최근 대규모 언어 모델(LLM)의 등장은 우리의 창의적 작업 방식에 커다란 변화를 가져오고 있습니다. ChatGPT와 같은 생성형 AI 도구들은 아이디어를 빠르고 다양하게 생성하며, 때로는 인간의 창의적 과정을 보조하거나 아예 대체할 수 있을지도 모릅니다. 이러한 기술은 누구나 쉽고 빠르게 새로운 발상을 시도할 수 있도록 돕고 있지만, 동시에 중요한 질문을 제기합니다. AI가 창의적 과정의 일상적 일부로 자리 잡게 된다면, 인간 고유의 창의성은 어떤 변화를 겪을까요?
LLM과 인간 창의성의 상호작용 이해하기
대규모 언어 모델(LLM)의 등장은 창의적 작업의 패러다임을 근본적으로 변화시키고 있습니다. ChatGPT와 같은 생성형 AI 도구들은 전례 없는 수준의 아이디어 생성 능력을 보여주며, 인간의 창의적 과정을 보조하거나 때로는 대체할 수 있는 가능성을 제시하고 있습니다.
토론토 대학 연구진의 최근 연구에 따르면, LLM의 지원은 단기적으로는 창의성을 향상시키는 효과가 있지만, 반복된 사용은 오히려 창의적인 독립성을 저해할 수 있다는 결과가 나타났습니다. 흥미로운 점은, AI와의 협업이 인간의 사고 방식을 더 근본적으로 변화시킬 수 있다는 것입니다. 예를 들어, LLM을 통해 얻은 아이디어는 사용자의 사고를 점점 비슷하게 만들어 동질화를 초래할 수 있으며, 이 효과는 AI 지원이 중단된 후에도 이어질 수 있습니다.
이러한 발견은 LLM이 창의성에 미치는 영향이 단순히 즉각적인 성과에 그치지 않고, 장기적으로 우리의 인지 능력에 변화를 가져올 수 있음을 시사합니다. AI 도구의 설계와 활용 방식에 대한 신중한 고려가 필요한 이유가 여기에 있습니다.
창의성과 AI 상호작용의 배경
인간의 창의성은 크게 두 가지 핵심 요소로 구성됩니다. 첫째는 발산적 사고로, 다양하고 독창적인 아이디어를 생성하는 능력입니다. 둘째는 수렴적 사고로, 여러 아이디어 중에서 가장 효과적인 해결책을 선별하고 정교화하는 능력입니다. 이 두 가지 사고 방식은 서로 보완적이며, 창의적 과정에서 모두 중요한 역할을 합니다.
LLM은 이러한 창의적 과정을 다양한 방식으로 지원할 수 있습니다. 예를 들어, 발산적 사고 단계에서는 다양한 아이디어를 신속하게 생성하여 인간의 사고 범위를 확장할 수 있으며, 수렴적 사고 단계에서는 아이디어를 분석하고 정제하는 과정을 도울 수 있습니다. 연구에 따르면, LLM은 때로는 평균적인 인간의 창의성 수준을 능가하는 성과를 보여주기도 합니다.
그러나 이러한 AI 지원이 가져올 수 있는 잠재적 위험도 존재합니다. 연구진들은 LLM에 대한 의존이 인간의 고유한 창의적 능력을 약화시킬 수 있으며, 특히 집단적 수준에서 아이디어의 다양성을 감소시킬 수 있다고 경고합니다. 이는 혁신을 추구하는 다양한 분야에서 우려되는 지점입니다.
실험 1: LLM과 발산적 사고에 대한 영향
발산적 사고를 평가하기 위해 연구진은 대규모 실험을 설계했습니다. 1,100명의 참가자들을 대상으로 한 Alternate Uses Test(AUT)에서, 참가자들은 일상적인 물건들의 창의적인 용도를 제시하는 과제를 수행했습니다. 이 실험에서는 세 가지 조건(도움 없음, LLM 솔루션 제공, LLM 코치 안내)을 비교하여, LLM 지원이 인간의 창의적 사고에 미치는 영향을 분석했습니다.
실험 결과, 흥미로운 패턴이 발견되었습니다. LLM의 도움을 받은 참가자들은 노출 단계에서 더 많은 아이디어를 생성할 수 있었습니다. 그러나 독창성 측면에서는 오히려 LLM의 아이디어가 참가자들의 평균 독창성보다 0.5점 높았음에도 불구하고, 참가자들은 이를 효과적으로 활용하지 못했습니다. 이는 참가자들이 AI가 제공한 고품질의 아이디어를 제대로 평가하거나 활용하는 데 어려움을 겪었음을 시사합니다.
더욱 주목할 만한 것은 테스트 단계에서의 결과입니다. LLM 전략 지침을 받은 참가자들은 지원이 없었던 참가자들보다 유의미하게 낮은 독창성을 보였습니다. 또한, 아이디어의 다양성도 감소하는 경향을 보였으며, 이러한 동질화 효과는 LLM 사용을 중단한 후에도 지속되었습니다. 이는 AI 도구가 단기적인 성과 향상을 제공할 수 있지만, 장기적으로는 창의적 자율성을 저해할 수 있다는 우려를 뒷받침합니다.
실험 2: LLM과 수렴적 사고에 대한 영향
수렴적 사고를 평가하기 위해 연구진은 Remote Associates Test(RAT)를 활용했습니다. 이 테스트에서 참가자들은 세 개의 주어진 단어와 연관된 네 번째 단어를 찾아야 했습니다. 실험은 LLM이 직접적인 답을 제공하는 조건, 안내만 제공하는 조건, 그리고 도움이 없는 통제 조건으로 나누어 진행되었습니다.
실험 결과는 발산적 사고 실험과 유사한 패턴을 보여주었습니다. LLM 답변을 받은 참가자들은 노출 단계에서 높은 성과를 보였지만, 이러한 이점은 테스트 단계에서 사라졌습니다. 특히 주목할 만한 점은 LLM 안내를 받은 참가자들이 테스트 단계에서 가장 낮은 성과를 보였다는 것입니다. 이들은 LLM의 도움 없이 독립적으로 문제를 해결하는 데 더 큰 어려움을 겪었습니다.
또한, 참가자들의 주관적 경험도 중요한 통찰을 제공했습니다. LLM 지원을 받은 참가자들은 실험 후 자신의 창의성에 대한 자신감이 감소했다고 보고했으며, 특히 테스트 단계의 과제를 더 어렵게 느꼈습니다. 이는 AI 도구가 단순히 성과에만 영향을 미치는 것이 아니라, 사용자의 자기 인식과 문제 해결에 대한 접근 방식도 변화시킬 수 있음을 보여줍니다.
LLM이 장기적으로 인지 과정에 미치는 영향
연구 결과가 보여주는 가장 우려스러운 현상 중 하나는 ‘LLM 동질화 효과‘입니다. LLM이 제공하는 사고 프레임워크는 사용자들의 아이디어 생성 패턴을 유사하게 만드는 경향이 있으며, 이러한 영향은 LLM 사용을 중단한 후에도 지속됩니다. 실험에서, 전략적 지침을 받은 참가자들은 노출 단계뿐만 아니라 테스트 단계에서도 더 유사한 아이디어를 생성했으며, 이는 집단적 창의성의 다양성을 저해할 수 있는 심각한 문제를 제기합니다.
인지적 유연성의 측면에서도 중요한 발견이 있었습니다. 연구 데이터는 LLM 사용이 참가자들의 사고 패턴을 고착화시킬 수 있음을 보여줍니다. 예를 들어, LLM의 전략적 지침을 받은 참가자들은 테스트 단계에서 노출 단계와 매우 유사한 방식으로 문제에 접근하는 경향을 보였습니다. 이는 새로운 상황에서 독창적인 해결책을 찾는 능력이 제한될 수 있음을 시사합니다.
더욱이, 참가자들의 자기 인식 변화도 주목할 만합니다. 실험 전후로 측정된 창의성에 대한 자기 평가에서, LLM을 사용한 참가자들은 자신의 창의적 능력에 대한 확신이 감소했음을 보고했습니다. 이는 AI 도구가 단순히 인지적 능력뿐만 아니라, 창의적 자신감과 자율성에도 영향을 미칠 수 있음을 보여줍니다.
LLM 설계자와 개발자에게 주는 시사점
현재의 연구 결과는 LLM 설계에 있어 중요한 점을 제시합니다. 가장 핵심적인 과제는 AI 지원과 사용자의 인지적 독립성 사이의 균형을 맞추는 것입니다. 연구에 따르면, 단순히 해답을 제공하는 것보다 사고 과정을 안내하는 접근이 더 바람직할 수 있지만, 이러한 안내조차도 장기적으로는 창의적 사고를 제한할 수 있다는 점을 고려해야 합니다.
이를 해결하기 위해, LLM은 ‘코치’로서의 역할에 더욱 중점을 둘 필요가 있습니다. 이는 단순히 답이나 전략을 제시하는 것이 아니라, 사용자가 자신만의 사고 과정을 발전시킬 수 있도록 돕는 것을 의미합니다. 예를 들어, 사용자의 아이디어를 바탕으로 대화를 이어가거나, 다양한 관점에서 문제를 바라볼 수 있도록 유도하는 방식을 채택할 수 있습니다.
또한, LLM 시스템은 사용자의 창의적 독립성을 모니터링하고 보호하는 메커니즘을 포함해야 합니다. 이는 정기적으로 사용자가 AI의 도움 없이 문제를 해결할 기회를 제공하거나, 사용자의 독창적인 아이디어를 강화하는 피드백을 제공하는 등의 방식으로 구현될 수 있습니다.
결론: 인간 창의성 육성을 위한 AI의 역할 재고
현재의 연구 결과는 LLM과 인간 창의성의 관계가 예상보다 훨씬 복잡하다는 것을 보여줍니다. 단기적으로 LLM은 창의적 과정을 지원하고 성과를 향상시킬 수 있지만, 장기적으로는 인간의 독립적 창의성을 저해할 수 있는 위험이 존재합니다. 특히 아이디어의 동질화와 인지적 의존성 문제는 향후 AI 발전 과정에서 반드시 해결해야 할 과제로 대두됩니다.
이러한 과제를 해결하기 위해서는 더 많은 연구와 실험이 필요하다고 연구자들은 주장 합니다. 특히 실제 업무 환경에서 LLM의 장기적 영향을 평가하는 연구가 중요할것이라고 합니다. 현재의 실험실 기반 연구는 중요한 통찰을 제공하지만, 실제 창의적 작업 환경에서 발생할 수 있는 복잡한 상호작용을 완전히 반영하지는 못합니다. 또한, 다양한 분야(예: 예술, 과학, 교육)에서 LLM이 창의성에 미치는 영향을 개별적으로 연구할 필요가 있습니다.
마지막으로, AI와 인간의 창의성이 상호 보완적으로 발전할 수 있는 방향을 모색해야 합니다. 이는 단순히 기술적 해결책을 찾는 것을 넘어, 인간의 고유한 창의성을 보존하고 발전시키면서도 AI의 이점을 최대한 활용할 수 있는 균형점을 찾는 것을 의미합니다. 예를 들어, AI를 창의적 촉매제로 활용하되, 최종적인 창의적 판단과 결정은 인간이 주도하는 방식을 고려해야 하지 않을까 생각하게 됩니다.
참고) Human Creativity in the Age of LLMs
https://arxiv.org/pdf/2410.03703