본문 바로가기
연재/번역

인공지능 주요 인물 및 용어 살펴보기

by CITY 2019. 11. 18.

Warren Sturgis McCulloch

https://en.wikipedia.org/wiki/Warren_Sturgis_McCulloch

Warren Sturgis McCulloch (November 16, 1898 – September 24, 1969) was an American neurophysiologist and cybernetician, known for his work on the foundation for certain brain theories and his contribution to the cybernetics movement.[1] Along with Walter Pitts, McCulloch created computational models based on mathematical algorithms called threshold logic which split the inquiry into two distinct approaches, one approach focused on biological processes in the brain and the other focused on the application of neural networks to artificial intelligence.[2]

 

(번역)

워렌 스터기스 맥컬록(Warren Sturgis McCulloch, 1898년 11월 16일 ~ 1969년 9월 24일)은 미국의 신경생리학자이자 사이버네틱스 전문가로 특정 뇌 이론의 기초와 사이버네틱스 운동에 기여한 것으로 알려져있다. 월터 피츠(Walter Pitts)와 함께 맥컬록은 임계 논리(threshold logic)라고 불리는 수학 알고리즘에 기초한 연산 모델을 만들었는데, 이 알고리즘은 뇌의 생물학적 과정에 초점을 맞춘 접근 방식과 인공지능에 신경망을 적용하는 데 초점을 맞춘 접근 방식으로 나뉜다.

 

Neural network modelling

In the 1943 paper they attempted to demonstrate that a Turing machine program could be implemented in a finite network of formal neurons (in the event, the Turing Machine contains their model of the brain, but the converse is not true[6]), that the neuron was the base logic unit of the brain. In the 1947 paper they offered approaches to designing "nervous nets" to recognize visual inputs despite changes in orientation or size.

From 1952 he worked at the Research Laboratory of Electronics at MIT, working primarily on neural network modelling. His team examined the visual system of the frog in consideration of McCulloch's 1947 paper, discovering that the eye provides the brain with information that is already, to a degree, organized and interpreted, instead of simply transmitting an image.

 

(번역) 신경망 모델링

1943년 논문에서 그들은 튜링 기계 프로그램이 유한한 신경망(신경은 뇌의 기본 논리 단위)에서 구현될 수 있다는 것을 입증하려고 시도했다. (이 경우 튜링 기계는 그들의 신경망 모형을 포함하지만, 반대는 그렇지 않다.) 1947년 논문에서 그들은 방향이나 크기의 변화에도 불구하고 시각적 입력을 인식하는 "신경망"을 설계하는 접근법을 제안했다.

1952년부터는 맥컬록은 MIT의 전자공학연구소에서 주로 신경망 모델링에 관한 일을 했다. 그의 팀은 맥컬록의 1947년 논문을 고려해 개구리의 시각 시스템을 조사했고, 눈은 단순히 이미지를 전달하는 것이 아니라 이미 어느 정도 분류되고 해석된 정보를 뇌에 제공한다는 것을 발견했다.

 

도널드 올딩 헵

https://en.wikipedia.org/wiki/Donald_O._Hebb

Donald Olding Hebb FRS[1] (July 22, 1904 – August 20, 1985) was a Canadian psychologist who was influential in the area of neuropsychology, where he sought to understand how the function of neurons contributed to psychological processes such as learning. He is best known for his theory of Hebbian learning, which he introduced in his classic 1949 work The Organization of Behavior.[3] He has been described as the father of neuropsychology and neural networks.[4] A Review of General Psychology survey, published in 2002, ranked Hebb as the 19th most cited psychologist of the 20th century.[5] His views on learning described behavior and thought in terms of brain function, explaining cognitive processes in terms of connections between neuron assemblies. 

 

(번역)

도널드 올딩 헵(1904년 7월 22일 ~ 1985년 8월 20일)은 캐나다의 심리학자로 신경심리학 분야에서 영향력이 컸으며, 학습과 같은 심리적인 과정에서 신경세포(뉴런)가 어떻게 기여하는지를 이해하고자 했다. 헵은 1949년 발표한 '행동의 조직'의 '헤비안 학습 이론'으로 유명하다. '신경심리학'과 '신경망'의 아버지로 평가받는다. 2002년에 발표된 일반 심리학 조사의 리뷰에서 헵은 20세기에 19번째로 가장 많이 인용된 심리학자였다. 헵은 학습에 대해 행동과 사고를 뇌기능의 관점에서 설명하면서 신경세포 집합 간의 연관성 측면에서 인지적 과정을 설명했다. 

 

The Organization of Behavior (1949)

Main article: The Organization of Behavior

The Organization of Behavior is considered Hebb's most significant contribution to the field of neuroscience. A combination of his years of work in brain surgery mixed with his study of human behavior, it finally brought together the two realms of human perception that for a long time could not be connected properly, that is, it connected the biological function of the brain as an organ together with the higher function of the mind.[3]

In 1929, Hans Berger discovered that the mind exhibits continuous electrical activity and cast doubt on the Pavlovian model of perception and response because, now, there appeared to be something going on in the brain even without much stimulus.

At the same time, there were many mysteries. For example, if there was a method for the brain to recognize a circle, how does it recognize circles of various sizes or imperfect roundness? To accommodate every single possible circle that could exist, the brain would need a far greater capacity than it has.

Another theory, the Gestalt theory, stated that signals to the brain established a sort of field. The form of this field depended only on the pattern of the inputs, but it still could not explain how this field was understood by the mind.

 

(번역) 행동의 조직

신경과학 분야에서 헵이 가장 중요하게 기여한 것은 행동의 조직이다. 뇌수술 분야에서 수년 간의 경험과 인간 행동에 대한 연구를 혼합한 결과, 오랫동안 제대로 연결된 적 없는 인간 인식의 두 영역, 즉 뇌의 생물학적 기능과 마음의 고등 기능을 마침내 연결해냈다.

1929년에 한스 베르거는 마음에 지속적인 전기 활동이 있다는 것을 발견하고 인지와 응답에 대한 파블로프 모델에 의심을 던졌다. 충분한 자극 없이도 뇌에서 무언가가 일어나는 것처럼 보였다.

수수께끼도 많았다. 예를 들어, 뇌가 원을 인식하는 방법이 있다면, 어떻게 다양한 크기의 원이나 불완전한 둥근 원을 인식하는 걸까? 존재 가능한 모든 원을 수용하려면, 뇌는 지금보다 훨씬 더 큰 용량이 필요할 것이다.

또 다른 이론인 게스탈트 이론(Gestalt theory)은 뇌에 대한 신호가 일종의 분야를 형성한다고 말했다. 이 분야의 형태는 입력 패턴에만 의존할 뿐, 이 분야가 어떻게 마음에 의해 이해되는지는 여전히 설명할 수 없었다.

 

Stochastic neural analog reinforcement calculator

https://en.wikipedia.org/wiki/Stochastic_neural_analog_reinforcement_calculator

SNARC (Stochastic Neural Analog Reinforcement Calculator) is a neural net machine designed by Marvin Lee Minsky.[1] Prompted by a letter from Minsky, George Armitage Miller gathered the funding for the project from the Air Force Office of Scientific Research in the summer of 1951 with the work to be carried out by Minsky, who was then a graduate student in mathematics at Princeton University. At the time, a physics graduate student at Princeton, Dean S. Edmonds,[2] volunteered that he was good with electronics and therefore Minsky brought him onto the project.

The machine itself is a randomly connected network of approximately 40 Hebb synapses. These synapses each have a memory that holds the probability that signal comes in one input and another signal will come out of the output. There is a probability knob that goes from 0 to 1 that shows this probability of the signals propagating. If the probability signal gets through, a capacitor remembers this function and engages a "clutch". At this point, the operator will press a button to give reward to the machine. At this point, a large motor starts and there is a chain that goes to all 40 synapse machines, checking if the clutch is engaged or not. As the capacitor can only "remember" for a certain amount of time, the chain only catches the most recent updates of the probabilities.

This machine is considered one of the first pioneering attempts at the field of artificial intelligence. Minsky went on to be a founding member of MIT's Project MAC, which split to become the MIT Laboratory for Computer Science and the MIT Artificial Intelligence Lab, and is now the MIT Computer Science and Artificial Intelligence Laboratory. In 1985 Minsky became a founding member of the MIT Media Laboratory.

 

(번역)

SNARC(Stochastic Neural Analog Reinforcement Calculator)는 마빈 민스키가 설계한 신경망 기계다. 민스키 편지에 따르면, 1951년 여름 조지 아미티지 밀러는 공군과학연구소에서 자금을 받아 당시 프린스턴 대학의 수학과 대학원생이었던 민스키에게 프로젝트를 수행하도록 했다. 당시 프린스턴대 물리학과 대학원생인 딘 S. 에드먼즈가 전자기기에 능숙하다며 자원했고, 민스키가 그를 프로젝트로 끌어들였다.

기계 자체는 약 40개의 헵(Hebb) 시냅스들이 무작위로 연결된 네트워크다. 이러한 시냅스는 각각 한번 입력하면 신호가 들어오고 다른 신호를 출력하는 확률을 지닌 메모리로 이루어진다. '확률식'에 따라 신호 전달은 0에서 1까지 확률을 보인다. 확률 신호가 통과하면, 콘덴서는 수식을 기억해 "클러치"를 결합한다. 이때, 운영자는 버튼을 눌러 기계에 보상을 준다. 큰 모터가 움직여 40개의 시냅스 기계 모두를 연결하는 체인이 있어, 클러치가 연결되었는지 아닌지를 점검한다. 콘덴서는 일정 시간 동안만 "기억"하기 때문에, 체인은 최근 업데이트된 확률만을 반영한다.

이 기계는 인공지능 분야에서 첫 선구적인 시도 중 하나로 여겨진다. 민스키는 MIT의 프로젝트 MAC의 창립 멤버로 계속 활동했는데, MAC는 MIT 컴퓨터과학연구소와 MIT 인공지능연구소로 분리되었다가, 현재는 MIT 컴퓨터과학 및 인공지능연구소가 되었다. 1985년 민스키는 MIT 미디어연구소의 창립 멤버가 되었다.

 

 

댓글0