생각의 사슬 (CoT) AI에서 배우는 문제 해결 능력
AI 알고리즘에서 배우는 세상살이
AI 알고리즘은 인간의 인식과 추론 과정을 모방하며 발전해 왔습니다. 인간의 오감과 종합적인 사고 과정을 관찰하여 이를 구현하고, 실험을 통해 검증하는 방식으로 진화해 온 것입니다. 필자는 AI 알고리즘을 공부하면서 오히려 인간의 본성과 사고방식을 되돌아보게 되는 경우가 많았습니다. AI 알고리즘의 원리가 우리의 삶과 문제 해결 방식에 어떤 교훈을 줄 수 있는지 살펴보겠습니다.
CoT(Chain-of-Thought) 추론 능력으로 발전하는 생성형 AI
ChatGPT가 처음 등장했을 때, 사람들은 단순히 주제를 질문해도 정확하게 이해하고, 유창한 문장으로 답변하는 모습에 열광했습니다. 그러나 기초적인 수학 문제에서는 오답을 내놓는 것을 보고 의아해하고 실망하기도 했습니다.
이런 문제를 해결하기 위해 등장한 것이 CoT(Chain-of-Thought) 방식입니다. CoT는 인간이 추론할 때 문제를 단계별로 나누어 사고를 전개하는 과정을 의미합니다. 이를 ChatGPT가 모방할 수 있도록, 질문 전에 유사한 질문과 그에 대한 단계별 풀이 과정을 예시로 제공하여 문제를 해결하도록 유도합니다.
출처: https://arxiv.org/abs/2201.11903“질문: 카페테리아에 23개의 사과가 있습니다. 점심용으로 20개의 사과를 사용했고, 6개의 새로운 사과를 구매했을 때 몇 개의 사과가 남았을까요?”
“일반 답변: 정답은 27입니다” (X)
“CoT 답변: 카페테리아에 원래 23개의 사과가 있었습니다. 20개의 사과가 점심에 사용되었습니다. 그래서 23-20인 3개의 사과가 남았습니다. 6개의 사과를 새로 구매했습니다. 그래서 3+6인 9개의 사과가 남았습니다. 정답은 9입니다.” (O)
위 그림의 예제를 보면, 왼쪽의 프롬프트(Prompt, ChatGPT에 질문이나 출력을 지시하는 자연어 명령)와 같이 일반적인 질의로 카페테리아의 사과 개수를 물으면, ChatGPT는 단답식으로 잘못된 답을 출력합니다. 그러나 오른쪽의 CoT 프롬프트 방식에서는, 문제를 풀기 전에 유사한 예제 문제(예: Roger의 테니스공 개수 문제)와 그에 대한 단계별 풀이 방법을 제공하여, AI가 그 예제를 참고해 문제를 단계적으로 해결할 수 있게 유도합니다.
물론 CoT 프롬프트 방식이 모든 문제를 해결하는 만능 방법은 아니었지만, 이전보다 나은 성과를 보여주었습니다. ChatGPT는 애초에 단계별 추론 과정 없이 확률적인 경험에 의존해 순차적으로 문장을 생성하기 때문에 그런 한계가 있습니다. 이후 추론 능력을 강화한 OpenAI의 o 시리즈는 학습 단계부터 CoT를 적용함으로써 점차 박사 수준의 추론 능력을 갖추게 되었습니다.
AI처럼 우리도 문제 해결 능력을 키워야 한다
AI는 인간의 CoT 추론 방식을 모방하여 부족했던 문제 해결 능력을 강화하고 있습니다. 그런데 우리는 정작 실제로 문제를 해결할 때 CoT 방식을 잘 활용하고 있을까요? 복잡한 문제에 직면했을 때, 문제를 단계별로 나누고 논리적으로 해결하려는 노력을 하고 있나요?
위의 사과 문제와 같이 간단한 문제라면 무의식적으로 우리의 뇌가 그런 식으로 작동할 수 있지만, 암기식 교육에 익숙한 현실을 생각해 보면 그렇지 않을 수 있습니다. 예를 들어, 우리의 수학 교육을 생각해 보면, 과거의 공식 암기 위주의 풀이 방식이나 근래 학원에서 제공하는 다양한 문제 유형의 반복 방식에 집중하는 경우가 많습니다.
이런 방식은 교과서 속 문제나 시험을 해결하는 데 유용할지 몰라도, 실제 사회생활에서 부딪히는 복잡한 문제를 풀기에는 한계가 있습니다. 새로운 문제를 만났을 때, 우리는 단순히 과거에 배운 문제와 유사한 사례를 찾으려고만 하거나 인터넷에서 답을 찾아보고 실패하면 포기해 버리곤 합니다. 추론 능력 강화 이전의 ChatGPT와 유사하지 않나요?
AI는 인간의 능력을 모방하며 빠르게 발전하고 있습니다. 하지만 우리가 과거의 익숙한 방식만을 고수하며 자기 계발을 게을리한다면, AI에게 배울 점을 놓치게 될 것입니다. 이제는 AI처럼 문제를 단계적으로 나누어 분석하고, 새로운 접근법을 적용하는 연습이 필요합니다. 문제를 단계별로 분석하는 연습, 다양한 관점에서 문제를 바라보는 연습, 새로운 지식을 습득하고 적용하는 연습 등을 통해 문제 해결 능력을 키울 수 있습니다.
AI가 단순 반복 업무를 대체하고 창의적인 문제 해결 능력이 더욱 중요해지는 시대, AI에게 배울 점을 놓치지 않도록, 지금 당장 문제 해결 능력을 키우는 여정을 시작해야 합니다.
