 진화적 경로에 대한 설명 없이, 그것이 무엇인가만 설명한다. 그러나 우리가 사용하고 있는 매우 도식적인 상황에서조차도 기제의 기능성이 보일 수 있다.
준비가 증가됨에 따라서 반응시간은 줄어든다. 동일-수행선에서의 숙고와 준비 간의 교환을 보여주는 그림 2-19 를 회상해 보라. 반응시간들이 대부분 숙고를 반영한다고 가정해 보면 준비가 증가하는 방향으로 선을 따라 변화하는 것은 숙고에서의 감소로 귀결되며, 반응시간을 ~~10 초에서 ~~1초까지로 끌어내린다. 이것은 시스템이 관련된 지식들을 인출 가능한 형태로 묶을 수 있어야 함을 요구한다. 그런 방략을 실행하는 기제들이 명확할 수는 없다. 우리의 주장은 그것에 대해서는 너무 일반적이다. 그러나 그것은 가능성 있는 방법으로 보인다.
그러한 방법은 관련된 지식이 얻어지고 이것이 특수한 경우들에서 발생해야만 함을 요구한다. 그러한 지식의 분명한 출처는 유기체의 경험이다. 사실 진화론적 시간척도에서, 경험은 사용 가능한 유일한 출처이다. 읽기, 지시받기, 비디오 보기, 그리고 대화하기와 같은 모든 다른 대안들은 지능적 존재들의 발달된 사회를 요구한다. 경험은 적어도 통계적 관점에서, 미래경험에 관련된다는 특성을 갖고 있기 때문에 그것은 지식획득을 위한 적합한 기회를 제공한다. 가능한 기회들의 모든 또는 대부분에서 학습은 보장된 것처럼 보인다.
그러한 방략의 궁극적 효과는 조합된 연산자들을 단순한 것들로 변환시키는 것이다. 단순한 연산들이 적용 가능할 때 —— 즉 그것들이 상황에 적합하다고 인출될 때 —— 는 언제나 시스템은 본질적으로 ~~10 초 범위가 아니라 ~~1 초 범위에서 작동한다. 실제 행동은 빠른 연산자들과 느린 연산자들의 혼합을 수반하고, 그러므로 순효과는 시스템이 학습함에 따라, 그것은 점진적으로, 그러나 계속적으로 동일 수행선에서 상향으로 이동한다는 것이다. 나는 이 효과를 ~~10 초에서 ~~1 초로 변화되는 것으로 기술했지만, 더 긴 연산들도 그에 따라서 시간이 줄어든다.
그림 12 연습에 따른 역전된 덩이글 읽기 (Kolers, 1975 의 자료 ; Newell & Rosenbloom, 1981 에서 인용)
이 주장에 대한 가능성은 인간은 자신들이 하는 거의 모든 일을 지속적으로 학습한다는 관찰로부터 나온다. 그림 1- 2 는 연습을 통한 인간의 향상을 보여주는 한 예이다. 그림 12 는 또 다른 예를 보여준다. 과제는 역전된 덩이글을 읽는 것이다 (Kolers, 1975). 그림에서의 문단은 1 장의 소개 문단이다. 그것을 읽는 데도 약 100 초가 소요될 것이다. 만약 이 책 전체가 역전된 동이글로 씌어졌고, 당신이 이 책을 다 읽을 정도로 동기화되었다면 마지막 장의 끝부분에 가서 당신은 이와 같은 짧은 문단을 약 20 초에 읽을 것이다. 그것은 정상적인 덩이글을 읽는 데 10 초가 걸리는 것에 비해 여전히 속도는 느리지만, 손실의 대부분은 보충될 것이다.
역전된 덩이글에서의 연습은 그림 1-2 의 선택-반응 과제에서와 동일한 법칙 —— 항상 존재하는 연습의 멱법칙 —— 을 따른다. 위에서 기술한 질적인 특성 —— 선을 따라 이동하게 하는 경험의 계속적인 획득 —— 들은 이러한 양적인 법칙을 함축할 정도로 명세화되어 있지는 않다. 많은 기제들이 경험을 처리하고 경험을 처리 가능하게 만드는 데 사용될 수 있고, 다른 기제들은 경험을 인출하고 그것을 현재의 행동에 통합시키는 데 사용될 수 있다. 그러나 1 장에서 제시되었던 멱함수를 얻기 위해서는 단지 몇 개의 추가적이면서도 매우 단순한 가정들이 취해진다. 인간행동에 있어서 멱함수가 항상 존재한다는 것은, 어떻게 완전한 인지행동이 ~~10 초 또는 그 이상을 소요하면서 여전히 인지행동이 ~~1 초에서도 명백할 수 있는지에 대한 가능성을 추가적으로 암시해주는 것으로 생각될 수 있다. 그러한 기제는 ~~1 초 제한을 넘어서는 완전한 인지행동에서 모순된 것처럼 보이는 것이 무엇이든지 그것을 소멸시킬 것이다.
이 장에서 만들어진 주장은 질적인 것이고, 그러한 기제가 반응시간을 얼마나 줄일 것인지에 대해서는 이야기하지 않는다. 그림 9 는 왜 ~~100 ms 수준까지 반응시간이 내려가지 않을 것 같은지를 보여준다. 신경기술은 고정되어 있거나 단지 크지 않은 압축만 가능한데 그러한 큰 압축을 얻기 위해서는 할 일이 너무나 많다. 경험에 의해 단순한 반응시간은 150 ms 까지 낮아질 수 있음을 우리는 안다. 그러나 그것은 단순히 과제를 달성하는 경험으로부터의 학습은 아니며, 단순화, 준비, 그리고 신중하게 형성된 예견이 항상 함께 한다.
이러한 일반적 주장의 두 번째 가능한 특징은 인간 기억에서, 자주 주목을 받는 빨리-읽기와 느리게-쓰기의 특징과 그 주장이 일치한다는 것이다. 인간은 그들의 장기기억에 있는 정보를 빨리, 100 ms 이하로 읽어낸다. 그림 9 는 그것을 ~~10 ms 에 위치시킨다. 다른 한편으로, 인간이 장기기억에 새로운 정보를 얼마나 빨리 쓸 수 있는지를 측정하려는 모든 시도들은 그것이 상당히 느리다는 것 —— 한 청크에 대해 수 초 정도 —— 을 보여준다 (Simon, 1975 ; Gilmartin Newell, & Simon, 1976). 이러한 측정들은 수 초 후가 아니라 수 분 또는 수 시간후에 측정된 것들이다 —— 사람들은 즉각적으로 상황에 대해서 많은 것을 기억한다. 마찬가지로 이러한 것들은 어떤 새로운 정보가 획득되었나를 측정하는 것이며, 그 상황에서 실제로 새로운 것들과 재구성될 가능성이 있는 것들을 구분하는 것은 필요하다. 그러한 측정들은 획득속도에 관한 것이지, 제시와 저장 사이의 시간에 관한 것들은 아니다. 즉시적인 반응들은 항상 잠정적 단기기억에 의해 매개되기 때문에, 후자는 현재기술로는 측정될 수 없다. 장기기억의 이러한 빨리-읽기, 느리게-쓰기 특징은 만약 반응들이 ~~10 초 수준에서 ~~1 초 수준으로 계속해서 움직일 때, 우리가 기대하는 바로 그런 것이다. 새로운 정보를 학습하는 기회들은 ~~10 초의 범위에서 나타난다. 이는 학습할 것에 대해 환경으로부터 지식들이 사용 가능하게 되는 범위이다. 즉 경험은 ~~10 초에서의 작동으로 얻어지게 된다. 그러므로 느리게-쓰기 현상을 지배하는 것은 획득을 위한 기회이다. 이것은 그것의 원인을 느린 응고화 기제나 이와 비슷한 것들의 시간 상수들에 두는 것이 아니라, 학습을 위한 기회들에 그 원인을 둔다. 물론, 그림 9 의 그림에는 대안적인 기제들을 배제할 수 있는 아무것도 없기 때문에, 이것은 단지 하나의 가능성일 뿐이다.
우리는 4 개의 인지적 수준들까지 완전히 올라왔다. 이 모든 수준들은 신경생리학적 수준들 —— 이것은 단지 다르게 기술한 동일한 시스템이다 —— 이지만 조직화에서의 상위 수준들은 그들 자체의 특성들을 갖고 있다. 그것들은 단순히 더 복잡한 신경회로들로서 더 이상 보이지 않는다. 특히 인지에 대해 우리는 물리적 법칙에 따라 작동하는 세계의 영역을 남겨두었다. 그 대신 그것은 표상법칙에 따라 작동하는 세계이다. 과정들은 외부세계의 것들 —— 대상, 관계, 그리고 활동들 —— 을 표상하도록 조합된 것들이다. 표상적 세계는 기계적인 세계로 남고, 아리스토텔레스식 용어로, 그것은 여전히 효율적인 인과성 efficient causality 의 세계로서 이해된다. 그러나 그 기제들은 계산적 기제들이며 법칙들은 임의적인 특성을 갖을 수도 있는 표상적 법칙들이다. 어떻게 이러한 계산적 기제들과 표상적 법칙들이 물리적 기제들과 법칙들로부터 제기되었는지에 대해 불명확한 것은 없다. 어떠한 합당한 의미에서도 인지적 영역은 자연과학의 영역으로 환원될 수 있다. 그러나 환원이 인지적 영역에 대한 이론화와 그것에 대한 우리의 이해에 어떠한 변화도 가져오지 않는 이유에 대해서도 역시 불명확한 것은 없다. 행동을 예측하고 설명하는 것은 계산 기제들과 표상 법칙들에 대한 주의를 요구한다. 추측컨데 생물학적 시간대의 하위 시스템들이 하는 모든 것들은 표상법칙들을 실행하도록 작동하는 계산 기제들을 지원한다. 물론 시스템 수준들이 완벽하게 강력하지 않고, 그들 간의 근본적인 누출이 있다. 그러나 그것이 기본적인 그림을 바꾸지는 않는다.
지속시간이 ~~10 초 수준 이상으로 증가하면 어떤 것이 발생할까? 단순히 인지적 시간대의 수준들이 더욱더 많아지는 것을 막는 것은 무엇인가? 인지적 시간대의 상위에 있는 초보적-숙고 수준은 단순한 연산자들에 의해 조합된 연산자들을 허용한다. 그러나 연산자들은 점점 더 복잡해질 수 있으므로 수준들은 단순히 상위수준으로 올라간다. 조합된 연산자들의 합성에 의한 연산자들을 갖고 있는 수준이 있는 것이 틀림없다. 왜 단순히 인지 수준들이 무한한 탑을 이룰 수 있는가? 어떤 의미에서는, 이것이 시스템이 성장하는 방법임에 틀림없다.
그림 13 의도적인 합리적 시간대 : 지식-수준 시스템들
그러나 역시 일어나는 일은 인지가 지속되기 시작한다는 것이다. 우리는 시스템이 그것의 환경과 관련해 목표를 갖고 그것의 과정들은 이러한 목표들의 달성에 지향되어 있다고 여긴다 (그림 13 은 이러한 단순한 구조를 보여준다). (주석 : 마음이 목표-지향적이라는 가정은 어디서 나오는 것인가? 일반적으로 인지과학은 그것을 가정한다. 애시비 Ashby (1952) 는 일반적인 시스템 가정들로부터 목표 행동을 도출하려고 시도했던 내가 아는 사람들 중 유일한 사람이다.) 시스템은 이러한 환경에 대한 어떤 지식을 갖고 있을 것이지만, 필연적으로 그 지식을 제한될 것이다. 앞 장에서 논의했듯이, 시스템이 시간을 많이 가질수록 그것이 발견하는 해결책들은 그것이 갖고 있는 모든 지식을 반영할 것이다. 이러한 일이 발생할 때 해결책을 결정하는 데 포함된 처리들을 우리가 확인할 수 있는 확률은 점점 적어질 것이다. 해결책은 시스템에 가용적인 지식들에 의해서 결정될 것이기 때문에, 처리는 상자 안의 화살표의 분기에 의해 나타나는 것처럼 분명히 계속 진행될 것이다. 그러므로 시간이 증가함에 따라 —— 예컨대 문제공간들의 수준들이 만들어짐에 따라 —— 내적 처리가 행위와 목표들 (수단과 목표) 의 연결을 달성하는 방법과는 무관하게, 시스템이 포함하는 목표와 지식들에 의해 시스템을 지식수준 시스템으로 특징짓는 방향으로의 변경이 있을 것이다. 반응함수들의 초기의 용어로 돌아가면, 반응함수를 결정하는 것은 단지 외적 환경과 유기체의 목표들일 것이다.
지식수준에서 작동하는 시스템이 합리적 시간대에 있는 것으로 그림 3 에 제시되고 있지만, 위의 설명에서 명확한 것 같이 수준들이 올라감에 따라 (문제를 해결하는 데 점점 더 많은 시간이 소요됨을 함의하는) 시스템은 점진적으로 그러한 지위를 달성한다. 그러므로 정당화할 수 있는 이름은 의도적인 합리적 시간대 intendedly rational band 이다.
|
척도 1011-1013 108-1010 105-107 102-104 10-1-101 10-4-10-2 |
시간 단위 104-106 년 년-세기 날-개월 분-시간 100 ms-10 초 100 μs-10 ms |
시간대 진화적 역사적 사회적 합리적 인지적 생물학적 |
그림 14 상위 시간대들
의도적인 합리적 시간대도 다른 시간대와 마찬가지로 여러 수준들로 구성되어 있다. 그러나 모든 수준들은 과제들이라고 동일하게 이름 붙여졌다 (그림 3 을 회상하라). 하위 시간대의 각각의 수준 —— 세포기관, 신경회로, 숙고행위, 단위과제 —— 은 그것의 특징적 과정들, 구조, 또는 매체와 관련해 기술되고 이름 지어질 수 있었지만, 의도적인 합리적 시간대에서는 내적 구조들이 과제구조에 적합하도록 조합되며, 그래서 각 수준에서의 조직화는 그 과제의 조직화이다. 그렇기 때문에 내적 구조를 반영하는 위계라기보다는 과제위계가 있다. 만약 무한히 복잡한 과제들이 다루어진다면, 이 위계는 무한히 위로 계속 될 수 있다.
우리는 이제 고전적으로 부르듯이 이성의 영역에 들어왔다. 행동은 일반적 의미에서 법칙 지속적이 아니다. 거의 대부분의 경우 법칙은 맥락과 독립적인 어떤 형태를 의미한다.
하나의 법칙은 그 법칙에서 명시적으로 진술된 단지 제한적인 맥락을 고려해서, 배경에 대해 어떤 규칙이 적용될 수 있음 —— <그 분야에서 숙달된 사람에 의해 수행될 수 있는> 것처럼 항상 표현되는 것 —— 을 보장한다. 자연과학이 자연에서 작동하는 그러한 맥락-제한적 법칙들을 찾아낸 것은 자연과학의 자랑거리이다. 인간에 의해 발견될 수 있거나 인간과 자연 사이에 의사소통할 수 있을 정도로 충분히 맥락-독립적인 규칙들에 의해 자연의 행동이 지배되어야 한다는 선험적인 이유는 없는 것 같다. 한편, 조합수준에서 행위자는 그것의 목표를 달성하기 위해 할 수 있는 모든 일 —— 그것의 지식이 허용하는 모든 일 —— 을 한다. 행위자는 외부의 관찰자에 의해서 지각되는 것처럼, 사전에 명세화된 맥락 밖으로 나갈 수도 있다. (주석 : 특히, 물리적으로 실현 가능한 어떠한 관찰자라 해도 그 자체가 단지 맥락의 제한된 양만을 고려할 수 있는 장치이기 때문이다.)
행위자가 소요하는 시간이 길어질수록 그렇게 할 가능성은 더욱 커진다. 간단히 말해서 행동은 더 이상 맥락과 독립적이지 않다. 물론 이 모든 것들에서의 마술은 행위자가 그 상황에서 사용하는 지식이다. 만약 행위자가 외부세계에 대해 아무것도 —— 그것의 구조, 역사, 또는 역학 —— 모른다면 행위자는 그 국소적 맥락에서 빠져나가는 데 사용할 아무것도 갖고 있지 않은 것이다. 성숙한 인간 마음의 본질은 그들이 속한 모든 상황에서 매우 많은 지식을 사용한다는 것이다.
방문이 닫혀지고 차양이 내려진다고 해도 세상의 모든 것들은 여전히 인간의 머릿속에 있다. 물론 실제 거기에 있는 것이 아니라 단지 표상된다. 그러나 그러한 인간의 행동을 예측하려는 외부 관찰자들은 마음 속에 있는 모든 것들을 절대로 알 수 없다.
인지적 시간대에서 시스템은 목표 지향적일 수 있지만 그것이 바로 시스템이 작동하는 방법은 아니라는 것을 주목하라. 시스템은 계산법칙들을 따르기 때문에 작동한다. 우리는 합리적 수준이 되기 위한 시스템의 기제들을 살펴보았다. 그러므로 의도적인 합리적 수준의 영역은 인지적 영역과는 다르다.
합리적 시간대 위에서는 어떤 일이 일어나는가? 또는 이 시간대가 영원히 지속되는가? 그림 3 에서 시간 척도는 상위범위에서 사라지는데 이는 이 책이 인지적 시간대의 구조와 기제들에 초점을 두기 때문이다. 그러나 간단하게 말하자면 외부맥락을 제공할 것이다. 그림 14 는 가정적인 상위시간대들의 연쇄를 보여준다. 합리적 시간대 위에 사회적 시간대, 그 위에 역사적 시간대, 그 위에는 진화적 시간대가 있다. 각각의 시간대는 시간척도에서 약 1,000 의 계수를 포함한다.
실제로 더 상위 시간대들이 있는지는 분명하지 않다. 사회적, 역사적, 그리고 진화적이라고 부를 수 있는 영역들은 분명히 존재하며, 다른 시간척도에서 매우 다른 것들이 발생한다. 그러나 우리가 사용해왔던 의미에서, 시스템의 수준들이 존재하기 위해서는 그것들이 비교적 강력해야만 한다. 만약 한 수준이 자신의 행동을 설명하고 예측하는 능력을 갖기 위해 더 하위 수준들로 분해되어야 한다면 그것을 시스템 수준으로 취급하는 것은 거의 의미가 없다. 이러한 상위 수준들이 충분히 강력한 수준들임을 확신시켜주는 분명한 증거는 없다. 사회적 또는 문화적 역학들에 관한 법칙들을 찾으려는 오랜 전통에도 불구하고 (White, 1949) 사회학의 현재 상태는 실제적인 사회역학에 대해 많은 희망을 주지는 못한다 (Fiske & Shweder, 1986) —— 규칙성들은 존재한다 (우연한 불가피성 occasional inevitability 도 가능하다) 그러나 사회변화의 충분한 예측자로서의 사회적-수준 정보는 거의 존재하지 않는다. 역사적 수준에서는 강력한 수준들이 존재하지 않는다는 것이 좀더 설득적인 경우처럼 보인다. 역사적 결정주의 historical determinism 에 관한 많은 논의와 문헌이 있어 왔지만, 그것에 대해 보여줄 것이 거의 없으며, 역사학계의 현 발전이 협상된 의미 negotiated meaning 와 같은 대조적인 방향으로 움직이고 있다 (Toews, 1987).
분명히 약한 체계성을 보이는 이러한 상황에 대해 자주 제공되는 하나의 이유는 우리 인간들은 한 수준 안에 있으면서 위를, 말하자면, 사회적 또는 역사적 시스템을 올려다보기 때문이라는 것이다. 우리는 상위수준의 구성요소이고, 그러므로 우리는 우리 자신의 역학은 자연스럽게 볼 수 있지만 상위수준의 필연적 규칙성은 보지 못한다. 실질적인 문제는 우리가 단순한 구성요소가 아니라 지능적인 구성요소라고 나는 생각한다. 그러므로 우리는 공간적이든 시간적이든, 국소적 맥락에 의해 제한되지 않는다. 상위수준에서의 규칙성들은 유지되지 않는데, 이는 지능을 갖고 있는 수준에서의 행위에 의해 항상 깨어질 수 있기 때문이다. 우리 밑에 있는 어떠한 수준들도 지능적이지 않다 —— 의도적인 합리적 수준이 아니다. 그런 이유로 약한 수준이라는 이런 문제는 시스템으로서의 우리에게는 발생하지 않는다. 우리는 통합성을 상실하는 첫 번째 수준 바로 밑에 있다.
이 가설은 적어도 조금은 검증될 수 있다. 진화는 항상 예측하는데 특수한 문제를 갖고 있다. 진화가 어떤 경로를 취할 것인지의 문제는 예측하기가 힘들다. 이러한 어려움은 좀더 잘 이해되고 있으며, 그것은 구성요소들의 지능에 대한 우리의 주장과 같은 동일한 문제를 반영한다. 적응의 행위는 유기체가 자신을 발견하는 그 상황의 본질적인 자세한 사항들에 의존한다. 상위수준, 즉 진화론적 수준 그 자체에서는 그러한 자세한 사항들을 표현할 방법이 없다. 진화에서 어떤 일이 일어나는지를 알기 위해서는, 시스템들의 행동을 그것들의 생애의 시간척도에서 예측하는 것이 요구된다. (주석 : 우리는 돌연변이의 통계적 특성, 그리고 유전적 구조 (돌연변이에 의해 연산되는) 가 매우 간접적인 방식으로 수행 구조 (선택에 의해 연산되는) 를 결정한다는 사실과 같은 다른 요인들도 역시 인정해야만 한다.)
또 하나의 교훈적 예는 진화론적 시간대를 넘어서서, 천문학적 수준 astronomical level 이라고 우리가 부를, ~~1014 에서 ~~1017 초까지의 수준으로 옮겨감으로써 찾아진다. 여기서 다시 강한 수준을 얻을 수 있는 것처럼 보인다 —— 우주에 관한 합당한 천체물리학이 있다. 왜 그러한 강한 수준이 다시 부여될 수 있는지는 분명하다. 우리 수준에서의 지능은 그러한 상위수준에서의 변화를 만들 정도의 충분한 에너지를 가지고 있지 않다. 우리 지능적 인간들이 우리 위의 수준에 줄 수 있는 방해적 효과는 척도에서 또 하나의 1,000 의 계수를 갖고 있는 것은 아니다. 그러한 효과에 우주는 눈도 깜짝하지 않을 것이다.
그 동전의 뒷면은 왜 사회적 시간대가 있어야만 하는가이다. 왜 의도적인 합리적 시간대가 더 위로 확장되어서는 안 되는가? 왜 가용적인 시간이 증가함에 따라 합리성이 점점 더 좋아지면 안 되는가? 합리성은 그것을 지배하려는 —— 적어도 그것을 의도하는 —— 것처럼 보인다. 가용적인 시간이 많을수록 그것은 더욱더 높은 정도의 합리성을 실현하는 데 좀더 가까워질 수 있다.
우리가 답을 생각해 보기 전에 그 상황은 자세히 기술되어야만 한다. 시간척도가 며칠에서 몇 주, 몇 개월로 늘어남에 따라, 관련된 시스템들은 사회적이 된다. 그것들은 상호작용에 있어서 여러 개인들을 포함한다. 인간들은 며칠 또는 그 이상의 수준에서 홀로 삶을 영유하지는 않는다. 그러므로 합리성 수준 위의 시스템은 사회적 면 대 면 face-to-face 집단이며 시간척도가 더 증가함에 따라, 시스템은 상향으로 이동해 더욱 원거리에 있는 조직체들을 포함한다. 계속되는 상향확장과 합리성의 완벽성에 대한 문제는 집단의 행동이 그것의 목표를 위한 지식의 사용으로 설명될 수 있거나 예측될 수 있는, 집단들이 지식-수준 시스템 —— 목표의 집합을 갖고 있는 단일한 지식체계 —— 으로 기술될 수 있느냐이다. 더 나아가, 시간이 더욱 가용적이 됨에 따라, 추정은 더욱더 좋아져야만 한다.
집단에 대한 합리성이 실패한다는 것을 우리 모두는 스스로의 경험에 비추어 직접적으로 알고 있다. 그 이유의 핵심은 인간들 사이에 있는 좁은 의사소통의 폭이라고 보인다. 사회적 시스템의 구성요소들인 인간들은 서로 의사소통할 수 있는 속도와 비교할 때 너무나 많은 지식을 갖고 있다. (주석 : 의사소통에 대한 그 제약은 사회를 마음과 지능에 대한 모형으로 사용하는 데 하나의 어려움을 보여준다 (Minsky, 1986). 마음들의 사회 society-of-minds 라는 은유는 비교적 작은 의사소통 채널들을 기초로 만들어지지만, 각 마음의 내부는 그런 방식이 전혀 아니다.) 한 사회집단이 주어진 목표와 관련된 모든 정보를 조합할 수 있는 방법은 없다. 정보의 아주 적은 부분만을 통합한다. 사회집단이 단일한 지식체계처럼 행동할 수 있는 방법도 없다. 이러한 제한점은 목표에도 마찬가지로 적용된다. 서로 반대되거나 모순되는 목표들을 조화롭게 만드는 데 어떠한 장점들이 발견된다 할지라도, 목표와 목표가 존재하는 이유에 대해 의사소통하는 수단의 제한은 조직체가 단일한 공통의 기본적 목표구조에 도달하지 못하게 만들기에는 충분한 것이다.
이 제약의 평가는 각 행위자들이 갖고 있는 지식체계들의 크기에 비교되는 행위자들 사이의 의사소통 속도에 의존하는 것 같다. 사실 그것은 인간이 무제한적으로 큰 장기기억을 갖고 있다는 사실과 경험으로부터 학습과 환경과 의사소통 한다는 것이 근본적으로 동일한 과정이라는 사실에 실제적으로 의존한다. 인간과 환경 간의 지식유입 (또는 유출) 속도를 ~~K 청크 / 초 라고 한다면 이 동일한 속도가 의사소통에 의해 지식을 공유하려고 하는 집단을 만나기 전의 지식획득을 지배한다. 한 집단구성원의 전체 지식체계는 ~~KT 이고, 여기서 T 는 그 구성원의 전체 생애를 나타낸다. 집단의 모임에서 공유할 수 있는 지식의 양은 ~~K △ T 가 되고 여기서 △ T 는 집단의 모임의 기간이다. 그러나 집단 모임시간 △ T 는 T 와 비교할 때 작은 것이고, 의사소통 속도인 K 와는 독립적이다. 이와 동일한 제한은 단일한 인간에게는 영향을 주지 못하는데, 이는 인간이 다르게 조직화되어 있기 때문이다 —— 문제해결을 위한 지식의 의사소통과 비교할 때, 장기기억 획득의 속도는 느리다.
그 순수효과는 사회적 시간대가 의도적인 합리적 행위자들의 하나의 분산된 집합으로서 특징지워진다는 점이다. 여기에서 각 행위자는 지식을 의사소통 할 수 있는 속도에 비해 큰 지식체계를 갖고 있다 —— 즉 제한된 정보흐름이 존재한다. 이러한 특징이 사회적 시간대의 모든 것을 설명하는 것은 아니지만, 그 시간대의 많고 두드러진 특징들을 설명한다.
이 책의 목적은 인지과학이 인간 인지의 통합이론에 대한 준비가 되어 있다는 것을 확신시키는 것이다. 지금까지 나는 기초를 닦아왔다. 나는 인지 시스템들을 일반적으로 기술하기 위해 필요한 주요개념들을 소개했고, 인간 인지구성의 주요한 개요를 분석했다. 시작할 때, 인간 인지구성에 관해 일반적으로 구별될 수 있는 것을 제공함으로써 제안될 이론적 구성에서 가정되어야 하는 것들을 적게 만들려는 것이 나의 생각이다.
나는 주어진 것으로 3 가지 구성요소를 제안했는데, 그것들로부터 다음과 같은 구성의 일반적 특징들을 추출했다.
(1) 인간구성은 신경기술로부터 구성된다.
(2) 인지행동은 약 1 초에서 매우 명확하다.
(3) 인지행동은 기호 시스템을 요구한다.
신경기술이 작용하는 속도의 관점에서 볼 때, 인지행동은 빠르게 나타나기 —— 인지의 실시간 제약 —— 때문에, 그것들은 어떤 유용한 결과들을 획득하기 위한 충분한 제약을 제공한다.
특히, 다른 인지적 세계는 행위의 다른 시간척도를 수반한다 —— 생물학적 시간대, 이것은 여전히 물리-화학적 법칙의 영역에 있다 ; 인지적 시간대, 이것은 표상법칙과 계산적 기제들의 영역이다 ; 의도적인 합리적 시간대, 이것은 지식과 목표-지향적 합리성의 영역이다 ; 그리고 애매성의 증가와 함께, 그 위의 사회적, 역사적, 그리고 진화적 시간대. 그러나 우리의 초점은 그러한 거대한 척도에 있는 것이 아니라, 인지적 시간대의 기제들과 구조에 대해 말해질 수 있는 것에 있는데, 그 시간대는 4 개의 수준이 있다. 최하위 수준은 ~~10 ms 의 시간으로 발생하는 기억접근의 수준으로, 신경회로의 수준이다. 그 다음은 ~~100 ms 의 시간으로 발생하는 초보적 숙고의 수준이다. 이것은 자동행동의 수준이다. 그 다음은 ~~1 초로 발생하며 최소의 인지행동을 제공하는 단순한 연산들의 수준이다. 네 번째 수준은 ~~10 초로 일어나는 조합된 연산들의 수준이다. 이것은 인지행동에 대한 최소시간보다 길고, 재인-기반적 시스템으로 지속적인 변화를 보여준다.
이 장은 매우 사변적이다. 이 장은 매우 일반화된 고려사항으로부터 강력한 구조적 진술들을 확립하려 했다. 이 모든 시스템 수준들에 기여하는 모든 종류의 기제들을 우리는 이해하지 못한다. 사실, 분석의 거의 모든 측면들이 그것과 관련된 중요한 불확실성을 갖고 있다. 그러나 그것이 그런 추측을 하지 못하게 하는 이유는 아니다. 잠재적인 이득은 매우 많은데, 즉 어떤 특정한 제안에 관계없이 인지구성을 위한어떤 일반적인 지침을 얻을 수 있다. 더구나 올바른 태도만 갖는다면, 그러한 추측은 거의 완전하게 유익한 것이다. 논증은 제시되었다. 그것은 인간 인지 시스템의 여러 일반적인 측면들을 함께 연결시킨다. 만약 결론과 모순되는 어떤 사실들이 발견된다면, 그것은 흥미로운 것이다. 논증이 어디서 잘못이 있는가 찾기 위해서 그 사실들은 논증을 통해 철회될 수 있다. 논증은 추론의 명확한 단계라고 여길 수 있기 때문에, 그것은 교훈적인 것이다. 그러므로 논증의 형식은 중요하고 또 다듬어질 필요가 있다. 예를 들어 어떤 사람은 약점을 찾는 것을 쉽게 하기 위해서, 그림 10 과 같은 민감성 분석을 시도할 수도 있다.
다음 장에서는 그러한 문제점들을 다루지 않을 것이다.
인간 인지에 대한 어떠한 후보 구성이라도 이러한 특징들을 보여주어야 한다. 그 구성은 여기서 살펴본 개요를 더욱더 명세화한 것이어야 한다.