TED2003
Marvin Minsky: Health and the human mind
Marvin Minsky의 강연 - 건강과 인간의 마음
Filmed:
Readability: 3.5
606,909 views
건강과 인구과밀, 사람의 마음에 대해 Marvin Minsky가 들려주는 다방면에 걸친 즉흥적이고 (offhand) 기발한 이야기. 통찰력과 위트가 넘치지만 가끔씩 나오는 짓궂은 표현에 혹시 농담은 아닐까? 하는 의심마저 드는 강연.
Marvin Minsky - AI pioneer
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Double-click the English transcript below to play the video.
00:18
If you ask people about what part of psychology do they think is hard,
0
0
6000
만일 사람들에게 심리학의 분야에서 무엇이 어렵다고 생각하는지 묻는다면,
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
사고(thinking)와 감정(emotions) 중에서 무엇이 더 어렵냐고 묻는다면,
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
대부분의 사람들은 이렇게 말할 겁니다. "감정 분야가 굉장히 어려워요.
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
그게 믿을 수 없을 정도로 복잡해서, 감정이 어떤 식으로 움직이는지 모르겠어요.
00:36
But thinking is really very straightforward:
4
18000
2000
하지만 사고(thinking)는 꽤 이해하기 쉽죠.
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
그냥 논리적 추론 같은 거니까요.
00:42
But that's not the hard part."
6
24000
3000
그건 어려운 부분이 아니죠."
00:45
So here's a list of problems that come up.
7
27000
2000
자, 이제 미래에 발생할 문제들을 얘기해보겠습니다.
00:47
One nice problem is, what do we do about health?
8
29000
3000
한가지 좋은 문제로, 어떻게 건강을 지킬 것인가 하는 게 있습니다.
00:50
The other day, I was reading something, and the person said
9
32000
4000
예전에 서양에서 질병이 발생하는 가장 큰 원인이
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
악수라고 설명하는 글을 읽은 적이 있습니다.
01:00
And there was a little study about people who don't handshake,
11
42000
4000
그리고 악수를 하지 않는 사람들과 악수를 하는 사람들을
01:04
and comparing them with ones who do handshake.
12
46000
3000
간단하게 비교분석한 내용이 있었지요.
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
솔직히 저는 악수를 안 하는 사람을 어디서 찾을 지 전혀 모르겠습니다.
01:12
because they must be hiding.
14
54000
3000
그런 사람들은 어딘가에 꼭꼭 숨어있겠지요.
01:15
And the people who avoid that
15
57000
4000
어쨌든, 악수를 안 하는 사람들은 상대적으로
01:19
have 30 percent less infectious disease or something.
16
61000
4000
타인에게 병을 옮길 가능성이 30% 정도 낮다고 하더군요.
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
31.25%인가 뭐 그런 숫자였습니다.
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
즉, 앞으로 전염병 같은 문제를 해결하려면
01:30
let's start with that. And since I got that idea,
19
72000
4000
악수를 하지 않으면 됩니다. 그런데 이런 생각을 한 후로
01:34
I've had to shake hundreds of hands.
20
76000
4000
저는 수백명이랑 악수를 해야 했습니다.
01:38
And I think the only way to avoid it
21
80000
5000
제가 봤을 때 악수를 하지 않을 수 있는 유일한 방법은
01:43
is to have some horrible visible disease,
22
85000
2000
손에 보기 흉한 병이 생겨서
01:45
and then you don't have to explain.
23
87000
3000
악수를 왜 안 하는지 설명하지 않아도 되는 것입니다.
01:48
Education: how do we improve education?
24
90000
4000
교육문제를 볼까요. 교육 개선방안은 무엇인가?
01:52
Well, the single best way is to get them to understand
25
94000
4000
교육을 개선하는 가장 좋은 방법은, 지금껏 사람들이 배운 것들이
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
대부분은 말도 안 되는 것이라는 점을 이해시키는 겁니다.
01:59
And then, of course, you have to do something
27
101000
2000
그리고 나서, 당연히, 그러한 점을 완화하기 위한 뭔가를 해야 합니다.
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
그래야 사람들이 이야기를 듣는 척이라도 할 테니까요.
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
환경오염, 자원고갈, 환경 다양성, 빈곤
02:10
How do we make stable societies? Longevity.
30
112000
4000
안정적인 사회를 어떻게 만들 것인가? 장수문제.
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
그렇습니다. 걱정해야 할 문제가 매우 많죠
02:17
Anyway, the question I think people should talk about --
32
119000
2000
어쨌든, 제가 봤을 때 우리가 정말 얘기를 나눠야 하는 문제는
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
- 정말 금기시 되는 이야기이긴 합니다만 - 인구의 적정 수준은 어느 정도인가? 라고 생각합니다.
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
저는 1억 명 정도가 적정하다고 생각합니다. 아니면 5억 명이 될 수도 있겠지요.
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
그러면, 앞서 말한 수많은 문제들이 사라진다는 걸 알 수 있습니다.
02:36
If you had 100 million people
36
138000
2000
만약에 인구가 1억 명이고, 이 사람들이 여기저기에
02:38
properly spread out, then if there's some garbage,
37
140000
6000
적당히 흩어져서 산다면, 쓰레기가 생겨도 아무데나 맘에 드는 안 보이는 곳에 버리면
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
그 쓰레기는 언젠가는 모두 썩게 될 겁니다.
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
아니면, 바다에 던져버려서 물고기들이 먹게 하는 것도 괜찮겠지요.
02:56
The problem is, how many people should there be?
40
158000
2000
문제는, 인구의 적정 수준은 어느 정도인가? 입니다.
02:58
And it's a sort of choice we have to make.
41
160000
3000
이것은 우리가 선택해야 하는 문제같은 겁니다.
03:01
Most people are about 60 inches high or more,
42
163000
3000
사람들이 대부분 152cm 보다는 크고,
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
이런 상자가 있다고 하면, 사람들이 이만하게 만들면
03:08
by using nanotechnology, I suppose --
44
170000
3000
- 제가 생각하기엔 나노기술을 쓰면 될 거 같은데요 -
03:11
(Laughter)
45
173000
1000
(웃음)
03:12
-- then you could have a thousand times as many.
46
174000
2000
그러면 천 배는 더 많은 사람이 있을 수 있습니다.
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
이런 식으로 문제를 해결할 수 있겠지만, 저는 사람을 작게 만드는
03:16
doing any research on making people smaller.
48
178000
3000
기술을 연구하는 사람을 본 적이 없습니다.
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
자, 인구를 줄이는 건 좋지만, 아이를 갖고 싶어하는 사람도 무척 많습니다.
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
아마 근미래에는 이런 해결책이 나올 거 같습니다.
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
인간은 46개의 유전자를 가지고 있다는 걸 아실 겁니다.
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
운이 좋다면, 부모님에게서 각각 23개씩을 물려받았겠죠. 가끔 하나를 더 받거나 덜 받는 일도 있습니다.
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
어쨌든, 조부모님이나 증조부님은 건너뛰기로 하지요
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
바로 고조부모님으로 가보는 겁니다. 그러면, 46명의 사람들에게
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
스캐너를 하나 주고, 꼭 스캐너일 필요는 없지만,
03:50
and they look at their chromosomes and each of them says
56
212000
4000
자기가 가진 유전자를 보고 가장 마음에 드는 것 하나를
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
고르게 하는 거지요. 더 이상 두 개의 성별만 있을 필요는 없겠지만요.
03:59
any more, even. So each child has 46 parents,
58
221000
5000
그러면, 아이 한 명당 46명의 부모님이 있는 거고
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
46명의 부모님 그룹 하나 당 15명의 아이를 갖게 하면
04:10
Wouldn't that be enough? And then the children
60
232000
2000
충분하지 않을까요? 그리고 그 아이들은
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
충분한 가정교육과 지원을 받게 될 겁니다.
04:16
and the world population would decline very rapidly
62
238000
2000
세계 인구는 아주 빠른 속도로 감소하겠죠
04:18
and everybody would be totally happy.
63
240000
3000
그러면 모든 사람들이 결국 행복해지게 됩니다.
04:21
Timesharing is a little further off in the future.
64
243000
3000
시분할(tImesharing)이 실현되려면 좀 더 많은 시간이 필요합니다.
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
아서 클라크(Arthur Clarke)가 같은 내용을 두 번 집필한 좋은 소설이 있는데
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
제목은 은하제국의 붕괴(Against the Fall of Night)와 도시와 별(The City and the Stars)입니다.
04:31
They're both wonderful and largely the same,
67
253000
3000
두 작품다 훌륭한 소설이고 내용은 거의 비슷한데,
04:34
except that computers happened in between.
68
256000
2000
컴퓨터가 있고 없고의 차이가 있습니다.
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
아서가 자신의 첫 작품을 보고는 흠, 이건 안 되겠는데, 라고 생각했지요.
04:41
The future must have some computers."
70
263000
2000
미래에는 어떤 형태로든지 컴퓨터가 존재할 테니까요.
04:43
So in the second version of it, there are 100 billion
71
265000
5000
그래서 두 번째 작품에서는 천억인가, 1조명의 사람들이
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
지구에 살고 있지만, 그 사람들이 하드디스크나 플로피디스크에 저장되어 있습니다.
04:56
or whatever they have in the future.
73
278000
2000
무엇이든 미래에서 사용하는 어떤 기억장치에 저장이 되어 있는 거죠.
04:58
And you let a few million of them out at a time.
74
280000
4000
그리고 한번에 몇 백만 명 씩만 밖으로 나오게 되는 겁니다.
05:02
A person comes out, they live for a thousand years
75
284000
4000
한 사람이 나오면, 천 년동안 인생을 살아가면서
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
하고 싶은 일을 하고, 다시 저장장치로 돌아가 십억년을 지내야 하는 건데,
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
그게 십억년인지 백만년이었는지 정확하게 기억은 안나지만, 정확한 햇수는 중요하지 않고요.
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
그러나, 지구 상에 살아가는 사람의 숫자는 언제든지 많지가 않다는 거지요.
05:20
And you get to think about yourself and your memories,
79
302000
2000
그리고 사람들은 나 자신과 내가 가진 기억에 대해 생각해보게 됩니다.
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
그리고 저장장치로 돌아가기 전에 그 기억을 편집하지요
05:27
and you change your personality and so forth.
81
309000
3000
그리고 자신의 성격도 바꾸고.. 뭐 등등의 그런 이야기입니다.
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
책의 줄거리는 다양한 사람들이 충분히 많지가 않아서
05:36
so that the people who designed the city
83
318000
3000
도시를 설계한 사람들은 언제나 전혀 다른 사람이
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
만들어지도록 한다는 것이었습니다.
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
이 소설에서, 알빈이라는 사람이 창조됩니다. 그 사람은 이런 사회체계가
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
최선책이 아닐 수 있다며, 사회체제를 붕괴시키지요.
05:53
I don't think the solutions that I proposed
87
335000
2000
저는 제가 제안하는 해결책들이 아주 좋다거나
05:55
are good enough or smart enough.
88
337000
3000
훌륭하다고는 생각하지 않습니다.
05:58
I think the big problem is that we're not smart enough
89
340000
4000
사실 문제는 우리들이 당면하고 있는 문제들 중에 좋은 것이 무엇인지를
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
이해할 정도로 똑똑하지 않다는 점이라고 생각합니다.
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
그러니까 HAL 같은 수퍼인공지능을 건설해야 하는 거지요.
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
기억하시겠지만, 2001 스페이스 오디세이라는 책에 보면
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
HAL은 소설 속의 아주 멍청한 우주 비행사들이 이해하기에는
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
우주가 너무나 원대하고 심오하다는 사실을 알아차립니다. 만약 HAL의 행동과
06:24
with the triviality of the people on the spaceship,
95
366000
4000
우주선에 탄 사람들의 시시한 행동을 비교해본다면,
06:28
you can see what's written between the lines.
96
370000
3000
이 소설의 행간의 의미를 이해할 수 있습니다.
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
자, 그럼 어떻게 해야할까요? 우리는 더 똑똑해질 수 있다고 봅니다.
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
저는 우리가 침팬지와 비교하다면, 꽤 똑똑하다고 생각합니다.
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
하지만 우리가 직면한 엄청난 문제들을 해결할 만큼 머리가 좋지는 않습니다.
06:45
either in abstract mathematics
100
387000
2000
추상대수학적인 문제를 풀어내거나 경제상황을 파악하거나
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
세계의 균형을 맞출 방법을 생각해 내지도 못하지요
06:52
So one thing we can do is live longer.
102
394000
3000
하지만 수명을 연장할 수는 있을 것입니다.
06:55
And nobody knows how hard that is,
103
397000
2000
그게 얼마나 힘들지는 아무도 모르지만
06:57
but we'll probably find out in a few years.
104
399000
3000
앞으로 몇 년 안에 그 방법을 찾아낼 수도 있습니다.
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
두 개의 갈림길이 있다고 생각해봅시다.
07:03
twice as long as chimpanzees almost,
106
405000
4000
우리는 인간의 수명은 침팬지의 수명의 약 두 배이지만
07:07
and nobody lives more than 120 years,
107
409000
4000
120년 이상은 살지 못한다는 것을 알고 있습니다.
07:11
for reasons that aren't very well understood.
108
413000
3000
그 이유는 우리도 잘은 모르지요.
07:14
But lots of people now live to 90 or 100,
109
416000
3000
하지만 이제는 많은 사람들이 90이나 100세까지 살아갑니다.
07:17
unless they shake hands too much or something like that.
110
419000
4000
악수를 너무 많이 하거나 하지만 않으면 말이지요
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
만약 우리가 200세까지 살 수 있다면, 몇몇 문제들을
07:26
and knowledge to solve some problems.
112
428000
5000
해결하는 데 필요한 지식과 기술을 충분히 축적할 수도 있을 것입니다.
07:31
So that's one way of going about it.
113
433000
2000
이게 문제해결의 첫걸음이 될 수 있는 거지요
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
물론 제가 말했듯이, 생명연장이 얼마나 어려울 지는 아무도 모릅니다.
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
어쨌든, 대부분의 포유류는 침팬지 수명의 절반 정도를 살고
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
그러니 인간은 3.5배에서 4배정도, 대부분의 포유류에 비해
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
4배의 수명을 가진 셈이죠. 그리고 영장류만 본다면
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
우리는 거의 같은 유전자를 가지고 있습니다. 시시한 이야기지만
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
현재까지 알려진 바로는 인간과 침팬지의 유전자는
08:01
maybe by just a few hundred genes.
120
463000
2000
겨우 몇 백개만 다르다고 하지요.
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
저는 유전공학자들이 본인이 무슨 일을 하는지 아직 모르는 것 같습니다.
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
그리고 무슨 일을 하시든지 우리가 살아있는 동안 출판된
08:09
that's published within your lifetime, or something.
123
471000
3000
유전학에 대한 글은 아무것도 읽지 마시기 바랍니다.
08:12
(Laughter)
124
474000
3000
(웃음)
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
그런 글의 수명은 아주 짧습니다. 뇌과학과 마찬가지지요.
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
만약에 너다섯 개의 유전자를 개조하면,
08:25
we can live 200 years.
127
487000
2000
200세까지 살 수도 있다는 말입니다.
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
하지만 서른이나 마흔까지밖에 못 살 수도 있지요.
08:30
and I doubt that it's several hundred.
129
492000
2000
몇 백년을 사는 건 힘들 거라고 생각합니다.
08:32
So this is something that people will be discussing
130
494000
4000
그렇기 때문에 이 문제에 대해 사람들이 논의를 해야합니다.
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
물론 윤리학자들도 많이 나오겠지요. 아시다시피, 윤리학자들은
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
우리가 어떤 생각을 하든지 거기에서 잘못된 점을 꼬집어내는 사람들이니까요.
08:42
(Laughter)
133
504000
3000
(웃음)
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
그리고 윤리학자 중에 변화에 가치를 두는 사람을 찾기란 아주 어렵습니다.
08:49
worth making, because he says, what about the consequences?
135
511000
4000
왜냐하면, 윤리학자들은 변화로 인한 결과를 어떻게 책임질 것인지 걱정하기 때문이죠.
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
물론, 우리는 지금 우리의 행동이 초래할 결과에 대해 책임이 있지 않습니다.
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
아닌가요? 복제인간에 대한 불평과 마찬가지입니다.
09:02
And yet two random people will mate and have this child,
138
524000
3000
하지만 아주 형편없는 유전자를 가진 두 사람이 만나
09:05
and both of them have some pretty rotten genes,
139
527000
4000
결혼을 하고 아이를 가진다면
09:09
and the child is likely to come out to be average.
140
531000
4000
그 아이는 평범한 사람이 될 가능성이 높습니다.
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
침팬지의 기준에서 보자면, 사실 아주 훌륭한 거죠
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
만약 우리가 더 오래 살 수 있다면, 인구 증가 문제가 생길 게 분명합니다.
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
왜냐하면 사람이 200년이든 천 년이든 살게 된다면
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
200년이나 천 년에 한 번만 한 명의 아이를 가지게 할 수는 없기 때문이죠.
09:32
And so there won't be any workforce.
145
554000
3000
그리고 노동인구도 충분하지 않을 테구요
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
로리 가렛(Laurie Garrett)과 여러 사람들이 지적했던 문제 중의 하나가
09:39
is that a society that doesn't have people
147
561000
5000
일을 할 수 있는 연령대의 사람이 없는 사회는 심각한 문제에 빠진다는 것입니다.
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
그리고 상황은 계속 악화되기만 할 텐데, 그 이유는
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
어린 아이들을 교육하거나 노인들을 돌볼 사람이 없기 때문입니다.
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
물론 제가 오래산다고 말하는 것은
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
우리가 흔히 떠올리는 200살의 이미지는 아닙니다.
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
200살이면 거의 죽은 사람이나 다름없다는 그런 이미지는 아니라는 겁니다.
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
뇌에는 약 400 여개의 부위가 있는데
10:07
which seem to have different functions.
154
589000
2000
이 부위들이 각각 다른 기능을 하는 걸로 보입니다.
10:09
Nobody knows how most of them work in detail,
155
591000
3000
구체적으로 어떤 부위가 어떤 기능을 담당하는지는 아무도 모르지만
10:12
but we do know that there're lots of different things in there.
156
594000
4000
뇌 안에는 수많은 다른 것들이 있다는 사실은 알고 있습니다.
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
그리고 모든 부위가 항상 함께 일하는 것도 아닌 거죠. 저는 프로이드의 이론을 좋아합니다.
10:18
that most of them are cancelling each other out.
158
600000
4000
프로이드는 대부분의 뇌는 서로 상쇄된다고 말했죠
10:22
And so if you think of yourself as a sort of city
159
604000
4000
그러니까 만약 우리를 100개의 자원이 있는 하나의 도시같은 것으로 생각해보면
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
우리가 겁을 먹었을 때, 예를 들면 말이죠,
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
우리는 장기적인 목표를 버리고, 대신에 목전의 목표를 어떻게 달성할 것인지에 대해
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
골몰히 매달리게 될 수도 있습니다.
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
다른 일은 죄다 팽개쳐두는 거죠. 말하자면 외골수가 되는 겁니다.
10:43
all you care about is not stepping out on that platform.
164
625000
4000
오로지 그 상황에서 벗어나지 않는 것만 생각하지요
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
그리고 배가 고프면, 음식이 더 많이 생각나고, 뭐 다 그런 식이죠.
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
그래서 저는 감정이 매우 진화된 우리 능력의 부분 집합들이라고 생각합니다.
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
감정은 사고에 더해지는 어떤 것이 아닙니다. 감정의 단계라는 것은
11:01
is what you get when you remove 100 or 200
168
643000
4000
100개나 200개의 보통 사용가능한 자원을
11:05
of your normally available resources.
169
647000
3000
제거했을 때 얻어지는 것입니다.
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
그러니까 감정을 사고와는 반대인, 뭔가 더 작은 것으로 생각하는 것이
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
굉장히 생산적입니다. 그리고 제가 바라는 건
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
앞으로 몇 년 안에, 이것이 스마트 머신으로 이어진다는 걸 보여주는 것이죠.
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
그리고 제 생각엔 여기 나머지 부분은 그냥 넘어가기로 하죠. 스마트 머신을 어떻게
11:22
on how we might make those smart machines and --
174
664000
5000
만들 것인가에 대한 자세한 내용들이거든요.
11:27
(Laughter)
175
669000
5000
(웃음)
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
사실 말하고자 하는 바는 스마트 머신의 핵심이 바로
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
우리가 직면한 문제의 종류가 무엇인지 알아내는 것이라는 거죠
11:42
This is a problem of such and such a type,
178
684000
3000
이 문제는 이러이러한 타입의 문제이므로,
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
그 문제를 해결하는 데 필요한 어떤 사고방식이
11:50
that are good for that problem.
180
692000
2000
적합하다라는 것말입니다.
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
그래서 저는 미래에는 심리학의 주요 이슈가
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
곤란한 문제나 상황, 방해요소들의 타입을 구분하고
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
타입에 맞는 해결책들을 분류하고, 이 해결책과 문제의 짝을 맞추는 일이 될 것이라 생각합니다.
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
자, 보세요. 거의 파블로프의 조건반사와 같은 거죠.
12:09
we lost the first hundred years of psychology
185
711000
2000
우리는 인간의 어떻게 상황에 대응하는 방식을 배우는지에 대한
12:11
by really trivial theories, where you say,
186
713000
3000
시시한 이론을 연구하는 데
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
심리학 역사의 첫 몇 백년을 허비해버렸습니다. 제가 하는 얘기는 말하자면
12:20
after we go through a lot of levels, including designing
188
722000
5000
수 천개의 부분들이 얽히고 설킨 체계를 디자인하는 등의
12:25
a huge, messy system with thousands of ports,
189
727000
3000
수 많은 단계를 지나고 나서야
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
심리학의 핵심 문제에 다다르게 될 것입니다.
12:32
Saying, not what are the situations,
191
734000
3000
그러니까, 중요한 것은 상황이 아니라
12:35
but what are the kinds of problems
192
737000
2000
그 문제가 어떤 타입이냐 하는 것입니다.
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
그리고 거기에 맞는 전략의 타입은 무엇이며, 그 전략은 어떻게 배우느냐 하는 문제입니다.
12:40
how do you connect them up, how does a really creative person
194
742000
3000
문제와 해결방안은 어떻게 연계시키고, 아주 창의적인 사람이
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
어떻게 가용자원을 가지고 새로운 사고방식을 만들어내는가, 등등의 문제인거죠
12:48
So, I think in the next 20 years,
196
750000
2000
그래서 저는 앞으로 20년 안에, 우리가 인공지능에 대한
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
신경망, 유전자 알고리즘과 규칙기반시스템과 같은
12:55
like neural nets and genetic algorithms
198
757000
2000
전통적인 접근방식을 모두 제거할 수 있다면
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
그리고 말하자면 좀 더 시선을 높은 곳으로 돌린다면
13:03
can we make a system that can use all those things
200
765000
2000
특정한 문제의 타입에 따라 자원을 활용할 수 있는 시스템을
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
구축할 수 있지 않을까요? 어떤 문제는 신경 회로망을 사용하면 좋고
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
그리고 신경 회로망이 다른 문제에는 아무짝에도 쓸모없다는 걸 아는 거죠
13:12
Genetic algorithms are great for certain things;
203
774000
3000
유전자 알고리즘이 몇몇 문제를 해결할 때는 아주 좋은 방식입니다.
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
이 방식이 통하지 않는 부분에 대해 제가 알고 있는 것 같지만, 알려드리진 않을 겁니다.
13:19
(Laughter)
205
781000
1000
(웃음)
13:20
Thank you.
206
782000
2000
감사합니다.
13:22
(Applause)
207
784000
6000
(박수)
ABOUT THE SPEAKER
Marvin Minsky - AI pioneerMarvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching.
Why you should listen
Marvin Minsky is the superstar-elder of artificial intelligence, one of the most productive and important cognitive scientists of the century, and the leading proponent of the Society of Mind theory. Articulated in his 1985 book of the same name, Minsky's theory says intelligence is not born of any single mechanism, but from the interaction of many independent agents. The book's sequel,The Emotion Machine (2006), says similar activity also accounts for feelings, goals, emotions and conscious thoughts.
Minsky also pioneered advances in mathematics, computational linguistics, optics, robotics and telepresence. He built SNARC, the first neural network simulator, some of the first visual scanners, and the first LOGO "turtle." From his headquarters at MIT's Media Lab and the AI Lab (which he helped found), he continues to work on, as he says, "imparting to machines the human capacity for commonsense reasoning."
Marvin Minsky | Speaker | TED.com