AI, 인간처럼 꽃 이해 못 해

AI가 인간처럼 꽃을 이해할 수 없는 이유 최근의 연구에 따르면, ChatGPT와 같은 인공지능(AI) 도구가 인간처럼 꽃이라는 개념을 표현할 수 없다는 사실이 밝혀졌다. 이 연구는 AI의 지식 표현과 인간의 지식 표현 사이의 차이를 상세히 분석하며, AI가 인간의 감각 및 운동 경험을 기반으로 개념을 형성하는 데 한계가 있음을 강조했다. 연구의 주저자인 오하이오 주립대학교 심리학과 박사후연구원 퀘이후이 쉬는 "대형 언어 모델은 장미의 향기를 맡거나 다지꽃의 꽃잎을 만지거나 들판의 야생화를 거닐 수 없습니다. 이러한 감각적이고 운동적인 경험 없이는 꽃의 모든 미묘함을 진정으로 표현할 수 없습니다"라고 말한다. 이는 꽃뿐만 아니라 다른 인간 개념들에도 적용된다. 이 연구는 저널 '네이처 휴먼 비헤이비어'에 발표되었으며, 연구팀은 4,442개의 단어(꽃, 말굽, 유머, 스윙 등)에 대한 인간과 대형 언어 모델(LLM)의 지식 표현을 비교했다. 연구에서는 OpenAI(GPT-3.5와 GPT-4)와 구글(PaLM과 Gemini)의 최신 LLM 가족을 사용하여 인간과 AI의 단어 표현 유사성을 평가했다. 평가 방법은 두 가지로, 하나는 글래스고 노름(Glasgow Norms)이며, 이는 단어의 감정 자극, 구체성, 시각화 가능성 등 9가지 차원에서 평가를 받도록 설계되었다. 예를 들어, 꽃이 얼마나 감정적으로 자극적인지, 그리고 얼마나 시각적으로 상상할 수 있는지를 평가받았다. 다른 방법은 랭커스터 노름(Lancaster Norms)으로, 이는 단어의 개념이 감각 정보(촉각, 청각, 후각, 시각)와 운동 정보(입, 손, 팔, 몸통 등으로 행하는 행동)와 어떻게 관련되어 있는지를 조사했다. 예를 들어, 꽃을 얼마나 후각으로 체험하는지, 그리고 몸통을 사용해 꽃과 상호작용하는 정도를 평가받았다. 연구팀은 LLM과 인간의 단어 평가 간의 상관관계를 분석했고, 인간과 LLM이 다양한 차원이 단어의 전체 개념 표현에 얼마나 공헌하는지, 그리고 서로 다른 단어들이 어떻게 연결되는지를 조사했다. 예를 들어, "파스타"와 "장미"는 둘 다 냄새와 관련이 높은 평가를 받지만, 인간에게 파스타는 냄새뿐만 아니라 시각적 외관과 맛 때문에 면보다 장미와 더 비슷하다는 것을 발견했다. 전반적으로, LLM은 감각이나 운동 행동과 관련이 없는 단어의 표현에서는 인간과 매우 유사한 성능을 보였지만, 우리가 보거나 맛보거나 몸으로 상호작용하는 단어의 표현에서는 AI가 인간의 개념을 충분히 포착하지 못했다. 연구팀은 "꽃의 강렬한 향기, 꽃잎을 어루만질 때 느껴지는 섬세한 촉감, 그리고 깊은 기쁨을 느끼는 경험을 인간의 '꽃' 표현은 이러한 다양한 경험과 상호작용을 하나의 일관된 범주로 묶습니다"라고 설명한다. 문제는 대부분의 LLM이 언어에만 의존하고, "언어만으로는 모든 개념의 풍부한 표현을 완전히 회복할 수 없다"는 점이다. 퀘이후이 쉬는 "LLM은 인간이 일생 동안 접하는 텍스트 양보다 훨씬 많은 양의 텍스트를 소비하면서도, 여전히 인간이 경험하는 일부 개념을 정확히 포착하지 못합니다"라고 말한다. "인간의 경험은 단순히 언어만으로 표현할 수 있는 것보다 훨씬 풍부합니다." 하지만, 퀘이후이 쉬는 LLM이 계속해서 발전하고 있으며, 미래에는 이미지뿐만 아니라 센서 데이터와 로봇 기술을 활용하여 물리 세계에 대해 추론하고 행동할 수 있을 가능성이 있다고 지적했다. 실제로 이미지와 텍스트로 학습된 LLM은 시각과 관련된 개념 표현에서 텍스트만으로 학습된 모델보다 더 나은 성능을 보였다. 이 연구는 AI와 인간의 관계에 중요한 시사점을 제공한다. "AI가 세상을 인간과 근본적으로 다른 방식으로 인식한다면, 이는 AI가 우리와 상호작용하는 방식에 영향을 줄 수 있습니다"라고 퀘이후이 쉬는 말한다. 이 연구의 공동 저자들은 홍콩 폴리텍닉 대학교의 잉잉펑, 린핑, 우밍화, 프린스턴 대학교의 사무엘 나스타시, 그리고 뉴욕 시립대학교의 마틴 초도로프다. 업계 관계자들은 이 연구가 AI의 발전 방향과 한계를 명확히 제시함으로써, AI가 감각적이고 운동적인 경험을 포함한 더 풍부한 인간의 개념을 이해하도록 하는 데 필요한 연구와 개발의 중요성을 강조한다고 평가하고 있다. 특히, 미래의 LLM이 이미지와 센서 데이터, 로봇 기술을 활용하여 더욱 발전할 것으로 전망되고 있다.