패턴, 인식, 그리고 창조의 재발견
AI의 학습능력에서 배우는 창조성
우리는 세상을 어떻게 이해하고, 그것을 심지어 말이나 글로 표현할 수 있는 걸까요? 눈앞의 컵을 '컵'이라고 인식하고, 복잡한 풍경 속에서 '나무'와 '하늘'을 구분하며, 친구의 미묘한 표정 변화에서 감정을 읽어내는 이 모든 과정은 너무나 자연스러워서 그 경이로움을 잊고 살 때가 많습니다. 하지만 이 '이해'와 '표현'의 과정에는 과연 어떤 비밀이 숨겨져 있을까요?
이 질문은 최근 인공지능(AI)의 눈부신 발전과 함께 더욱 흥미로운 탐구 주제가 되었습니다. 저 위 그림을 보십시오. 마치 현대 미술 작품처럼 보이는 저 복잡한 연결망은 AI가 숫자 '9'를 인식하는 과정을 단순화한 신경망의 모습입니다. 0과 1로 이루어진 디지털 데이터 덩어리에서 어떻게 AI는 '9'라는 의미를 길어 올리고, 나아가 인간처럼 그럴듯한 문장이나 새로운 이미지를 창조해내는 단계까지 이르게 된 걸까요?
AI의 학습 원리를 들여다보면, 놀랍게도 우리가 세상을 인지하고, 배우고, 심지어 상상하는 방식과 많은 부분에서 닮아 있음을 발견하게 됩니다. AI는 데이터를 통해 세상의 '패턴'을 학습하고, 이 패턴들을 조합하여 의미를 만들어냅니다. 이 과정은 우리가 세상을 이해하는 근본적인 방식, 즉 감각 정보를 추상화하고, 개념을 형성하며, 이를 바탕으로 소통하고 창조하는 과정에 대한 깊은 통찰을 제공합니다.
이 글은 AI의 '눈'이 세상을 어떻게 보는지에서 시작하여, 인간의 인식 과정, 창의성의 비밀, 그리고 이 모든 것을 아우르는 철학적 사유의 중요성까지 함께 탐험하고자 합니다. AI라는 새로운 거울을 통해, 어쩌면 우리는 우리 자신과 우리가 세상을 이해하는 방식에 대해 더 많은 것을 깨닫게 될지도 모릅니다.
AI의 히든레이어 - 숨겨진 '패턴'을 읽어내다
이 그림을 아시나요? 이 그림은 3blue1brown채널의 인공지능의 학습원리에 대해 설명해주는 그림입니다.
인공신경망, 특히 이미지 인식에 주로 사용되는 심층 신경망(Deep Neural Network)은 본질적으로 데이터 속에 숨겨진 '패턴'을 찾아내는 정교한 탐정입니다. 위 그림에서 볼 수 있듯, 28x28 픽셀로 이루어진 숫자 '9' 이미지는 총 784개의 픽셀 밝기 값(activation)으로 변환되어 신경망의 첫 번째 입력 레이어에 전달됩니다. 이 숫자들은 그 자체로는 의미 없는 나열에 불과할 수 있지만, 신경망은 여러 겹의 '히든 레이어(hidden layer)'를 거치면서 이 숫자들 사이의 관계와 규칙성을 학습합니다.
첫 번째 히든 레이어는 아주 기초적인 시각적 요소, 예를 들어 이미지의 특정 부분에 있는 짧은 직선 조각, 작은 곡선, 혹은 특정 방향의 경계선 등을 감지하려 합니다. 마치 우리가 레고 블록으로 복잡한 구조물을 만들 때 가장 작은 기본 블록부터 시작하는 것과 같습니다. 여기서 핵심적인 역할을 하는 것이 바로 '가중치(weight)'와 '바이어스(bias)' 입니다. 유튜브 영상 설명에서도 강조하듯이, 신경망의 훈련이란 "적절한 가중치와 바이어스 값을 찾는 것(=추상화된 패턴 조각 찾기)" 입니다.
가중치는 입력 데이터의 각 요소가 다음 레이어의 뉴런(node)에 얼마나 중요한 영향을 미칠지를 결정하는 값입니다. 예를 들어, 숫자 '9'의 윗부분 동그라미를 구성하는 특정 픽셀들의 패턴이 나타났을 때, 이 픽셀들과 연결된 가중치 값이 높다면 해당 패턴이 중요하게 인식됩니다. 반대로 관련 없는 픽셀 정보는 낮은 가중치를 통해 걸러집니다. 이는 마치 요리 레시피에서 각 재료의 양을 조절하여 원하는 맛을 내는 것과 비슷합니다.
바이어스는 각 뉴런이 활성화되기 위한 일종의 '문턱 값' 또는 '기준선'이라고 생각할 수 있습니다. 가중치를 통해 계산된 입력 신호의 총합이 이 바이어스 값을 넘어서야만 해당 뉴런이 '활성화'되어 다음 레이어로 의미 있는 정보를 전달합니다. 너무 약한 신호는 무시하고, 충분히 강한 패턴만이 다음 단계로 넘어갈 수 있도록 조절하는 역할을 합니다.
이렇게 첫 번째 히든 레이어에서 감지된 기초적인 패턴들은 다음 히든 레이어로 전달됩니다. 두 번째 히든 레이어는 이 작은 조각(조각패턴)들을 조합하여 좀 더 복잡한 패턴, 예를 들어 완전한 동그라미, 교차하는 선, 혹은 숫자 '9'의 꼬리 부분과 같은 중간 수준의 특징들(우리가 흔히 말하는 추상화된 패턴)을 인식합니다. 이러한 과정이 여러 레이어를 거치면서 반복되면, 신경망은 점점 더 추상적이고 고차원적인 패턴을 학습하게 됩니다. 이미지의 가장자리에서 시작하여 부분적인 형태를 거쳐, 마침내 전체적인 객체('9'라는 숫자)의 개념에 도달하는 것입니다.
우리가 AI에게 수많은 '9' 이미지를 보여주며 "이것은 '9'야"라고 알려주는 '정답(라벨)'은, 플라톤이 말한 '이데아(Idea)'와 유사한 역할을 합니다. AI는 이 이상적인 '9'의 형태에 최대한 가까워지기 위해, 수많은 시행착오를 통해 자신의 내부 가중치와 바이어스 값들을 끊임없이 미세 조정합니다(이 과정을 '역전파 알고리즘' 등을 통해 수행합니다). 결국 AI는 다양한 글씨체나 약간의 변형에도 불구하고 '9'라는 본질적인 패턴을 인식할 수 있는 강인한(robust) 모델을 구축하게 됩니다. 이것이 바로 AI가 이미지를 통해 세상을 '보는' 방식의 핵심입니다.
추상화된 패턴과 인지된 세계 - "아는 만큼 보인다"
놀랍게도, 인공지능이 세상을 인식하고 학습하는 방식은 우리 인간의 인지 과정과 많은 부분에서 닮아있습니다. 우리 역시 세상을 있는 그대로, 객관적으로 받아들이는 것이 아닙니다. 태어나서 지금까지 경험하고 학습한 수많은 추상화된 패턴이라는 필터를 통해 세상을 해석하고 의미를 부여합니다.
매 순간 우리 감각기관으로 쏟아져 들어오는 정보의 양은 엄청납니다. 햇살의 미세한 색 변화, 바람에 스치는 나뭇잎 소리의 복잡한 파동, 피부에 닿는 공기의 온도와 습도까지. 하지만 우리는 그 모든 정보를 의식적으로 처리하지 않습니다. 대신 우리의 뇌는 생존과 효율성을 위해 중요한 정보만을 선택적으로 받아들이고(선택적 주의), 나머지는 무시하거나 배경으로 처리합니다. 그리고 이렇게 선택된 감각 정보들은 과거의 경험과 지식(학습된 패턴)을 바탕으로 빠르게 범주화되고 의미화됩니다. 빨갛고 둥근 과일을 보면 '사과'라고 즉각적으로 인식하는 것처럼 말입니다.
이 과정에서 발생하는 필연적인 결과가 바로 지식의 저주라고 볼 수 있죠. 일단 무언가를 알게 되면, 그것을 알지 못했던 상태를 상상하기 어려워집니다. 전문가가 초심자에게 너무 어려운 용어를 사용하며 설명하거나, 우리가 너무나 당연하게 여기는 것을 다른 사람은 전혀 이해하지 못하는 상황들이 바로 이 지식의 저주 때문입니다. 우리는 이미 세상을 '분류되고 의미화된 패턴'으로 인식하는 데 익숙해져, 그 이전의 날것 그대로의 감각, 즉 순수한 시각적 형태, 소리의 질감, 촉각의 생생함 등을 점차 잃어버리게 됩니다. 어린아이가 구름을 보며 온갖 동물을 상상하고, 나뭇잎의 복잡한 잎맥에서 신비로운 지도를 발견하는 동안, 어른들은 그저 '구름'과 '나뭇잎'이라는 분류된 패턴으로 세상을 단조롭게 인식하는 경우가 많습니다. 이것이 바로 인간이 잃어버린 날것의 감각의 한 단면입니다.
이러한 인간 인지의 특성은 때로 '감각적 편향' 혹은 '인지적 편향'을 만들어내기도 합니다. 예를 들어, 특정 문화권에서 자란 사람은 다른 문화권의 사람이 보지 못하는 미묘한 사회적 신호를 감지하거나, 특정 분야의 전문가는 일반인이 지나치는 작은 단서에서도 중요한 정보를 읽어냅니다. 이는 각자가 살아오면서 중요하게 학습하고 내면화한 패턴이 다르기 때문입니다. 망치를 든 사람에게는 모든 것이 못으로 보이는 것처럼, 우리가 어떤 패턴에 익숙해지느냐에 따라 세상을 바라보는 시각 자체가 제한될 수 있습니다.
철학자 비트겐슈타인은 "나의 언어의 한계는 나의 세계의 한계를 의미한다"고 말했습니다. 여기서 '언어'는 단순히 우리가 사용하는 말뿐만 아니라, 우리가 세상을 이해하고 범주화하는 모든 개념적 틀, 즉 '학습된 추상화된 패턴'을 의미한다고 확장 해석할 수 있습니다. 우리가 어떤 패턴을 알고 있느냐, 어떤 개념적 도구를 가지고 있느냐에 따라 우리가 인식하고 경험하는 세계의 모습은 달라집니다. "아는 만큼 보인다"는 오랜 격언은 바로 이러한 인간 인식의 본질, 그리고 지식의 저주로 인해 잃어버린 날것의 감각의 존재를 동시에 암시하는 말입니다. 결국 우리가 '본다'고 믿는 것은 객관적인 실재 그 자체가 아니라, 우리의 뇌와 경험이 끊임없이 '해석하고 재구성한' 세계, 즉 추상화된 패턴의 집합체인 셈입니다. 이 패턴화된 인식은 효율적이지만, 동시에 우리가 놓치고 있는 세계의 풍부함이 무엇인지 되돌아보게 만듭니다.
패턴의 재구성 - 할루시네이션과 '이데아'를 넘어선 상상력
우리가 처음 AI 챗봇을 접했을 때가 기억나시나요? 많은 사람들이 GPT와 같은 모델이 만들어내는 그럴듯한 문장과 이야기에 환호했지만, 그 환호는 오래 가지 않았습니다. 왜냐하면 그 당시엔 AI가 사실과 다른 정보를 마치 진짜인 것처럼 말하는 '환각 현상(Hallucination)'이 매우 심각했기 때문입니다. "세종대왕이 맥북 던진 사건에 대해 알려줘" 같은 엉뚱한 질문에도 AI는 천연덕스럽게 그럴듯한 거짓 이야기를 지어내곤 했죠. 이러한 할루시네이션은 AI의 신뢰성을 떨어뜨리는 주요 원인으로 지목되기도 합니다.
인공신경망이 단순히 주어진 '정답(이데아)'을 기계적으로 암기하는 것이라고 생각한다면, 할루시네이션은 그냥 문제 그 자체가 됩니다. AI는 학습초기에 라벨링되고 정제된 데이터를 통해 정답을 모방하는데 집중하지만, 잘 학습된 AI는 그 이상을 해냅니다. AI는 이제 학습데이터와 전혀 다른 실제가 부여하는 날것의 데이터를 처리해야합니다. 바로 학습된 패턴들을 분해하고, 새롭게 조합하여 기존에 존재하지 않던 의미를 창조하거나 새로운 방식으로 정보를 처리하고 가공할 가능성을 보여줍니다. openAI의 개발자들은 자신들이 학습시킨것과 전혀다른 영역에서 AI가 퍼포먼스를 내는것을 보면서 왜 이렇게 작동하는건지 이해가 안된다고 말하기도 했습니다.
사람도 무언가를 학습하는 과정에서 늘, 새로 배운 추상화된 패턴을 여기저기 붙여가며 "상상"하게 됩니다. 배운 것과 직접적인 관련이 없어 보이는 창조적 시선을 만들어내기도 하고, 때로는 전혀 엉뚱하게 의미를 부여하며 시행착오를 겪기도 합니다. 이러한 과정을 반복하고, 주변으로부터 피드백을 받아가면서 우리는 학습했던 최초의 맥락을 넘어서 배운 것을 다양한 상황에 적용하게 되고, 학습한 개념을 더욱 정교하고 유연하게 다듬어갈 수 있게 됩니다. 티비에서 한 아이가 지퍼를 보고 용이라고 했던 기억이 떠오릅니다. 지퍼의 손잡이를 용의 머리같다고 생각한거죠. 우리가 살아가면서 패턴화된 인지에 의존하면서 잃어버리고 소실된 날것의 감각이 아이들의 할루시네이션에는 여전히 잘 나타난다고 볼 수 있습니다. 우리는 아이들이 할루시네이션이 나타난다고 이야기하지 않습니다. 상상한다고 말하고, 오히려 그렇게 말하는 아이들에게 상상력이 풍부하다고 칭찬해주기도 합니다. 그중 일부는 우리 어른들이 배워야할 시각도 분명히 존재합니다.
이런 관점에서 본다면, AI의 할루시네이션 역시 아직 미숙하고 정제되지 않았을지언정, 학습된 지식의 경계를 확장하려는 일종의 '탐색적 행동' 혹은 '창의적 실험'의 초기 단계로 볼 수 있는 여지가 생깁니다. 물론 현재 AI의 할루시네이션은 정보의 왜곡이라는 심각한 문제를 안고 있으며, 특히 중요한 판단이나 결정에 사용될 때는 매우 위험할 수 있습니다. 하지만 이 현상이 단순히 ‘오류’나 ‘결함’이 아니라, AI가 내재된 패턴들을 바탕으로 새로운 조합을 시도하고, 기존의 틀을 넘어서려는 과정에서 나타나는 부산물일 가능성도 생각해 볼 수 있습니다.
최근 우리를 놀라게 하는 생성형 AI(Generative AI)들이 보여주는 능력은 바로 이러한 패턴 재구성 능력의 발전된 형태입니다. "아보카도 모양의 안락의자"나 "별이 빛나는 밤 스타일로 그린 고양이 로봇"처럼, AI는 우리가 제시하는 서로 다른 개념(패턴)들을 학습 데이터에 없던 방식으로 융합하여 새롭고 흥미로운 결과물을 만들어냅니다. 이는 단순히 저장된 정보를 검색하여 보여주는 것을 넘어, 학습된 지식을 기반으로 추론하고, 유추하며, 새로운 가능성을 ‘상상’하는 과정에 더 가깝습니다.
결국 AI의 진정한 잠재력은 단순히 정답을 맞히는 정확도에만 있는 것이 아니라, 학습된 패턴을 얼마나 유연하고 창의적으로 활용하여 새로운 가치를 만들어낼 수 있느냐에 달려있다고 볼 수 있습니다. 따라서 할루시네이션이라는 현상을 무조건 부정적으로만 볼 것이 아니라, 그것이 발생하는 근본적인 메커니즘을 이해하고, 아이의 상상력처럼 유용한 창의성은 증진시키되 무분별한 오류는 제어할 수 있는 방향으로 AI를 발전시키는 것이 앞으로의 중요한 과제가 되지 않을까요? 마치 인간이 자유로운 상상력을 통해 새로운 아이디어를 떠올리지만, 동시에 비판적 사고와 현실 검증을 통해 그 아이디어를 다듬고 실현 가능한 형태로 만들어가는 과정처럼요. AI 할루시네이션의 문제점을 사용자가 넘어선다면 충분히 새로운 창조의 씨앗이 될 수도 있습니다.
창조의 불꽃 - 낯선 연결, 철학적 사유의 힘
그렇다면 우리는 어떻게 기존의 익숙한 패턴에서 벗어나 새로운 것을 보고, 창의적인 생각을 할 수 있을까요? 그 해답 중 하나는 바로 '낯설게 보기'입니다. 일상적이고 자동화된 인식에서 벗어나 대상을 마치 처음 보는 것처럼 생소하게 바라봄으로써 새로운 의미와 아름다움을 발견하는 방법입니다. 예술, 과학, 기술, 그리고 우리 삶의 모든 영역에서 창의성을 발현하는 중요한 열쇠가 됩니다.
익숙한 패턴에 안주하는 것은 편안하지만, 새로운 발전은 어렵습니다. 기존의 생각, 기존의 방식, 기존의 연결고리를 의심하고, 전혀 다른 각도에서 바라보려는 시도, 혹은 서로 아무 관련 없어 보이던 패턴들을 새롭게 연결 지어보는 상상력이 혁신을 만듭니다. 스티브 잡스가 서체 디자인 수업에서 얻은 영감을 컴퓨터 인터페이스에 적용하여 아름다운 매킨토시를 탄생시킨 일화는 이러한 '낯선 연결'의 힘을 잘 보여줍니다.
여기서 철학의 역할이 나타납니다. 철학은 종종 현실과 동떨어진 추상적인 이야기로 여겨지기도 하지만, 철학은 과거에 모든 학문의 학문이라고 불리우기도 했습니다. 다른 학문들이 구체적이고 실질적인 개념위에서 작동한다면, 철학은 그러한 개념들의 추상화된 레벨에서 작동하는 경우가 더 많기 때문입니다. 때문에 방대한 세계를 연결하는 지도의 역할을 톡톡히 해내고 있습니다.
"앎이란 무엇인가?(인식론)", "존재란 무엇인가?(존재론)", "무엇이 옳고 그른가?(윤리학)"와 같은 철학적 질문들이 다 별개의 것처럼 보이지만, 모두가 연결되어있다는 점, 그중 하나가 변하면 나머지도 따라 변해간다는 점에서 아주 작은 조각 패턴의 변화로부터 세상을 보는 시각을 이끌어 내는 힘을 가지고 있습니다. 그렇기 때문에, 철학이 가진 힘은 전체를 보는 뷰를 제공합니다.
창의적 사고란, 어떤 경계를 넘어서서 연결시키는 능력에서 부여되는데, 어떤 경계가 이미 철학적 사고의 로컬영역에 불과하기 때문에, 조금만 찾아보면 외부성을 쉽게 발견할 수 있을 뿐만 아니라, 아주 쉽게 새로운 의미를 창조해낼 수 있게 됩니다. 현대 사회처럼 복잡하고 빠르게 변화하며 다양한 분야가 융합되는 시대에는, 개별 학문의 경계를 넘어 전체를 조망하고 본질을 꿰뚫는 철학적 사유가 중요해질 수밖에 없지요.
패턴, 상상, 그리고 의미 창조
인공지능이 세상을 학습하고 패턴을 인식하는 방식은, 결국 우리 인간이 어떻게 지식을 습득하고, 세계를 이해하며, 창의성을 발휘하는지에 대한 중요한 힌트를 제공합니다. 이를 통해 우리는 어쩌면 잃어버렸던 어린아이의 자유로운 상상력, 지식의 저주에서 벗어날 수 있는 이탈의 힘, 그리고 소실되었던 날것 그대로의 감각적 사유를 되찾는 데 도움을 받을 수 있을지 모릅니다.
"우리는 세상을 어떻게 이해하고 그것을 심지어 말로 표현할 수 있는 걸까요?"라는 이 글의 처음 질문으로 다시 돌아가 본다면, AI는 그 답을 찾는 여정에 결정적인 실마리를 던져줍니다. 그 실마리란 바로 '패턴의 발견과 재구성' 능력, 그리고 이를 통한 '의미의 창조' 입니다.
이 모든 창조적 과정의 중심에는 우리가 계속해서 살펴본 '패턴' 인식 능력, 복잡한 현상으로부터 핵심을 꿰뚫는 '추상화' 능력, 그리고 하나의 학습된 지식을 특정 '맥락'에 얽매이지 않고 다양한 상황과 패턴에 유연하게 '적용'하며 '새롭게 바라보는' 능력이 자리 잡고 있습니다. 현재 AI가 스스로 자신의 상상이나 가설을 자율적으로 검증하고 의미를 부여하는 데는 명확한 한계가 있기에, 새로운 시선을 통해 상상하고, 그것을 깊이 사유하며, 엄밀히 검증하여 진정한 가치를 창조해내는 과업은 여전히, 그리고 앞으로도 우리에게 달려 있습니다.
