능동적 추론, 뇌 작동 방식
뇌는 다양한 감각기관으로부터 전해지는 감각 정보들을 능동적 추론을 통해 의미를 부여하고, 다양한 감각정보들을 통합(binding)하여 하나의 의미있는 경험으로 만들어낸다.
칼 프리스턴의 능동적 추론 이론과 마코프 블랭킷 모델
눈, 귀, 피부 등 다양한 감각기관이 우리 뇌에 전달하는 감각정보는 매우 이질적이다.
뇌는 전혀 다른 특성을 지닌 다양한 감각정보들을 통합해 지각편린(percepts)을 생성하고, 이를 바탕으로 앞에 펼쳐진 사건과 사물들을 구성하며, 더 나아가 ‘내가 지금 몸담은 환경’이라는 하나의 의미 있는 스토리텔링을 만들어낸다.
여기서 ‘의미 있는’의 뜻은 ‘내게 주어진 환경에서 효율적으로 생존하기에 적절하다’라는 것이다.
우리 뇌가 어떻게 개별적인 감각시스템에 의해서 별도로 처리되는 정보들을 하나의 의미 있는 경험으로 통합해낼 수 있는가 하는 문제가 바로 ‘통합의 문제(binding problem)’다.
이는 뇌과학의 오랜 난제다. 분명한 사실은 이러한 ‘통합’이 의식의 본질적인 기능이라는 점이다.
뇌가 내적모델을 바탕으로 ‘추론’한다는 것은 뇌가 외부자극을 수동적으로 받아들이는 거울과 같은 존재가 아니라는 뜻이다.
오히려 외부자극에 적극적으로 개입해 그것에 의미를 부여하고 조작하여 재생산해낸다.
이러한 의미부여 과정의 기본적인 논리 구조가 바로 찰스 샌더스 퍼스가 말하는 ‘가설적 추론(hypothetical inference)’ 혹은 ‘가추(abduction)’이다.
붉은색의 부드러운 꽃잎을 가진 꽃 한 송이를 보며 ‘장미꽃’이라고 지각하는 과정에도 가추가 필요하며, 꽃을 ‘꽃’이라 지각하는 것이나 혹은 붉은색을 ‘붉은색’이라 지각하는 과정에도 가추가 필요하다.
가추는 기존의 지식(과거의 경험으로부터 주어진 원칙들)과 주어진 자극에 따라서 ‘아, 이것은 붉은색이겠구나’라고 적극적으로 추론하는 것이다.
확률론적으로 말하자면 일종의 ‘베이지안 추론(Bayesian inference)’이다.
베이지안 추론은 추론하고자 하는 사건의 확률적 사전정보와 추가로 주어지는 정보를 종합해서 특정 사건이 발생할 사후 확률의 분포를 추정하는 것이다.
‘헬름홀츠 머신’은 인간의 지각 시스템을 통계적 추론 엔진으로 보아 모델링한 것으로서 인지(cognitive)모델과 생성(generative)모델의 결합으로 이뤄진다
인지모델은 외부로부터 유입되는 감각자료를 바탕으로 특정한 감각을 불러일으키는 가능성 있는 원인들의 확률분포를 추론하는 것이다
생성모델은, 이것 또한 학습되는 것인데, 이러한 인지모델을 훈련하는 데 사용된다.
이러한 모델을 통해 헬름홀츠 머신은 유입되는 감각자료에 대해 ‘레이블을 붙여주는 지도교사’가 따로 없어도 감각자료의 원인에 대해 확률적 추론을 할 수 있음을 보여준다.
헬름홀츠 머신의 비지도학습 알고리즘은 추론을 하는 신경시스템이 다층(multilayer)으로 이뤄진 확률적 신경망으로 구성되어 있다고 전제한다.
인지연결망은 유입되는 감각정보에 반응해 네트워크를 이루고 이러한 연결망의 형태정보는 숨겨진 상위 신경망으로 올라간다. 반면에 생성연결망은 상위 단계에서 내려오는 형태정보를 바탕으로 연결형태의 정보를 재구성해서 하위 신경망으로 내려보낸다.
프리스턴의 자유에너지 원칙은 현대 뇌과학에 있어서 계산신경학, 신경과학, 인공지능, 정신건강의학, 행동과학 등 여러 분야에 걸쳐서 실질적이고도 의미 있는 영향을 미치고 있다.
프리스턴의 자유에너지 원칙은 기본적으로 뇌를 일종의 ‘헬름홀츠 머신’으로 보는 것에서 시작한다.
즉 뇌를 상향적 과정 및 하향적 과정을 통해 능동적 추론과 예측적 조절(predictive regulation)을 수행하는 다층적이고도 위계적인 네트워크로 파악한다.
이는 두 가지 이론적 전통을 결합한 것인데, 하나는 위계적 예측 모형에 입각한 헬름홀츠의 ‘지각의 심리학’이고, 다른 하나는 통계적 확률론에 입각한 ‘베이지안 추론’이다.
프리스턴의 자유에너지 원칙은 감각정보의 처리 과정과 행위정보의 처리 과정이 본질적으로 같은 구조를 지닌다고 본다.
실제로 움직이는 물체를 바라보는 안구운동을 분석해보면 안구는 물체의 움직임을 ‘예측’해서 움직이고, 그렇게 움직이는 안구는 계속 새로운 시각정보를 유입시켜 생성모델을 업데이트한다.
감각정보에 따른 행위와 그러한 행위의 결과에 따른 감각정보에 대한 예측적 추론(혹은 예측오류)의 피드백이라는 순환 과정을 계속하는 것이다.
이러한 감각과 행위가 소용돌이치는 중심에는 자연스레 행위를 하고 자신의 행위에 대한 피드백을 받는 어떤 ‘주체(agent)’가 떠오르게 되는데, 이것이 곧 자의식이다.
자의식의 발생은 능동적 추론의 필연적인 결과인 셈이다.
자유에너지 원칙에 따라 뇌의 작동방식을 설명하자면, 내부상태를 주관하고 자유에너지를 최소화하는 어떤 주체, 즉 ‘에이전트(agent)’의 존재가 꼭 필요하다.
이러한 에이전트가 곧 ‘나’라는 자의식이 된다.
특정 감각이 발생했을 때 그 감각의 발생 원인에 대해 최적의 확률 모델을 수립해서 이를 바탕으로 수많은 감각자료로부터 유용하고 의미 있는 것들을 골라내는 존재가 곧 ‘나’다.
이것이 지각과 행위가 환경을 통해 상호작용한 다는 의미이고, 능동적 추론의 목표는 서프라이즈(예측오류)를 최소화하는 것이다.
‘자유에너지 최소화의 법칙’에 따라 모든 생명체의 뇌는 자신의 내적모델과 외부로부터 주어지는 감각정보 간의 괴리를 최소화하려 하고, 이에 따라 예측오류를 줄이려는 내재적 시스템이 구축되는데, 이 시스템의 최상단에는 추론하는 주체인 자의식이 등장하게 된다
즉 자의식은 예측오류 최소화 과정의 논리적이고도 필연적인 귀결이다
이와 관련해서 중요한 개념이 ‘자기확증(self-evidencing)’이다.
자기확증이란 어떠한 가설에 대한 근거가 하나의 특정 사건밖에 없고, 동시에 그 사건 자체의 의미는 전적으로 그 가설에 의존하는 상태다.
자기확증에는 설명-증명의 순환(explanatory-evidentiary circle)이 존재한다.
즉 가설은 사건을 설명하고 동시에 사건은 가설의 근거가 되는 것이다.
예측오류를 최소화하다 보면 결국에는 자기확증의 상태에 이르게 된다.
감각정보의 유입과 능동적 추론을 통한 예측오류의 최소화라는 ‘사건’ 자체가 에이전트의 존재라는 ‘가설’을 증명하는 설명-증명의 순환 관계가 성립하는 것이다.
이러한 의미에서 우리 뇌는 본질적으로 ‘자기확증적’이다.
능동적 추론에 따른 스토리텔링(의미부여)이 있는 곳에 필연적으로 등장하는 자기확증적인 에이전트가 바로 자의식이다.
뇌는 자유에너지를 최소화하기 위해 존재하는 시스템이기 때문에 우리의 모든 행동, 지각, 학습, 의사결정 등도 자유에너지 최소화의 법칙을 따를 수밖에 없다.
자유에너지 최소화의 법칙은 수학적 모델을 통해서 인간의 지각, 인지, 운동, 감정, 의사결정 등 폭넓은 뇌의 작동기제를 모두 설명하고자 하는 야심찬 이론이라 할 수 있다.
뇌가 서프라이즈를 줄이기 위해 내적모델을 수정한다는 것은 곧 환경과 상호작용하며 움직임에 관해 끊임없는 의미부여와 예측을 한다는 뜻이다.
우리 의식에는 자유에너지 최소화의 과정이 곧 스토리텔링으로 나타난다.
의식의 본질은 지속적인 스토리텔링이고, 이러한 스토리텔링이 곧 내면소통이다.
Active reasoning, 능동적 추론
Active reasoning is the kind of reasoning that we do deliberately and consciously. In characterizing the nature of active reasoning and the norms it should obey, the question arises which attitudes we can reason with. Many authors take outright beliefs to be the attitudes we reason with. Others assume that we can reason with both outright beliefs and degrees of belief. Some think that we reason only with degrees of belief. This chapter approaches the question of what kinds of beliefs can participate in reasoning by using the following method: it takes the default position to be maximally permissive—that both graded and outright beliefs can participate in reasoning. It then identifies some features of active reasoning that appear at first glance to favor a more restrictive position about which types of belief we can reason with. It argues that the arguments based on these features ultimately fail.