신경윤리학의 성찰과 전망. 최근 신경과학(neuroscience) 및 뇌과학(brain science)의 발달로 우리는 매우 흥미로운 삶의 변화를 기대하게 되었다. 기억력을 향상시킬 수 있을 것이란 기대, 인위적인 뇌 기능 통제 가능성의 확대, 뇌 활동을 관찰하는 기기의 개발로 인한 마인드 리딩(mind reading)의 가능성, 새로운 거짓말 탐지기의 개발, 특정 행동이나 의사 결정과 관련된 뇌 부위의 활동 및 특징에 대한 발견, 그리고 이러한 연구와 기술을 바탕으로 한 치료 가능성 등이 그것이다. 한편으로는 이러한 기대나 가능성에 대한 우려의 목소리도 적지 않다. 생명윤리의 영역에서 끊이지 않고 논란이 되는 ‘자연스러움의 역행’, ‘개인의 사생활 보호’, ‘뇌 활동과 특징에 대한 결정론적 견해’에 대한 우려 등이 그것이다.
신경과학 및 뇌과학 발달의 긍정적인 측면은, 이론적으로는 인문학적 개념하에 논의되던 인간의 정신적인 활동을 과학적 개념으로 이해하면서 종전에는 신비롭게만 여겼던 인간 정신의 영역을 과학화하고 있다는 점이다. 이 글을 통해 이와 같은 기대나 우려가 건전한 것인지, 과연 이러한 기대나 우려의 전제들은 정당한 것인지를 비판적으로 검토하고자 한다. 과연 새로운 문제인가? 신경과학 및 뇌과학의 발달은 여타 의생명과학의 발달과 마찬가지로 다양한 윤리적, 법적, 사회적 문제를 야기하고 있다. 이 중요한 역할은 주로 ‘생명윤리’ 또는 ‘생명윤리학’ 분야에서 수행해 왔다. 최근 신경과학 또는 뇌과학이 제기하는 윤리적, 법적, 사회적 문제에 대한 담론을 담은 서적들이 국내외에서 출간되면서 인문사회학자를 중심으로 한 논의가 활발히 전개되고 있다. 그렇다면 신경과학 또는 뇌과학의 발달이 야기하는 윤리적, 법적, 사회적 문제들이란 무엇인가? 첫째, 인지, 정서, 성격 통제에 대한 문제이다. 이와 같은 문제에 대해 마이클 샌델(Michael Sandel)은 의미 있는 지적을 했다.
Michael Sandel 2008 필자는 신경 약물이나 처치를 무조건적으로 반대하지는 않는다. Kim 1996. GCTC 단문추론: 인공지능의 역사. Activity theory. Activity theory (AT; Russian: Теория деятельности)[1] is an umbrella term for a line of eclectic social sciences theories and research with its roots in the Soviet psychological activity theory pioneered by Lev Vygotsky, Alexei Leont'ev and Sergei Rubinstein. These scholars sought to understand human activities as systemic and socially situated phenomena and to go beyond paradigms of reflexology (the teaching of Vladimir Bekhterev and his followers) and classical conditioning (the teaching of Ivan Pavlov and his school), psychoanalysis and behaviorism. It became one of the major psychological approaches in the former USSR, being widely used in both theoretical and applied psychology, and in education, professional training, ergonomics, social psychology and work psychology.[2] Activity theory is more of a descriptive meta-theory or framework than a predictive theory.
It considers an entire work/activity system (including teams, organizations, etc.) beyond just one actor or user. Learning by Expanding. 변증법이란 무엇인가. Beautiful divergence - !! :: 맨날쓰는 통계만 하다보니, 힘이 겹다 ;ㅡ; 새로운 아이디어와 그에 맞는 방법이 필요해 스크랩, 공부가 필요하다. 원문 I. 통계/확률 분야 소개 국가과학기술표준분류체계에 의거, 통계/확률의 분야소개를 (1)추론/계산, (2)모형/자료분석, (3)응용통계, (4)확률/확률과정의 4개 중분야별로 정리한다. 1. 1.1. 통계적 추론이란 우리가 관측하는 자료를 생성시키는 미지의 규칙을 근사적으로 찾고 그것을 바탕으로 미래의 관측현상을 추측하거나 예측하는 분야라고 할 수 있다. 모수적추론(parametric inference)은 자료생성의 규칙이 유한차원의 통계모형으로 설명이 된다는 가정에서 출발한다. 일반적으로 통계적 추론에서 모수의 차원이 자료의 크기, 즉 관측값의 개수보다 크면 추정 방법이 일치성을 가지기가 힘들다는 사실이 알려져 있다. 그 대표적인 예가 국소평활법(local smoothing)과 기저함수방법론(basis function approach)인데, 전자의 경우에는 미지의 함수가 충분히 미분가능하다는 사실을 전제로 각 추정점 근방에서 유한차원의 함수로 근사시킴으로써 차원을 축소시키고, 후자의 경우에는 유한개의 기저함수만 이용하여 무한차원의 함수공간을 근사시킨다. 즉, 모형이 유연한 만큼 모수(함수)의 추정이 모형보다는 자료에 크게 의존하게 되고 따라서 추정된 함수의 형태가 복잡하여 그 해석이 모수적추론에 비해 매우 어렵다. 준모수적추론은 비모수적추론에 비해 최적추정에 관한 일반적인 이론이 잘 정립되어 있다. 1.2.
Bayes(1763)로부터 시작한 베이지안통계학은 모수를 미지의 고정된 값이 아니라 확률적 규칙의 지배를 받는 변수로 취급한다. 이 때 사후분포의 계산을 가능하게 하는 방법 중 하나가 MCMC(Markov chain Monte Carlo)이다. 1.3. 2. 2.1. 2.2. 2.3. 2.4. 2.5. 3. 3.1. 4. SENSATION :: Bayesian Statistics; 베이지안 통계학. 베이지안 통계학의 목표 주어진 데이터(주관적인 견해-prior probability와 이후 시행된 확률실험으로부터 얻어진 결과)를 종합하여 (관심의 대상이 되는) 파라미터의 불확실성을 확률-posterior probability로 나타내는 것 베이지안 통계학의 기본 구조 파라미터의 prior distribution을 결정데이터와 prior distribution을 이용한 posterior distribution 계산Posterior distribution을 이용한 파라미터 추론 베이지안 통계학에서 파라미터의 prior distribution을 구하는 방법은 여러 가지 문제점이 있는데, 그 중 하나는 분석자의 특성에 따라 prior distribution이 달라서 상당히 주관적이라는 것이다.
Jeffrey의 prior distribution Expectation of Fisher information, I(θ) I(\theta) = -E_X\left [ \frac{\partial^2 \log{f(X|\theta)}}{\partial \theta^2} \right ] 일단 prior distribution이 주어지면 posterior distribution은 Bayesian rule에 의해 쉽게 구할 수 있으나 실제 데이터를 이용한 계산은 보통 쉬운 작업이 아니다. 그리고 베이지안 통계학에서 parameter에 대한 추론은 전적으로 posterior distribution에 의존하여 이루어진다. 베이지안 통계학의 장점 결과에 대한 해석이 전통적인 통계학보다 훨씬 쉽고 우리의 직관과 잘 부합된다.통계학의 목표는 미지의 parameter에 대해 추론하고 그 추론의 불확실성을 계량화하는 것이다. Prior distribution & posterior distribution Random variable X의 distribution은 당연한 소리이지만 미지의 parameter θ가 주어져야 정의된다. References. 의사결정나무분석(Decision Tree) 통계학자들이 코끼리를 냉장고에 넣는 방법. Beautiful divergence - !! :: 스크랩) 이 땅, 통계학의 오늘1 - 최종후. 맨날쓰는 통계만 하다보니, 힘이 겹다 ;ㅡ; 새로운 아이디어와 그에 맞는 방법이 필요해 스크랩, 공부가 필요하다. 원문 I. 통계/확률 분야 소개 국가과학기술표준분류체계에 의거, 통계/확률의 분야소개를 (1)추론/계산, (2)모형/자료분석, (3)응용통계, (4)확률/확률과정의 4개 중분야별로 정리한다. 통계/확률분야는 현재에도 계속 응용영역을 확장하고 있으며 이에 따른 이론연구의 영역도 확장일로에 있다. 1. 1.1.
통계적 추론이란 우리가 관측하는 자료를 생성시키는 미지의 규칙을 근사적으로 찾고 그것을 바탕으로 미래의 관측현상을 추측하거나 예측하는 분야라고 할 수 있다. 모수적추론(parametric inference)은 자료생성의 규칙이 유한차원의 통계모형으로 설명이 된다는 가정에서 출발한다. 일반적으로 통계적 추론에서 모수의 차원이 자료의 크기, 즉 관측값의 개수보다 크면 추정 방법이 일치성을 가지기가 힘들다는 사실이 알려져 있다. 그 대표적인 예가 국소평활법(local smoothing)과 기저함수방법론(basis function approach)인데, 전자의 경우에는 미지의 함수가 충분히 미분가능하다는 사실을 전제로 각 추정점 근방에서 유한차원의 함수로 근사시킴으로써 차원을 축소시키고, 후자의 경우에는 유한개의 기저함수만 이용하여 무한차원의 함수공간을 근사시킨다. 즉, 모형이 유연한 만큼 모수(함수)의 추정이 모형보다는 자료에 크게 의존하게 되고 따라서 추정된 함수의 형태가 복잡하여 그 해석이 모수적추론에 비해 매우 어렵다.
준모수적추론은 비모수적추론에 비해 최적추정에 관한 일반적인 이론이 잘 정립되어 있다. 1.2. Bayes(1763)로부터 시작한 베이지안통계학은 모수를 미지의 고정된 값이 아니라 확률적 규칙의 지배를 받는 변수로 취급한다. 1.3. 2. 2.1. 2.2. 2.3. 2.4. 중도절단은 크게 세 가지로 분류된다. Learning Representations: A Challenge for Learning Theory. Perceptual tasks such as vision and audition require the construction of good features, or good internal representations of the input. Deep Learning designates a set of supervised and unsupervised methods to construct feature hierarchies automatically by training systems composed of multiple stages of trainable modules.The recent history of OCR, speech recognition, and image analysis indicates that deep learning systems yield higher accuracy than systems that rely on hand-crafted features or "shallow" architectures whenever more training data and more computational resources become available.
Deep learning systems, particularly convolutional nets, hold the performances record in a wide variety of benchmarks and competition, including object recognition in image, semantic image labeling (2D and 3D), acoustic modeling for speech recognition, drug design, handwriting recognition, pedestrian detection, road sign recognition, etc. 기억을 컴퓨터에 옮기는 기술 현실화될 수 있어. :: Print 2009년 10월 29일자 Newscientist.com 에 브레인 스캐너와 관련한 글이 실렸습니다. 언제나 어떻게 하면 뇌를 스캔할 수 있을까? 하는 주제는 과학자들과 SF를 좋아하는 사람들에게는 단골 주제이지요?
내용이 꽤 깁니다만, 내용을 요약해서 간단히 소개하고자 합니다. 원문: 사람이 생각하는 것을 읽어낸다는 브레인 스캐너라는 것이 실제 가능한 걸까요? 2009년 10월에 시카고에서 있었던 신경과학회(Society of Neuroscience)에서 UC 버클리의 Jack Gallant는 뇌의 활동을 읽는 것만으로 비록 해상도가 낮고 흐릿하기는 해도 동영상 클립을 만들어내는데 성공한 결과를 발표하였습니다. 이렇게 발달된 기술들이 등장하면서, 실제로 마음을 읽어내는 브레인 스캐너의 개발이 정말로 현실화되는 것이 아닌가하는 생각을 하게 됩니다. UC 버클리의 Gallant 교수팀이 이용한 방법은 뇌의 시각중추의 활동전위를 해석하는 것입니다. 앞으로 뇌과학이 얼마나 발전을 해서, 기억을 읽거나 감정을 알아내는 등의 기술들이 정교하게 개발이 될지는 아직 잘 모릅니다. "IT와 건강의학" 카테고리의 다른 글 유전자에 대한 특허 논란 (댓글 2개 / 트랙백 0개) 2011/06/02아이폰이 의사들에게 유용한 이유 (댓글 2개 / 트랙백 0개) 2009/12/15시애틀의 바이오테크 해커스페이스 (댓글 0개 / 트랙백 2개) 2013/05/09소셜 피로와 소셜 미디어 1.0 시대의 종말 (댓글 0개 / 트랙백 0개) 2011/12/20인터넷을 통한 임신성당뇨 관리 상용화 (댓글 7개 / 트랙백 0개) 2008/05/30초의지박약인을 위해 나왔다!
TRACKBACK :: Developing Neural Networks Using Visual Studio | Build 2013. 3. Iris flower data set 붓.. : 네이버블로그. 인공지능이 인간에게 반란을 일수있는가??? 1. 인공 지능에 대한 자세한 내용은 wikipedia의 문서로 대신하겠습니다. 내용을 간단하게 압축하자면, 인공지능의 철학적 정의는 약인공지능과 강인공지능 두가지가 있습니다. 강 인공지능의경우, 컴퓨터 자체가 해결, 발전, 사고 등을 하는 생명체와 동일한 지능 체계를 갖추고 있습니다. 현재 과학기술로는 실현 불가능 하며, 이론적으로는 전세계에있는 최고의 슈퍼컴퓨터 수십대의 클럭수를 단순히 합쳤을때, 인간 유아의 지능정도를 갖추게 됩니다. 약 인공지능은 인간이 정해둔 일정한 규칙에 대해서만 어느정도 지능적인 행동을 하는 인공지능을 의미하며 현재 컴퓨터게임에서의 '인공지능' 이 이에 해당합니다. 2. 두번째는, 이렇게 반란을 일으킨 기계가 하필 그 인간들보다도 훨씬 뛰어난 지능을 갖고 있는것 일때 입니다. 그외에는 갖가지 윤리적인 문제와 인간의 일자리 문제등 다양한 것들이 있습니다. 긍정적인 면은 인간의 지능적 한계가 발생하여 발전이 도태(?) 3. 때문에 한 번 우회 하셔서, 인공지능의 반란을 완벽히 방지할 또 다른 시스템등의 안전장치의 가능성 등 치밀한 전략을 세워 상대편의 발언을 원천 봉쇄할 수 있도록 단 한가지의 실수라도 하시면 않됩니다.
(예를 들어 '인공지능의 반란을 완벽히 방지할 또 다른 시스템등의 안전장치의 가능성' 만을 그대로 말했다가는, 무방비로 노출 되어 마구자비로 상대편에게 휘둘립니다.) 컴퓨터는 생명체와 유사한 개체입니다. 아마 상대편은 이 점을 깊게 파고들어 올 것이고, 이에 대해서는 반격하기도 힘들것 입니다. 인공지능이 무엇이냐는 질문은 두 가지로 나눌 수 있다. 둘째 질문에 대답하기는 훨씬 어려운데, 이는 의식이나 자아 혹은 심리(무의식을 포함해서) 등이 무엇인가, 그리고 우리가 연구할 수 있는 유일한 종류의 지능인 인간의 지능은 어떠한 요소로 구성되어 있는가 하는 문제를 제기하기 때문이다.
개념이 뚜렷한 형태의 일부 인공지능은 아래에 설명되어 있다. 다른 철학자들은 엇갈린 관점을 고수한다. (E.T. Developing Neural Networks Using Visual Studio | Build 2013. 뉴스와이어 보도자료. 올해 5월 미국 네바다에서는 특이한 운전면허가 발급되어 화제를 모았다. 발급 대상이 여타 운전면허와는 달리 사람이 아닌 스스로 운전할 수 있는 무인자동차(Driverless car), 즉 일종의 기계 장치이기 때문이다. 구글이 도요타 프리우스에 각종 센서와 비디오 카메라, 레이더, 인공지능 소프트웨어 등을 탑재하여 개발한 이 무인자동차는 전 세계에서 공식적으로 운전면허를 취득한 첫 차량이다. 운전면허가 없는 사람이 탑승하더라도 장소를 입력하기만 하면 목적지까지 사고 없이 안전하게 도착할 수 있는 이 무인자동차는 이미 20만 마일 이상의 도로 테스트를 거쳤다. 또 네바다 이외에 캘리포니아, 애리조나, 하와이 등 미국 내 다른 지역에서도 무인자동차 관련 법률 제정에 한창이다. 공상과학 영화 속에서나 볼 수 있었던 알아서 스스로 운전하는 똑똑한 자동차가 현실로 다가온 것이다. 똑똑해진 것은 비단 자동차만이 아니다. 물론 위의 몇 가지 사례들만 가지고 기계가 인간보다 똑똑해졌다고 단정 짓는 사람은 아무도 없을 것이다. Ⅰ.
강한 인공지능과 약한 인공지능 ‘인공지능(Artificial Intelligence)’이란 단어가 맨 처음 등장한 것은 1956년 다트머스 회의(Dartmouth Conference)에서였다. 이렇듯 인공지능에 대해 의견이 분분한 이유는 ‘지능’에 대한 사람들의 생각이 다르기 때문이다. 철학자인 존 설(John Searle)의 주장에 따르면 전자는 강한 인공지능(Strong AI)이고 후자는 약한 인공지능(Weak AI)이라고 할 수 있다. 강한 인공지능과 약한 인공지능에 대한 논의는 인공지능에 대한 연구가 계속되는 한 늘 따라다닐 문제이다. 인공지능의 주요 기술 인공지능이 컴퓨터 공학은 물론 수학, 철학, 심리학, 언어학, 생물학, 로봇 등 다방면에 걸쳐 있는 만큼 다양한 인공지능 기술이 개발되어 사용되어 왔다. 먼저 발견적 방법(Heuristic method)이다.
두 번째로 전문가 시스템(Expert system)을 구축하는 것이다. Ⅱ. Ⅲ. 뉴스와이어 보도자료. 장승규의 『숲길』 : 하이데거와 컴퓨터 공학(1)-인공지능은 가능한가. Ⅰ. 들어가며 a초기의 놀라운 성과에 뒤이은 기술적 지체는 컴퓨터 공학(특히 컴퓨터 시스템 설계 분야)에서 자신들의 이론적 토대에 대한 반성을 촉발했다.1) 그동안 당연하게 여겨온 전제들의 부적합성이 드러나기 시작하면서 하이데거, 비트겐슈타인, 미국 실용주의, 심리학, 인류학 방법론, 행동이론등 다른 학문 분야의 성과에서 새로운 돌파구를 찾으려는 시도가 전개되고 있다. 컴퓨터 공학에서 하이데거의 철학은 주로 지능을 갖춘 컴퓨터 설계의 근본적 한계에 대한 비판의 이론적 배경이 되어 왔다. a그러나 최근에는 하이데거의 통찰중 일부를 컴퓨터 설계에 적극적으로 응용하려는 노력이 나타나고 있다. 인간과 똑같은 컴퓨터를 만들기 위해서는 인간의 존재구조에 대한 이해가 필수적이라는 점에서 이러한 경향은 자연스러운 흐름이라고 할 수 있다.2) 그러나 이들은 하이데거 철학의 근본적인 문제의식에 주목하기 보다는 『존재와 시간』에서 이루어진 현존재 분석의 일부분만을 다루며 그 논의내용도 하이데거에게서만 발견되는 것이라고 말하기 어려운 점이 많다. 이런 측면에서 컴퓨터 설계를 존재의 탈은폐의 한 방법으로 보는 「존재론적 설계」(ontological design)의 관점은 중요한 의미를 갖고 있다. a하이데거는 기술을 탈은폐의 한 방법으로 이해하고 있으며, 기술공학 시대의 문제점을 지적하고 있지만 기술과의 "자유로운 관계"를 지향하고 있기 때문이다.3) 따라서 존재론적 설계가 하이데거의 철학적 논의의 핵심에 가장 가까이 다가가 있다고 말 할 수 있다. Ⅱ.
A인간과 동일한 지능을 가진 컴퓨터 시스템을 만들려는 노력은 꾸준히 지속되고 있다. <<표상과는 달리 진술(aseertion)은 세계 속의 사물을 매개되지 않은 방법으로 즉 그 자신으로부터 보여준다. 따라서 상황의 문맥에서 자유로운 표상은 불가능하다. <<엄밀하게 말하면 하나만의 도구란 존재하지 않는다. 따라서 개별 도구의 기능은 다른 것과의 연관 속에서만 정의 될 수 있다. 1) 전문가 시스템을 예로 들 수 있다. 인공지능과 중국어방 이야기 :: GreenBerry. 인공지능은 정말 이해할수있는가? 중국어방 난제 컴퓨터가 의식을 가질 수 있는가 없는가에 대한 문제는 1943년 컴퓨터가 개발되고부터 수많은 철학적인 의문을 야기했다. 컴퓨터가 인간과도 같이 스스로 사고할 능력을 측정하는 기준인 ‘튜링 이론’은 1984년도에 철학자 John Searle이 내세운 ‘중국어 방’ 논제로 인해, 생각하는 기계에 대한 본질적인 한계와 회의적인 시각을 가져오게 만들었다. 설령 컴퓨터가 능동적인 활동을 한다고 해도 근본적인 이해와 사고의 한계에 대한 의문이 남게 되는 것이다.. John R. 30년 가까이 전개되어 온 인공지능에 대한 철학적 비판으로서 가장 괄목할 만한 것은, John R.
존 설의 중국어 방 논제는 더 나아가 4가지의 논제를 좀더 다듬은 후에 계산주의적 관점에서의 인간의 의식과 사유를 기계가 흉내 낼 수 있다고 생각하던 강 인공지능주의자들을 비판하려고 했다. Alan Mathison Turing 철학적 전통으로 볼 때 인간은 이성적인 동물이다. 우리의 의식과 사고는 타인이 훔쳐 불 수 있는 것이 아니다. 스스로 생각하는 인간의 생각을 훔쳐볼 수 없는 것처럼 스스로 생각하는 기계가 있다고 할 때 우리는 비록 기계 내부구조가 기계의 인공지능이 돌아가는 작동방식에 대해서 알고 있다고 해도 ‘의식’이 발현되는 순간의 생각과 의식자체를 알아차릴 수 있는 방법은 기계가 완벽하게 인간의 의식 구조를 모방한다는 가정 아래에서도 없을 것이다. 그렇기에 이러한 튜링 테스트를 받아들이기 위해서는 그에 앞서 먼저 의식이라는 존재에 대한 계산주의적 이원론적 환원론적인 시각을 받아들이지 않으면 안 된다. 그러므로 튜링 테스트는 포괄적인 ‘생각’이라는 존재를 환원주의적 관점에서의 하위단계로 세분화 시킨 다음에서야 논의가 가능하다고 봐야 한다. 존 설이 주장한 중국어 방 논제는 너무도 유명한 내용이기에 아래에 간략하게만 소개 하고자 한다. 어느 컴퓨터 프로그래머가 중국어의 이해를 모방 (simulation) 할 수 있는 프로그램을 작성한다고 상상하자. 결론. 파랑돌의 refuge. 몸과 마음의 관계는 무엇인지, 몸과 괴리된 마음이 실체일 수 있는지, 마음의 본질은 무엇인지 하는 등의 물음은 철학적 문제인 동시에 인지과학의 주제이기도 하다. 심적 사건을 몸의 상태, 과정으로 환원 가능한가의 문제들이 심리철학과 심신론에서 다뤄진다. 심신 문제는 인간의 몸과 마음 간의 관계를 어떻게 규정하느냐의 문제이다. 데카르트 이후 철학은 인간의 영혼과 물리적인 육체 사이의 근본적 차이가 있음을 설파했다.
그러나 생물학자들이 19세기 이후 인간의 두뇌에 관한 많은 것을 밝히기 시작하면서, 환원주의적 물리주의를 추구하는 자연과학자들에게는 더이상 받아들이기 어려운 관점이 되었다. 심리철학자들의 대부분은 이러한 이원론적 생각이 과연 경험적 근거가 있는지 의문을 품었고, 심리적 현상을 물리적 현상으로 설명하려 노력했다. 심리철학자들은 심적 사건도 일종의 뇌의 신경 상태의 물리적 사건으로 볼 수 있다는 관점을 견지하며, 또한 심리적 사건이 물리적 사건을 일으키는지에 대한 해답도 제시하려 한다. 심리철학은 인지과학과 관련하여 마음과 의식에 대한 여러 문제를 다룬다. 심신론은 크게 두가지로 구분된다.
심신이원론은 플라톤부터 현대 기독교 사회에 이르기까지, 마음과 몸을 별개의 것으로 보려는 관점이다. 종교적인 전통 속에 있는 철학자들, 혹은 많은 일반인들에게 퍼져 있는 상식적인 생각이다. 심신이원론에서는 대체로 몸은 물질인 반면에 마음은 초물리적 실체로서 형이상학적 영역에 속한다고 본다. 그러나 이원론은 자세히 살펴보면 더 세부적인 입장으로 나뉘게 된다. 이원론의 역사에서 가장 고전적인 관념이 바로 실체이원론으로, 몸은 공간을 차지하는 반면 마음은 공간을 차지하지는 않는 실체로 보는 입장이다. 실체이원론은 기독교와 데카르트의 고전적 이원론의 철학으로, 여기에서 또 다른 이원론 사상이 나누어진다. 데카르트는 뇌의 송과선에서 마음과 몸이 서로 상호작용하는데, 주로 마음이 몸에 영향을 준다고 믿었다. 그러나 데카르트 이후 철학자들은 데카르트와 흄의 해결책을 제쳐 놓았다. 데이비슨(D. 디딤석 디딤돌 정원석 정원조각. 인공지능로봇의 불성연구 -인간과 기계의 연기성을 중심으로- 해 인 사 승 가 대 학 4 학년 보 일(寶 日) 불기 2552년 9월 30일 요 약 문》 「인공지능로봇의 불성연구」 -인간과 기계의 연기성을 중심으로- 해인사 승가대학 보 일 (寶 日) 어느 사회와 시대를 막론하고 철학과 종교는 그 사회 그 시대의 삶에 있어서 가장 중대한 과제, 근원적인 문제를 고민하고 그 해법을 제시하려는 노력을 해왔다.
불교가 시공간을 초월하는 하나의 보편적 가치로 인정받아 역사와 함께 흐를 수 있으려면 현대사회가 갈등하고 있는 수많은 쟁점들과 직접 마주하는 자세가 필요하다. 비약적 발전을 거듭하고 있는 과학기술과 더불어 시대는 새로운 사고와 가치를 요구하고 있다. 그 중에서도 인공지능로봇 분야는 신과 인간, 자연으로 구성되는 고전적 종교관에 혼란을 야기하면서 새로운 쟁점으로 떠오를 전망이다. 목 차 Ⅰ. 어느 사회와 시대를 막론하고 철학과 종교는 그 사회 그 시대의 삶에 있어서 가장 중대한 과제, 근원적인 문제를 고민하고 그 해법을 제시하려는 노력을 해왔다. 1. 2. 3. 2) 자연언어와 의미론의 문제 컴퓨터는 두뇌와 달리 지향성을 일으키는 인과적 힘이 없으므로 순수하게 형식적인 프로그램으로 구문론적인 운용은 가능하나 의미론을 다룰 수 없다는 주장이 제기되고 있다. 3) 자기의식과 인식론의 문제 자기의식의 중요한 특징은 그 자신에 대한 자기반성이 가능하다는 것이다. Ⅲ. 1. 2) 만들어지는 ‘자아’ 현대 심리철학에 있어서 의식 또는 심리활동은 곧 두뇌활동으로 간주된다. “마치 여러 가지 재목을 한곳에 모아 세상에서 수레라 일컫는 것처럼, 모든 쌓음(蘊)의 인연이 모인 것을, 거짓으로 중생(存在)이라 부르느니라.” 3) 직접적 자기인식의 문제와 수행의 의미 ‘자기의식’의 문제야말로 아마도 인간이 인공지능로봇에게 차별성 내지는 넘을 수 없는 한계로 주장할 수 있는 가장 강력한 논거가 될 것이다. 2. 3. 1. 2. 3. 4. 5. Ⅴ.
푸른 요정을 찾아서(인공지능과 미래인간의 조건) :: 마음의 탐구. 목차 1장. 인간다움의 조건이방인 / 기계의 진화 / 인간의 지위 / 영화에서 제기된 문제들 / 새로운 족의 탄생?! / 관점의 전환 / 해결해야 할 과제 2장. 나는 생각한다. 고로 인간이다? 문제의 본질 / 이율배반 / 왜 두뇌는 안 되는가? 3장. 4장. 5장. 6장. 더 읽어볼 만한 책들 출판사 서평 인공지능의 꿈 “푸른 하늘 저 멀리 랄랄라 힘차게 날으는 우주 소년 아톰”이 살던 시대는 지난 2003년 4월이었다. 1952년 SF만화 캐릭터로 태어난 로봇 아톰이 만화 속에서 활동하던 미래는 이미 지나가 버렸다. 인간의 몰락―생각을 하는 것은 정신이 아니라 물질?! 지금까지 수천 년의 시간을 살아오면서 인간이 받아들여야 했던 몇 가지 진실들은 가히 충격적이었다. 로보 사피엔스, 유토피아 혹은 디스토피아?! 자연적 인간에게 생명은 한 번 뿐이다. 생물 이후의 시대 우리의 선택 과학과 기술의 발달은 생명의 본질을 향해 한 발, 한 발 다가서고 있다.
과연 인간은 계속해서 지구를 지배할 수 있을까? 급진적인 심층생태주의자들은 인간이야말로 지구 환경에 치명적인 부담을 안겨주는 존재라고 말한다. 파랑돌의 refuge.