최근에 본 아웃스탠딩 기사 중 가장 재미있게 읽은 기사입니다. 인공신경망을 이용한 인공지능 기술은 본질적으로 귀납적(bottom-up) 추론입니다. 하지만 지능은 연역적(top-down) 추론과 귀납적 추론의 두 가지 측면이 있죠. 본문에 인용된 EE타임즈의 문장, "복잡성의 과학과 찌르레기 떼의 비행은, 자율주행 AI를 훈련시키기 위해 로드테스트를 무한반복하는 것이 무의미할 수도 있음을 보여준다"는 귀납적 추론에 모든 것을 의존할 때의 함정을 잘 표현한 것 같습니다. URL 링크한 아웃스탠딩 기사에서는 차량 1대의 카메라 데이터를 활용한 신경망 모델 접근과 애플이 UWB로 여러 차량의 정보를 연동하는 방법을 비교하지만, 이는 어떤 sensory data를 선택할 것인지에 대한 문제로서 지능에 대한 접근과는 조금 결이 다른 문제 제기인 것 같습니다. "찌르레기 떼의 비행에서는 6~7마리의 이웃끼리의 상호작용 네트워크가 그룹의 응집력과 개별 노력 사이의 균형을 최적화한다"가 가장 핵심적인 부분이 될 것 같은데, 이 "7마리 룰"에 대해 어떻게 접근할 것이냐가 가장 중요한 질문이 될 것 같습니다. (7마리 룰은, 하이퍼레저나 해시그라프 블록체인이 사용하는 'Gossip Protocol'과도 일맥상통하는 점이 있는 것 같네요.)