LLM Wiki

감각 운동적 수반성

12 min read

한 줄 정의

감각 운동적 수반성(Sensorimotor Contingency)은 유기체가 환경과 상호작용할 때, 자신의 신체 움직임(운동)에 따라 감각 입력이 변화하는 규칙적이고 예측 가능한 피드백의 법칙을 뜻한다. (raw/What Makes Us Human.md)

핵심 요지

  1. 행동으로서의 지각: 지각(특히 시각)은 뇌 내부에 투사된 완성된 이미지나 정밀한 내부 표상(internal representation)을 해석하는 수동적인 과정이 아니라, 세상을 탐험하는 능동적인 행동 방식이다. (raw/What Makes Us Human.md)
  2. 피드백 루프의 지배: 지각적 경험은 유기체가 환경과 능동적으로 주고받는 물리적 피드백 규칙, 즉 감각-운동적 수반성을 완벽하게 다루고 통제하는 과정에서 피어난다. (raw/What Makes Us Human.md)
  3. 외부 세계 모델의 활용: 뇌 내부에 완전한 세계 모델을 구성하여 실시간 변화를 모두 연산할 필요 없이, 외부 세계 자체를 가장 완벽한 ‘외부 표현(external representation)‘으로 삼아 상호작용한다. (raw/What Makes Us Human.md)
  4. 계산 효율성 극대화: 정밀한 복제 지도를 업데이트하는 과도한 에너지 비용(Frame Problem)을 우회하고, 상황에 따른 ‘주의(attention)‘와 ‘의도(intention)‘를 통해 최소한의 연산으로 환경에 대처한다. (raw/What Makes Us Human.md)

상세

  • 학문적 배경: 영국의 신경과학자 J. 케빈 오리건(J. Kevin O’Regan)과 미국의 철학자 알바 노에(Alva Noë)는 2001년 공동 논문 〈시각적 인지와 감각-운동적 수반성(A sensorimotor account of vision and visual consciousness)〉을 통해 지각을 행동의 한 방식으로 설명했다. (raw/What Makes Us Human.md) 이들은 뇌 안의 이미지가 지각 경험을 만드는 것이 아니며, 외부 세계 자체가 완벽한 외부 표현으로 작동하기에 주체가 세상과 상호작용하는 피드백 법칙을 조율하는 것이 지각의 실체라고 주장했다. (raw/What Makes Us Human.md)
  • 능동적 탐색과 주의: 1967년 러시아의 생리학자 알프레드 L. 야부스(Alfred L. Yarbus)는 안구 운동 추적 실험을 통해, 관찰자가 그림을 감상할 때 부여된 임무나 의도에 따라 안구의 이동 궤적이 완전히 바뀐다는 것을 증명했다. (raw/What Makes Us Human.md) 이는 시각적 인지가 고도로 선택적이고 능동적인 과정이며, 수동적으로 뇌에 이미지를 재구성하지 않음을 보여준다. (raw/What Makes Us Human.md)
  • 계산주의 패러다임과의 균열: 뇌를 폰 노이만식 하드웨어와 알고리즘식 소프트웨어로 구분하는 ‘마음의 계산 이론’은 인지를 정보 가공 과정으로 축소했으나, 감각 운동적 수반성은 신체와 환경의 실시간 상호 얽힘에 기반하는 생성주의(Enactivism)적이며 체화된 인지(Embodied Cognition)적 관점을 제공한다. (raw/What Makes Us Human.md)
  • 드레이퍼스의 상황 대처: 휴버트 드레이퍼(Hubert Dreyfus) 교수는 하이데거의 ‘세계-내-존재(Being-in-the-world)’ 철학을 인용해, 인공지능이 환경의 시시각각 변하는 데이터를 메모리 속에 일일이 갱신하는 것이 불가능에 가까운 계산 문제를 초래함을 지적했다. (raw/What Makes Us Human.md) “세계를 가장 완벽하게 복사해 둔 표상은 세계 그 자체”라는 하이데거의 혜안처럼, 감각 운동적 수반성은 주체가 세계의 내부에 발을 단단히 붙여 복잡한 짐을 덜어내도록 돕는다. (raw/What Makes Us Human.md)

예시

1. Visual Servoing(시각 서보 제어)을 활용한 대상 추적 에이전트

현대 로보틱스나 인공지능 에이전트가 대상의 절대적인 3차원 위치 좌표를 연산하여 내부 공간 지도를 갱신하는 대신, 자신의 고개 돌림(운동)과 대상의 화면 상 픽셀 이동(감각) 간의 직접적인 수반성 피드백 루프만을 학습하여 대상을 카메라 렌즈 중앙에 위치시키는 모사 예제이다.

에이전트는 대상의 실제 절대 위치를 알지 못하지만, ‘내가 오른쪽으로 돌면 대상이 왼쪽으로 가고, 왼쪽으로 돌면 오른쪽으로 간다’는 감각-운동적 수반성 법칙을 다룰 줄 앎으로써 대상 추적이라는 지각 행동을 완성한다.

import time
import random
 
class VisualServoingAgent:
    """
    감각-운동적 수반성(Sensorimotor Contingency)을 활용하여
    내부적인 절대적 세계 좌표계나 대상을 정밀하게 표상하지 않고,
    시각 피드백과 모터 제어의 상관관계 규칙만으로 표적을 정중앙에 유지하는 에이전트.
    """
    def __init__(self, target_initial_yaw: float):
        self.agent_yaw = 0.0  # 에이전트가 바라보는 각도 (운동 상태)
        self.target_real_yaw = target_initial_yaw  # 환경 내 타겟의 실제 각도 (외부 세계)
        
    def get_visual_sensation(self) -> float:
        """
        망막 또는 카메라 센서에 맺히는 상대적 시각 이미지 정보 (감각 입력).
        실제 외부 좌표를 관찰하는 호문쿨루스가 있는 것이 아니며,
        단지 시각 정보의 상대적인 편차(에러)만을 전달받음.
        """
        # 상대적 오차 = 타겟의 실제 위치 - 에이전트가 보는 각도
        relative_error = self.target_real_yaw - self.agent_yaw
        return relative_error
 
    def apply_motor_action(self, rotation_delta: float):
        """
        에이전트의 운동 명령 (운동 출력).
        이 회전 운동은 다음번 감각 입력을 직접적으로 변화(수반)시킵니다.
        """
        self.agent_yaw += rotation_delta
        print(f"[Actuator] 회전 운동 적용: {rotation_delta:+.2f}° | 현재 고개 각도: {self.agent_yaw:.2f}°")
 
    def run_sensorimotor_loop(self, steps: int = 5):
        print(f"--- 시각 서보 제어 루프 시작 (타겟 실제 위치: {self.target_real_yaw}°) ---")
        for i in range(1, steps + 1):
            # 1. 감각 입력 획득
            sensory_input = self.get_visual_sensation()
            print(f"[Step {i}] 감각 입력 (상대 오차): {sensory_input:+.2f}°")
            
            # 2. 감각-운동 수반성에 기초한 조율 법칙 적용 (피드백 제어)
            # '오차가 양수(타겟이 우측)이면 우측으로 회전하고, 음수(좌측)이면 좌측으로 회전한다'
            # 게인(K)을 적용하여 오차의 방향과 크기에 직결되도록 단순한 모터 출력으로 제어
            if abs(sensory_input) < 0.5:
                print("[Sensorimotor Control] 타겟이 시야의 정중앙에 위치함. 행동 유지.")
                break
                
            # 비례적인 조절값 (행동) 계산
            kp = 0.6
            action = sensory_input * kp
            
            # 3. 운동 수행 (수반적 피드백 변화 발생)
            self.apply_motor_action(action)
            
            # 환경 내 타겟의 실시간 물리적 미세 움직임 모사 (동적 외부 세계)
            self.target_real_yaw += random.uniform(-1.0, 1.0)
            time.sleep(0.3)
 
# 에이전트 초기화 (타겟이 우측 15도 방향에 있음)
agent = VisualServoingAgent(target_initial_yaw=15.0)
agent.run_sensorimotor_loop()

충돌

  • 표상주의(Representationalism) 및 컴퓨터 마음 이론과의 대립: 전통적인 인지 신경과학 및 컴퓨터 비전 이론은 외부 세계의 3D 물리 데이터를 뇌/컴퓨터 내부에 모델링하여 내부 표현(Internal Representation)을 만드는 과정이 지각의 핵심이라고 설명한다. (raw/What Makes Us Human.md) 이들은 뇌가 카메라 센서처럼 입력 데이터를 받아 정보 처리를 거친 기호 계산 장치라고 가정하는 반면, 감각 운동적 수반성 이론은 외부 세계 자체가 완벽한 실물 표현이므로 내부 표현을 상정하지 않아도 충분한 지각과 적응이 가능하다고 보아 대치된다. (raw/What Makes Us Human.md)

관련 노트

  • 생성주의: 인지를 외부 세계의 단순 표상이 아니라, 주체와 환경이 감각-운동 상호작용을 통해 동적으로 함께 창조하는 과정으로 정의하는 패러다임. (raw/What Makes Us Human.md)
  • 어포던스: 환경이 주체의 신체 능력에 맞춰 선사하는 행동 유도성 정보로, 내부 표상 없이 직접 지각한다는 생태학적 접근법을 공유한다. (raw/What Makes Us Human.md)
  • 체화된 인지: 지능이 뇌 속에 고립된 계산 과정이 아니라 물리적 신체와 환경의 감각-운동적 피드백 루프에서 발현된다는 핵심 철학. (raw/What Makes Us Human.md)
  • 세계 모델: 인공지능이 환경의 시공간적 인과 관계를 예측하기 위해 생성하는 구조. 감각 운동적 수반성은 세계 모델이 굳이 가상 표상으로 무겁게 내장되지 않고 외부 세계 그 자체를 모델로 삼는 고유의 효율성을 강조한다. (raw/What Makes Us Human.md)

그래프 뷰

백링크