인간 수준의 인공지능 (Artificial Intelligence) 시스템을 구현하려면 단순히 체스를 잘 두거나 의료 질환을 분류하는 전문성뿐만 아니라, 훨씬 더 광범위하고 기초적인 지식 (Knowledge)이 필요합니다. 10세 전후의 어린아이가 별다른 노력 없이 자연스럽게 해내는 일을 컴퓨터 알고리즘으로 처리하는 것은 인공지능 역사상 가장 까다로운 난제로 꼽혀 왔습니다.
물리학자들은 파동 방정식이나 상대성 이론과 같은 정밀한 수학적 도구를 사용하여 물리적 현상을 수치적으로 기술할 수 있습니다. 그러나 AI 분야에서는 "컵에 물을 부으면 컵 모양대로 물이 차오르며, 이 컵이 넘어지면 물이 쏟아져 나온다"는 어린아이도 아는 지극히 당연한 사실을 어떻게 컴퓨터에 표현하고 추론하게 만들 것인가를 두고 수십 년간 치열한 연구가 이어져 왔습니다.
• 예: "책을 탁자에서 밀면 바닥으로 떨어진다", "벽을 뚫고 걸어갈 수 없다", "칼로 베이면 피가 난다"
2. 사회적·심리적 상식 (Social & Psychological Commonsense) : 인간의 감정, 동기, 사회적 규범과 예절
• 예: "선물을 받으면 고마워한다", "시험에 떨어지면 슬퍼한다", "식당에서 음식을 먹으면 값을 치러야 한다"
3. 시간적·인과적 상식 (Temporal & Causal Commonsense) : 사건의 전후 관계, 지속성, 비가역성
• 예: "깨진 유리잔은 저절로 다시 붙지 않는다", "약을 먹기 전에 먼저 병에 걸려야 한다"
4. 공간적·위상적 상식 (Spatial Commonsense) : 포함 관계, 가시성, 상대적 위치
• 예: "사과가 바구니 안에 있고 바구니가 냉장고 안에 있으면 사과는 냉장고 안에 있다"
가정부 로봇이 집안을 청소하고 설거지를 하고 식사를 준비하는 일은 언뜻 단순해 보이지만, 엄청난 양의 상식적 판단을 요구합니다:
상식 질문 1 : "고장난 백열전구를 교체했을 때, 뜨거운 전구를 맨손으로 만져도 되는가? 깨진 전구는 일반 종이봉투에 버려야 하는가?"
상식 질문 2 : "식기세척기에서 꺼낸 그릇은 옷장에 넣어야 하는가, 싱크대 찬장에 넣어야 하는가?"
상식 질문 3 : "진공청소기로 바닥을 청소할 때, 바닥에 떨어진 5만 원권 지폐나 애완견의 꼬리도 먼지처럼 빨아들여야 하는가?"
이러한 질문들은 백과사전이나 수학 교과서에는 나오지 않지만, 인간은 유년기 경험을 통해 지극히 당연한 상식(Commonsense)으로 알고 있습니다. AI가 진정한 자율성을 갖추려면 이 무수한 암묵적 규칙들을 이해해야 합니다.
1950년대 인공지능의 아버지 존 매카시(John McCarthy)가 "Programs with Common Sense"를 발표한 이래, 상식 추론은 단순한 특수 알고리즘을 넘어 **범용 인공지능(AGI)**으로 나아가는 관문이자 궁극의 시험대로 여겨져 왔습니다.
소프트웨어 취약성 병목의 돌파구
기존의 전문가시스템(Expert System)은 규칙 범위 내에서는 뛰어났지만, 조금만 낯선 상황을 만나면 치명적인 오작동(Brittleness)을 일으켰습니다. 상식 추론은 시스템에 포괄적 안전망을 제공합니다.
자연어 이해(NLU)의 행간 파악
인간의 대화는 80% 이상의 상식이 생략되어 있습니다. "악어가 사냥꾼을 보았을 때 그것은 도망쳤다"에서 '그것'이 사냥꾼임을 구별하는 위노그라드 스키마(Winograd Schema) 해결의 핵심 열쇠입니다.
생성형 AI 할루시네이션 방지
거대 언어 모델(LLM)이 통계적으로 유창하지만 물리적으로 불가능한 허위 답변(Hallucination)을 생성할 때, 상식적 지식 그래프 제약식을 통해 사실성과 물리적 타당성을 검증합니다.
인간 중심 협업과 사회적 정렬 (Alignment)
자율주행차나 가사 로봇이 인간의 윤리적 기대치와 사회적 에티켓에 부합하도록 행동 양식을 정렬(Alignment)하는 도덕적·사회적 상식의 근간을 이룹니다.
상식 추론은 차세대 자율 로봇, 지능형 모빌리티, 대화형 비서 등 실세계 물리 환경과 인간 사회 속에서 작동하는 지능형 에이전트의 필수 기능입니다.
지능형 서비스 및 가사 도우미 로봇
"테이블 위를 치워줘"라는 모호한 명령을 받았을 때, 쓰레기는 휴지통에 버리고 노트북이나 스마트폰은 서재 책상에 안전하게 정돈하는 상식적 분별력을 발휘합니다.
자율주행 차량의 돌발 상황 예측
골목길에서 도로로 굴러나오는 공을 보았을 때, 공 자체의 충돌 위험보다 "그 뒤를 이어 아이가 뛰어들 수 있다"는 보행자 행동 상식을 발휘하여 선제적으로 감속합니다.
의료 및 노인 돌봄 AI 어시스턴트
환자가 "가슴이 답답하고 왼쪽 팔이 저리다"고 말할 때, 단순한 근육통이 아니라 심근경색의 응급 징후일 수 있음을 상식적으로 판단하여 즉각 119 호출을 권고합니다.
의미 기반 검색 및 지능형 챗봇
"여름철 시원하게 입을 수 있는 옷"을 검색했을 때, 두꺼운 모직 코트를 제외하고 린넨 셔츠나 반팔 티셔츠를 추천하는 계절성과 의복 상식을 반영합니다.
인공지능 연구의 가장 유명한 역설 중 하나인 모라벡의 역설(Moravec's Paradox)은 상식 추론의 본질적 난이도를 선명하게 보여줍니다:
"컴퓨터에게 체스 챔피언을 이기게 하거나 성인 수준의 지능 검사를 풀게 하는 것은 비교적 쉽다. 그러나 한 살짜리 아기 수준의 지각 능력과 운동 능력, 그리고 네 살짜리 아이가 세상을 이해하는 '상식(Commonsense)'을 컴퓨터에 가르치는 것은 상상할 수 없을 만큼 어렵거나 아예 불가능에 가깝다."
| 구분 | 전문가 지식 (Expert Knowledge) | 상식 지식 (Commonsense Knowledge) |
|---|---|---|
| 지식의 성격 | 의학, 법률, 바둑, 체스 등 고도로 정형화된 전문 규칙. | 물리적 성질, 사회적 관계, 일상생활의 암묵적 규칙. |
| 형식화 난이도 | 교과서나 논문에 명시적으로 기술되어 있어 컴퓨터 입력 용이. | 너무 당연해서 아무도 책에 적지 않은 암묵적 지식(Tacit Knowledge). |
| 데이터 규모 | 수천~수만 개의 전문 규칙으로 특정 도메인 커버 가능. | 최소 수백만에서 수천만 개 이상의 방대한 기본 사실 필요. |
| 예외 처리 | 연역적이고 엄밀한 형식 논리(First-Order Logic) 적용 가능. | 상황과 맥락에 따라 결론이 바뀌는 비단조적(Non-monotonic) 추론 필수. |
인간 수준의 지능을 위해 필요한 상식 사실은 도대체 몇 개일까요? 이에 도전하여 40년 이상 세계 최대의 상식 지식베이스를 구축해 온 역사적인 연구가 바로 Cyc 프로젝트입니다.
"인간 수준의 기능을 가진 시스템은 얼마나 많은 사실을 필요로 하는가? 이 점에 대해서는 아무도 모른다. 이러한 사실을 모은 거대한 지식베이스 (Knowledge Base) Cyc를 구축하려고 노력한 Douglas Lenat는 100만 개에서 1,000만 개 사이의 상식 사실이 필요할 것이라고 생각하였다.
1990년에 Cyc 개발자들은 다음과 같이 말했다:
'아마도 가장 어려운 사실은 이렇게 방대한 지식베이스를 얻기 위한 손쉽고 멋진 방법이 없다는 것이다. 따라서 수많은 상식적 사실들을 일일이 손으로 입력해 넣는 엄청난 노력을 기울여야 한다.'
Cyc Knowledge Server는 Cycorp에 의해 개발된 매우 거대한 지식베이스이며 추론 엔진이다. Cycorp의 목적은 용어, 규칙, 관계들의 의미상의 기반인 상식(Common Sense)의 토대를 구축하여 소프트웨어 병목현상(Software Brittleness Bottleneck)을 한 번에 깨뜨리는 것이다. 그것은 다양한 지식 집약적(Knowledge-intensive) 제품과 서비스가 가능하게 할 것이다. Cyc는 다른 프로그램에 의해 사용되어 그것들을 더 유연하게 만드는 '깊은 이해의 층(Deep Layer of Understanding)'을 제공하려 한다."
— Douglas Lenat & Cycorp Team | Cyc 상세 아카이브 | Doug Lenat와의 인터뷰
"컴퓨터 프로그램이 인간 지능을 갖추기 위해서는 스스로 주변 상황을 파악하고 상식적인 결론을 도출할 수 있어야 한다. 상식(Common Sense)을 갖춘 프로그램은 자신의 신념 체계 안에서 지식을 연역하고, 자신이 취한 행동의 직관적 결과를 예측할 수 있는 능력을 의미한다."
— Programs with Common Sense (1959), Stanford Formal Reasoning Group
"AI 시스템에서 상식을 표현하는 문제는 단순한 사실의 나열이 아니라, 시간의 흐름, 공간적 배치, 행위자의 의도와 믿음(Belief)을 함께 형식화하는 다차원적 지식표현 체계를 요구한다."
— 상식의 표현 : Nils J. Nilsson
과거 Cyc 프로젝트와 같은 고전 기호주의 AI가 수작업으로 수백만 개의 규칙을 온톨로지(Ontology)에 일일이 입력하려 했다면, 최신 거대 언어 모델(Large Language Model, LLM)과 추론 전문 모델(OpenAI o1, DeepSeek-R1, Gemini 1.5 Pro, Claude 3.5 Sonnet 등)은 '대규모 데이터 사전학습(Pre-training)'과 '사고 사슬(Chain-of-Thought)', 그리고 '강화학습 기반의 테스트 타임 연산(Test-Time Compute)'을 결합하여 상식 추론의 패러다임을 완전히 혁신하고 있습니다.
1. 사고 사슬(Chain-of-Thought, CoT) 프롬프팅
단순히 질문에 대해 즉답(Next-token prediction)을 내놓게 하는 대신, "단계별로 차근차근 생각해 보자(Let's think step by step)"와 같이 중간 인과 단계(Intermediate Reasoning Steps)를 언어로 생성하게 함으로써 생략된 물리적·사회적 상식 가설을 명시화합니다.
2. 테스트 타임 연산 & 자기 반성 (Self-Correction)
o1, R1 등 최신 추론 모델은 추론 시간(Inference time)에 몬테카를로 트리 탐색(MCTS)이나 프로세스 보상 모델(PRM)을 가동합니다. 모델 스스로 상식적으로 모순된 추론 경로를 백트래킹(Backtracking)하여 오류를 바로잡는 'System 2 심층 사고'를 구현합니다.
3. 상식 지식 그래프 융합 (KG-augmented RAG)
ATOMIC(사건의 원인과 결과, 인간의 심리적 반응을 노드로 연결한 상식 그래프)이나 ConceptNet을 검색 증강 생성(RAG) 기법으로 LLM과 결합하여, 통계적 환각(Hallucination) 없이 검증된 상식적 사실만을 바탕으로 결론을 도출하도록 강제합니다.
4. 비전-언어 모델(VLM)을 통한 물리적 접지 (Grounding)
텍스트로만 학습했을 때 발생하는 '기호 접지 문제(Symbol Grounding Problem)'를 극복하기 위해, 대규모 비디오 및 3D 공간 데이터를 함께 사전학습하여 중력, 충돌, 액체의 흐름 등 물리적 세계의 거동을 시각적으로 체화(Embodied)합니다.
초기 단순 LLM (상식 결여) : "버터가 빵 표면에 골고루 발라져 맛있는 토스트가 됩니다." (버터의 온도에 따른 경도와 빵의 연약함이라는 물리적 상식 미반영) 최신 추론 LLM (CoT & 물리 상식 적용) : "1단계: 냉장고에서 갓 꺼낸 버터는 낮은 온도로 인해 굳어 매우 단단합니다.
2단계: 반면 식빵은 조직이 연약하고 부드럽습니다.
3단계: 단단한 버터를 억지로 펴 바르려 하면 마찰력과 압력으로 인해 빵 표면이 찢어지거나 구멍이 뚫리며 버터 덩어리가 뭉개집니다.
4단계(해결책): 따라서 상온에 잠시 두어 버터를 녹이거나, 전자레인지에 살짝 데우거나, 얇게 썰어 올려야 합니다."
| 상식 추론 벤치마크 | 측정하는 핵심 상식 역량 | 대표적인 문제 유형 예시 |
|---|---|---|
| Winograd Schema (WSC) | 문맥 속 대명사의 지칭 대상 분별 (언어적 상식) | "트로피가 갈색 가방에 들어가지 않는다. 그것이 너무 크기/작기 때문이다." (그것 = 트로피 or 가방) |
| PIQA (Physical Interaction) | 일상 물리 법칙 및 도구 사용 직관 (물리적 상식) | "무거운 신발을 세탁기에 돌릴 때 소음을 줄이려면 신발을 어디에 넣어야 하는가?" |
| Social IQA / ATOMIC | 인간의 동기, 감정적 반응, 사회적 예절 (사회적 상식) | "친구가 직장에서 승진했다고 말했을 때 취해야 할 가장 자연스러운 반응은?" |
| HellaSwag | 주어진 상황 직후에 벌어질 사건 예측 (시간·인과 상식) | 다음에 일어날 가능성이 가장 높은 일상적 행동의 자연스러운 결말 고르기 |
🔗 AIStudy 내부 핵심 연결 문서 (Term)
🌐 주요 국제 연구 웹사이트 및 벤치마크 (Site)
- Wikipedia : Commonsense reasoning
- AITopics : Commonsense Reasoning
- Cyc Knowledge Server (Cycorp 공식) : Douglas Lenat 설립, 방대한 상식 온톨로지
- Doug Lenat와의 인터뷰 : 상식 지식베이스 구축 비화
- Common Sense Problem Page : Rob Miller가 만들고 Leora Morgenstern이 관리하는 페이지로, 상식 추론의 논리적 형식화 연구자들을 위한 표준 벤치마크 문제 리스트와 해법 제공
📄 주요 고전 논문 아카이브 (Paper)
- Programs with Common Sense : John McCarthy (1959), Stanford Formal Reasoning Group — 인공지능 역사상 최초로 상식 표현을 제창한 기념비적 논문
- 상식의 표현 : Nils J. Nilsson, Artificial Intelligence: A New Synthesis (1998)
- Building Large Knowledge-Based Systems: Representation and Inference in the Cyc Project : Douglas B. Lenat and R. V. Guha, Addison-Wesley, 1990
- Commonsense Reasoning: An Event Calculus Based Approach : Erik T. Mueller, Morgan Kaufmann, 2014
- The Winograd Schema Challenge : Hector Levesque, Ernest Davis, and Leora Morgenstern, KR 2012