Understanding

 

무엇을 이해한다는 것은 이를 한 가지 표현 방식에서 다른 표현 방식으로 변환시킬수 있다는 것 (mapping ?) 을 말하는데, 변환될 새로운 표현 방식은 변환된 뒤 적용 가능한 일련의 행위에 따라서 선택되어진다. 이해한다는 것에 대하여 절대적이라는 것은 거의 있을 수 없다. 예로써 항공기 예약 시스템에게 '가능한한 빨리 서울로 가야 한다' 라고 말하여서, 이 시스템이 '이해한다'라고 하였다면, 이 시스템은 서울로 가는 첫 비행기를 찾게 될 것이고, 만일 이같은 내용을 말한 사람의 가족이 서울에 살고 있는 것을 알고 있는 어떤 친구에게 말하여서, 이 친구가 '이해한다'고 하였다면, 이 친구는 말한 이의 가족에게 어떤 문제가 생겼음을 알게 되었다는 것을 의미한다. ....... 이제 우리가 '이해' 에 대하여 논의하게 될 때 이해하는 프로그램의 성공 여부는 어떤 절대적인 의미로 측정될 수 있는 것이 아니고, 대신에 수행하게 될 어떤 특정한 업무에 대하여, 평가되게 될 것이다. 이러한 것은 언어 이해를 포함한 모든 이해하는 프로그램, 예로써 컴퓨터비전 (Computer Vision) 과 같은 것에서도 마찬가지이다 (김재희 1988)

만일 컴퓨터 (Computer) 가 말을 인식 (recognition) 할 뿐만이 아니라 이해할 수도 있다면 더욱 효과적일 것이다. 그렇게만 될 수 있다면 적절한 프로그램을 사용하여 컴퓨터에게 조언을 구할 수도 있겠다. 컴퓨터에게 어떠한 방식으로 언어를 가르쳐 주든지 간에 언어를 이해할 수 있는 프로그램을 작성한다는 것은 불가능에 가까울 정도로 어려운 일이다. 문제는 컴퓨터에게 단어들의 의미를 가르치는 데 있는 것이 아니다 - 옥스포드 영어사전의 모든 내용과 언어학자들이 발견한 모든 문법규칙들을 컴퓨터에 집어넣을 수도 있다. 그렇다고 하더라도 당신이 하는 말을 대부분 이해하지도 못하는 지극히 복잡한 프로그램을 만드는 것으로 끝나고 말 것이다. 사람들이 말하는 것을 자세하게 들어보면, 놀랍게도 문법적으로 완벽하고 정확한 문장이 거의 없다는 사실을 깨닫게 될 것이다. 우리는 단지 부분만을 말할 뿐이며, 그 말을 듣는 다른 사람들로 하여금 우리가 말하는 것의 의미를 문맥 (Context) 을 통해서 찾아내도록 요구한다. 의미의 수준에서 볼 때, 언어는 많은 사람들이 생각하는 것보다 훨씬 은유적이다. 우리는 끊임없이 화제를 "끄집어내어", "논쟁하며", 화제에 대한 우리의 견해를 "바꾸기도" 한다. 이것과 관련된 문제는 의미가 맥락에 지극히 민감하다는 점이다 : 동일한 단어가 맥락에 따라서 아주 다른 것을 의미할 수 있다 ; 예컨대, 우리는 상당히 많은 지칭대명사 들을 사용한다. 사람은 지칭대명사를 사용하는 데 별 문제가 없지만 컴퓨터는 그렇지 못하다. 왜냐하면 이해란 많은 느슨한 제한성과 암묵적 지식을 수반하기 때문이다. 전통적인 컴퓨터는 이진법적인 기계이기 때문에 느슨한 제한성에 대처할 수가 없다. 컴퓨터는 직관에 대처할 수도 없다. 컴퓨터는 절망적이라고 할만큼 구체적인 기계이다. 거의 모든 문장은 하나 이상의 불명확한 참조물이나 은유를 담고 있지만, 사람들은 이 사실을 인식조차 하지 못한다. 우리에게는 이러한 것들이 문제되지 않는 컴퓨터가 필요한 것이다. ..... 두뇌는 매우 빠르고 효율적인 시각, 이해, 근육운동 등을 할 수 있도록 배선되어 있는 반면에, 전통적인 컴퓨터는 아무리 처리속도가 빠르다고 하여도 이러한 과제를 수행하는 데는 매우 느리고 비효율적이다. 따라서 신경회로망을 연구하는 현실적인 이유가 여기에 있는 것이다 : 신경회로망 컴퓨터는 우리의 삶을 철저하게 개혁시킬 로보트의 두뇌가 될 것이다..... (Colin Martindale 1991)

나는 영어로 씌어진 스토리를 이해한다. 또한 영어만큼은 아니지만 나는 프랑스어로 씌어진 스토리도 이해할 수 있다. 그리고 그보다 더 못하지만 독일어 스토리도 이해할 수는 있다. 그러나 중국어로 된 스토리는 전혀 이해할 수 없다. 반면 내 자동차와 가산기는 아무 것도 이해할 수 없다. 그것들은 그러한 종류의 일과는 무관하다. 우리는 종종 <이해> 나 그 밖의 인지적 술어를 비유나 유추를 통해 자동차, 가산기, 그리고 그 밖의 인공물들의 속성으로 표현하지만 그러한 속성을 증명하는 것은 아무 것도 없다. 우리는 <자동문은 광전 셀에 의해 언제 열려야 할지를 안다>, <가산기는 덧셈이나 뺄셈 방식을 알고 있지만 (여기에 이해한다는 표현을 써도 무방할 것이다) 나눗셈은 알지 못한다>, <자동 온도 조절 장치는 온도의 변화를 지각한다> 등의 표현을 사용한다. 우리가 이러한 표현을 사용하는 이유는 매우 흥미롭다. 그리고 이러한 표현은, 우리가 자신의 의도성 (intentionality) 을 인공물에까지 확장시킨다는 사실과 연관된다. 우리의 도구는 우리의 목적을 연장시키는 것이며, 따라서 우리는 그 도구에 대해 의도성을 귀속시키는 것을 자연스럽게 생각한다. 그러나 나는 철학이라는 얼음이 그러한 종류의 사례들에 의해 깨지지 않는다고 생각한다. 자동문이 광전 셀에 의해 <지시를 이해한다> 는 의미는, 내가 영어를 이해할 때의 <이해> 의 의미와는 전혀 다르다. 만약 섄크의 프로그램된 컴퓨터가 스토리를 이해한다는 의미가 자동문의 이해와 같은 비유적인 의미이고, 내가 영어를 이해할 때의 의미가 아니라고 한다면, 이 문제는 토론할 가치도 없을 것이다. 그러나 뉴웰과 사이먼은 컴퓨터에 대해 그들이 주장하는 종류의 인지가 사람의 인지와 같은 종류라고 말한다. 나는 그들 주장의 솔직함을 좋아한다. 그리고 앞으로 고찰하게 될 주장도 바로 그런 종류이다. 나는 프로그램된 컴퓨터가 문자 그대로 자동차나 가산기가 이해하는 것을 이해할 뿐이며, 따라서 실제로는 아무 것도 이해하지 못한다는 주장을 제기할 것이다. 컴퓨터의 이해는 (내가 독일어를 이해하는 경우처럼) 부분적이거나 불완전한 것도 아니다. 그것은 제로 (0) 이다. ...... (John R. Searle 1981)

term :

이해 (Understanding)    영상이해 (Image Understanding)   자연어이해 (Natural Language Understanding)   음성이해 (Speech Understanding)   중국어방 논변 (Chinese Room Argument)   문맥 (Context)   의미망 (Semantic Network)   시맨틱웹 (Semantic Web)    인공지능 (Artificial Intelligence)   

paper :

이해란 무엇인가? : 김재희

인공지능과 이해의 개념 (AI and The Concept of Understanding) : 김선희

현실적 응용 : Colin Martindale

Minds, Brains, and Programs : John Searle : ......

이해 프로그램   이해를 통한 학습 : Herbert Simon

언어이해 : John Anderson

독자의 선행 지식 : Stephen Reed

영리한 머리들 (Talking Heads) : Steven Pinker

video :

기계가 인간의 마음을 이해하다 : 세바시   548회 : 최영상 삼성전자 종합기술원 연구원, 2015/04/13

 

언어이해 (뇌와 언어이해, 구문 분석) : 인지심리학 :  KUOCW   남기춘  2014/06/10

 

언어이해 (구문분석, 활용, 텍스트 처리), 인지의 개인차 (인지 발달, 인지에 관한 심리 측정 연구) : 인지심리학 :  KUOCW   남기춘  2014/06/12