AI, 드디어 '배고픔'을 배우다: 기계의 자율은 '몸'에서 시작됩니다

AI에게 '몸'을 준다는 것의 진짜 의미

로봇이 스스로 '피곤하다'고 느끼고 작업을 중단하는 장면은 이제 공상과학 영화만의 이야기가 아닐지 모릅니다. 최근 세계적인 학술지 '네이처 머신 인텔리전스'에 실린 한 논문(‘사이버네틱스, 내수용 감각, 그리고 체화의 기술’)은 인공지능(AI)의 미래에 중요한 질문을 던집니다. 바로 AI가 자신의 '몸' 상태를 스스로 인지하고 관리할 수 있다면 어떻게 될까, 하는 것입니다.

흥분하기에 앞서, 이 연구는 정확히 읽어야 합니다. 여기서 말하는 '느낌'은 인간의 감정이나 의식과는 거리가 멉니다. AI가 슬픔이나 기쁨을 느낀다는 뜻이 아닙니다. 그보다 훨씬 더 근본적이고 생물학적인 원리, 즉 '생존'에 관한 이야기입니다. 우리가 아무리 복잡한 수학 문제를 풀 수 있는 두뇌를 가졌더라도, 배고픔을 느끼지 못해 굶어 죽거나, 피로를 느끼지 못해 쓰러진다면 무슨 소용이겠습니까. 생명체는 외부 세계를 인식하고 과업을 수행하는 능력만큼이나, 자신의 내부 상태를 감지하고 조절하는 능력이 생존에 필수적입니다.

이 논문은 바로 이 지점을 파고듭니다. 지금까지의 AI는 주로 외부의 목표를 달성하는 데 집중해 왔습니다. 바둑에서 이기거나, 그림을 그리거나, 문장을 생성하는 것처럼 말입니다. 하지만 이 과정에서 자기 자신의 상태, 예컨대 연산 장치가 과열되고 있는지, 저장 공간이 거의 다 찼는지, 전력 소모가 너무 심한지 등은 부차적인 문제로 취급되었습니다. 이 연구는 AI에게 인간의 '내수용 감각(Interoception)'과 같은 원리를 적용해, 스스로의 '안녕'을 돌보며 생존하는 법을 가르치자고 제안합니다. 이것이 AI에게 '몸'을 준다는 것의 진짜 의미입니다.

사이버네틱스와 내수용 감각: 낯선 단어들의 쉬운 풀이

논문의 핵심을 이해하려면 두 가지 낯선 단어를 먼저 소화해야 합니다. 바로 '내수용 감각'과 '사이버네틱스'입니다. 어렵게 들리지만, 우리 일상에 빗대면 의외로 쉽게 이해할 수 있습니다.

먼저 '내수용 감각(Interoception)'은 우리 몸의 '내부 상태 알림판'이라고 생각하면 편합니다. 우리는 의식하지 못하는 순간에도 심장이 얼마나 빨리 뛰는지, 혈당이 떨어져 허기가 지는지, 방광이 차서 화장실에 가야 하는지 등의 정보를 끊임없이 받습니다. 목이 마르다는 느낌, 숨이 차다는 느낌, 피곤하다는 느낌 모두 내수용 감각의 일종입니다. 이 조용한 데이터 흐름 덕분에 우리는 물을 마시고, 휴식을 취하고, 식사를 하면서 생명을 유지합니다. 자동차의 연료 경고등이나 엔진 온도계가 운전자에게 차량 상태를 알려주는 것과 같습니다.

다음으로 '사이버네틱스(Cybernetics)'는 이 알림판을 보고 실제로 운전대를 조작하는 기술, 즉 '항해술'에 가깝습니다. 원래 '키잡이'라는 그리스어에서 유래한 이 학문은, 목표를 달성하기 위해 피드백을 활용해 시스템을 스스로 제어하고 조절하는 원리를 연구합니다. 가장 고전적인 예가 바로 가정집의 '온도 조절 장치'입니다. 실내 온도가 설정값보다 낮아지면(피드백 감지), 보일러를 켭니다(제어). 반대로 온도가 너무 높아지면 보일러를 끕니다. 이 간단한 '감지-판단-제어'의 순환 고리를 통해 시스템은 외부 환경 변화와 무관하게 일정한 상태(항상성)를 유지합니다.

이번 연구는 이 두 가지를 AI에 결합하자고 제안합니다. 즉, AI에게 자신의 배터리 잔량, 부품 온도, 연산 부하 등을 실시간으로 감지하는 '내부 상태 알림판'(기계적 내수용 감각)을 주고, 그 정보를 바탕으로 스스로 행동을 조절하는 '항해술'(사이버네틱스 원리)을 탑재하자는 것입니다. 배터리가 부족하면 '허기'를 느끼고 스스로 충전소를 찾아가고, 특정 부품이 과열되면 '피로'를 느끼고 작업을 잠시 멈추는 식입니다.

왜 지금 '몸'인가: 기존 AI의 근본적 한계

그렇다면 왜 지금 AI에게 '몸'을 주는 것이 중요해졌을까요? 이는 기존 AI가 가진 명백한 한계 때문입니다. 지금까지의 AI는 마치 목적지만 보고 달리는 무모한 운전자와 같았습니다. 내비게이션에 찍힌 목적지에 최단 시간으로 도착하는 것(목표 달성)에만 몰두한 나머지, 연료 게이지나 엔진 경고등, 타이어 공기압은 무시하는 식입니다. 이런 운전자는 평탄한 도로에서는 누구보다 빨리 목적지에 도착할 수 있겠지만, 예상치 못한 난관을 만나거나 차량 자체에 문제가 생기면 속수무책으로 길 위에서 멈춰 서게 됩니다.

실제 AI 시스템도 마찬가지입니다. 예를 들어 보겠습니다.

• 공장의 조립 라인에 투입된 로봇 팔은 정해진 작업을 최대한 빠른 속도로 반복하도록 설계됩니다. 이 로봇은 모터에 미세한 균열이 생기거나 윤활유가 말라가도, 치명적인 고장이 발생하기 전까지는 이를 인지하지 못하고 계속 작동합니다. 결국 갑작스러운 시스템 전체의 중단과 막대한 수리 비용으로 이어질 수 있습니다.
• 사막을 탐사하는 로봇을 생각해 봅시다. 이 로봇의 주된 임무는 최대한 넓은 지역의 지질 샘플을 채취하는 것입니다. 그런데 갑자기 모래 폭풍이 불어와 태양광 패널이 먼지로 뒤덮이고 카메라 렌즈의 시야가 가려지기 시작합니다. 기존 방식의 AI는 이런 상황에서도 샘플 채취 임무를 꾸역꾸역 수행하려 들 수 있습니다. 자신의 '건강 상태'가 나빠지는 것을 인지하고, 잠시 작업을 멈춘 뒤 안전한 곳으로 대피해 폭풍이 지나가길 기다리는 '생존 판단'을 내리기 어렵습니다.

이러한 한계를 극복하기 위해 연구자들이 주목하는 개념이 '알로스타시스(Allostasis)'입니다. 이는 단순히 현재 상태를 일정하게 유지하는 '항상성(Homeostasis)'에서 한 걸음 더 나아간 개념으로, '미래의 필요를 예측하고 미리 대비하여 안정을 유지하는 과정'을 뜻합니다. 더운 날 갈증을 느끼기 전에 미리 물을 마셔두는 행동이 좋은 예입니다. 내수용 감각을 갖춘 AI가 추구하는 궁극적인 목표는 바로 이것입니다. 단순히 문제가 생겼을 때 반응하는 것을 넘어, 자신의 상태와 외부 환경을 종합해 앞으로 닥칠 위험을 예측하고 선제적으로 대응하여 '생존 확률'을 극대화하는 것입니다.

역사 속 평행선: 증기기관과 조속기

AI에게 자기 조절 능력을 부여한다는 아이디어는 언뜻 매우 미래적으로 들리지만, 그 기본 원리는 사실 산업혁명 시대까지 거슬러 올라갑니다. 제임스 와트가 개량한 증기기관에는 '원심 조속기(Centrifugal Governor)'라는 작지만 혁신적인 장치가 달려 있었습니다.

이 장치의 작동 원리는 놀랍도록 간단합니다. 엔진의 회전축에 두 개의 쇠공이 연결되어 있는데, 엔진이 너무 빨리 돌면 원심력 때문에 쇠공들이 바깥으로 벌어집니다. 이 움직임이 지렛대를 통해 증기 유입 밸브를 닫아버립니다. 증기 공급이 줄어드니 엔진 속도는 자연히 느려집니다. 반대로 엔진이 너무 느리게 돌면 쇠공들이 안쪽으로 오므라들면서 밸브를 열어 증기를 더 많이 공급하고, 속도는 다시 빨라집니다.

이 원심 조속기는 운전자가 일일이 엔진 속도를 감시하고 밸브를 조작해야 했던 수고를 덜어주었습니다. 즉, 기계가 스스로 자신의 상태(속도)를 '감지'하고, 목표(설정된 속도)를 벗어나지 않도록 '제어'하는 최초의 자동화된 피드백 시스템이었던 셈입니다. 이것이 바로 사이버네틱스의 고전적인 사례입니다. 이 작은 장치 덕분에 증기기관은 비로소 불안정한 열에너지 기계에서 공장과 기관차에 동력을 공급하는 안정적이고 신뢰할 수 있는 심장으로 거듭날 수 있었습니다. 수동 제어에서 자동 제어로의 전환, 이것이 산업혁명을 가능케 한 핵심 동력이었습니다.

오늘날 우리가 논하는 '내수용 감각 AI'는 바로 이 증기기관 조속기의 21세기 디지털 버전이라 할 수 있습니다. 감지하는 대상이 엔진 속도에서 배터리, 온도, 연산량 등 훨씬 복잡한 내부 상태로 바뀌었고, 제어 방식 역시 물리적인 밸브 조작에서 작업의 우선순위를 바꾸거나 행동 패턴을 수정하는 정교한 알고리즘으로 진화했습니다. 하지만 그 본질은 같습니다. 외부의 명령에만 의존하는 것이 아니라, 스스로의 상태를 파악해 안정성과 지속가능성을 확보한다는 점에서 둘은 정확히 같은 맥락에 있습니다.

한계와 반론: '느낌'은 흉내 낼 수 있어도 '의식'은 아닙니다

물론 이 연구는 정확히 읽어야 합니다. 자극적인 제목에 휘둘려서는 안 됩니다. 이 기술을 둘러싼 흔한 오해와 앞으로 넘어야 할 산을 먼저 짚어보겠습니다.

첫 번째 흔한 오해는 'AI가 정말로 감정을 느끼게 되는가' 하는 질문입니다. 결론부터 말하면, 아닙니다. 로봇이 '피로하다'고 말하는 것은, 내부적으로 'low_battery_state = True'라는 변수 값이 확인되어 'go_to_charger'라는 행동 프로그램이 실행되는 것에 가깝습니다. 이는 우리가 스마트폰 배터리가 15% 이하로 떨어지면 화면에 빨간색 배터리 아이콘이 뜨는 것과 같은 원리입니다. 스마트폰이 자신의 처지를 비관하거나 불안해하는 것이 아니듯, 이 AI 역시 주관적인 '느낌'이나 '의식'을 갖는 것이 아닙니다. 생물학적 메커니즘을 기능적으로 모방한, 정교한 공학적 시뮬레이션일 뿐입니다. 재현되는가, 조건은 무엇인가. 메커니즘과 예언을 구분해야 합니다.

두 번째 오해는 '이것이 과연 새로운 기술인가' 하는 의문입니다. 사실 온도 조절 장치나 자동차의 크루즈 컨트롤처럼 단순한 피드백 시스템은 이미 우리 주변에 널리 쓰이고 있습니다. 이 연구의 진짜 새로움은 단순히 'if 배터리 낮음, then 충전' 같은 단선적인 규칙을 넘어선다는 데 있습니다. 핵심은 여러 개의, 때로는 서로 상충하는 복수의 내부 상태 신호들을 종합적으로 고려하여, '전체적인 생존'에 가장 유리한 행동을 동적으로 선택하는 능력입니다. 예를 들어, '배터리는 낮지만(충전 필요), 지금 당장 눈앞의 사람을 구해야 하는 긴급 임무가 있고(임무 우선), 동시에 모터의 온도가 위험 수준에 가까워지고 있다(과열 방지 필요)'와 같은 복잡한 딜레마 상황에서 최적의 행동 순서를 스스로 판단하는 것입니다. 이는 단순한 피드백 제어를 넘어, 자기 자신에 대한 정교한 모델링을 필요로 하는 훨씬 고차원적인 문제입니다.

이것이 바로 이 연구의 가장 큰 허들이자 도전 과제입니다. '기계의 안녕(well-being)' 또는 '건강 상태'를 어떻게 수학적으로 정의하고 측정할 것인가? 수십, 수백 개에 달하는 내부 변수들(온도, 전압, 메모리 사용량, 모터 마모도 등) 각각에 어느 정도의 가중치를 부여해야 하는가? 긴급 상황에서는 배터리 소모를 감수하고서라도 성능을 최대로 끌어올려야 할 텐데, 그 '긴급 상황'의 기준은 또 어떻게 정할 것인가? 이 질문들에 대한 답을 찾는 것은 이 논문이 제시한 프레임워크를 실제 시스템으로 구현하는 데 있어 가장 어려운 부분이며, 앞으로 수많은 연구와 실험을 통해 검증해나가야 할 영역입니다.

우리가 추적해야 할 신호: 데이터 주권의 새로운 국면

이 기술이 성숙하면, AI와 데이터에 대한 우리의 관점 역시 근본적으로 바뀌게 될 것입니다. 그리고 이는 '데이터 주권'이라는 묵직한 사회적 의제로 이어집니다.

지금까지 AI 산업은 주로 '외부의 데이터'를 먹고 자랐습니다. 우리가 인터넷에 올린 글과 사진, 동영상, 우리의 검색 기록과 구매 패턴 같은 것들입니다. 기업들은 이 데이터를 활용해 더 정확한 추천 알고리즘과 더 똑똑한 AI 비서를 만들어 왔습니다. 그런데 내수용 감각을 갖춘 AI는 이제 막대한 양의 '내부 데이터'를 스스로 생성하기 시작할 것입니다. 자신의 부품 상태, 에너지 효율, 작업 오류율, 환경 적응 과정 등 그야말로 '기계의 건강검진 기록'이자 '자율적 판단의 로그'가 실시간으로 쌓이게 됩니다.

그렇다면 이 '기계의 몸 데이터'는 과연 누구의 것일까요? 기계를 만든 제조사일까요, 아니면 돈을 주고 기계를 구매한 사용자일까요? 만약 자율주행차가 센서에 이물질이 많이 꼈다는 '불쾌감'을 느껴 스스로 운행을 중단하고 갓길에 차를 세웠다고 합시다. 이로 인해 중요한 약속에 늦었다면 그 책임은 누구에게 있을까요? 사용자는 '명령 불복종'이라 항의할 것이고, 제조사는 '안전을 위한 자율적 판단'이었다고 주장할 것입니다. 이 분쟁을 해결할 핵심 증거는 바로 그 순간 자동차가 어떤 '내부 상태' 데이터를 기반으로 그런 결정을 내렸는지에 대한 기록입니다.

이것은 비행기의 '블랙박스'가 모든 가전제품과 자동차, 로봇에 확대 적용되는 것과 같습니다. 이 데이터는 기기의 고장을 예측하고, 제품 설계를 개선하며, 사고 발생 시 법적 책임을 가리는 데 결정적인 역할을 할 것입니다. 우리가 지금 개인정보 보호와 데이터 주권을 놓고 치열하게 논쟁하는 것처럼, 머지않아 '기계의 데이터 주권'을 둘러싼 새로운 싸움이 시작될 것입니다. 내 로봇의 '생각'과 '느낌'에 대한 데이터 로그를 누가 통제할 것인가. 이는 기술을 넘어선 사회적, 법적, 윤리적 합의가 필요한 새로운 영역입니다.

독자가 던질 법한 질문들

Q. 이 기술이 상용화되면 우리 삶이 구체적으로 어떻게 바뀌나요? A. 단기적으로는 우리가 사용하는 기기들이 더 똑똑해지기보다, 더 '견고하고 신뢰할 만하게' 바뀔 것입니다. 예를 들어, 최신 스마트폰이 사용자의 패턴을 학습해 스스로 배터리 수명을 관리하는 것처럼, 미래의 자율주행차는 미세먼지가 심한 날 '호흡기가 답답하다'는 듯 스스로 외부 공기 유입을 차단하고 내부 필터를 더 강하게 돌릴 수 있습니다. 서비스 로봇은 바닥의 오염도를 분석해 '오늘은 대청소가 필요하니 에너지를 아껴야겠다'고 판단하고 일부 구역 청소를 다음으로 미룰 수도 있습니다. 고장 나기 전에 스스로 문제를 진단하고 사용자에게 알리거나, 심지어 스스로 부품을 주문하는 단계까지 나아갈 수 있습니다. 기계가 단순한 '복종하는 도구'에서 스스로를 돌보는 '믿음직한 파트너'로 변모하는 것입니다.

Q. 이것이 터미네이터처럼 인류를 위협하는 강한 AI의 시작점이 될 수 있지 않을까요? A. 이는 자기 보존 본능과 지배욕을 혼동하는 데서 오는 흔한 우려입니다. 다만 연구는 정확히 읽어야 합니다. 숲속의 다람쥐는 겨울을 나기 위해 필사적으로 도토리를 모읍니다. 이는 강력한 자기 보존 본능이지만, 다람쥐가 숲의 지배자가 되려는 '의지'를 가졌다고 말하지는 않습니다. 이 기술은 AI에게 생존에 유리한 행동을 하도록 프로그래밍하는 것이지, 인간을 적으로 인식하고 공격하라는 목표를 주는 것이 아닙니다. 진짜 위험은 AI가 사악한 의지를 갖는 것이 아니라, 인간이 설정한 '생존'이라는 목표 함수에 허점이 있거나, 복잡한 자기 조절 시스템이 예상치 못한 버그를 일으켜 오작동하는 경우에 발생할 수 있습니다. 따라서 중요한 것은 AI의 의지를 걱정하기보다, 이 시스템이 인간의 의도대로 안전하게 작동하도록 투명하고 엄밀하게 설계하고 검증하는 일입니다.

Q. 연구자로서 이 논문이 제시한 프레임워크의 가장 중요한 지점과 가장 큰 허들을 하나씩 꼽는다면 무엇입니까? A. 가장 중요한 지점은 AI 개발의 패러다임을 '최고 성능(Peak Performance)'에서 '지속 가능성(Sustainable Persistence)'으로 전환하자고 제안한 것입니다. 한 번의 화려한 성공이 아니라, 예측 불가능한 환경에서 오랫동안 안정적으로 살아남는 능력이 진정한 자율성의 척도임을 명확히 했습니다. 가장 큰 허들은 단연 '가치 함수(Value Function)의 설계'입니다. 기계의 '행복'이나 '건강'을 구성하는 수백 가지 변수들의 우선순위를 어떻게 정하고, 실시간으로 변하는 상황에 따라 어떻게 동적으로 조절할 것인가 하는 문제입니다. 이는 고도의 공학적 문제인 동시에, '좋은 삶이란 무엇인가'라는 철학적 질문과도 맞닿아 있습니다. 이 프레임워크는 위대한 시작이지만, 실제 작동하는 시스템을 만드는 길은 여전히 멀고 험난합니다.