AI 역설: 생각하는 고통이 잃어서는 안 될 능력인 이유

게시일: 2025년 12월 19일 | 원문 작성일: 2025년 12월 17일 | 원문 보기

마법의 검볼 머신

최근 저는 놀라운 제안을 받았어요. AI로 저를 대체하자는 거였죠. 그 개념은 “마법의 검볼 머신”으로 설명됐어요. 제 과거 작업물을 넣고, 몇 개의 손잡이를 돌리면, 끝없이 완성된 결과물이 쏟아져 나온다는 거예요. 힘들이지 않는 창작의 유혹적인 약속이었죠.

제 첫 번째 생각은 이거였어요: 이 마법의 기계가 있다면, 나는 왜 필요한 거지?

이것이 우리 시대의 핵심 긴장이에요. 즉각적인 결과물의 매력 vs. 그것을 만들어내는 인간의 과정이 가진 본질적 가치. 점점 강력해지는 생성형 AI 시대에, 생각하는 행위 자체를 외주화할 때 우리가 잃는 것은 무엇일까요?

이 글은 역설적인 주장을 탐구해요: 진정한 지능과 이해는 최종 답에 있는 게 아니라, 그것을 도출하기 위한 지적 고군분투 과정에서 형성된다는 것. 아이디어를 만들어가는 마찰, 적절한 단어를 찾기 위한 노력—이것은 최적화해서 제거해야 할 비효율이 아니라, 바로 인지의 메커니즘 그 자체예요.

1. 고대의 경고: 외주화된 사고에 대한 두려움

오늘날 AI에 대한 불안은 새로운 게 아니에요. 인간의 능동적 사고를 대체하려는 기술에 대한 두려움은 역사 속에서 계속 반복돼왔거든요. 생각을 기계에 맡기는 것에 대한 경고는 놀랍도록 오래됐어요—첫 번째 코드가 작성되기 수천 년 전, 이미 놀라운 명확성으로 표현됐죠.

예를 들어, 철학자 소크라테스는 글쓰기라는 발명에 대해 깊은 회의를 품었어요. 그는 글쓰기가 “실체 없이 지혜의 외양만 만들어낼 것”이라고 두려워했어요. 그의 주장은 이랬어요: 남이 쓴 생각을 수동적으로 읽는 것과, 스스로 생각을 만들어내려고 머리를 쥐어짜는 것은 완전히 다르다. 소크라테스에게 진정한 지식이란 대화하고, 씨름하고, 자기 안에서 길어 올려야 하는 거였어요. 오늘날의 기술을 보면, 그가 단지 2,400년 앞서 있었다는 결론을 내릴 수도 있겠네요.

이 철학은 단순히 이론적인 게 아니었어요. 소크라테스적 방법의 기초였죠. 학생들에게 답을 건네주는 대신, 소크라테스는 그들을 대화로 밀어 넣어서, 신중하게 구성된 질문들을 통해 스스로 아이디어를 생성하도록 이끌었어요. 그는 핵심 원리를 이해했어요: 단어를 찾기 위한 고군분투가 곧 생각의 메커니즘이다. 지식은 건네줄 수 있는 물건이 아니라, 마음 안에서 스스로 자라나야 하는 씨앗이었죠.

이 원리—소비보다 생성이 우월하다는 것—는 다른 고대 전통의 초석이기도 해요:

• 탈무드: 유대교 랍비 문학의 중심인 탈무드는 규칙이나 답의 목록이 아니에요. “암호화된 논쟁”이라고 할 수 있죠. 각 세대가 직접 읽고, 토론하고, 자기 말로 다시 풀어내야만 비로소 살아 숨 쉬고 이해되도록 설계된 텍스트예요.
• 불교 공안: 이것들은 논리적 추론을 의도적으로 단락시키도록 설계된 역설적 수수께끼나 이야기예요. 그 목적은 학생들이 “답을 암기하는 게 아니라 질문과 씨름하도록” 강제해서 더 심오하고 경험적인 이해로 밀어붙이는 거예요.

수천 년 동안, 이 전통들은 한 가지를 주장해왔어요: 생각하는 과정과 그 과정이 낳는 지혜는 분리할 수 없다. 곧 보게 되겠지만, 이 고대의 통찰은 현대 심리학과 신경과학이 강력하게 뒷받침해요.

2. 생성의 과학: 뇌가 스스로를 구축하는 방법

고대 전통의 지혜는 현대 과학에서 확고한 뒷받침을 찾았어요. 심리학과 신경과학 연구는 정보를 생성하는 것이 단순히 소비하는 것보다 왜 훨씬 더 효과적인지, 그 생물학적·인지적 메커니즘을 밝혀냈어요.

1920년대에 심리학자 레프 비고츠키는 아름답게 단순한 아이디어를 제안했어요: 생각하는 것은 말하는 것이다—처음에는 다른 사람과, 결국에는 자기 자신과. 그는 인지의 발달 경로를 그렸어요. 아기의 울음—온몸을 동원한 분화되지 않은 소리—에서 시작해요. 이것은 유아가 “익숙하게 느껴지고 들리기 시작하는” 소리를 내는 혼잣말 옹알이로 진화해요. 비고츠키는 이것을 바로 “사고의 기계가 구축되는” 과정으로 봤어요. 밖으로 내뱉던 소리의 고군분투가 결국 안으로 향해서, 우리의 의식을 구성하는 조용한 “내적 대화”가 돼요.

이 개념은 1978년에 공식적으로 이름을 얻었어요: “생성 효과(Generation Effect)”. 핵심 실험이 그 힘을 명확하게 보여줬죠. 연구자들은 첫 번째 그룹에게 플래시 카드로 단어 쌍(예: “뜨거운-차가운”)을 완전하게 보여줬어요. 나중에 기억력을 테스트하니, 기억한 게 거의 없었어요. 두 번째 그룹에게는 딱 하나만 바꿨어요: 두 번째 단어를 일부만 보여준 거예요(예: “뜨거운-차__운”). 참가자가 빈칸을 채워서 “차가운”을 스스로 완성해야 했죠. 결과는? 기억력이 급등했어요. 추가 정보는 전혀 없었어요. 유일한 차이는 답을 직접 만들어내야 했던 그 인지적 고군분투였어요.

신경과학은 그 이유를 확인해줘요. 뇌 스캔은 생각을 처음부터 생성할 때 여러 뇌 영역이 동시에 활성화되어 정보의 풍부하고 내구성 있는 신경 인코딩을 만든다는 것을 보여줘요. 반면, 같은 정보를 단순히 읽거나 들을 때는 같은 회로가 거의 빛나지 않아요.

단어든 행동이든, 지능은 처음부터 직접 만들어봐야 길러져요. 이 과정을 건너뛰려고 기술에 의존하면, 키우려던 바로 그 능력이 오히려 조금씩 퇴화해요.

3. 진보의 역설: 유용한 도구가 기술을 침식하는 방법

이것은 기술의 중심 역설로 이어져요: 도구는 일을 대신함으로써 우리의 진보를 가속화하도록 설계되지만, 그렇게 함으로써 대체하는 바로 그 기술을 개발하거나 유지하는 것을 막을 수 있어요. 도구에 대한 과의존은 기술 위축으로 이어질 수 있어요—우리 자신의 내부 능력이 약해지고 축소되는 거죠. 특정 영역에 한정된 도구들에 대한 수십 년의 연구가 이 현상을 명확하게 보여줘요.

런던 택시 기사 연구

2000년대에 런던의 베테랑 택시 기사들을 연구한 신경과학자들은 놀라운 사실을 발견했어요. 공간 지식을 저장하는 뇌 영역이 일반인보다 물리적으로 더 컸던 거예요. 복잡한 도시 지도를 통째로 외우는 데 필요한 엄청난 인지적 노력이 뇌를 실제로 키운 거죠. 하지만 후속 연구 결과가 더 충격적이었어요: GPS를 쓰기 시작한 기사들의 경우, 같은 뇌 영역이 실제로 축소됐어요. 일을 쉽게 만들어준 도구가, 그들을 전문가로 만든 신경 구조까지 함께 녹여버린 거예요.

방사선과 AI 연구

The Lancet에 발표된 최근 논문은 의사들이 의료 영상에서 암을 탐지할 때 AI 도움을 받은 실험을 보고했어요. 단 4개월 후, 이 의사들은 스스로 암을 찾는 능력이 떨어졌어요. “보는” 행위를 AI에 맡기다 보니, 진단에 필수적인 시각 능력이 무뎌지기 시작한 거죠. 전문성을 높여주려던 도구가 오히려 그것을 갉아먹고 있었어요.

논리 퍼즐 실험

가장 결정적인 증거는 크리스토프 반 니만의 논리 퍼즐 실험에서 나와요. 참가자들을 두 그룹으로 나눴어요. A 그룹은 유효한 수를 알려주는 힌트 소프트웨어를 받았고, B 그룹은 아무 도움 없이 혼자 풀어야 했어요. 처음에는 A 그룹이 더 빨리 풀었죠. 하지만 반전이 있었어요: 다음 퍼즐에서 힌트가 사라지자, A 그룹은 완전히 무너져서 아무 데나 클릭했어요. 반면 혼자 고군분투했던 B 그룹은 새 퍼즐도 거뜬히 풀었어요.

최근까지 이런 위축의 위험은 특정 분야에만 해당됐어요. 하지만 새로운 종류의 범용 기계가 등장하면서, 위협의 규모가 완전히 달라졌어요.

4. 대학습: LLM과 범용 위축의 위협

ChatGPT 같은 대규모 언어 모델(LLM)은 이전 도구들과 차원이 달라요. GPS나 진단 AI는 특정 작업만 도와줬지만, LLM은 범용이거든요. 논리, 예술, 음악, 코드, 논증—거의 모든 형태의 인간 표현 패턴을 학습한 “메타 언어”예요. 어떤 인지 작업에든 적용할 수 있으니, 기술 위축이 일어날 범위도 훨씬 넓어졌어요.

최근 증거는 이미 우려스러운 그림을 그려요. 최근 MIT 연구는 학생들이 여러 조건에서 에세이를 쓰게 하면서 EEG로 뇌 활동을 모니터링했어요. ChatGPT를 사용한 그룹에 대한 발견은 극적이었어요:

이 동질화 문제는 2024년 이야기 쓰기 연구에서도 확인됐어요. AI 도움을 받아 쓴 이야기들이 AI 없이 쓴 것들보다 “서로 훨씬 더 비슷하다”는 거예요. 창의적 사고가 좁아지고 있다는 신호죠. 여기서 중요한 질문이 생겨요: 개인의 능력을 약화시키는 것뿐 아니라, 우리 모두의 결과물까지 비슷비슷하게 만드는 도구에 사회 전체가 의존하면 어떻게 될까요?

5. 생각의 군집화: 집단적 인지 비용

생성형 AI가 널리 퍼지면, 개인의 능력 저하를 넘어서는 위험이 생겨요. 우리 모두의 생각이 비슷비슷해질 수 있거든요. 비유로 설명해볼게요.

모든 가능한 생각을 거대하고 거의 무한한 나무라고 상상해보세요. 모든 문장, 모든 아이디어는 이 나무를 통과하는 독특한 경로이고, 각 단어는 가지를 따라가는 한 걸음이에요.

• 인간의 사고 과정은 이 나무를 통과하는 미세하지만 독특한 경로를 개척해요. 어떤 가지로 갈지는 통계적 확률만으로 정해지지 않아요. 당신이 평생 쌓아온 경험, 기억, 가치관, 호기심이 영향을 미치죠. 그래서 당신은 아무도 가본 적 없는 생각의 영역으로 방황할 수 있어요.
• AI의 과정은 각 가지에서 “기울어진 주사위”를 굴리는 것과 같아요. 주사위는 방대한 훈련 데이터의 패턴 쪽으로 심하게 기울어져 있죠. 덕분에 결과물은 항상 “말이 되긴” 해요. 하지만 필연적으로 비슷비슷한 경로로 몰리고, 이미 수없이 말해진 것들을 되풀이하게 돼요.

일부 연구자들은 이 군집화를 고칠 수 있는지 실험해봤어요. AI에게 “라틴 아메리카 마술적 사실주의자”나 “디스토피아 하드 SF 작가” 같은 페르소나를 부여해서 다양성을 끌어내려 한 거죠. 처음에는 효과가 있었어요—이야기들이 더 다양해졌거든요. 하지만 함정이 있었어요: 다양성은 오직 인간이 설계한 페르소나에서만 왔어요. 더 나쁜 건, 같은 페르소나로 여러 이야기를 쓰라고 하자, 결과물이 반복적으로 변했어요. 연구자들의 표현을 빌리면 “뻔한 메아리”가 되어버린 거예요.

핵심 교훈은 이거예요: LLM은 새로운 생각을 만들어내는 게 아니라, 주어진 생각을 이어가도록 최적화돼 있어요. 인간이 던져준 것을 리믹스하는 거죠. 이 차이는 두 가지 사고 모드와 정확히 대응해요:

AI는 다듬는 데는 강하지만, 처음 시작하는 데는 약해요. 다행히 MIT 연구의 가장 흥미로운 결과는 희망적인 방향을 알려줘요: 우리의 발산적·생성적 능력을 희생하지 않으면서 AI의 수렴적 힘을 활용하는 전략이 있다는 거예요.

6. 인간 먼저 원칙: 증강을 위한 전략

연구가 상당한 위험을 보여주긴 했지만, 동시에 해결책도 알려줘요. AI를 “대체물”이 아닌 진정한 “파트너”로 쓰는 방법이 있거든요. 핵심은 기술을 피하는 게 아니라, 기술과의 관계를 다시 정의하는 거예요.

MIT 글쓰기 연구에는 놀라운 결과를 낳은 마지막 실험 그룹이 있었어요. 이 학생들은 먼저 스스로 개요를 짜고 핵심 아이디어를 만들어내라는 지시를 받았어요. 그 다음에만 작업을 다듬는 용도로 ChatGPT를 쓸 수 있었죠. 결과는요? “인간 먼저” 그룹의 뇌 스캔은, AI를 전혀 쓰지 않은 그룹보다도 신경 연결성이 더 높았어요.

이 발견은 성공적인 인간-AI 협업의 핵심 원리를 드러내요: 중요한 차이는 시작점이에요.

일상에서는 이렇게 적용할 수 있어요. AI에게 뻔한 질문을 계속 던지는 건, 자기 동네를 다닐 때마다 GPS를 켜는 것과 같아요—결국 머릿속 지도가 사라지거든요. 진짜 가치 있는 건 희귀하고 구체적인 질문을 던지는 거예요. 오직 당신만이 떠올릴 수 있는, 당신만의 경험과 맥락에서 태어난 질문들. 바로 그 질문을 찾아내는 것 자체가 진짜 작업이에요.

결론: 답의 비용이 제로인 시대, 질문이 전부다

”마법의 검볼 머신”으로 돌아가보면, 공짜 점심은 없다는 게 분명해져요. 그 기계는 어떤 출발점에서든 돌아갈 수 있지만, 인간만의 발견 과정—이리저리 헤매고, 연상하고, 뭔가 예상치 못한 게 떠오를 때까지 혼란과 씨름하는 그 고군분투—은 복제할 수 없어요. 그 경로에는 내 지문이 찍혀 있거든요. 내 과거 작업을 기반으로 AI가 뽑아낸 스크립트는 먼 메아리에 불과할 거예요. 내 다음 생각까지 맞힐 확률은 제로니까요.

생성형 AI는 작은 입력에서 큰 출력을 뽑아내잖아요. 그렇다면 진정한 가치, 기술, 예술적 의도는 어디에 있을까요? 전적으로 그 처음 입력에 달려 있어요. 기계가 “생성”을 맡을수록, 인간의 기여는 아이디어의 씨앗—그 첫 질문—에 집중돼요.

생각을 해내기 위한 인간의 고군분투—나만의 질문을 떠올리고, 새로운 문제를 정의하고, 나만의 관점을 표현하는 것—이야말로 진정으로 나를 반영하는 유일한 입력이에요. 인공지능 시대에, 어렵고, 지저분하고, 깊이 인간적인 “생각하는 작업”은 오히려 그 어느 때보다 소중해졌어요.