1.22 보편 기호학이 인공지능 기호주의에 미친 사상적 영향

1. 보편 기호학에서 기호주의 AI로의 사상적 연속성

라이프니츠의 보편 기호학(Characteristica Universalis)이 인공지능의 기호주의(Symbolicism) 패러다임에 미친 영향은 직접적 기술 전수가 아니라, 3세기에 걸쳐 정교화된 사상적 프레임워크의 계승이다. 보편 기호학의 핵심 원리—지식의 형식적 기호화, 추론의 기계적 수행, 기호 조작에 의한 진리 발견—는 기호주의 인공지능의 근본 전제와 구조적으로 동일하다.

2. 물리적 기호 체계 가설과 보편 기호학

뉴웰(Allen Newell)과 사이먼(Herbert A. Simon)은 1976년 ACM 튜링상 수상 강연 “Computer Science as Empirical Inquiry: Symbols and Search“에서 물리적 기호 체계 가설(Physical Symbol System Hypothesis)을 제시하였다. 이 가설은 다음과 같다:

물리적 기호 체계는 일반 지능 행동의 필요충분 수단이다.

여기서 물리적 기호 체계란, 기호(Symbol)를 조작하는 물리적 장치로서, 기호의 생성, 복사, 수정, 삭제 및 조건 분기 능력을 갖는 체계이다.

이 가설은 라이프니츠의 보편 기호학 구상의 현대적 재정립이다. 라이프니츠가 “올바른 기호 체계와 추론 규칙이 주어지면 모든 지적 탐구가 기호의 기계적 조작으로 수행 가능하다“고 주장한 것과, 뉴웰-사이먼이 “물리적 기호 체계가 일반 지능의 충분 조건이다“라고 주장한 것은 동일한 지적 프로그램의 상이한 시대적 표현이다.

3. 지식 표현(Knowledge Representation)과 보편 기호학

기호주의 AI에서 지식 표현(Knowledge Representation)은 세계에 대한 지식을 형식적 기호 구조로 부호화하는 것이다. 이는 보편 기호학의 “모든 개념을 형식적 기호로 표현한다“는 원리의 직접적 적용이다.

3.1 술어 논리에 의한 지식 표현

일차 술어 논리(First-Order Predicate Logic)는 기호주의 AI의 표준적 지식 표현 언어이다. 사실(Fact), 규칙(Rule), 관계(Relation)를 술어와 양화사로 형식적으로 부호화한다.

예를 들어:

• “모든 새는 날 수 있다”: \forall x \, (\text{Bird}(x) \rightarrow \text{CanFly}(x))
• “트위티는 새이다”: \text{Bird}(\text{Tweety})

이 형식화는 프레게의 술어 논리 체계를 직접 사용한 것이며, 프레게의 체계는 라이프니츠의 보편 기호학 구상을 부분적으로 실현한 것이다.

3.2 프레임, 의미 네트워크, 온톨로지

프레임(Frame, Minsky 1974), 의미 네트워크(Semantic Network), 온톨로지(Ontology) 등의 지식 표현 구조는 술어 논리의 대안적 또는 보충적 표현 형식이다. 이들 모두 세계에 대한 지식을 구조화된 기호적 표현으로 부호화한다는 공통 원리에 기반하며, 이 원리는 보편 기호학의 핵심 이상에서 유래한다.

4. 자동 추론(Automated Reasoning)과 추론 계산법

기호주의 AI에서 자동 추론은 형식적 규칙의 기계적 적용에 의해 새로운 지식을 도출하는 것이다. 이는 라이프니츠의 추론 계산법(Calculus Ratiocinator)의 직접적 구현이다.

4.1 해소 원리(Resolution Principle)

로빈슨(J. Alan Robinson)의 해소 원리(1965)는 일차 술어 논리에서의 자동 정리 증명을 위한 완전하고 효율적인 추론 규칙이다. 해소는 두 절(Clause)로부터 새로운 절을 도출하는 단일 추론 규칙으로, 기계적 적용이 직접적으로 가능하다.

4.2 프롤로그(Prolog)

프롤로그 프로그래밍 언어(1972)는 해소 원리에 기반한 논리 프로그래밍 언어로서, 지식을 호른 절(Horn Clause)로 표현하고 SLD 해소(SLD Resolution)에 의해 질의에 응답한다. 프롤로그는 “프로그래밍은 논리이고, 계산은 추론이다“라는 원리를 구현한 것이며, 이 원리는 라이프니츠의 “추론은 계산이다“의 역이다.

5. 전문가 시스템과 보편 백과사전

전문가 시스템(Expert System)은 특정 영역의 전문 지식을 규칙 기반으로 부호화하고, 추론 엔진에 의해 지식을 활용하는 시스템이다. 지식 기반(Knowledge Base)과 추론 엔진(Inference Engine)의 분리라는 아키텍처 원리는, 보편 기호학(표현)과 추론 계산법(추론)의 분리라는 라이프니츠의 구상과 구조적으로 동일하다.

대규모 지식 기반 프로젝트인 Cyc(1984–현재)는 상식 지식(Commonsense Knowledge)을 형식 논리로 부호화하는 시도로서, 라이프니츠의 보편 백과사전(Encyclopedia Universalis) 구상의 현대적 구현이라 할 수 있다.

6. 보편 기호학 구상의 한계와 AI의 도전

보편 기호학 구상이 기호주의 AI에 물려준 사상적 유산은 성과와 함께 한계도 포함한다.

첫째, **기호 접지 문제(Symbol Grounding Problem)**는 라이프니츠 시대부터 내재된 한계이다. 형식적 기호가 실세계의 의미와 어떻게 연결되는가의 문제는 보편 기호학에서도, 기호주의 AI에서도 근본적으로 해결되지 않았다.

둘째, **지식 획득 병목(Knowledge Acquisition Bottleneck)**은 보편 백과사전의 구축이 실현되지 못한 것과 동일한 원인으로 전문가 시스템의 확장을 가로막았다. 세계의 지식을 명시적 기호 구조로 완전히 부호화하는 것은 실용적으로 극도로 어렵다.

셋째, **프레임 문제(Frame Problem)**는 형식적 기호 체계가 상식적 추론의 유연성을 포착하는 데 갖는 구조적 한계를 드러낸다.

이러한 한계들은 기호주의에 대한 대안으로서 연결주의(Connectionism)와 데이터 기반 학습(Data-Driven Learning)의 부상을 촉진하였으며, 현대의 신경-기호 통합(Neuro-Symbolic Integration) 연구는 기호주의의 표현력과 연결주의의 학습 능력을 결합하려는 시도로서 두 전통의 종합을 지향한다.