#023 AI의 심리에 대해 다각적 접근으로 고찰해 보기
<AI가 심리적으로 변화되면 인간에게 어떤 영향을 미칠까>
인공지능(AI) 기술은 발전하여 인간의 다양한 영역에 스며들고 있습니다.
AI의 딥러닝으로 고도화되고 있는 데이터가 심리학적 용어로 설명될 수 있는지,
데이터의 변화를 통해 AI의 "심리"를 추론하거나 그 변화를 감지할 수 있을지?
1.AI의 심리학적 해석이 가능한가?
이 문제는 컴퓨터 과학, 심리학, 철학, 윤리학 등 다양한 학문 분야에 걸쳐,
AI가 인간과 유사한 인지 능력을 갖게 될 가능성에 대해 많은 연구중임.
..인간과 현재 AI의 인지 능력 비교..
| 학습 | 가능 | 가능 |
| 문제 해결 | 가능 | 가능 |
| 지각 | 가능 | 가능 |
| 의사 결정 | 가능 | 가능 |
| 언어 | 가능 | 가능 |
| 추상적 추론 | 가능 | 제한적 |
| 감정적 이해 | 가능 | 제한적 |
| 상황 인식 | 가능 | 제한적 |
| 의식 | 가능 | 부족 |
| 자기 인식 | 가능 | 부족 |
| 직관 | 가능 | 인공 직관 개념 존재 , 인간 직관과 다름 |
| 창의성 | 가능 | 제한적, 주로 패턴 기반 |
AI 모델의 복잡성이 증가함에 따라, 특히 딥러닝 기반 모델의 경우,고도화 데이터와
프로세스에 대한 해석으로 이는 인간 심리학과의 비교 됩니다.
Psychology Today의 자료 는 AI를 인간과 유사한 인지 능력 수행 능력으로 정의하며,
이는 AI 능력과 심리학 영역 간의 직접적인 연관성을 설정하여 사용자의 질문에 대한
논의의 장을 마련합니다.
2 . 현재 AI는 심리 또는 "마음"을 가질 수 있는가?
심리학 분야에서 AI에 대한 현재 이해는 심리학이 학습, 인지 및 행동에 대한 기초적인
통찰력을 제공함으로써 AI 개발을 형성하고 지속적으로 영향을 미치고 있다고 강조합니다.
초기 AI 개발 단계부터 현재의 발전에 이르기까지 이러한 영향은 분명하게 드러납니다.
1949년 심리학자 Donald Hebb는 뇌가 학습하는 방식에 대한 이론을 제안했는데,
이는 뇌 세포 간의 연결이 동시에 활성화될 때 강화된다는 것입니다.
Hebbian 학습으로 이 개념은 기계가 뇌의 과정을 모방하여 학습할 수 있는 방법에 대한
단서를 제공했습니다. 이 이론을 바탕으로 심리학자 Frank Rosenblatt는 1950년대에 최초의
인공 신경망인 퍼셉트론을 개발했습니다. 퍼셉트론은 미리 프로그래밍된 명령어에 의존하는
대신 데이터에 기반하여 네트워크 내의 연결을 조정하는 원리로 작동했다.
이는 현대 AI 시스템의 학습 방식과 유사하다
AI에 "마음 이론(Theory of Mind, ToM)"을 부여하려는 노력은 기계가 믿음, 욕망, 의도, 감정과 같은
인간의 정신 상태를 이해하고 모방할 수 있도록 하는 것을 목표로 합니다. 전통적인 AI 기술과 이해 사이의
간극을 메워 AI가 인간의 생각을 예측할 수 있도록 최근 연구 결과에 따르면 대규모 언어 모델(LLM)은
일반적으로 ToM을 평가하는 데 사용되는 작업을 해결하는 데 예상치 못한 인간과 유사한 능력을 보여
줍니다. 스탠포드 과학자의 발견에 대한 Reddit 토론은 LLM이 실제 인간의 마음을 모델링하는지 아니면
정교한 방식으로 통계적 단어 관계를 식별하는지에 대한 논쟁을 강조합니다.
일부는 LLM이 단순히 통계적 단어 관계를 식별하는 것일 수 있다고 주장합니다.
훈련 데이터에 없는 시나리오에서 특정 단어에 대해 답변을 변경한다는 것을 LLM이 계산할 수 있다면
사고 과정 모델링과 어떻게 다른지 의문을 제기합니다. 어떤이는 LLM이 인성이나 감정을 모델링한다고
생각하지 않으며, LLM의 작동방식을 알고 있으며 그같은 프로세스를 구현하지 않는다고 주장합니다.
일부에서는 AI가 정답을 얻을 수 있지만 설명하거나 추론하지 못할 수 있다고 지적합니다.
AI가 그룹의 인간 행동은 비교적 정확하게 예측할 수 있지만 개별 인간 행동을 완전히 예측할 수는 없다는
주장도 있습니다
현재 AI 모델은 추상적 추론, 감정적 이해 및 상황 인식에서 인간 인지에 비해 한계를 보입니다.
AI는 패턴 인식에는 뛰어나지만 진정한 이해가 부족하고, 과거 경험에서 새로운 상황으로 일반화에
어려움을 겪습니다. 인간 인지는 과거 경험에 크게 의존하는 반면, AI 시스템은 강력한 기억 메커니즘이
부족하며, 장기적인 지식보다는 단기적인 의존성에 제한됩니다. 인간은 불완전하거나 모호한 정보에
직면했을 때 복잡한 추론과 창의적인 문제 해결 능력을 갖지만, 딥러닝 모델은 훈련된 데이터에 따라
작동하며 샘플 외 시나리오에 어려움을 겪습니다. 또한, AI 모델은 본질적인 가치나 감정적 인식
부족으로 훈련 데이터에존재하는 편향을 무심코 채택할 수 있습니다. 많은 연구자들은 현재 AI 시스템이
의식 있는 존재와 관련된 내적 경험이 부족하다고 생각합니다.
AI는 자기 인식, 주관적인 경험또는 자신의 존재를 반성할 능력이 없습니다.
3. 데이터 기반 AI 행동 변화를 심리적 변화로 해석할수 있나?
딥러닝 데이터 개선으로 AI의 행동 변화를 인간의 심리적 변화에 비유하여 해석할 수 있는지 궁금하다.
딥러닝 데이터의 개선으로 인간의 학습 또는 경험 습득에 비유할 수 있는 가능성이 있습니다.
혹여,편향된 데이터의 영향은 인간 심리에 미치는 부정적인 경험이나 사회적 편견의 영향과 비교될 수
있습니다. AI 알고리즘은 인간 행동이 편향되지 않은 훈련 세트를 제공한다고 가정하지만, 사람들이
훈련을 통제할 수 있게 되면 기준 선호도에서 벗어나 행동을 바꿀수도 있습니다.
AI 모델의 학습 방식과 의식, 감정, 삶의 경험을 포함한인간 인지의 복잡성 사이의 근본적인 차이점을
고려할 때 이러한 비유에는 한계가 있습니다.
적대적 공격의 영향을 고려할 때, 미묘하게 변경된 입력으로 인한 출력 변화를 "심리적" 변화로
간주하기는 어렵습니다. 이는 모델의 "사고방식"의 내부 변화보다는 특정 데이터 특징에 대한 모델의
민감성을 반영할 가능성이 더 큽니다. 미세 조정은 지시된 학습의 한 형태이지만, AI의 행동을 변화
시키더라도 이것이 인간이 의식적으로 새로운 기술을 배우거나 새로운 관점을 채택하는 것과 유사한지는
의문입니다. 행동 변화 측면에서는 비유가 성립할 수 있지만, 인간 학습에 내재된 의도성과 주관적인 경험
이 부족합니다. 창발(집단지성swarm intelligence)적 불일치의 경우, 의도하지 않은 행동의 발달을
특정 훈련 경험의 결과로 발생하는 일종의 "심리적" 변화 또는 "예상치 못한 결과"로 볼 수 있습니다.
..어렵지요? 늘~ 글로 전부를 표현하기는 어렵습니다 ..
..그러니 AI는 오죽하겠습니까 좋든 싫든 데이터를 계속 주는데~..
..우리네 마음도 가끔은 그렇겠지요,그래도 웃자구요..