어린 시절 레고 블록을 쌓다가 무너뜨린 경험이 누구에게나 있을 것이다. 그 작은 실패가 왠지 모르게 짜증스럽고, 동시에 다시 쌓고 싶은 충동을 불러일으키는 순간. 1970년, MIT의 연구실에서도 비슷한 일이 벌어졌다. 다만 그곳의 블록은 플라스틱이 아닌 가상의 공간에 존재했고, 그것을 쌓고 무너뜨리는 주체는 인간이 아니라 컴퓨터 프로그램이었다. 그 프로그램의 이름은 SHRDLU. 이름부터가 특이했는데, 라이노타입 조판기의 자판 배열에서 따온 이 단어는 당시로서는 혁명적인 시도였다. 단순한 명령어 실행기가 아닌, 대화를 통해 블록을 조작하는 시스템이었기 때문이다.
SHRDLU가 등장하기 전, 컴퓨터는 인간의 언어를 이해하지 못했다. 그저 미리 정의된 명령어를 기계적으로 처리할 뿐이었다. “A를 B 위에 올려라”라는 문장을 이해하려면 그 안의 ‘A’, ‘B’, ‘위에’라는 개념을 컴퓨터가 인식해야 했고, 그 개념들이 실제 세계의 물체와 동작으로 연결되어야 했다. SHRDLU는 이 어려운 과제를 해결하기 위해 세 가지 핵심 요소를 통합했다: 자연어 처리, 세계 모델링, 그리고 추론 능력. 사용자가 “파란 피라미드를 빨간 큐브 위에 올려”라고 말하면, 프로그램은 그 문장을 분석해 블록들의 현재 상태를 파악하고, 물리적 제약(예: 피라미드는 큐브 위에만 놓일 수 있음)을 고려해 명령을 실행했다. 심지어 “왜?”라는 질문에 대해서도 “빨간 큐브가 파란 피라미드를 지탱할 수 있기 때문입니다”라고 대답할 수 있었다.
이 시스템이 놀라운 점은 그 기술적 완성도가 아니라, 인간과 기계 사이의 대화가 가능하다는 가능성 자체를 보여주었다는 것이다. SHRDLU는 단순한 명령 수행자가 아니었다. 그것은 사용자의 의도를 해석하고, 자신의 행동을 설명하며, 때로는 “그건 불가능합니다”라고 거절하기도 했다. 마치 레고 블록을 쌓다가 서로 의견이 엇갈리는 아이들처럼. 이 대화의 과정은 기계가 언어를 이해하는 것이 단순히 단어의 조합을 분석하는 것이 아니라, 세계에 대한 이해와 추론을 필요로 한다는 사실을 여실히 보여주었다.
SHRDLU는 단순히 ‘파란 피라미드’라는 단어를 인식하는 데 그치지 않았다. 그 피라미드가 무엇인지, 어디에 있는지, 다른 블록들과 어떤 관계를 맺고 있는지를 이해했다. 그리고 그 이해를 바탕으로 사용자의 요청을 실행하거나, 불가능한 요청에 대해서는 이유를 설명했다.
하지만 SHRDLU의 한계도 명확했다. 그 세계는 블록 몇 개로 제한된 가상의 테이블에 불과했고, 그 테이블 밖의 현실 세계에 대해서는 아무것도 몰랐다. “파란 피라미드를 하늘에 띄워”라고 명령하면 시스템은 무력해질 수밖에 없었다. 이는 인공지능이 마주한 근본적인 딜레마를 보여준다. 언어를 이해하기 위해서는 세계에 대한 방대한 지식이 필요하지만, 그 지식을 어떻게 체계적으로 구축하고 활용할 수 있는지는 여전히 풀리지 않은 문제다.
50여 년이 지난 지금, 우리는 GPT-4나 그 이후의 모델들이 놀라운 언어 능력을 보여주는 시대에 살고 있다. 이들은 SHRDLU와는 비교할 수 없을 정도로 복잡한 대화를 나누고, 다양한 주제에 대해 논의할 수 있다. 하지만 그 근본적인 질문은 여전히 남아 있다. 이 모델들은 정말 ‘이해’하고 있는 것일까? 아니면 SHRDLU처럼 제한된 세계 안에서만 작동하는, 더 정교해진 버전의 대화 시스템에 불과한 것일까?
SHRDLU가 남긴 교훈은 단순하다. 인공지능이 언어를 이해하기 위해서는 단어 이상의 것이 필요하다. 세계에 대한 지식, 맥락에 대한 이해, 그리고 추론 능력이 결합되어야 진정한 대화가 가능하다. 블록 몇 개로 이루어진 작은 세계에서조차 이 모든 것이 필요했다면, 현실 세계의 복잡성을 이해하기 위해서는 얼마나 더 많은 노력이 필요할까? 어쩌면 우리는 여전히 그 블록들을 쌓는 법을 배우는 중인지도 모른다.
더 자세한 내용은 위키백과의 SHRDLU 항목에서 확인할 수 있다.
이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
