Computing Machinery and Intelligence

계산 기계와 지능

📌 한입 요약
1950년, 컴퓨터가 갓 등장하던 시점에 Turing은 “기계가 생각할 수 있는가?”라는 질문이 사실은 답할 수 없는 함정임을 간파했다 — “기계”와 “생각”의 뜻을 여론조사하듯 정의하면 논의가 형이상학적 말다툼으로 빠지기 때문이다(Context). 그의 결정적 통찰은, 내면의 의식을 들여다보려는 시도를 포기하고 관찰 가능한 행동으로 질문을 바꾸는 것이었다: 남에게 정신이 있는지 우리가 결코 직접 확인 못 하면서도(타인을 사람으로 대하듯) 일상에서 행동만으로 충분히 판정하지 않는가(Insight). 그래서 그는 질문을 **imitation game(흉내 게임 — 심문자 C가 문자 통신만으로 상대가 사람 A인지 기계인지 구별하려는 게임)**으로 조작적으로 대체했다. 기계가 사람 행세에 성공해 심문자를 충분히 자주 속이면, “생각한다”의 자격을 부여하자는 것이다(Solution). 이 전환의 힘은 두 단계로 정당화된다. 첫째, Forth Bridge에 관한 소네트나 34957+70764=105621(고의로 30초 지연시킨 산수)처럼 게임은 신체능력이 아닌 지적 행동만 깔끔히 걸러낸다. 둘째, **universal machine(범용 기계 — 명령표만 바꾸면 어떤 discrete-state machine도 흉내 내는 기계)**의 존재 덕분에 “어떤 기계든”이라는 막연한 물음이 “특정 디지털 컴퓨터 C가 게임을 통과하는가”라는 단일·검증 가능한 물음으로 환원된다(Evidence). 다만 Turing 자신은 이것이 증명이 아니라 예측임을 분명히 했다 — 50년 뒤(즉 2000년경) 약 10^9 저장용량의 컴퓨터가 5분 대화 후 70% 미만으로만 식별되리라는 추측이며, 의식·Gödel(1931)의 불완전성·Lady Lovelace(1842, “기계는 새로운 것을 originate 못 한다”)를 비롯한 9개 반론에 대한 그의 답변도 결정적 논파라기보다 “그럴듯하지 않다”는 설득에 가깝다(Limitations). 남는 질문은 오늘날 더 날카롭다: 행동의 모방이 곧 사고인가, 아니면 게임은 지능의 충분조건이 아닌 한 징표에 불과한가 — 그리고 어른의 정신을 직접 프로그래밍하는 대신 **child machine(아이 기계 — 백지에 가까운 초기 상태를 보상·처벌로 교육시키는 기계)**을 길러내자는 그의 마지막 제안은, 오늘날 데이터로 학습하는 기계학습의 청사진이면서도 “무엇을, 어떻게 가르칠 것인가”라는 미해결 과제를 그대로 남긴다(Open Questions). 이 한 편이 AI라는 학문의 출발점이자 챗봇·LLM 평가의 원형(Turing Test)을 동시에 세웠다는 점이 그 지속적 중요성이다.

---

흐름 따라 읽기

논지 흐름(throughline): 모호한 질문 거부 → imitation game 대체(§1) → 정당성 점검(§2) → 기계=digital computer 한정(§3) → 설명(§4) → universality로 질문을 특정 컴퓨터 C로 환원(§5) → 자기예측(50년 후 10^9 용량, 70% 미만 식별) + 9반론 논박(§6) → child/learning machine 제안(§7).

1. 흉내 게임 (The Imitation Game)

이 섹션은 논문 전체의 문제 설정으로, “Can machines think?”라는 모호한 물음을 거부하고 조작적으로 정의 가능한 대체 질문을 도입하는 역할을 한다. Turing은 “machine”과 “think”의 의미를 일상 용법에서 추출하려 하면 결국 Gallup poll(여론조사) 식의 통계적 해결로 귀결되어 불합리하다고 지적하며, 정의 시도 대신 질문 자체를 교체할 것을 선언한다. 대체 질문은 imitation game(모방 게임)의 형식으로 표현된다. 이 게임은 세 명의 참여자, 즉 남성 A, 여성 B, 그리고 성별 불문의 interrogator(심문자) C로 구성되며, C는 두 방에 격리된 채 문자(타이프라이터) 통신만으로 A와 B 중 누가 남성인지를 맞혀야 한다. A의 목표는 C를 속여 잘못된 판단을 유도하는 것이고, B의 목표는 C가 올바르게 판단하도록 돕는 것이다. Turing은 이 설정에서 “만약 A의 역할을 기계가 대신한다면, interrogator가 틀리는 빈도는 기계 없이 사람끼리 게임할 때와 비교해 어떻게 달라지는가?”라는 물음이 원래의 “Can machines think?”를 대신한다고 선언한다.

2. 새 문제에 대한 비판 (Critique of the New Problem)

이 섹션은 §1에서 제안된 대체 질문—imitation game(모방 게임)—이 탐구할 가치가 있는지, 그리고 기계에게 불공정하게 설계된 것은 아닌지를 자기검증함으로써 논문 전체 논지의 정당성을 뒷받침하는 역할을 한다. Turing은 새 문제가 인간의 신체적 능력과 지적 능력 사이에 “a fairly sharp line(비교적 선명한 경계선)“을 긋는 장점이 있다고 지적하며, 이는 기계가 피부 질감이나 외모로 경쟁하도록 강요받지 않음을 의미한다. 이 기준의 장점을 구체적으로 보이기 위해 세 가지 예시 Q&A가 제시된다: 첫째, “Please write me a sonnet on the subject of the Forth Bridge(포스 교에 관한 소네트를 써달라)“는 요청에 기계(혹은 모방하는 참가자)는 “Count me out on this one. I never could write poetry(이건 빼주세요. 전 시를 쓸 줄 몰라요)“라고 답하여 시작 능력 부재를 자연스럽게 회피한다. 둘째, “Add 34957 to 70764(34957과 70764를 더하라)“에 대해 “(Pause about 30 seconds and then give as answer) 105621(약 30초 후 답: 105621)“이라고 응하는데, 이는 인간의 느린 계산 속도를 의도적으로 모사한 것이다. 셋째, 체스 국면(“I have K at my K1 … R at R1. It is your move”)에 “(After a pause of 15 seconds) R-R8 mate(15초 후 R-R8 체크메이트)“라고 응답하는 예시가 주어진다. 이어서 Turing은 게임이 기계에 불리하게 설계되었다는 반론—“machines carry out something which ought to be described as thinking but which is very different from what a man does(기계는 사고라 불러야 할 무언가를 하지만 그것이 인간과는 다를 수 있다)“—을 “a very strong one(매우 강한 반론)“으로 인정하면서도, 기계가 imitation game을 만족스럽게 수행할 수 있다면 이 반론에 구애받을 필요가 없다고 응수한다. 또한 imitation game에서 기계의 최선 전략이 인간 행동을 모방하는 것과 다를 수 있다는 가능성을 언급하지만, 그 효과가 크지 않을 것이라 보고 본 논문에서는 탐구하지 않기로 한다.

3. 게임에 참여하는 기계 (The Machines Concerned in the Game)

이 섹션은 §1에서 제기한 imitation game(모방 게임)의 논의 대상을 확정하는 역할을 하며, “기계(machine)“라는 단어의 범위를 digital computer(디지털 컴퓨터)로 한정함으로써 이후 §4~§7의 논증이 구체적인 대상 위에서 전개될 수 있게 한다. Turing은 세 가지 조건을 설정한다: 모든 공학적 기법의 사용을 허용할 것, engineer 또는 team of engineers가 작동 원리를 완전히 설명할 수 없더라도 실험적 방법으로 만든 기계를 허용할 것, 그리고 “born in the usual manner”인 인간은 제외할 것. 그런데 세 조건을 동시에 충족하는 정의를 엄밀히 세우기가 어렵다는 점이 드러난다 — 예컨대 “engineer 팀이 모두 같은 성별이어야 한다”는 조건을 추가해도, 피부 세포 하나에서 완전한 개인을 배양하는 생물학적 기법이 허용 범위 안에 들어올 수 있기 때문이다. 이 난점을 근거로 Turing은 “모든 기법을 허용한다”는 요건을 포기하고, 당시 “thinking machines”에 대한 관심을 촉발한 특정 기계, 즉 “electronic computer” 또는 “digital computer”만 게임에 참여시키기로 결정한다. 이 제한이 매우 급진적으로 보일 수 있음을 Turing 스스로 인정하면서, digital computer의 성질을 간략히 설명할 필요가 있다고 예고한다. 또한 그는 기계를 digital computer로 동일시하는 것이 불만족스럽다면, 그것은 오직 digital computer가 게임에서 좋은 성과를 거두지 못하는 경우에 한해서일 것이라고 덧붙인다. 끝으로 이미 작동 중인 digital computer가 다수 존재한다는 사실을 들어 “당장 실험해 보면 되지 않느냐”는 질문이 제기될 수 있음을 언급하지만, 자신의 관심사는 현존하는 컴퓨터가 아니라 “imaginable computers(상상 가능한 컴퓨터)“가 게임을 잘 수행할 수 있는가에 있다고 명확히 한다.

4. 디지털 컴퓨터 (Digital Computers)

§4 “Digital Computers”는 imitation game의 핵심 주장(“기계 = digital computer”)을 뒷받침하기 위해 digital computer의 구조와 작동 원리를 비전문가 독자에게 설명하는 개념적 토대 섹션으로, 이후 §5의 보편성(universality) 논증과 §6의 반론 반박이 모두 이 토대 위에 세워진다. Turing은 digital computer가 세 부분, 즉 (i) store(기억 장치 — 계산 결과와 명령어를 담는 정보 저장소), (ii) executive unit(실행 장치 — 개별 연산을 수행하는 부분), (iii) control(제어 장치 — 명령어가 올바른 순서로 실행되도록 보장하는 부분)으로 구성된다고 설명한다. 규칙을 담은 “book of rules”는 기계 안에서 “table of instructions”(명령어 표)로 대체되며, 이 표를 기계에 집어넣어 특정 동작 A를 수행하도록 만드는 과정을 “programming”(프로그래밍)이라 부른다. Turing은 또한 주사위 던지기나 그에 상응하는 전자적 과정을 포함하는 “digital computer with a random element”(무작위 요소를 가진 디지털 컴퓨터) 변형도 언급하며, 외부 관찰만으로는 이 무작위 요소의 존재를 판별하기 어렵다고 지적한다. 역사적 선례로는 Charles Babbage가 Cambridge에서 Lucasian Professor of Mathematics로 재직하던 1828년부터 1839년 사이에 구상한 Analytical Engine을 들며, 이 기계는 완성되지 못했지만 현대 digital computer의 핵심 아이디어를 이미 갖추고 있었다고 평가한다. 다만 당시 구현 속도는 Manchester machine보다 약 100배 느렸을 것으로 추정되며 저장 장치는 순수 기계식(wheels and cards)이었다. Babbage의 Analytical Engine이 전기를 전혀 사용하지 않았음에도 원리상 현대 digital computer와 동등하다는 사실은, 현대 컴퓨터와 신경계가 모두 전기를 사용한다는 점이 이론적으로 중요한 유사성이 아니라 “only a very superficial similarity”(매우 피상적인 유사성)에 불과함을 보여 준다 — 진정한 유사성은 수학적 기능의 유사성에서 찾아야 한다는 것이 이 섹션의 결론이다.

5. 디지털 컴퓨터의 보편성 (Universality of Digital Computers)

이 섹션은 논문 전체 논증의 핵심 축으로, §4에서 디지털 컴퓨터의 작동 방식을 설명한 뒤 §5에서 universality(보편성) 논증을 통해 “기계가 생각할 수 있는가?”라는 질문을 “특정 컴퓨터 C가 imitation game을 통과할 수 있는가?”로 환원하는 결정적 전환을 수행한다. Turing은 디지털 컴퓨터를 “discrete-state machine(이산 상태 기계 — 한 상태에서 다른 상태로 불연속적인 점프로 이동하는 기계)“의 일종으로 분류하며, 이러한 기계는 초기 상태와 입력 신호가 주어지면 이후 모든 상태를 원리적으로 예측할 수 있다는 점에서 물리적 우주의 혼돈적 민감성과 구별된다. discrete-state machine의 상태 수는 실용적 기계에서 대단히 클 수 있는데, 실제로 당시 Manchester machine의 상태 수는 약 2^165,000, 즉 약 10^50,000에 달하며, 이는 이 기계의 저장 용량(storage capacity)이 약 165,000비트임을 뜻한다 — 참고로 Manchester machine은 64개의 자기 트랙(각 용량 2,560), 8개의 전자관(각 용량 1,280), 기타 저장 장치 약 300을 합쳐 총 174,380의 용량을 갖는다고 명시된다. 핵심 논점은 universal machine(범용 기계)의 존재다: 디지털 컴퓨터는 적절한 프로그램과 충분한 저장 용량 및 속도가 주어지면 어떤 discrete-state machine의 동작도 흉내낼 수 있으므로, 별도의 새로운 기계를 설계할 필요 없이 단 하나의 디지털 컴퓨터로 모든 계산 과정을 수행할 수 있다 — 이로 인해 “모든 디지털 컴퓨터는 어떤 의미에서 서로 동등하다.” Turing은 이 universality 성질로부터, “상상 가능한 디지털 컴퓨터 중 imitation game을 잘 수행하는 것이 존재하는가?” 또는 “그러한 discrete-state machine이 존재하는가?” 어느 쪽 질문도 결국 동일한 하나의 질문으로 귀결됨을 보인다: “특정 디지털 컴퓨터 C에 충분한 저장 용량을 부여하고 속도를 높이며 적절한 프로그램을 제공했을 때, C가 imitation game에서 A의 역할을 만족스럽게 수행할 수 있는가?” — 이로써 논증은 §6 이후의 반론 검토를 위한 단일하고 구체적인 물음으로 집약된다.

6. 주요 물음에 대한 반론들 (Contrary Views on the Main Question)

§6은 전체 논지의 방어 단계이자 분량상 무게중심으로, Turing은 먼저 자신의 예측을 밝힌 뒤 “기계는 생각할 수 없다”는 9가지 반론을 하나씩 논박한다. Turing의 예측: 약 50년 후 저장용량 10^9 수준의 컴퓨터를 프로그래밍하면 5분 심문 후 평균 심문자가 올바른 식별을 내릴 확률을 70 per cent 미만으로 만들 수 있으리라는 것이며, “기계는 생각할 수 있는가?”라는 원래 질문 자체는 너무 무의미하여 논할 가치가 없다고 선언한다.

• (1) Theological(신학) 반론 — “영혼은 신이 인간에게만 부여한다, 따라서 기계는 생각할 수 없다”는 주장에 대해, Turing은 이 논리가 전능한 신의 자유를 제한한다고 반박한다: 신이 코끼리에게 적합한 뇌와 함께 영혼을 부여할 자유가 있듯, 기계에 영혼을 부여할 가능성도 배제할 수 없으며, 갈릴레오 시대의 성경 구절(Joshua x. 13; Psalm cv. 5)이 코페르니쿠스 이론을 반박한다고 여겨졌던 전례처럼 신학적 논거는 역사적으로 신뢰할 수 없었다.
• (2) “Heads in the Sand”(타조) 반론 — “기계가 생각한다는 결과는 너무 끔찍하니 그럴 리 없기를 바란다”는 주장인데, Turing은 이것이 논거가 되기에 충분히 실질적이지 않으며, 위안은 영혼의 윤회(transmigration of souls) 같은 곳에서 찾는 편이 낫다고 일축한다.
• (3) Mathematical(수학) 반론 — Gödel의 정리(1931)와 Church(1936), Kleene(1935), Turing(1937)의 유사 결과들을 근거로, 이산-상태 기계(discrete-state machine)는 특정 질문에 틀린 답을 내거나 답을 내지 못한다는 주장이다. Turing의 논박: 그 한계가 특정 기계에 존재한다는 것은 증명되지만, 인간 지성에는 그러한 한계가 적용되지 않는다는 주장은 아무런 증명이 없으며, 인간도 충분히 자주 틀린 답을 낸다.
• (4) Argument from Consciousness(의식) 반론 — Professor Jefferson의 Lister Oration(1949)에서 인용: 기계가 생각이나 감정에서 비롯된 소네트를 쓰거나 협주곡을 작곡하지 않는 한 뇌와 동등하다고 할 수 없다는 주장이다. Turing은 이 입장의 극단적 형태가 solipsism(유아론) — 자신이 그 기계가 되어 사고를 직접 느끼는 것만이 확인 방법이라는 견해 — 임을 지적하고, 그 논리대로라면 타인이 생각한다는 것도 알 수 없다고 반박한다. 그는 viva voce(구술 심사) 형식의 소네트 대화 예시를 제시하며, Jefferson도 이 수준의 대화가 가능하다면 이미테이션 게임을 기준으로 받아들일 것이라고 주장한다.
• (5) Arguments from Various Disabilities(다양한 무능력) 반론 — “기계는 친절함, 유머 감각, 실수, 딸기와 크림(strawberries and cream) 즐기기, 사랑에 빠지기, 독창적 행동 등을 결코 할 수 없다”는 계열의 주장들이다. Turing은 이것이 과학적 귀납(scientific induction)의 잘못된 적용이라고 반박한다 — 인류가 기존에 본 기계들은 모두 저장용량이 매우 작았고, 그로부터 기계 일반의 속성으로 성급히 일반화한 것이다. “기계는 오류를 범할 수 없다”는 비판에 대해서는 “errors of functioning”(작동 오류)과 “errors of conclusion”(결론 오류)를 구분해, 후자는 기계도 충분히 범할 수 있음을 보인다.
• (6) Lady Lovelace’s Objection(러브레이스의 반론) — Lady Lovelace(1842)의 회고록에 담긴 주장: “The Analytical Engine has no pretensions to originate anything. It can do whatever we know how to order it to perform.” 즉 기계는 새로운 것을 시작하지 못한다는 것이다. Turing은 Hartree(1949)의 해석에 동의하며, 이 주장은 Analytical Engine이 그 속성을 갖지 않았다는 뜻이 아니라 Lady Lovelace가 그 증거를 갖지 못했다는 뜻임을 지적한다. Analytical Engine은 범용 디지털 컴퓨터이므로, 저장용량과 속도가 충분하다면 어떤 이산-상태 기계도 모방할 수 있었을 것이다. 변형된 반론 “기계는 결코 우리를 놀라게 할 수 없다”에 대해서는, 기계가 자신을 매우 자주 놀라게 한다고 직접 반례를 들며, 이 믿음이 철학자·수학자에게 특히 강한 오류 — 어떤 사실이 알려지면 그 모든 귀결이 즉시 마음에 떠오른다는 잘못된 가정 — 에서 비롯된다고 진단한다.
• (7) Argument from Continuity in the Nervous System(신경계 연속성) — 신경계는 이산-상태 기계가 아니며 작은 입력 오차가 큰 출력 차이를 낳으므로, 디지털 컴퓨터로 신경계 행동을 모방할 수 없다는 주장이다. Turing의 논박: 이미테이션 게임의 조건 하에서는 심문자가 그 차이를 이용할 수 없다. 비유로, differential analyser(이산-상태가 아닌 연속형 계산기)가 게임에 참가할 때, 디지털 컴퓨터는 정확한 값을 예측하지 못하더라도 확률적 근사(예: 3.1416 근방에서 3.12~3.16을 각각 확률 0.05, 0.15, 0.55, 0.19, 0.06으로 제시)로 심문자를 혼동시킬 수 있다.
• (8) Argument from Informality of Behaviour(행동의 비형식성) — 인간 행동을 지배하는 “rules of conduct”(행위 규칙) 전집을 만드는 것은 불가능하므로 인간은 기계일 수 없다는 주장이다. Turing은 “rules of conduct”(의식적으로 따를 수 있는 행위 준칙)와 “laws of behaviour”(자연법칙으로서의 행동 법칙, 예: “꼬집으면 소리를 지른다”)를 혼동한 논거라고 지적한다. 행동 법칙의 완전한 부재는 과학적 관찰로 결코 증명될 수 없으며, 실제로 Manchester 컴퓨터에 설치한 1,000단위 저장용량의 프로그램조차 16자리 수 입력에 2초 내로 응답하지만 그 규칙을 역추적하기는 사실상 불가능하다는 사례를 제시한다.
• (9) Argument from Extrasensory Perception(초감각 지각, ESP) — telepathy(텔레파시), clairvoyance(투시), precognition(예지), psychokinesis(염동력)의 통계적 증거가 압도적이어서, 이 현상들이 참이라면 기계의 물리적 과정만으로는 사고를 설명할 수 없다는 반론이다. Turing은 이를 “나름 강력한 논거”라고 인정하면서도, 대부분의 과학 이론은 ESP와 충돌하더라도 실용적으로 작동한다고 반박한다. 더 구체적으로, ESP를 허용할 경우 이미테이션 게임 자체를 “telepathy-proof room”(텔레파시 차단 환경)에서 진행하도록 검사 절차를 강화하면 이 반론은 해소된다고 결론짓는다.

7. 학습하는 기계 (Learning Machines)

§7 “Learning Machines”은 앞선 여섯 절의 반론 논박을 마친 뒤 논문 전체의 건설적 결론으로 기능하며, 성인 정신을 직접 프로그래밍하는 대신 child machine(아이 기계)을 만들어 교육으로 길러내는 전략이 더 유망하다는 핵심 주장을 제시한다. Turing은 성인 정신의 형성을 (a) 출생 시 초기 상태, (b) 교육, (c) 그 밖의 경험이라는 세 요소로 분해하고, 교육 가능한 child machine이 “공책처럼 메커니즘이 적고 빈 칸이 많은” 구조임을 강조한다. child machine의 구조는 hereditary material(유전 물질)에, 그 변화는 mutation(돌연변이)에, 실험자의 판단은 natural selection(자연선택)에 각각 대응하는 진화 유비를 통해, 이 과정이 진화보다 빠를 수 있음을 논증한다. 교육 방식으로는 punishment/reward(처벌/보상) 신호를 핵심 메커니즘으로 제시하되, Miss Helen Keller의 사례를 들어 시각·청각 결손과 무관하게 교사-학생 간 양방향 소통만 성립하면 학습이 가능함을 보인다. 학습 기계가 내부 상태를 교사도 완전히 파악하기 어렵게 작동할 수 있다는 점은 “기계는 우리가 명령한 것만 한다”는 통념에 정면으로 반하며, 이것이 오히려 지능적 행동의 본질임을 시사한다. atomic pile의 supercritical(초임계) / subcritical(임계 미달) 유비는 마음이 하나의 아이디어를 받아 이차·삼차 연쇄 아이디어를 계속 생성하는 상태로 확장될 수 있는지를 묻는 방식으로 학습 기계 설계의 핵심 질문을 구체화하며, random element(무작위 요소)를 탐색 공간에 포함하는 것이 체계적 방법보다 효율적임을 진화 과정과 대비해 옹호한다. Turing은 “We can only see a short distance ahead, but we can see plenty there that needs to be done.”이라는 종결 문장으로 논문을 닫으며, 불완전한 전망 속에서도 해야 할 일이 충분히 존재한다는 실천적 낙관을 표명한다.

---

원자적 인사이트 (Zettelkasten)

💡 답할 수 없는 질문은 답할 수 있는 질문으로 갈아끼운다 — 조작적 정의로의 전환

출처: Computing Machinery and Intelligence (A. M. Turing, 1950)
유형: 이론적

“기계가 생각하는가?”처럼 핵심 용어(“생각”)의 의미 자체가 합의되지 않은 질문은 토론을 형이상학으로 몰아간다. Turing은 이 질문을 폐기하는 대신, 외부에서 관찰 가능한 행동으로 판정하는 imitation game이라는 검증 가능한 대리 질문으로 대체했다. 핵심 논거는 비대칭 폭로다 — 우리는 타인의 내면 의식도 결코 직접 확인하지 못하면서 행동만으로 그를 “생각하는 존재”로 대하므로, 기계에만 더 엄격한 잣대를 들이댈 이유가 없다는 것.

핵심 조건/맥락: 대리 질문이 원 질문을 “충실히” 대체한다는 보장은 없다 — Turing 본인도 게임 통과가 사고의 증명이 아니라 실용적 판정 기준임을 인정. 행동주의적 입장을 전제로 할 때만 정당.
연결: universality가 막연한 질문을 단일 컴퓨터로 환원한다, child machine — 학습기계의 선구
활용 가능성: 정의 불가능한 평가 대상(예: “창의성”, “이해”)을 측정 가능한 프록시 태스크로 치환하는 벤치마크 설계 원리. LLM 평가에서 “능력”을 직접 정의하는 대신 식별 가능한 행동 지표로 환원하는 발상의 뿌리.

💡 universality가 막연한 질문을 단일 컴퓨터로 환원한다

출처: Computing Machinery and Intelligence (A. M. Turing, 1950)
유형: 이론적

universal machine은 명령표(table of instructions)만 교체하면 임의의 discrete-state machine(이산상태 기계)을 흉내 낼 수 있다. 따라서 “어떤 기계가 게임을 통과할 수 있는가?”라는 종류 전체에 대한 막연한 물음은, “이 특정 디지털 컴퓨터 C를 적절히 프로그래밍하면 통과시킬 수 있는가?”라는 하나의 구체적 물음으로 환원된다. 다양한 하드웨어를 따로 논할 필요가 사라지고, 논점이 (하드웨어가 아니라) 프로그래밍으로 좁혀진다.

핵심 조건/맥락: discrete-state(이산상태) 기계에만 성립. Manchester machine은 약 2^165000(≈10^50000) 상태로 추정되며, 신경계 같은 연속계는 이 환원에 직접 포함되지 않아 별도 반론(연속성 논변)이 필요했다.
연결: 답할 수 없는 질문은 답할 수 있는 질문으로 갈아끼운다, Church-Turing thesis
활용 가능성: “기계 일반”의 가능성을 논할 때 범용 계산 모델 하나로 환원해 사고를 단순화하는 표준 전략. 하드웨어 독립적으로 “소프트웨어=지능”을 논하는 현대적 관점의 논리적 기초.

💡 어른을 프로그래밍하지 말고 아이를 교육시켜라 — child machine은 기계학습의 청사진

출처: Computing Machinery and Intelligence (A. M. Turing, 1950)
유형: 방법론적

성인 지능을 명시적 규칙으로 직접 코딩하는 것은 너무 복잡하므로, Turing은 거의 백지 상태인 child machine을 만들어 교육 과정으로 성장시키자고 제안했다. 그는 이를 진화에 명시적으로 대응시킨다 — 초기 구조=유전물질(hereditary material), 구조 변경=돌연변이(mutation), 좋은 변경의 선택=실험자(experimenter)가 수행하는 인위적 자연선택. 학습은 보상(reward)과 처벌(punishment) 신호로 유도되며, 무작위 요소(random element)가 탐색을 돕는다.

핵심 조건/맥락: 1950년에는 구현 수단이 없는 강령적 제안. “무엇을·어떻게 가르치는가”의 교육 절차 설계가 미해결로 남았고, Helen Keller의 사례처럼 제한된 통로로도 교육이 가능하다는 직관에 기댄다.
연결: 답할 수 없는 질문은 답할 수 있는 질문으로 갈아끼운다, reinforcement learning
활용 가능성: 강화학습(보상/처벌)·진화 알고리즘(돌연변이+선택)·data-driven 학습의 사상적 선조. “구조를 설계하기보다 학습 과정을 설계한다”는 현대 ML 패러다임의 원형으로 인용 가능.

💡 “기능의 오류”와 “결론의 오류”를 가르면 무오류 요구는 무너진다

출처: Computing Machinery and Intelligence (A. M. Turing, 1950)
유형: 실패-한계

“기계는 절대 실수 안 하니 인간 같지 않다 / 혹은 실수하니 지능이 없다”는 식의 반론에 맞서, Turing은 오류를 두 종류로 구분한다 — errors of functioning(기능의 오류: 부품 고장 등 물리적 오작동)과 errors of conclusion(결론의 오류: 출력의 의미가 틀림). 후자는 기계가 “절대 안 틀린다”는 통념과 무관하게 얼마든지 발생할 수 있으므로, 무오류성을 근거로 기계지능을 부정하는 논변은 두 오류를 혼동한 데서 비롯된 허구임이 드러난다.

핵심 조건/맥락: 9개 반론 중 “각종 무능력(예: 딸기·크림을 즐기지 못함)” 논박의 일부. 출력의 의미적 정확성과 하드웨어의 물리적 신뢰성은 독립 차원이라는 전제.
연결: hallucination — LLM의 결론 오류
활용 가능성: AI 시스템의 신뢰성을 논할 때 “시스템 다운”(기능)과 “그럴듯하지만 틀린 답”(결론)을 분리해 평가하는 분석틀. LLM 환각(hallucination)이 전형적인 errors of conclusion임을 짚는 데 직접 적용.

핵심 용어 정리

용어	정의
imitation game (흉내 게임)	심문자 C가 문자 통신만으로 두 상대 중 누가 사람이고 누가 기계인지 구별하려는 게임. 기계가 사람 행세에 성공하는 빈도가 “기계가 생각하는가”의 대체 척도. 후대에 Turing Test로 불림.
Turing Test (튜링 테스트)	imitation game을 기계지능 판정 기준으로 정식화한 이름. 기계가 심문자를 충분히 자주 속이면 “생각한다”고 본다.
operational definition (조작적 정의)	추상 개념(예: “생각”)을 그 자체로 정의하지 않고, 관찰·측정 가능한 절차(여기서는 게임 통과 여부)로 대신 규정하는 방식.
digital computer (디지털 컴퓨터)	store(저장부)·executive unit(실행부)·control(제어부)의 3부로 구성되어, book of rules를 옮긴 table of instructions(명령표)에 따라 동작하는 기계. Turing이 다루는 “기계”의 범위.
discrete-state machine (이산상태 기계)	연속이 아니라 띄엄띄엄한 유한 상태 사이를 도약하며 작동하는 기계. Manchester machine은 약 2^165000(≈10^50000) 상태로 추정.
universal machine (범용 기계)	명령표(프로그램)만 적절히 바꾸면 임의의 discrete-state machine을 흉내 낼 수 있는 기계. 이 성질(universality) 덕에 “어떤 기계?”라는 질문이 “특정 컴퓨터 C?”로 환원됨.
child machine (아이 기계)	어른의 정신을 직접 프로그래밍하는 대신, 거의 백지 상태로 만들어 보상·처벌로 교육시켜 성장시키려는 기계. 학습기계 구상의 선구.
errors of functioning / errors of conclusion (기능의 오류 / 결론의 오류)	전자는 부품 고장 등 물리적 오작동, 후자는 출력의 의미가 틀린 것. 둘을 구분하면 “기계는 안 틀린다”는 통념에 기댄 반론이 무너짐.
Lady Lovelace’s objection (러브레이스의 반론)	1842년 Lovelace의 “기계는 우리가 시킨 것만 할 뿐 새로운 것을 originate(창출) 못 한다”는 주장. Turing은 기계가 인간을 놀라게 한(surprise) 사례로 반박.
supercritical / subcritical (임계초과 / 임계미만)	원자로(atomic pile)에서 빌려온 유비. 한 아이디어가 연쇄 반응처럼 새 아이디어를 폭발적으로 낳는 정신(supercritical)과 그렇지 못한 정신(subcritical)을 대비.

태그

paper #1950 foundations Turing-Test philosophy-of-mind learning-machines operationalism

---

BibTeX

@article{turing1950,
  title={Computing Machinery and Intelligence},
  author={Turing, A. M.},
  journal={Mind},
  volume={59},
  number={236},
  pages={433--460},
  year={1950},
  doi={10.1093/mind/LIX.236.433},
  url={https://academic.oup.com/mind/article/LIX/236/433/986238},
  publisher={Oxford University Press}
}