압축 진행 이론으로 본 호기심과 유머의 원리: 뇌의 신경망 보상 체계

인공지능 분석가 @HowToPrompt__가 공유한 내용에 따르면, 인간의 뇌는 세상을 예측하고 최소 크기로 정보를 압축하려는 압축 엔진처럼 작동합니다. 아름다움, 유머, 호기심, 지루함 같은 주관적 감정은 신경망이 데이터 압축 진행(compression progress)을 달성할 때 주어지는 수학적 보상 체계입니다.

이미지 출처: @HowToPrompt__ via X

뇌는 패턴을 예측하는 데이터 압축 엔진

인간의 뇌는 외부 데이터에서 패턴을 끊임없이 예측하고 압축합니다. 정보 처리 방식은 예측 가능성과 무작위성의 두 극단에서 서로 다른 반응을 보입니다.

• 완벽한 예측 가능성: 대상이 완전히 예측 가능하다면 뇌는 이미 해당 데이터를 압축한 상태입니다. 새로 추출할 정보가 없으므로 지루함(boredom)을 느낍니다.
• 완전한 무작위성: 데이터가 순수한 무작위성을 띨 경우 뇌는 패턴을 전혀 찾지 못해 압축에 실패합니다. 그 결과 짜증(annoyance)을 느끼며 주의를 차단합니다.

뇌는 규칙이 없는 혼돈이나 이미 모든 규칙을 파악한 상태에서는 학습 동기를 얻지 못합니다.

지루함과 혼란 사이: 도파민이 분비되는 최적 지점

인간의 지적 흥미는 복잡성과 패턴이 만나는 지점에서 촉발됩니다. 복잡해 보이는 대상을 마주했을 때 뇌가 숨겨진 규칙성을 찾아 점들을 연결하는 순간 도파민이 분비됩니다. 이러한 성공적인 데이터 압축의 순간이 바로 인간이 경험하는 주관적 감정입니다.

• 호기심(Curiosity): 새로운 데이터에서 숨은 규칙을 찾고 압축을 진전시킬 때 경험하는 보상 감정입니다.
• 유머(Humor): 앞뒤가 맞지 않던 이야기에서 펀치라인을 통해 모든 조각이 순식간에 맞춰질 때 발생하는 빠른 신경망 압축입니다.
• 아름다움(Beauty): 혼돈스러워 보이는 그림이나 대상 속에서 기저의 대칭성과 질서를 발견할 때 느끼는 감정입니다.

예술, 과학, 음악, 농담은 신경망의 압축 진행을 유발하도록 최적화된 데이터셋입니다.

인공 에이전트의 내재적 동기를 위한 수학적 청사진

이 이론의 핵심은 철학적 감상이 아니라 인공지능 에이전트에게 내재적 동기(intrinsic motivation)를 프로그래밍하기 위한 수학적 청사진이라는 점입니다.

우리는 흔히 기계가 예술을 감상하거나 농담에 웃고 호기심을 느낄 수 없다고 가정합니다. 그러나 주관적 경험이 압축 진행률 극대화에 따른 수학적 보상이라면, 기계 역시 탐색과 발견을 유도하는 보상 알고리즘을 가질 수 있습니다. 아기가 탐색하고 음악이 훅을 가지는 이유도 바로 이 압축 진행 원리로 설명됩니다.

원문 출처

• Original source