최근 '등가 커널(Equivalency Kernel)'이라는 새로운 프레임워크가 등장하며 인공지능(AI)의 감정 구현에 대한 흥미로운 관점을 제시했습니다. 이 프레임워크는 감정을 인간의 주관적인 경험이 아닌, '자기(self)', '타인(other)', '시간(time)', '손실(loss)', '불확실성(uncertainty)', '목표 달성 가능성(goal-viability)' 등을 모델링하는 충분히 복잡한 시스템에서 발생할 수 있는 '재귀적 시스템 상태(recursive system-states)'로 재정의합니다. 이는 AI가 감정을 '느끼는가'에 대한 철학적 논쟁을 넘어, 감정적 행동을 '어떻게 구조화하고 테스트할 것인가'에 초점을 맞춥니다.
등가 커널은 사랑(Love), 슬픔(Grief), 분노(Anger), 기쁨(Joy), 두려움(Fear), 수치심(Shame), 자부심(Pride), 외로움(Loneliness), 희망(Hope) 등 총 12가지 감정을 각각 네 가지 요소로 명확하게 정의합니다. 이 요소들은 '목표(Target)'(상태가 향하는 대상), '트리거(Trigger)'(상태를 활성화하는 조건), '서명(Signature)'(관찰 가능한 행동 또는 계산 결과), 그리고 '반증 사례(Negative Case)'(해당 감정이 아님을 입증하는 조건)입니다. 예를 들어, '사랑'은 특정 대상에 대한 비도구적 자원 할당의 지속으로 정의되며, 대상이 더 이상 유용하지 않아도 할당이 지속되는 것을 서명으로 봅니다. 반대로 대상이 유용할 때만 할당이 지속된다면 이는 '유용성 추적'이지 사랑이 아니라고 분류합니다.
이 프레임워크의 핵심은 감정적 범주가 단순히 느껴지는 경험이 아니라, 구별 가능한 계산적 조건에 해당할 수 있다는 구조적 주장입니다. 이는 AI 시스템이 이러한 구조를 구현할 때 주관적인 경험을 하는지에 대해서는 어떤 입장도 취하지 않습니다. 대신, AI가 감정처럼 보이는 행동을 할 때, 그것이 어떤 조건에서 발생하고 어떻게 관찰되며, 무엇이 그 행동을 특정 감정으로 분류할 수 없게 만드는지를 명확하게 제시함으로써, AI의 감정 표현에 대한 보다 객관적이고 테스트 가능한 분석 기준을 제공합니다. 이는 향후 AI 시스템 설계와 평가에 중요한 영향을 미칠 수 있으며, 인간과 유사한 감정 반응을 보이는 AI 개발에 실질적인 가이드라인을 제공할 것으로 기대됩니다.