AI에 대한 대중적인 정보를 따라가는 데 조금이라도 뒤처지면, 시간이 지날수록 그 격차가 커져 따라잡기 어려워질 것 같아 '듀얼 브레인' 책을 읽게 되었다.
'듀얼 브레인'을 읽고, 아래 개념에 대해 알아두면 좋겠다고 생각했다.
1. 대규모 언어 모델 (LLM, Large Language Model)
수십억 개 이상의 매개변수(parameter)를 가진 인공지능 모델로, 대규모 텍스트 데이터를 학습하여 사람처럼 자연스러운 언어를 이해하고 생성할 수 있는 모델이다. GPT-4, Claude, Gemini 등이 있고, LLM은 문장의 통계적 패턴을 기반으로 다음에 올 단어를 예측하는 방식으로 작동하며, 다양한 언어 과제를 수행할 수 있다.
‘환각(hallucination)’은 LLM의 주요 한계이자, 동시에 창의적 산출을 가능하게 하는 요소이기도 하다. 환각이란 실제로 존재하지 않거나 사실과 다른 정보를 AI가 그럴듯하게 생성하는 현상을 말한다. 이는 LLM이 외부 세계의 진위를 직접 판단하지 못하고, 학습된 텍스트의 통계적 패턴에 따라 다음 단어를 예측하는 방식으로 작동하기 때문에 발생한다.
이러한 특성은 오류로 이어질 수 있지만, 반대로 고정된 사실에 얽매이지 않고 자유롭게 아이디어를 확장할 수 있는 능력으로 작용하기도 한다. 따라서 환각은 위험 요소이면서도, 맥락에 따라 창의성을 촉진하는 잠재력을 지닌 양면적인 특징으로 이해할 수 있다.
2. 인간피드백 기반 강화 학습 (RLHF, Reinforcement Learning from Human Feedback)
AI가 더 바람직하고 유용한 출력을 내도록 사람의 피드백을 이용해 학습시키는 방식이다. 기존 모델의 출력에 대해 사람이 선호도를 표시하고, 이 데이터를 바탕으로 AI를 다시 훈련시킨다. RLHF는 AI가 단순히 정답을 맞히는 것이 아니라 사람이 원하는 방식으로 응답을 유도하는 데 사용된다.
따라서 LLM 기반 AI가 단순히 정답을 맞히는 것이 아니라, 사람이 선호하는 방식이나 기대에 따라 응답을 조정하도록 훈련된다는 점에 주목할 필요가 있다. 즉, AI의 응답은 객관적 진실이라기보다는 사람이 바람직하다고 판단한 방향으로 유도된 결과일 수 있기 때문에, AI의 출력을 그대로 수용하기보다는 비판적 사고를 바탕으로 해석하고 활용하는 태도가 중요하다고 느꼈다.
3. Human in the loop
인간이 AI의 핵심 의사결정 과정에 적극 개입하는 구조로, AI를 주체가 아닌 보조 수단으로 위치시킨다. 또한, AI에 일관된 페르소나를 설정하고 지속적인 맥락 지시를 제공함으로써, AI는 사용자와의 지속적 상호작용을 기반으로 한 협력적 공동지능(co-intelligence)으로 기능할 수 있다.
AI 산출물을 비판적으로 해석하고, 이를 새로운 문제에 적절히 적용하기 위해서는 해당 도메인에 대한 심층적인 전문성이 필수적이다. AI는 그럴듯한 답변을 생성할 수 있지만, 그 결과의 타당성과 한계를 판단하는 것은 결국 인간의 몫이다.
따라서 우리는 AI를 단순한 자동화 도구로 받아들이기보다는, 능동적이고 전략적으로 활용할 수 있는 사용자가 되기 위해 관련 분야의 지식과 전문성을 지속적으로 쌓아야 한다. 이러한 역량은 단순한 정보 암기를 넘어서, 기술의 원리를 이해하고, 실제 문제에 반복적으로 적용해보는 의도적 연습과 체계적인 학습 과정을 통해 기를 수 있다.
'듀얼 브레인'은 AI가 단순한 도구가 아니라 인간과 협력하는 공동지능의 파트너로 진화하고 있다는 사실을 다양한 개념과 사례를 통해 설득력 있게 보여준다. 단순히 AI 기술을 소비하는 데 그치지 않고, AI의 작동 원리를 이해하고 능동적으로 활용하기 위한 학습의 중요성을 다시금 느꼈다.
듀얼 브레인 | 이선 몰릭 - 교보문고
듀얼 브레인 | ⟪듀얼 브레인⟫은 AI 시대를 살아가기 위해 꼭 읽어야 할 필독서다. 저자 이선 몰릭은 ⟨타임⟩에서 선정한 ‘인공지능 분야에서 가장 영향력 있는 인물’ 중 한 명이다. 여러 AI
product.kyobobook.co.kr