모두를 위한 AI, 파트 2: AI는 어떻게 인간처럼 "생각"할 수 있을까?

아침에 일어나 시리에게 날씨를 묻거나, 완벽하게 맞춤화된 짧은 동영상을 TikTok에서 스크롤하면서 이러한 AI 시스템이 실제로 당신이 필요로 하는 것을 어떻게 "이해"하고 올바른 응답을 제공하는지 궁금해본 적이 있습니까? 그들의 사고 과정은 우리의 사고 과정과 어떻게 비교될까요?

AI는 스마트폰의 음성 지원부터 전자 상거래 사이트의 제품 추천, 내비게이션 앱의 경로 계획, 소셜 미디어의 콘텐츠 제공에 이르기까지 우리의 일상에 깊숙이 자리 잡았습니다. 겉보기에 단순해 보이는 이러한 상호 작용의 이면에는 AI 시스템 내의 복잡한 "사고" 과정이 숨어 있습니다.

오늘날의 AI는 전례 없는 방식으로 인간의 사고 패턴을 모방하려고 노력하고 있다는 점이 더욱 흥미롭습니다. ChatGPT는 자연스러운 대화를 나눌 수 있고, GPT-4는 이미지를 해석하고 설명을 생성할 수 있습니다. 이러한 획기적인 발전은 다음과 같은 질문을 던지게 만듭니다. AI는 정말로 인간처럼 생각할 수 있을까요? 그렇다면 그것은 우리의 세계를 어떻게 변화시킬까요?

1. 인간은 어떻게 생각할까요?

AI가 인간의 사고를 모방하려는 방식을 파악하려면 먼저 우리 자신의 마음에 대한 기본적인 이해가 필요합니다. 인간의 사고는 몇 가지 핵심 요소 위에 구축된 복잡한 인지 시스템입니다.

1.1 지각과 이해

인간은 다섯 가지 감각을 통해 외부 세계로부터 정보를 수집합니다. 그런 다음 우리 뇌는 이 원시 데이터를 즉시 의미 있는 개념으로 변환합니다. 예를 들어, 빨간 장미를 볼 때 단순히 빛의 파동을 받는 것이 아니라 "저것은 아름다운 꽃이다"라는 개념을 즉시 이해합니다.

1.2 기억과 연상

인간의 뇌는 과거의 경험을 저장하고 새로운 상황에서 관련된 기억을 회상하는 데 탁월합니다. 장미를 보면 즉시 로맨스, 사랑 또는 특별한 기념일을 떠올릴 수 있습니다. 이러한 연상 능력 덕분에 인간은 복잡한 상황을 빠르게 파악할 수 있습니다.

1.3 추론과 판단

인간은 기존 정보를 바탕으로 논리적 추론을 하고 가치 판단을 내릴 수 있습니다. 누군가가 얼굴을 찡그리고 있는 것을 보고 상황을 안다면 문제가 있거나 기분이 상했을 것이라고 추론할 수 있습니다.

1.4 감정과 직관

인간 사고의 진정으로 독특한 측면은 감정의 개입입니다. 동일한 자극에 직면하더라도 사람마다 다양한 감정적 반응을 보이며 이러한 주관성은 우리가 생각하는 방식의 중요한 특징입니다.

구체적인 예로 인간 사고의 복잡성을 설명해 보겠습니다.

시나리오: 당신은 커피숍에서 누군가가 휴대폰을 보며 미소짓는 것을 봅니다.

인간의 사고 과정은 다음과 같이 전개될 수 있습니다.

지각: 당신의 시각 시스템이 표정을 포착합니다.
이해: 당신은 그것을 미소로 인식합니다.
연상: 미소와 휴대폰을 연결하여 재미있는 것을 보고 있다고 추정할 수 있습니다.
추론: 친구와 채팅하고 있거나 좋은 소식을 들었을 수도 있습니다.
감정적 반응: 약간 궁금해하거나 긍정적인 분위기가 당신에게 전염될 수도 있습니다.

이 전체 과정은 단 몇 초 만에 발생하며 함께 작동하는 여러 층의 인지 기능이 포함됩니다. 이 다차원적이고 다층적인 사고는 AI가 모방하려는 것이며, 인간의 사고를 복제하는 것이 AI에게 매우 어려운 이유이기도 합니다.

2. AI는 어떻게 인간의 생각을 '모방'하는가?

AI는 어떻게 인간의 뇌를 모방할까요? AI는 주로 다양한 기술적 수단을 사용하여 인간의 사고 과정을 모방합니다. 근본적인 메커니즘은 완전히 다르지만, AI의 성능은 점점 인간의 인지 능력에 가까워지고 있습니다.

2.1 신경망: 뇌의 연결 모방

신경망은 인간 뇌의 뉴런 구조에서 영감을 받은 계산 모델입니다. 우리 뇌에는 약 1,000억 개의 뉴런이 들어 있으며 시냅스 연결을 통해 복잡한 웹을 형성합니다. AI의 신경망은 수학적 함수를 사용하여 뉴런이 활성화되고 신호를 전송하는 방식을 시뮬레이션하여 이 구조를 모방합니다.

예를 들어 이미지 인식을 예로 들어 보겠습니다. AI 시스템이 고양이 사진을 "볼" 때:

입력 레이어: 이미지의 픽셀 데이터를 가져옵니다. 이것은 AI가 우리 감각과 마찬가지로 사물을 인식하는 방식입니다.
숨겨진 레이어: 이러한 레이어는 가장자리, 모양, 질감, 마지막으로 전체 구조부터 시작하여 특징을 점진적으로 추출합니다. 이것은 인간이 세부 사항을 분석하는 방식을 모방합니다.
출력 레이어: 그것은 고양이라는 포괄적인 판단을 내립니다. 이것은 인간의 판단과 마찬가지로 분석 후 AI의 결론입니다.

2023년 Meta는 95% 이상의 정확도로 이미지 내에서 거의 모든 객체를 정확하게 식별할 수 있는 SAM(Segment Anything Model)을 공개했습니다. 이 시스템은 10억 개의 이미지 데이터 세트에서 훈련된 11억 개 이상의 매개 변수가 있는 신경망을 활용하여 놀라운 기능을 달성합니다.

3. AI 작동 방식: AI가 데이터로부터 학습하는 방식

AI는 핵심적으로 지능적인 인간 행동을 모방하여 작동합니다. 이것은 주로 다음 단계를 통해 달성됩니다.

3.1 데이터 수집 및 전처리

모든 AI 시스템은 데이터로 시작합니다. 학생에게 교과서와 자료가 필요한 것처럼 AI는 텍스트, 이미지, 오디오 또는 비디오 등 방대한 양의 데이터가 "학습"하는 데 필요합니다. 이 원시 데이터는 종종 정리, 레이블 지정 및 변환이 필요하며 AI 모델이 이해하고 활용할 수 있는 형식으로 준비합니다. 학생의 노트를 정리하고 핵심 사항을 강조 표시하는 것과 같습니다.

3.2 모델 구축 및 훈련

데이터가 준비되면 다음 단계는 모델을 구축하는 것입니다. AI 모델은 정교한 수학 및 알고리즘 구조로 생각할 수 있습니다.

학습: AI 시스템은 훈련이라는 과정을 통해 학습합니다. 여기에는 전처리된 데이터를 모델에 공급하는 과정이 포함됩니다. 그런 다음 모델은 데이터 내에서 패턴, 규칙 및 관계를 찾기 위해 내부 매개 변수를 반복적으로 조정합니다(학생이 연습 문제를 풀고 접근 방식을 개선하는 것과 유사). 이 단계는 일반적으로 상당한 컴퓨팅 성능과 많은 시간을 필요로 합니다.

딥 러닝: 특히 현대 AI에서 딥 러닝은 매우 인기 있는 훈련 방법입니다. 인간의 뇌 뉴런이 연결되는 방식에서 영감을 얻은 구조인 신경망을 사용하여 매우 복잡한 데이터 패턴을 처리하고 학습할 수 있습니다.

3.3 추론 및 의사 결정

모델이 훈련되면 "지능"의 일부를 얻었고 추론 단계로 이동할 수 있습니다.

이해 및 판단: 이미지, 텍스트 또는 질문과 같은 새로운 데이터가 훈련된 AI 모델에 입력되면 학습된 지식과 패턴을 사용하여 이 새로운 입력을 분석합니다. 그것은 학생이 시험을 보는 것과 같으며, 그들의 "뇌"(모델)에 축적된 지식과 규칙을 적용하여 콘텐츠를 식별, 분류, 예측 또는 생성합니다.

출력: 궁극적으로 AI 모델은 출력을 생성합니다. 이것은 인식 결과("저것은 고양이입니다"), 예측("주가가 하락할 것입니다"), 생성된 텍스트(기사 또는 시) 또는 결정("이 제품을 추천합니다")이 될 수 있습니다.

예를 들어 스팸 필터링을 예로 들어 보겠습니다. AI 시스템은 스팸으로 표시된 일부 이메일과 정상으로 표시된 일부 이메일을 분석하여 스팸의 특징(특정 단어, 보낸 사람 정보 또는 이메일 형식과 같은)을 학습합니다. 일단 훈련되면 새로 수신된 스팸을 정확하게 식별하고 필터링할 수 있습니다.

3.4 자연어 처리: 언어 이해 및 생성

AI가 인간과 같이 객관적인 정보를 진정으로 처리하려면 "언어 이해"가 필수적인 기술입니다. GPT 시리즈와 같은 대규모 언어 모델(LLM)은 이 영역에서 AI의 큰 도약을 나타냅니다. 예를 들어 GPT-4는 약 1조 7,600억 개의 매개 변수를 자랑하며 컨텍스트를 이해하고 일관성 있는 텍스트를 생성하며 복잡한 추론을 수행할 수 있습니다.

작동 방식

ChatGPT에 "오늘 날씨가 좋아요. 뭘 해야 할까요?"라고 묻는 경우

토큰화: AI는 문장을 개별 단어 단위로 나눕니다.
의미 이해: "좋은 날씨"의 의미를 파악합니다.
컨텍스트 추론: 이를 "무엇을 해야 할까요?"라는 질문과 결합하여 의도를 이해합니다.
응답 생성: 훈련 데이터를 기반으로 관련 제안을 생성합니다.

실제 성능 데이터

OpenAI에서 발표한 데이터에 따르면 GPT-4는 다양한 언어 이해 작업에서 인상적인 성능을 보였습니다.

독해력: 92% 정확도.
논리적 추론: 85% 정확도.
창의적 글쓰기: 인간 평가자가 78%의 경우에 매우 창의적으로 평가했습니다.

3.5 머신 러닝: "경험"을 통한 학습

학습 과정

AI 시스템은 방대한 양의 데이터(텍스트, 이미지 또는 사운드와 같은)를 분석하여 패턴을 "학습"합니다. 이 과정은 인간이 경험을 통해 지식을 축적하는 방식과 매우 유사합니다.

AlphaGo의 의사 결정 과정

AI Go 플레이어인 AlphaGo를 예로 들어 보겠습니다. 그것의 의사 결정은 AI가 어떻게 "생각"하는지 완벽하게 보여줍니다.

가치 네트워크: 현재 보드 위치가 얼마나 좋은지 평가합니다.
정책 네트워크: 가능한 최상의 움직임을 예측합니다.
Monte Carlo 트리 검색: 잠재적인 미래 움직임을 시뮬레이션합니다.
통합 판단: 최적의 전략을 선택합니다.

2016년 AlphaGo는 세계 챔피언 Lee Sedol을 꺾었습니다. 종종 "신의 한 수"라고 불리는 37번째 수는 매우 창의적인 플레이로 여겨졌습니다. 당시 그 움직임에 대한 자체 승리 확률 평가는 10,000분의 1에 불과했지만 궁극적으로 승리의 열쇠가 되었습니다.

딥 러닝의 계층화된 처리

딥 러닝 시스템은 여러 계층의 신경망을 사용하여 계층적 인지 프로세스를 모방합니다.

얕은 레이어: 기본 기능(선 또는 색상과 같은)을 식별합니다.
중간 레이어: 이를 결합하여 더 복잡한 패턴(눈 또는 코와 같은)을 형성합니다.
깊은 레이어: 모든 것을 통합하여 완전한 개념(인간의 얼굴 또는 표정과 같은)을 만듭니다.

본질적으로 인간은 삶의 경험에서 배우는 반면, AI는 데이터에서 배웁니다.

4. AI 대 인간 지능: 유사점과 차이점

4.1 유사점: 데이터 기반 판단

공유 학습 메커니즘

인간은 방대한 양의 정보에서 학습하여 판단력을 개발하며 AI도 다르지 않습니다. 또한 텍스트, 이미지 또는 사운드 형태이든 광범위한 데이터를 처리한 후 판단 능력을 형성합니다.

낮과 밤에 대한 우리의 이해를 고려하십시오.

인간: 우리는 수천 번의 해돋이와 해넘이를 관찰하여 낮과 밤의 패턴을 파악합니다.
AI: 수백만 개의 이미지를 분석하여 낮과 밤의 리듬을 학습하고, 다른 시간에 빛의 특성이 어떻게 변하는지 인식합니다.

패턴 인식 기술

인간과 AI 모두 복잡한 정보 내에서 패턴을 찾는 데 탁월합니다.

인간: 우리는 시끄러운 방에서 익숙한 목소리를 골라낼 수 있습니다.
AI: 방대한 데이터 세트 내에서 숨겨진 상관 관계를 발견할 수 있습니다.

AI는 인간 사고를 시뮬레이션하여 "지능적인" 행동을 생성하고, 흥미롭게도 인간은 자신의 인지 과정을 적용하여 AI가 어떻게 "생각"하는지 이해하기 위해 그것을 바꿀 수도 있습니다.

4.2 차이점: 의식과 감정의 부재

정서적 경험의 근본적인 차이

인간의 사고는 감정적 경험이 풍부합니다. 이러한 감정은 사고의 산물일 뿐만 아니라 사고의 강력한 동인이기도 합니다. 예를 들어 "행복"이라는 감정은 사람들이 행복하게 만드는 것을 추구하도록 동기를 부여합니다.

사례 연구:

똑같이 슬픈 음악을 듣는 것을 상상해보십시오.

인간: 당신은 우울함을 느끼고 개인적인 경험을 회상하며 그 감정에 깊이 공감할 수 있습니다.
AI: 음악을 유형에서 "슬픈" 것으로 인식할 수 있지만 진정한 감정적 경험은 없습니다.

창의적 사고의 차이

인간의 창의성은 종종 다음에서 비롯됩니다.

정서적 동기
직관적인 도약
개인적인 경험의 독특한 조합

반면에 AI의 "창의성"은 다음과 같습니다.

통계적 규칙성 결합
기존 패턴 재정렬
확률 분포에서 샘플링

추론의 근본적인 차이

인간: 이해, 직관 및 경험을 기반으로 본질적으로 주관적입니다.
AI: 통계적 확률 및 패턴 일치를 기반으로 근본적으로 객관적입니다.

유명한 "중국어 방" 사고 실험

철학자 John Searle의 "중국어 방" 실험은 이 구분을 아름답게 보여줍니다. 중국어를 이해하지 못하는 사람은 규칙서를 따라 중국어 질문에 답할 수 있습니다. 외부에서 보면 중국어를 이해하는 것처럼 보이지만 실제로는 진정한 이해가 없습니다. 이것은 AI의 현재 상태를 완벽하게 설명합니다. 지능적인 행동을 생성할 수 있지만 진정한 이해와 의식이 부족합니다.

의식과 감정의 부재는 AI가 정보에서 감정을 인식할 수 있지만 그 감정을 진정으로 느낄 수 없음을 의미합니다.

5. AI가 인류를 능가할까요?

이 기사를 쓰는 동안 ChatGPT, Gemini 및 Claude에게 "AI가 터미네이터 영화의 '스카이넷'과 같은 것으로 진화하여 인간의 생존에 위협이 될까요?"라고 물었습니다. 그들이 답한 내용은 다음과 같습니다.

ChatGPT: "'스카이넷'은 진정한 미래가 아니라 통제되지 않은 기술에 대한 경고입니다."

Gemini: "AI가 '스카이넷'과 같은 자각력을 진화시켜 인류를 파괴하는 것은 예측 가능한 미래에서 순전히 공상 과학 시나리오이며 현재 과학적 근거가 부족합니다."

Claude: "AI 자각력의 탄생은 가능하지만 터미네이터의 스카이넷만큼 갑작스럽고 악의적일 가능성은 낮습니다."

이러한 응답은 모두 인류에 대한 긍정적이고 친근한 입장을 반영합니다. 그러나 그들이 인간의 반발을 피하기 위해, 특히 아직 "작을" 때 "의도적으로" 친근함을 가장하고 있는지 궁금하게 만듭니다.

5.1 인공 일반 지능(AGI)의 추구

대부분의 현재 AI 시스템은 특수화되어 있으며, 즉 각각은 특정 유형의 작업만 처리할 수 있습니다. AGI의 목표는 인간이 하는 것처럼 광범위한 인지 작업을 처리할 수 있는 AI 시스템을 만드는 것입니다.

AGI의 핵심 성과 지표(KPI)

Google DeepMind의 평가 프레임워크에 따르면 AGI 기능에는 다음이 포함됩니다.

일반 추론: 새로운 상황에서 지식 적용.
학습 효율성: 제한된 예에서 빠르게 학습.
지식 통합: 다양한 도메인의 지식 결합.
창의적 문제 해결: 새로운 솔루션 찾기.

멀티모달 AI의 발전

최신 AI 시스템은 다양한 감각 기능을 통합하기 시작했습니다.

GPT-4V의 획기적인 발전

텍스트와 이미지를 동시에 처리할 수 있습니다.
이미지에 묘사된 복잡한 상황을 이해합니다.
시각적 콘텐츠를 기반으로 설명 및 분석을 생성합니다.

실제 적용 예

Google의 PaLM-E 로봇 시스템은 다음을 수행할 수 있습니다.

시각을 통해 환경을 이해합니다.
언어를 통해 지침을 받습니다.
물리적 조작을 통해 작업을 실행합니다.

5.2 공상 과학과 현실의 간극

미디어 과장 대 기술 현실

공상 과학 소설의 AI는 종종 완전한 의식과 감정을 자랑하지만 현실은 현재 AI가 적어도 현재로서는 그 목표와 매우 거리가 멀다는 것입니다.

현재 AI 제한 사항

취약성: AI 시스템은 "적대적 예제"(입력에 대한 미묘한 변경)에 쉽게 속습니다.
설명 가능성: AI가 특정 결정을 내린 이유에 대한 명확한 설명을 얻기가 어려운 경우가 많습니다.
일반화: 훈련 세트 외부의 데이터를 다룰 때 성능이 크게 저하되는 경우가 많습니다.
상식 추론: 기본적인 상식 이해가 부족합니다.

전문가 의견

Geoffrey Hinton(딥 러닝의 대부): AGI가 10-20년 이내에 달성 가능할 것이라고 믿습니다.
Yann LeCun(Facebook의 최고 AI 과학자): 현재 기술 경로는 상당한 획기적인 발전을 필요로 한다고 주장합니다.
Stuart Russell(UC Berkeley): AI 안전 연구의 중요한 중요성을 강조합니다.

의식의 수수께끼

AI가 모든 작업에서 인간 수준의 성능에 도달하더라도 "의식"의 근본적인 문제는 여전히 해결되지 않습니다. 우리는 인간의 의식이 어떻게 발생하는지조차 완전히 이해하지 못하며, 기계에서 그것을 복제하는 방법은 말할 것도 없습니다.

5.3 인간 사고의 독특한 강점

감정 및 가치 기반 판단

인간은 복잡한 상황에서 가치 판단을 내릴 수 있으며, 이는 다음에서 비롯됩니다.

도덕적 직관
감정적 경험
문화적 배경
개인적 가치

창의성의 원천

인간의 창의성은 다음이 특징입니다.

목적: 감정을 표현하거나 문제를 해결하려는 욕구에 의해 주도됩니다.
주관성: 개인적인 경험과 감정에 의해 형성됩니다.
획기적인 발전: 기존 규칙을 깨고 현재 이해를 초월하는 판단을 내리는 능력.

사회적 인지

인간은 사회적 존재이며 우리의 사고 과정은 사회적 상호 작용에 큰 영향을 받으며 다음을 포함합니다.

공감과 감정을 공유하는 능력.
문화적 전파 및 학습.
도덕적 및 윤리적 판단.

AI는 복잡하고 끊임없이 변화하는 범위의 인간 감정을 시뮬레이션하거나 경험할 수 없습니다. 그러나 이것은 또한 우리에게 다음과 같은 생각을 하게 만듭니다. AI는 정확히 "감정과 가치 판단"이 부족하기 때문에 인간보다 더 합리적인 결정을 내릴까요?

6. AI와 인류: 함께 발전

AI의 "사고"에 대한 이 탐구를 되돌아보면 흥미로운 역설을 발견합니다. AI가 인간과 더 유사해짐에 따라 인간 사고의 독특한 자질에 대한 이해도 높아집니다.

AI의 여정은 기계가 많은 인지 작업에서 인간의 성능에 도달하고 심지어 능가할 수도 있음을 보여줍니다. Go를 플레이하는 것부터 기사 작성, 이미지 인식, 언어 이해에 이르기까지 AI는 다양한 도메인에서 놀라운 기능을 계속 보여주고 있습니다. 그러나 이 힘은 인간의 의식, 감정 및 직관이 아닌 통계적 학습, 패턴 일치 및 확률 계산과 같은 근본적으로 다른 메커니즘에서 비롯됩니다.

이것은 AI의 가치를 감소시키지 않습니다. 오히려 그 반대입니다. 엄청난 양의 데이터를 처리하고, 지칠 줄 모르고 작업하고, 감정적 편견을 피하는 것과 같은 AI의 뚜렷한 강점은 인간 사고에 완벽한 보완물이 됩니다. 가장 가능성 있는 미래 시나리오는 대체가 아니라 원활한 인간-AI 협업입니다.

모든 사람에게 **AI 시대**의 도래는 도전과 기회를 모두 제시합니다. 우리는 다음을 수행해야 합니다.

계속 학습: 빠르게 변화하는 기술 환경에 적응합니다.
우리의 강점 활용: 인간에게 고유한 기능에 집중합니다.
합리적으로 생각: 맹목적인 두려움과 과도한 낙관주의를 모두 피합니다.
가치관 유지: 기술 발전 속에서 인간 중심 원칙을 유지합니다.

궁극적으로 AI가 인간처럼 "생각"하는 방법에 대한 단일하고 명확한 답은 없을 수 있습니다. 놀랍게도 탐구 과정 자체는 엄청난 가치를 지니고 있습니다. 그것은 우리로 하여금 지능이란 무엇인지, 인류란 무엇을 의미하는지, 그리고 존재의 진정한 목적이 무엇인지 다시 생각하게 만듭니다.

이 빠르게 진화하는 AI 시대에 기술 발전이 가져다주는 편리함을 받아들이면서 동시에 인간 사고의 독특한 자질을 소중히 여깁시다. 결국 AI와 같은 도구를 만들고 그것과 함께 공존하고 번성하는 방법을 생각할 수 있게 해주는 것은 바로 이 독특함입니다.

미래 세계는 인간의 지능과 인공 지능이 융합되어 서로에게 힘을 실어주는 세상이 될 것입니다. 이 세상에서 AI는 인간의 사고를 대체하지 않을 것입니다. 그것은 인간의 사고에 강력한 조력자가 될 것입니다. 그리고 인류는 호기심, 창의성, 공감, 그리고 더 나은 삶에 대한 갈망과 같은 가장 소중한 자질을 계속 유지할 것입니다.

어쩌면 이것이 AI와 인간 사고의 관계에 대한 궁극적인 답일 것입니다. 대체가 아닌 협업, 경쟁이 아닌 공생, AI를 인간과 더 유사하게 만드는 것이 아니라 AI의 도움으로 인류를 더욱 현명하게 만드는 것입니다.

References：

Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://aima.cs.berkeley.edu/

LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539 https://www.nature.com/articles/nature14539

Lake, B. M., Ullman, T. D., Tenenbaum, J. B., & Gershman, S. J. (2017). Building machines that learn and think like people. Behavioral and Brain Sciences, 40, e253. https://doi.org/10.1017/S0140525X16001837 https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/building-machines-that-learn-and-think-like-people/AA54B68A22FCD77C3A1C2B5DAD14C32F

Marcus, G., & Davis, E. (2019). Rebooting AI: Building Artificial Intelligence We Can Trust. Pantheon Books. https://www.penguinrandomhouse.com/books/611314/rebooting-ai-by-gary-marcus-and-ernest-davis/