- 인터넷은 구조적으로 뇌와 아주 흡사. 인터넷은 거대한 정보저장소이자 검색 시스템이다. 물론 인터넷은 아직 뇌에 비해 투박하고 훨씬 작지만 (이것은 뇌를 이루고 있는 뉴런과 인터넷을 이루고 있는 컴퓨터를 비교해서 그렇다는 말이다. 큰 무게를 가진 컴퓨터가 아니라 인터넷을 형성하고 있는 한 점으로서의 컴퓨터를 생각하면, 아직 그 숫자는 뉴런에 비해 훨씬 적다), 근본적인 구조는 거의 같음. 뇌는 뉴런과 메모리(기억장치)를 갖고 있고, 인터넷은 컴퓨터와 웹사이트를 갖고 있음. 그리고 뉴런과 메모리가 축색돌기와 수상돌기로 연결되어 있듯이, 컴퓨터와 웹사이트는 이더넷과 하이퍼링크로 연결됨.
- 호프스태더가 '나는 이상한 루프다'라는 책에서 주장한 내용과도 통한다. 그는 이 책에서 의식이란 끊임없이 변화하는 루프이며, 뇌가 그 루프의 과정에서 정보를 계속 받아들이고 편집한다고 지적. 결국 루프란 마치 거울로 둘러싸인 홀에서서 우리 자신을 볼 때처럼 같은 것이 반복되면서도 쉽게 포착되지 않는 일련의 과정이다. 루프의 반복은 인간이 무언가를 배울 때도 작용함. 이와 관련해 데닛은 "인간은 어떤 것을 배울 때뿐만 아니라, 배우는 법을 배울 때에도 뇌의 유연성을 활용해왔다."고 말함
- 병렬처리에서 가장 기본적인 것 중 하나가 패턴인식임. 우리의 뇌도 정보를 병렬적으로 처리하기 때문에 끊임없이 하나의 패턴을 찾음. 경험이나 교육으로 얻은 추측을 통해 해당정보를 이해하는 데 어떤 패턴이 가장 적합한지를 찾는 것이다. 이때 정보를 이해하는 데 적합한 패턴이 발견되지 않으면 새로운 패턴을 만들어냄. 그래서 우리의 뇌는 매순간 끊임없이 새로운 패턴을 만들고 있다고 할 수 있음. 즉 뇌는 정보를 따로 떼어놓고 해석하는 것이 아니라 정보와 그 정보 주변의 빈칸을 채우면서 패턴을 통해 세계를 해석함.
- 구글은 일반적으로 PC수천대를 연결해 하나의 슈퍼컴퓨터를 만들어냈음. 구글이 댈스에 마련한 서버농장은 병렬 컴퓨팅과 관련해 가장 앞선 시도였음. 그런데 구글은 이런 서버농장을 미국내 20여곳에 두고 있음. 구글은 이와 관련한 구체적 수치를 내놓기를 꺼리지만, 그 서버농장에 있는 PC들을 모두 합치면 50만대가 넘을 것으로 추정됨. 이는 200페타바이트 용량의 하드디스크와 4페타바이트의 램을 갖고 있는 것과 같음. 1페타바이트는 1000조 바이트에 해당하는데, 아이팟에 100만곡 이상 담을 수 있는 용량이다. 구글은 20여개의 이 서버농장들을 하나로 합침으로써 클라우드 컴퓨팅을 만들어냈음. 여기서 주목할 것은 일반 PC를 결합해 연산능력을 엄청나게 높였다는 점만이 아니다. 램에서 정보를 끌어오는 속도도 하나의 슈퍼컴퓨터에서보다 훨씬 높아졌다는 점. 구글의 클라우드 컴퓨팅 아이디어는 80년생의 젊은 컴퓨터 공학자인 크리스토프 비시글리아의 머리에서 나옴. 다수의 PC들을 연결해 병렬적으로 작동하도록 한다는 아이디어는 다른 사람들도 이미 제시한 바 있으나, 비시글리아는 그것을 시스템으로 구체화시키는 데 성공한 것.
- 비시글리아가 구글에 클라우드 컴퓨팅에 관한 아이디어를 제안하기 전, 구글에는 이미 맵리듀스라는 소프트웨어가 개발되어 있었음. 맵리듀스는 하나의 업무를 수백, 수천개로 나누어서 수많은 컴퓨터에 할당한 다음, 그 컴퓨터들이 10억분의 1초 단위로 응답을 보내오면 그것들을 다시 하나로 모으는 소프트웨어임. 이 무렵 비시글리아가 구글의 에릭 슈미트를 찾아가 맵리듀스 방식을 응용한, 즉 작은 컴퓨터들을 연결해 하나의 큰 컴퓨터를 만드는 아이디어를 제시했던 것이다. 슈미트는 그의 제안을 즉석에서 받아들였음. 이어 IBM의 회장인 팔미사노도 비시글리아에게 지원을 약속해 컴퓨터 40대로 실험을 시작. 06년의 일이었다. 이후 구글은 50만대의 컴퓨터를 연결하는 단계에 이르렀고, 구글 외에도 IBM, MS, 야후, 아마존 등이 가세. 현재 이 기업들이 클라우드 컴퓨팅 농장에 설치한 컴퓨터 대수는 모두 합쳐 200만대가 훨씬 넘음. 그런데 이 많은 PC들을 작동하기 위해서는 충분한 전력양이 필요. 이들이 하루에 소비하는 전력량은 가장 뜨거운 여름날 라스베가스에서 소비되는 전력량과 비슷. 그래서 값싸고 풍부한 전력을 확보하는 것이 관건이고 최근 중국이 핵발전소 건설에 팔을 걷어붙이고 나선 것도 무관하지 않음.
- 생각하는 기계의 역사는 1832년 찰스 배비지가 제안한 기계적인 컴퓨터로 거슬러 올라감. 이 컴퓨터는 나무로 된 톱니바퀴를 갖고 있고 손으로 돌려서 작동하게 되어 있었는데, 무게가 17톤이나 나가는 것이었다. 이것은 당시 컴퓨터라 불린 사람들이 맡았던 단순한 계산을 대체하기 위한 것이었다. 당시 회사들, 특히 선박회사들은 기초적 계산과 산수를 전담하는 사람들을 고용했는데, 이들을 컴퓨터라 불렀음. 그런데 이들이 실수나 착오로 틀린 계산을 할 때가 많아 배비지가 계산하는 기계를 발명하기로 한 것. 배비지는 이를 더욱 발전시켜 단순한 로직을 해낼 수 있는 기계를 만들려 했음. 그가 머리속에서 구상한 이 기계는 높이 3미터, 너비 3미터, 깊이 1.5미터였으며, 증기기관으로 움직이는 것이었다. 그러나 배비지는 결국 이것을 실현하지 못하고 세상을 떠남. 100년 뒤인 1936년 영국 수학자 앨런 튜링은 어떤 정보든 0과 1로 표시되는 계산으로 처리할 수 있다는 이론을 내놓음. 이 이론은 현대적 컴퓨터를 만드는 데 초석이 됨. 신경과학자 리드 몬터규는 이에 대해 다음과 같이 적절하게 지적. "튜링의 아이디어는 다윈의 생각을 두가지 측면에서 크게 진전시킨 것이었다. 첫째는 튜링의 아이디어가 다윈의 발견을 계산의 영역으로 이행시켰다는 점이다. 튜링은 진화를 하나의 알고리즘(변이, 선택, 유지, 버리기의 과정)으로 표현하는 데 성공했다. 다음으로, 튜링의 아이디어는 생명과 마음과 기계를 하나로 통합시킨다." 생명이 알고리즘으로 작동한다면 마음도 알고리즘으로 작동한다. 그리고 기계도 알고리즘으로 움직인다. 그래서 생명, 마음, 기계는 근본적으로 같다고 할 수 있음. 튜링의 아이디어는 혁명적이었다. 스티븐 핑거는 이렇게 말했다. "튜링의 아이디어는 우리로 하여금 이 세계가 단계적으로 풀 수 있는 수학 방정식을 따른다는 점, 이 세계를 그대로 모방한 기계를 만들 수 있다는 점. 그리고 세계의 앞으로의 움직임을 예측할 수 있다는 점을 알게 해주었다." 핑커는 이어서 "튜링의 아이디어는 우리의 사고란 '잘 짜인 규칙들을 적용한 결과'로 이우러져 있기 때문에 어떤 의미에서는 생각하는 기계도 만들 수 있다는 걸 보여주었다."라고 말함
- 구글의 작업은 맵리듀스(대규모 연산을 자동적으로 병렬화하고 분산하는 소프트웨어)의 덕을 많이 보았음. 다시 말하면 맵리듀스는 구글로 하여금 병렬적으로(분산적으로) 생각하기 위해 클라우드와 인터넷을 활용하도록 만들었음. 맵리듀스는 우리 뇌와 같은 방식으로 일을 함. 즉, 정보들을 카테고리로 묶고(맵), 그것들을 다시 컴퓨터들로 이루어진 서버 농장에 분산시켜서, 불필요한 데이터를 제거(리듀스)함. 일반 컴퓨터들은 맵리듀스나 뇌와 달리 모든 것을 한곳으로 모은다. 또한 맵리듀스는 이 모든 일을 컴퓨터가 전통적으로 가지고 있는 정확성에 의존하지 않음. 구글은 1만건이 넘는 프로그램을 맵리듀스로 활용하고 있는데, 거기에는 위성사진처리, 대규모 기계학습 문제에서부터 언어처리, 사용자들이 자주하는 질문에 대한 응답에 이르기까지 다양함. 맵리듀스가 하루에 처리하는 양은 약 10만건으로, 20페타바이트에 이름. 맵리듀스 개발자들은 이렇게 주장. "맵리듀스는 구글 내에서 대규모 기계학습문제부터 클러스터링 문제까지 광범위한 영역에서 이용되어 왔다. ... 자주하는 질문에 대한 답을 만들기 위해 데이터를 추출하기, 새로운 실험과 신제품을 위해 웹페이지의 특성을 추출하기, 위성사진 데이터 처리, 통계적 기계번역, 대규모 그래프 컴퓨테이션 등이다."
다시말해 구글이 하는 일은 뇌가 하는 기능(학습, 분류, 시각, 언어)과 비슷함 이런 다양한 일은 광범한 정보량을 분석하는 길을 터주었는데, 그 예로 유권자의 성향과 관련된 페타바이트급 데이터, 수십억건에 달하는 항공요금의 변동, 페타바이트급의 건강정보 수집 등이 있음. 와이어드지는 최근 다음과 같이 보도. "페타바이트 시대의 가장 큰 도전은 데이터를 전부 모으는 것이 아니라 그 정보들을 이해하는 방법을 알아내는 것이다." 정보를 이해하는 것이 바로 인터넷 지능이 지향하는 곳이다.
- 뇌는 기계적 측면에서 단점이 많기 때문에 오히려 예측하는 능력을 발달시켜왔다고 할 수 있음. 뇌의 추측능력이 올바른 결과를 가져다주기 때문에 우리는 더욱더 그런 능력에 의존하고 그 능력을 다듬게 됨. 뇌는 신경전달물질이며 헤로인 같은 마약물질을 흡입하면 더 많이 나오는 도파민을 분비함으로써 그런 일을 함. 뇌 안에 있는 뇌간을 따라 약 20만개의 도파민 작동성 뉴런이 있는데, 이것들이 축색돌기에 도파민을 전달해줌. 뇌는 도파민을 원하기 때문에 똑똑한 추측을 하는 것이다.
- 대니얼 데닛은 "모든 뇌는 본질적으로 예측기계"라고 말함. 예측이야말로 우리가 뇌에게 요구하는 가장 중요한 기능이다. 예측이 뇌가 가진 기능의 전부는 아니지만, 예측이 아닌 다른 것으로 진화했다면 뇌는 효율이 극히 떨어지는 고비용의 기관으로 전락했을 것이다. 동의하지 않는가? 그럼 아주 어린 멍게를 생각해보자. 새끼 멍게는 바위틈에서 안전한 서식지를 찾을 때까지는 몹시 부산하게 움직인다. "그러나 일단 안전한 장소를 찾아 뿌리를 내리게 되면, 더 이상 뇌가 필요없기 때문에 뇌를 먹어치운다." 뇌는 유지하는 데 비용이 많이 들고 영양분도 많이 섭취하므로 없애버리는 것.
- 뇌는 개별적인 정보들이 아니라 패턴을 통해 인식을 함. 뇌는 기억에 저장된 지식을 활용해 예측을 함. 뇌는 직관을 갖고 있다. 다행스럽게도 이 직관은 나이가 들수록 더 다듬어지고 향상됨. 나이가 들수록 뉴런을 죽지만, 그 대신 지혜가 높아지는 것이다. 다시 말해, 뇌는 약점이 많기에 오히려 탁월하게 생각하는 기계가 될 수 있음. 이 세상에서 아무리 뛰어난 검색엔진도 뇌의 직관력에는 도저히 근접할 수 없음. 우주의 시간만큼 흘러도 절대 해낼 수 없음. 넷플릭스가 주관한 공모전에서 개빈 포터가 유능한 컴퓨터 과학자들을 따돌릴 수 있었던 것도 바로 이 때문. 심리학자였던 그는 기계가 제공하는 해법이 아니라 인간의 뇌가 제공하는 해법을 따랐던 것이다.
- 예측에 관해 수많은 논문을 쓴 기거렌처는 직관은 우리가 어떤 것에 대해 많이 알고 있을 때보다 덜 알고 있을 때 발휘된다고 함. 그는 "미래를 예견하기 어려울 때는 단 하나의 뛰어난 근거(one good reason)에 기초해서 얻은 직관이 훨씬 더 정확할 수 있다." 고 주장. 하나의 뛰어난 근거가 많은 정보보다 더 낫다는 의미. 단순할수록 좋은 것이다. 게르트는 단 하나의 근거만으로도 "놀라울 만큼 손쉽게 통찰력을 얻을 수 있다"고 강조. 후커 장군 같은 경우 정보와 팩트를 리보다 더 많이 확보하고 있었음. 그는 스파이를 운용했고 남부 지휘군 막사 위로 열기구를 띄워 정찰을 하기도 했음. 또한 "내 전투계획은 완벽하다. 군사를 몰고 진격하면 우리는 승리를 쟁취할 것이다."라며 자신만만해 했다. 리 장군은 후커만큼 정보를 갖고 있지도 않았고, 후커가 병사 7만을 남군 주위로 이동시키는 것도 알지 못했음. 그런데 어떻게 리 장군은 승리할 수 있었을까? 글래드웰에 따르면 리에게는 블링크의 마법이 있었다. 즉, 상황에 재빠르게 대처하고 군대를 신속하게 이동하며 기습적으로 후커를 공격하는 판단력을 갖추고 있었던 것. 기거렌처 식으로 표현하면, 리는 딱 적당한 만큼의 정보력만 갖추고 있었다. 스파이도 두지 않았고 열기구도 띄우지 않았지만, 머릿속에 상황을 타개할 수 있는 자기식의 패턴을 갖고 있었음. 2차대전 때 아이젠하워도 같은 식으로 응전. 디데이를 앞두고 기상조건은 악화되고 적군이 가까이 다가와 있었지만, 그는 제한된 정보 속에서 결단을 내렸고 결국 성공.
- 뇌는 태어난 후에도 계속 자라다가 석달이 지나면서 급격한 변화를 겪음. 성장속도가 크게 줄어든다. 왜일까? 첫째로는, 기하급수적으로 자라는 뇌의 크기를 감당할 만큼 두개골이 충분히 커지지 않기 때문. 자연은 두개골이 너무 커져서 머리를 들고 달릴수도 없을 정도가 되면 아무리 똑똑해도 소용없다는 것을 깨달았는지 모른다. 아무튼 태어날 때 300그램 정도(몸무게의 10%수준)였던 뇌는 10대에는 약 1.4킬로(이때는 몸무게의 2%도 안됨)이 됨. 더 기묘한 일은 20대에 일어남. 우리가 본격적으로 뇌 기능을 발휘해야 하는 이 시기에 뇌는 평형상태를 찾는 과정에 들어감. 스무살무렵부터 뇌는 더 이상 성장하지 않고 오히려 후퇴. 그래서 죽을 때까지 매년 약 1그램씩 무게가 줄어듬. 세살 무렵 1만조에 달했던 뉴런들의 연결갯수는 성인이 되면 100조 정도로 줄어듬. 세살짜리 어린아이읭 신경연결망이 어른보다 훨씬 저 많은데 어른이 더 똑똑하다고 할 수 있을까? 고맙게도 그렇다. 왜냐하면 남아있는 뉴런의 연결갯수는 적지만 뉴런 사이의 연결이 어린아이보다 더 강하고, 뉴런의 패턴의 형성되기 때문. 나이가 들수록 지혜로워지는 것은 이 때문. 어린아이들은 수많은 신경망을 통해 새로운 것을 매우 빠르고 효율적으로 익히지만, 어른들은 우아하고 성숙한 뇌를 갖는 것이다. 메트칼프 법칙을 뇌에 적용하면, 태어날 때까지의 뉴런 성장기에는 그 법칙이 들어맞는다고 할 수 있음. 그렇지만 그 후에는 다른 법칙, 즉 평형법칙이 적용되어야 함. 이때부터 뇌의 성장속도가 점점 줄다가, 어느 시점부터는 아예 뉴런이 감소하게 됨. 그러나 성장을 멈추고 평형상태에 달할 때 뇌는 지성을 얻게 됨. 세살때는 거의 모든 것을 기억한다. 그러나 좀 지나면 모든 것에 대해 왜라는 질문을 던지게 됨. 그러나 이 시기는 오래가지 않음. 신경망의 발달이 크게 더뎌지면서, 똑똑한 (그러나 행동을 예측하기는 힘든) 10대가 되면 더이상 왜라는 질문도 던지지 않음. 이때부터는 혼자힘으로 더 많은 생각을 하게 되는 것. 흥미로운 점은 이런 과정이 벌이나 개미집단 같은 다양한 네트워크에서도 일어난다는 것. 개미는 서식지를 형성할 때 기하급수적으로 개체수가 늘어남. 개체수가 많은수록 먹이를 얻고, 여왕개미를 방어하며, 커뮤니케이션하는 데 유리하기 때문. 그래서 어떤 개미집단은 개체수가 100만마리에 이르기도 함. 하지만 메트칼프 법칙은 어떤 시기까지만 적용됨. 개미집단의 크기가 임계점에 달하면 더이상 개체수는 증가하지 않음. 임계점은 식량이 얼마나 남았는지, 주변에 먹이를 구할 수 있는 지역이 얼마나 있는지, 근처에 경쟁하는 서식지가 얼마나 있는지 등에 좌우됨. 이런 요인들에 따라 개체수도 변화하게 됨. 즉, 밀물과 썰물처럼 개미수가 늘어나거나 줄면서 자연스레 평형상태를 유지함. 개미뿐 아니라 꿀벌, 말벌 등 집단을 형성하는 거의 모든 동물은 이런 사이클을 따름
- 주커버그가 뇌를 제대로 이해하고 있었기 때문에 '네트워크들의 네트워크' 방식을 택한 것은 아님. 그는 시행착오를 거치면서 그런 방식이 적절하다는 것을 서서히 깨달았음. 앤더슨은 뇌가 전체적으로 균질하지는 않다고 주장. 무엇보다도 뉴런끼리 연결되어 있는 수를 보면 알 수 있음. 하나의 뉴런은 다른 뉴런들과 평균 약 1만개의 연결을 갖는데, 뉴런의 갯수를 고려하면 뉴런끼리의 연결은 1000억개까지 가능. 즉, 잠재적으로 맺을 수 있는 연결의 0.0001%만을 실제로 연결하고 있음. 짐 앤더슨은 뉴런의 활동이 뇌 전체에 걸쳐 균등하게 분포되어 있지않다고 봄. 그대신 서로 밀접히 연결된 뉴런 다발들이 뇌 전체에 띄엄띄엄 흩어져 있다는 것. 또 뉴런다발들은 다른 뉴런 다발들고 느슨하게 연결되어 있음. 결국 뇌는 아주 많은 서브네트워크들이 연결되어 하나의 네트워크를 형성하고 있다는 말이다. 이것이 곧 네트워크들의 네트워크이다. 뇌가 그렇듯이, 이런 모델의 장점은 서브네트워크들이 평형을 유지한 상태에서 전체 네트워크가 성장할 수 있다는 것.
'IT' 카테고리의 다른 글
| 비주얼라이즈 디스 (0) | 2016.01.13 |
|---|---|
| 오프라인의 귀환_옴니채널과 O2O의 세계 (0) | 2016.01.13 |
| 사이버 보안과 사이버 전쟁 (0) | 2015.02.08 |
| 바지벗고 일하면 안되나요? (0) | 2015.01.16 |
| 도그파이트 (0) | 2014.12.29 |
