임사체험 시 체험자의 60%가 1단계에서 육체적 고통이나 두려움의 경감과 평화를 경험한다. 2단계에서는 육신에서 분리되는 자신을 발견한다. 시청각 능력이 증대되고 의식은 분명해진다. 그들은 의사가 그들을 소생시키기 위해 질문한 내용이나 근처에서 들리는 대화 내용을 이후 모두 기억해낸다. 2단계에서 가장 흥미로운 사실은 임사체험자들이 예외 없이 자신의 몸을 위에서 내려다본다는 것이다.

3단계로 들어서면 임사체험자는 육체에서 분리된 의식이 터널로 묘사되곤 하는 어두운 공간 속으로 떠다니는 느낌을 받는다. 사후의 삶을 믿는 이들은 이 터널을 내세로 가는 통로라고 여기며, 터널의 끝에서 이승과 저승이 갈리므로 지구로 돌아갈지 내세로 나아갈지에 대한 선택이 진행된다고 믿는다.

과학자들은 ‘터널’을 겪는 이유에 대해 다양한 이유를 제시했다. 천문학자 칼 세이건은 터널에서 본인의 탄생을 재체험한다고 주장한다. 터널을 어머니의 산도(産道)에 비유한 셈이다. 그러나 태아가 출생하기 위해 고통스럽게 산도를 통과하는 경험이 임사체험자들이 묘사한 터널을 지나는 것처럼 평화로운 일이 아니며, 임사체험자 중 상당수가 제왕절개로 태어났음을 고려하면 이 주장의 설득력은 높지 않다.

‘터널’에 대한 설명 중 하나인 환각이론은 미국 심리학자 하인리히 클루버가 환각약물에 의해 유발되는 정신적 영상에 대해 실시한 연구로 거슬러 올라간다. 클루버는 자신에게 환각약물을 투여하는 실험을 통하여 터널 모양을 포함한 네 가지 영상이 유발된다는 사실을 발견했다. 1982년 신경생물학자 잭 코완은 죽어가는 뇌의 대뇌피질에 산소가 결핍되면 뇌의 정상적 상태에 혼란이 일어나 동심원 형태와 유사한 줄무늬 모양의 활동이 시각중추 전체에 발생하고, 이러한 무늬가 망막에서 영상으로 바뀌면서 외부 세계의 동심원이나 터널인 것처럼 인식된다고 주장했다. 요컨대 터널은 약물이나 산소 결핍에 의해 뇌에서 유발되는 환각으로, 임사체험에서만 나타나는 것이 아니라 뇌 안에서 쉽게 발생하는 환각에 불과하다는 것이다.

4단계에서 임사체험자는 터널 끝에서 나타나는 빛을 보게 된다. 많은 임사체험자들이 이 단계를 죽음 체험이 끝나고 새로운 삶이 시작되는 순간으로 해석한다. 3단계에서 임사체험자는 대뇌피질의 산소 결핍에 의해 유발된 환각으로 터널과 같은 가짜 영상을 보게 되는데, 이때 영상의 중심부는 밝고 가장자리는 어둡고, 중심부의 밝은 부분이 빛이 터널 끝을 향해 움직이는 듯한 착각을 유발시키는 것이다.

마지막 5단계에서 임사체험자는 터널을 빠져나와 빛 속으로 들어가면서 별천지에 온 듯한 느낌을 받는다. 천상의 음악소리를 듣기도 한다. 사별했던 지인이나 빛을 발하는 전능한 존재를 만나기도 하며, 육신이 있는 이승으로 되돌아갈지 그렇지 않을지에 대한 질문을 받는다.

AI의 성능은 어떻게 평가해야 할까? 기온, 날씨, 기분을 입력하면 그것에 맞는 적절한 물의 양을 알려주는 기능이 탑재된 AI전기밥솥이 있다고 하자. 밥솥의 목적을 고려하면 사용자에게 기온 등의 정보를 제공(입력)받은 AI전기밥솥이 알려준 물의 양으로 지은 밥을 먹은 사용자가 ‘맛있다’라고 느낄 확률이 높을수록 탑재된 AI의 성능이 좋다고 할 수 있다.

하지만 이러한 기준은 AI의 성능을 평가하기에 불충분하다. ‘맛있다’라는 느낌은 사용자의 취향이나 허기의 정도에 따라 좌우될 수 있기 때문이다. 따라서 AI전기밥솥의 성능을 객관적으로 서술해야 할 때는, 지도형 머신러닝에 의한 AI의 학습효과를 평가하는 방법을 활용하는 것이 좋다.

지도형 머신러닝은 AI를 학습시키는 방법 중 하나로 학습훈련데이터를 필요로 한다. AI전기밥솥의 경우 기온, 날씨, 기분의 각 상태에 따른 물의 적정량이 정리된 데이터가 필요하고, 학습훈련데이터이므로 데이터 자체는 사람이 만들어야 한다. 일단 쌀의 양을 1홉으로 고정하고, 이 분량에 따른 물의 양이 190~210ml 사이라고 설정해보자.

그리고 컴퓨터에 기온별∙날씨별∙기분별 적절한 물의 양을 정리한 데이터를 제공하자. 즉 기온, 날씨, 기분이라는 세 가지 입력내용의 조합에 따라 AI전기밥솥이 21종류(190ml, 191ml, 192ml ⋯ 208ml, 209ml, 210ml)의 물의 양 중 하나를 출력해주는 AI를 만드는 것이다. 학습훈련데이터는 개발자가 정답이라고 생각하는 정보를 모은 자료이므로, 이러한 입출력을 얼마나 재현할 수 있는지가 지도형 머신러닝의 성능이 된다. 하지만 컴퓨터에 제공한 학습훈련데이터만을 재현하는 일은 의미가 없다.

AI는 알려준 것 이상의 일을 처리하는 능력을 갖추어야 하기 때문이다. 즉 입력되지 않은 데이터에 대해서도 정답일 확률이 높은 대답을 출력할 수 있어야 한다. 따라서 학습훈련데이터에서 일부 데이터를 추출해둔 후 추출한 데이터를 일부러 학습시키지 않고, 학습을 모두 끝낸 컴퓨터가 학습한 데이터만을 사용해서 어느 정도로 정답을 맞힐 수 있는지 확인한다. 이것은 지도형 머신러닝의 성능을 평가하는 방법으로, AI의 성능을 평가할 때에도 유용하게 쓰일 수 있다.

ㄱ 사용자를 만족시킬 목적으로 만들어진 AI상품의 성능을 평가할 때 사용자의 만족도가 가장 중요한 기준이 된다.

ㄴ 학습훈련데이터의 규모는 지도형 머신러닝을 통한 AI의 학습효과를 평가할 때 가장 중요한 기준으로 작용한다.

ㄷ 지도형 머신러닝의 평가방법을 적용한다면 AI전기밥솥에 데이터의 일부를 제공하지 않은 채 알려주는 물의 양이 정답에 가까운 정도를 평가해야 한다.