ACT-R (Adaptive Control of Thought-Rational)

 

 

존 앤더슨(John R. Anderson)은 인지심리학과 인공지능 분야의 거두로, 인간의 인지 구조를 설명하기 위해 ACT-R(Adaptive Control of Thought-Rational: 사고-합리성의 적응적 제어)이라는 통합 인지 아키텍처를 제안했다. 

그는 자신의 이론이 단순한 심리학적 가설이나 이론에 그치지 않고, 컴퓨터의 하드웨어와 소프트웨어 구조처럼 실제로 작동가능한 시스템이 되기를 원했다. 특히, 집을 지을 때 설계도가 필요하듯, 지각, 기억, 실행 모듈이 어떻게 연결되어 정보를 주고 받는것을 보여주는 구조적 틀이라는 측면을 강조하기 위해 Architecture라는 용어를 선택한다.

ACT-R이론은 단순한 심리학 모델을 넘어, '인간의 마음이 어떻게 작동하는가'를 컴퓨터 프로그램처럼 정교하게 구현하려는 인지 아키텍처(Cognitive Architecture)라는 점에서 중요한 의미를 갖는다. 이것은 인간의 인지를 측정 가능하고 시뮬레이션 가능한 형태로 제안한 거의 유일한 통합모델이며, 실제로 ACT-R은 컴퓨터 코드로 작성되어 실행 될 수 있는 프로그램이기도 하다. 

 

인간의 지능을 개별적인 기능들의 집합이 아니라, 하나의 통합된 시스템으로 볼 수 있으며, 그 구조와 작동 원리는 다음과 같다.

 

1. ACT-R의 사각형 구조 (모듈형 체계)

 

'사각형 구조'는 단순히 그림의 모양을 말하는 것이 아니라, 우리 마음의 '인지적 설계도(Cognitive Architecture)'*그 자체를 의미한다. '산출물을 얻는 과정'은 컴퓨터가 데이터를 처리해 결과값을 내놓는 것과 매우 흡사하다. 왜냐하면, 앤더슨은 인간의 사고를 '정보가 들어와서 변형된 뒤 행동으로 나가는 흐름'으로 보았기 때문이다.
사각형 구조는 인지 기능의 '부서별 분업' 체계로 이해하면 된다. 
앤더슨은 우리 뇌가 통째로 움직이는 게 아니라, 전문화된 사각형(모듈)들이 각자의 일을 한다고 보았다.

1) 입력(Input) 사각형: 시각/청각 모듈 (세상을 보고 듣는 기능)
2) 저장(Storage) 사각형: 선언적 모듈 (지식을 기억하고 꺼내는 기능)
3) 통제(Control) 사각형: 목표 모듈 (내가 지금 뭘 하는지 잊지 않는 기능)
4) 중앙 처리(Processor) 사각형:절차적 모듈(Production System)

 

By Gabetucker2 - Own work, CC BY-SA 4.0,  https://commons.wikimedia.org/w/index.php?curid=137621872

 

 

ACT-R은 우리 뇌의 서로 다른 영역이 협력하는 방식을 모듈(Module) 단위로 설명하였고, 각 모듈은 고유한 정보를 처리하며 중앙 실행기(Production System)를 통해 소통한다. 네가지 모듈은 선언적 모듈, 절차적 모듈, 목표 모듈, 지각-운동 모듈로 구분하였다.

• 선언적 모듈 (Declarative Module): 과거의 기억이나 사실(Chunk)을 저장하는 '저장고'이다. (예: "내 자전거 비밀번호는 1234다")
• 절차적 모듈 (Procedural Module, Motor Module): 현재 상황에서 어떤 행동을 할지 결정하는 '의사결정기'이다. (예: "손을 움직여 비밀번호를 누른다")
• 목표 모듈 (Goal/Intentional Module): 현재 내가 무엇을 하려는지 '맥락'을 유지한다. (예: "지금은 자전거 자물쇠를 풀어야 해")
• 지각-운동 모듈 (Perceptual-Motor Module): 외부 세계를 보고(시각), 듣고, 실제로 근육을 움직이는 '인터페이스' 역할을 한다.

앤더슨의 모델에서 '결과물'은 단순히 운 좋게 나오는 게 아니라, 버퍼(Buffer)라는 창구를 통해 철저히 계산된 결과이다.

* 정보 집결 (Buffer Loading): 각 사각형(모듈)이 자기 부서의 핵심 정보 하나씩을 버퍼라는 작업대에 올려둔다.
(예: 시각 버퍼("앞에 사과가 있다"), 선언적 버퍼("사과는 먹는 것이다"), 목표 버퍼("배가 고프다"))

* 규칙 대조 (Pattern Matching): 중앙의 생산 체계가 이 버퍼들을 쓱 훑어본다. 그리고 내 머릿속 수만 개의 'If-Then' 규칙 중 지금 상황에 딱 맞는 것을 고른다.

* 규칙 발현: "만약 배가 고픈데 앞에 먹을 게 있다면 → 집어서 입에 넣어라!"


선택된 규칙이 실행되면서 '산출물'이 나온다. 이때, 팔 근육을 움직여 사과를 집는 '행동'은 외부적 산출이며, 사과를 먹기 시작함"으로 목표를 업데이트하는 행동은 '인지적 변화'를 의미한다.

 

2. '활성화(Activation)'와 지식의 인출

 

ACT-R에서 지식은 단순히 저장되어 있는 것이 아니라, 활성화 에너지(A_i)를 갖는 것이다.  활성화 점수가 높은 지식이 의식의 표면으로 떠올라 문제 해결에 사용되는 것이다.

 

특정 정보가 내 머릿속에서 얼마나 '준비'되어 있는지는 다음의 수식으로 표현할 수 있다. 

 

	(기본 활성화): 해당 지식을 얼마나 자주, 그리고 얼마나 최근에 사용했는가? (자주 본 친구의 이름은 바로 떠오름)
	(맥락적 활성화): 현재 상황(힌트)이 해당 지식과 얼마나 관련이 있는가? (학교에 가면 선생님의 성함이 더 잘 떠오름)

 

 

3. 두가지 형태의 지식

 

앤더슨은 인간의 지식이 서로 다른 방식으로 저장되고 활용된다고 보았는데, 그가 정의하는 '지식'은 크게 두 가지 형태로 나뉜다.

 

하나는 선언적 지식 (Declarative Knowledge)으로, "무엇이 어떠하다"라는 사실에 대한 지식이다. 예를들어, "서울은 한국의 수도이다"와 같은 지식이다. 이것은  의식적으로 떠올릴 수 있으며 언어적 설명이 가능하다. 인지 구조 내에서는 '청크(Chunk)'라는 최소 단위로 저장되는 지식이다. 

다른 하나는 절차적 지식 (Procedural Knowledge)이다. 이것은 "어떻게 하는가"에 대한 방법적, 기술적인 지식이다. 자전거 타기, 알고리즘을 적용하여 문제 해결하기 등의 예를 들 수 있다. 이들 지식은 대개 무의식적으로 수행되며, 실천속에서 직접적인 행동으로 나타난다. 이는 ‘생산 규칙(Production Rules)'이라는 "If-Then" 규칙 구조(만약 ~라면, ~를 하라)로 저장된다.

 

지식은 단순히 저장되는 것이 아니라, 외부 환경과의 상호작용을 통해 끊임없이 인출되고 강화되는 것이다. 상호작용 중에 특정 지식(청크)이 얼마나 자주, 그리고 최근에 사용되었는지에 따라 '활성화 수준(Activation)'이 결정되며, 자주 쓰이는 지식일수록 더 빨리 인출된다. 문제 해결 과정에서 성공적인 결과를 낸 규칙들은 강화되고, 새로운 상황에 맞게 최적화되는데 이것을 생산 학습(Production Learning)이라 한다. 

 

 

4. 지식의 변형 단계

 

앤더슨은 지식 습득이나 인지적 숙달 과정, 초보자가 전문가가 되는 과정을 지식의 변형 단계로 설명했다.

1단계인 인지 단계(Cognitive Stage)에서는 지식이 주로 선언적 형태로 존재한다. 규칙을 암기하고 의식적으로 되새기며 수행하느라 속도가 느리고 오류가 많다.

2단계인 연합 단계 (Associative Stage)에는 선언적 지식이 절차적 지식으로 변하는 '절차화(Proceduralization)'가 일어난다. 여러 단계의 규칙이 하나로 통합되며, 실수가 줄어든다.

3단계인 자동화 단계 (Autonomous Stage)에는 지식이 완전히 절차화되어 의식적인 노력 없이도 빠르고 정확하게 수행된다.

앤더슨에게 지식이란 단순히 정보의 나열이 아니라, '사실(선언)'에서 시작하여 반복적인 연습을 통해 '능숙한 기술(절차)'로 진화하는 역동적인 시스템이다.

 

 

5. ACT-R의 중요도

 

이 이론은 실제에의 적용과 예측력의 장점을 가지고 있기 때문에 학계와 산업계에서 자주 활용된다. 특히, 지능형 학습 시스템이나 사용자 경험 설계, 뇌과학과의 연결과 관련하여 많은 관심을 받고 있다. 

• 지능형 학습 시스템(ITS): 학생들이 수학 문제를 풀 때 어떤 부분에서 막히는지, 어떤 오개념을 가졌는지 ACT-R 기반 모델로 예측하여 맞춤형 피드백을 준다.
• 사용자 경험(UX) 설계: 사람이 메뉴를 찾을 때 시선이 어디로 가는지, 버튼을 누르는 데 시간이 얼마나 걸릴지를 시뮬레이션하여 인터페이스를 개선한다.
• 뇌 과학과의 연결: ACT-R의 각 모듈은 실제 뇌의 특정 부위(기저핵, 전전두엽 등)와 밀접하게 연결되어 있어, MRI 연구 등에서도 중요한 가이드라인이 된다.

 

6. 비판 

ACT-R은 인지과학 분야에서 매우 강력한 표준 모델로 통하지만, 그만큼 정교하고 복잡하기 때문에 다양한 각도에서 비판을 받기도 한다. 주요 비판점들을 크게 네 가지 범주로 정리할 수 있다.

 

1) 상향식(Bottom-up) 학습의 한계

ACT-R은 기본적으로 "규칙(If-Then)"에 기반한 시스템을 다룬다. 그러다보니, 인간의 학습이 항상 명시적인 규칙을 배우는 것에서 시작하지는 않는다는 점을 쉽게 간과하게 된다. 예를 들어, 아이가 언어를 배우거나 우리가 직관적으로 사물을 판단할 때, ACT-R처럼 '선언적 지식'을 먼저 습득하고 이를 '절차화'하는 단계를 반드시 거치느냐에 대해 회의적인 시각들이 존재한다. 그리고, 딥러닝과 같은 최신 AI 모델과 달리, 데이터로부터 스스로 패턴을 찾아내는 능력이 상대적으로 부족하다는 평가를 받고 있다.

 

2) 매개변수 최적화(Parameter Fitting) 문제

ACT-R 모델이 실제 인간의 행동 데이터(반응 시간, 오류율 등)를 아주 정확하게 예측하는 것은 사실이다. 하지만 모델 내부에 조절할 수 있는 매개변수(Parameter)가 너무 많다는 것이 문제로 여겨지기도 한다. 비판자들은 "충분한 매개변수만 있다면 어떤 엉터리 데이터라도 설명할 수 있는 곡선을 그릴 수 있다"고 지적하고 있으며, 모델이 현상을 '설명'하는 것인지, 단순히 데이터를 '끼워 맞춘(Overfitting)' 것인지 모호한 점을 문제 삼았다. 

 

3) 구현의 복잡성과 폐쇄성

ACT-R은 단순한 이론이 아니라 실제로 실행 가능한 소프트웨어 아키텍처이다.

• 비판: 이를 제대로 활용하려면 리스프(Lisp) 언어에 능숙해야 하며, 아키텍처 자체의 학습 곡선도 매우 가파르다. 이 때문에 인지심리학자들 사이에서도 "너무 다루기 힘들고 폐쇄적인 시스템"이라는 불만이 나오기도 한다.
• 생산 규칙의 경직성: 실제 인간의 사고는 훨씬 유연하고 모호한데, ACT-R의 생산 규칙은 너무 엄격하고 논리적이라는 비판이 있다.

4) 뇌 과학적 근거의 불충분함

앤더슨은 ACT-R의 모듈이 뇌의 특정 부위(기저핵, 전전두엽 등)와 대응된다고 주장하였다. 하지만 뇌는 훨씬 더 복잡하고 병렬적으로 연결된 네트워크 시스템이다. ACT-R처럼 명확하게 구분된 모듈들이 중앙 통제 장치를 거쳐 통신한다는 구조는 실제 뇌의 생물학적 작동 방식과는 거리가 멀다는 신경과학적 비판이 존재한다.

 

 

7. 종합

 

비판에도 불구하고 ACT-R이 여전히 중요한 이유는, 인간의 인지를 '측정 가능하고 시뮬레이션 가능한 형태'로 제안한 거의 유일한 통합 모델이기 때문이다. 컴퓨터에 윈도우나 macOS 같은 운영체제가 있듯이, ACT-R은 인간의 정신 작용을 지탱하는 운영체제라고 이해할 수 있다. 이것은 단순히 정보를 암기하는 것이 아니라, 상황에 맞춰 가장 적절한 '규칙'을 찾아내고 '행동'으로 옮기는 최적화 과정을 수학적·컴퓨터적으로 증명해낸 모델이다. 

최근에는 이러한 비판을 수용하여 신경망 모델(Connectionism)과 결합하려는 시도도 활발히 이루어지고 있다.

 

 

 

 

---

[1] https://en.wikipedia.org/wiki/ACT-R

 

[2] https://act-r.psy.cmu.edu/about/

 

[3] Anderson, J. R. (1983), The Architecture of Cognition.