기계에게 상식을
문장으로 가르칠 수 있을까요?

논문은 새로운 상황에 필요한 사실을 받아들이고, 이미 가진 일반 규칙과 결합해 무엇을 해야 할지 알아내는 능력을 문제 삼습니다. 정해진 계산의 속도보다 새로운 지식을 들이는 방식에 초점을 맞춥니다. 프로그램을 개선할 때마다 내부 절차를 다시 코딩한다면, 새로운 지식이 늘어날수록 수정 비용도 커집니다.

매카시는 사람이 일상에서 쓰는 지식의 상당 부분을 선언문으로 줄 수 있다고 보았습니다. 여기서 ‘상식’은 막연한 직감의 별명이 아니라, 여러 문제에 다시 쓸 수 있는 사실과 규칙을 문장으로 표현하고 적절한 순간에 꺼내 쓰는 과제입니다.

완성된 시스템의 성능 보고서가 아니라 구축할 프로그램의 설계 제안입니다. Advice Taker는 형식 언어로 적힌 문장을 받아 저장하고, 상황을 기술하는 선언문에서 즉각적인 결론을 연역하며, 그 결론이 명령문이면 행동하는 프로그램으로 제시됩니다.

따라서 이 논문을 실제 작동 결과나 실험 정확도를 보고한 연구처럼 읽으면 안 됩니다. 가치는 지식을 어떻게 넣고, 추론과 행동을 어떻게 잇고, 무엇이 아직 어려운지를 한 구조 안에 드러낸 데 있습니다.

선언문은 무엇이 참인지, 어떤 조건에서 무엇이 따라오는지, 어떤 상태를 원하는지 적습니다. 같은 사실을 여러 과제에서 재사용할 수 있고, 사용자는 그 문장이 적용될 모든 절차를 미리 열거하지 않아도 됩니다. 논문은 이런 일반성을 절차적 표현에 대한 장점으로 듭니다.

다만 선언문만 쌓으면 저절로 지능이 생기지는 않습니다. 형식 언어가 뜻을 구별해야 하고, 추론 규칙이 결론을 찾아야 하며, 수많은 문장 가운데 지금 관련 있는 것을 골라야 합니다. 선언적 표현은 문제를 없애기보다 어디에 문제가 있는지 선명하게 나눕니다.

공항에 도착하려면 먼저 차에 가야 합니다. 여기서는 현재 위치가 책상이고, 책상에서 차까지 걸을 수 있으며, 차에서 공항까지 운전할 수 있다는 상황을 둡니다. 목표는 공항 도착입니다. 각 버튼을 선택하면 그 정보로 어디까지 추론할 수 있는지 나타납니다.

이 모형은 세 가지 계획 규칙을 사용합니다. ① 목표 장소로 가는 행동의 출발점을 중간 목표로 삼습니다. ② 현재 위치에서 중간 목표까지 갈 수 있으면 그 행동을 선택합니다. ③ 행동이 성공하면 위치를 도착지로 갱신합니다. 네 전제를 모두 고른 뒤 “차까지 걷기 실행”을 누르면 새 위치에서 다음 행동을 도출합니다.

원문의 즉각 추론 절차는 선택한 전제들에 규칙을 적용해 다음 결론들을 얻습니다. 그 결론을 다시 사용하면 여러 단계의 추론이 이어집니다.

먼저 “차에서 공항으로 갈 수 있다”와 “공항이 목표다”를 결합하여 중간 목표를 차 도착으로 정합니다. 이어서 현재 위치가 책상이고 차까지 걸을 수 있다는 사실을 사용하면 첫 행동을 정할 수 있습니다.

걷기를 실행하고 성공하면 현재 위치를 차로 바꿉니다. 그러면 차에서 공항으로 운전할 수 있다는 규칙을 새 상태에 적용할 수 있습니다. 계획을 도출하는 일과 실제로 행동하여 상황을 바꾸는 일을 이렇게 구분합니다.

원문의 canachult는 어떤 상황에서 목표를 궁극적으로 달성할 수 있음을, prog(u,v)는 u 다음에 v를 실행하는 순서를, do는 실행할 행동을 지시하는 데 쓰입니다. 아래 도식과 실험은 이 구분을 일상어로 풀어낸 축약 모형입니다.

논문은 선언형 결론과 명령형 결론을 구분합니다. 선언형 결론은 새 사실로 저장되어 다음 추론에 쓰입니다. 명령형 결론은 프로그램이 외부 장치를 움직이거나 내부 작업을 수행하도록 촉발합니다. 행동 뒤에는 상황이 바뀌므로 새 사실을 받아 다시 추론합니다.

이 연결은 강력하면서 위험합니다. 잘못된 전제나 지나치게 넓은 규칙이 명령으로 이어지면 오류도 행동이 됩니다. 원문은 형식 체계와 실행의 연결을 제안하지만, 오늘날 요구하는 안전 장치와 권한 통제까지 제공하지는 않습니다.

원문 예는 책상에서 차까지 걸어가고, 차를 운전해 공항으로 가는 연속 행동을 보입니다. 목표와 가능성에 관한 문장들에서 먼저 걷기 명령을 얻고, 그 행동 뒤 바뀐 위치를 반영한 다음 운전 명령을 얻습니다.

일반 규칙과 현재 사실을 결합해 다음 행동을 만들고, 실행 결과를 다음 추론의 입력으로 삼는 과정이 이 예의 중심입니다.

일상어 한 문장에는 숨은 조건이 많습니다. 현재 위치, 목적지, 걸을 수 있는 연결, 차의 위치, 운전 가능성, 행동 뒤 위치가 달라진다는 규칙, 목표를 만족하면 다음 행동이 필요 없다는 조건 등을 형식 언어에서는 따로 적어야 합니다.

원문의 열일곱 문장은 상식이 짧은 표어 한 줄이 아니라 서로 맞물린 배경지식임을 보여 줍니다. 숫자 자체가 보편적인 최소량은 아닙니다. 선택한 형식화와 예에 따라 필요한 문장 수가 달라집니다.

논문은 모든 문장을 모든 순간에 함께 적용하면 시간이 지나치게 오래 걸릴 수 있다고 분명히 말합니다. 지식이 늘수록 가능한 결합도 빠르게 늘기 때문입니다. 정확한 규칙이 있어도 필요한 때 결론을 얻지 못하면 행동 체계로는 쓸 수 없습니다.

아래 실험은 전제의 양과 관련성의 차이를 보여 줍니다. 현재 목표에 필요한 문장을 고르는 일이 핵심이며, 문장 수만 줄인다고 해결되지는 않습니다.

매카시는 프로그램의 지능이 전제 목록을 선택하는 데 크게 달려 있다고 씁니다. 목표와 현재 상황에 비추어 어떤 문장을 추론기에 건넬지 결정하는 휴리스틱이 필요합니다. 논문은 속성 목록 같은 장치를 제안하지만 완전한 해법으로 제시하지 않습니다.

여기서 형식 논리와 탐색 전략이 만납니다. 추론 규칙이 타당해도 관련성 선택이 나쁘면 필요한 결론에 도달하지 못하거나 너무 늦게 도달합니다. 이 미해결점은 논문의 핵심 연구 의제입니다.

본문의 단순한 at(x,y) 관계를 그대로 추이적으로 다루면, 책상이 방에 있고 방이 건물에 있다는 포함 관계와 사람이 책상에 있다는 순간적 위치를 같은 방식으로 섞을 위험이 있습니다. 행동 전후의 시간도 드러나지 않아, 떠난 뒤에도 이전 위치가 계속 참인 것처럼 남을 수 있습니다.

논문 뒤 토론에서는 바로 이런 문제가 제기됩니다. 비용, 시간, 동시 변화, 예외를 생략한 장난감 예가 실제 세계의 행동 논리로 곧장 확대될 수 없다는 지적입니다. 매카시의 답변도 시간 변수를 포함한 더 정교한 표현이 필요함을 인정하는 방향입니다.

논문의 이상은 사용자가 새 사실이나 일반 규칙을 말해 주면 프로그램이 기존 지식과 함께 활용하는 것입니다. 사례별 실행 코드를 전부 고치지 않아도 된다는 점이 핵심입니다. 조언은 사실, 규칙, 목표 등 서로 다른 역할을 가질 수 있습니다.

버튼으로 한 문장이 지식 상태에 어떤 변화를 주는지 비교해 보세요. 실제 시스템이라면 새 문장의 일관성, 출처, 적용 범위, 우선순위도 검사해야 합니다. 원문은 그 모든 관리 절차를 완성하지 않았습니다.

직접 같은 것으로 읽을 수는 없습니다. 이 논문은 명시적인 형식 문장, 연역 규칙, 행동 명령을 중심으로 한 연구 구상입니다. 오늘날의 통계적 언어 모델은 학습 방식과 내부 표현, 오류 양상이 다릅니다.

다만 지식을 수정 가능한 표현으로 두려는 목표, 외부 지식에서 관련 전제를 고르는 문제, 추론 결과를 행동과 연결할 때의 안전성은 여전히 비교할 만한 질문입니다. 계보를 찾는 일과 동일시하는 일은 구분해야 합니다.

기계에게 상식을 문장으로 가르치려면, 사실과 규칙과 목표를 구별해 표현하고, 현재 상황에 관련된 전제를 고르며, 그 문장에서 얻은 결론을 안전한 행동으로 바꾸는 장치가 필요합니다. 문장을 저장하는 일은 이 과정의 시작입니다.

매카시의 논문은 선언적 지식과 행동의 연결을 또렷하게 제안했습니다. 동시에 공항 예와 이어진 토론은 시간·맥락·관련성 선택을 빠뜨린 형식화가 얼마나 쉽게 어긋나는지도 보여 줍니다. 상식의 핵심은 지식의 양만큼 알맞은 표현과 선택에 있습니다.