실세계에서 인간 수준의 인공지능을 구현하는 것은 매우 어려운 과제입니다. 로봇이 집 안의 쓰레기를 치우거나 물건을 정리하는 등의 임무를 수행하려면 장애물을 피하고 환경을 인식하며 즉각적인 의사 결정을 내려야 합니다. 하지만 지금까지의 인공지능 연구는 전체적인 임무 수행보다는 개별적인 문제 해결에 집중해 왔으며, 많은 부분이 환경의 특성에 맞춰 프로그래밍된 한계가 있었습니다. 진정한 지능은 복잡한 현실 환경에서 로봇이 스스로 배우고 유연하게 적응하는 능력을 갖추는 데서 시작됩니다.

아이들은 세상을 경험하며 어른의 행동을 흉내 내는 과정을 통해 지능을 발달시킵니다. 이러한 원리를 인공지능에 적용하려는 시도가 바로 '베이비 마인드' 프로젝트입니다. 이는 아이의 뇌 인지 구조를 모사하여 스스로 세상을 지각하고 행동하며 학습하는 기술을 연구합니다. 특히 일화 기억(Episodic Memory)을 통해 경험을 저장하고, 다음 상황에서 이를 활용해 사고를 확장하는 과정에 주목합니다. 국내 여러 연구진이 협력하여 아이의 마음이 성장하는 알고리즘을 개발함으로써 인간 수준의 인공지능에 다가가고 있습니다.

프로그래밍을 통해 지능을 높이는 데는 한계가 있으므로, 기계가 스스로 학습하여 터득하도록 만드는 것이 궁극적으로 인간 수준의 지능에 도달하는 길입니다.

기존의 딥러닝은 주로 정답이 주어진 데이터를 학습하는 지도 학습이나 데이터의 패턴을 찾는 비지도 학습에 의존해 왔습니다. 그러나 인간 수준의 지능에 도달하려면 단순히 주어지는 데이터를 기다리는 방식에서 벗어나야 합니다. 기계가 스스로 실험하고 가설을 세워 데이터를 생성하는 '실험을 통한 학습(Learning by Experiment)'이 필요합니다. 열린 세계에서 지각, 인지, 행동의 사이클을 반복하며 끊임없이 학습하는 라이프롱 러닝(Lifelong Learning) 기술이야말로 인공지능이 다음 단계로 도약하기 위한 핵심적인 토대가 될 것입니다.

완전 자율 학습이 가능한 시스템을 구축하기 위해서는 재귀적인 자기 개선 구조가 필수적입니다. 이는 단순히 행동하는 것을 넘어, 자신의 행동이 가져올 결과를 미리 예측하는 '전망(Prospection)' 능력을 포함합니다. 사람의 뇌가 움직이기 전에 장애물에 부딪힐 가능성을 인지하고 행동을 교정하듯, 인공지능 역시 스스로를 점검하고 예측하며 개선해 나가는 에이전트 형태가 되어야 합니다. 이러한 지각과 사고, 행동의 유기적인 결합은 인공지능이 복잡한 변수와 불확실성을 극복하고 스스로 진화할 수 있는 원동력이 됩니다.

인공지능이 진정으로 인간의 수준에 도달하려면 24시간 쉬지 않고 스스로 학습하며 데이터를 찾아다니는 방향으로 발전해야 합니다. 초기에는 지각과 행동이 불확실하더라도, 경험이 쌓이면서 스스로 오차를 교정하고 성능을 높여가는 과정이 필요합니다. 기술적으로 가장 중요한 목표는 성능이 퇴보하지 않고 지속적으로 향상되는 '단조 증가' 방식의 알고리즘을 구현하는 것입니다. 아주 작더라도 끊임없이 성장하는 학습 알고리즘을 통해, 기계는 비로소 인간과 유사한 형태의 유연하고 강건한 지능을 가질 수 있습니다.