[논문리뷰] AI는 인간의 선택을 얼마나 닮을 수 있을까

제목: A Foundation Model to Predict and Capture Human Cognition

저자: Marcel Binz, Elif Akata, Matthias Bethge 외

저널: Nature, Vol. 644, pp. 1002–1009

연도: 2025

DOI: 10.1038/s41586-025-09215-4

생성형 AI가 사람처럼 말하는 것을 넘어, 실제 사람이 어떤 선택을 할지 예측할 수 있을까. 독일 헬름홀츠 뮌헨을 중심으로 한 연구진은 다양한 심리실험에서 나타난 인간의 행동을 하나의 AI 모델로 예측하기 위해 ‘Centaur’를 개발했다. 이 연구는 AI가 단순히 그럴듯한 답변을 생성하는지를 평가한 것이 아니라, 실제 인간 참가자들이 실험에서 보인 선택 패턴을 얼마나 정확하게 재현하는지를 검증했다.

연구진은 160개의 심리실험에서 수집한 60,092명의 참가자와 10,681,650건의 선택 데이터를 자연어 형식으로 변환해 ‘Psych-101’ 데이터세트를 구축했다.

여기에는 의사결정, 기억, 강화학습, 다중 선택 문제, 마르코프 의사결정 과정 등 서로 다른 유형의 인지과제가 포함됐다. 연구진은 이를 Llama 3.1 70B 모델에 추가 학습시켜 인간 행동 예측에 특화된 Centaur를 만들었다.

분석 결과, Centaur는 학습에 포함되지 않은 새로운 참가자의 선택을 예측할 때 기본 Llama 모델뿐 아니라 기존의 과제별 인지모델보다 전반적으로 높은 적합도를 보였다.

단순히 기존 문제를 반복하는 데 그치지 않고, 실험의 이야기 배경이 달라지거나 선택 구조가 바뀐 경우, 그리고 학습 데이터에 포함되지 않았던 논리추론과 도덕적 판단 등의 영역에서도 인간의 선택 경향을 비교적 안정적으로 예측했다.

연구진은 선택 결과뿐 아니라 약 400만 건의 반응시간도 분석했다. 또한 한 의사결정 과제의 뇌영상 자료를 이용해 모델 내부 표현을 분석한 결과, 인간 행동 데이터로 미세조정된 Centaur의 표현이 기본 언어모델보다 인간의 신경활동과 더 높은 정렬을 보였다.

이는 인간의 행동 데이터를 학습한 AI가 표면적인 선택뿐 아니라 행동과 관련된 일부 내부 패턴까지 포착할 가능성을 보여준다.

AI가 사람을 대신할 수 있다는 의미일까

이 연구를 곧바로 “AI가 실제 실험 참가자를 대체할 수 있다”는 의미로 해석해서는 안 된다. Centaur는 특정 개인의 성격과 경험을 복제한 AI 페르소나라기보다, 여러 심리실험에서 나타나는 인간 집단의 일반적인 선택 규칙을 학습한 예측모델에 가깝다.

현재 Psych-101도 학습과 의사결정 분야에 상대적으로 집중돼 있으며, 개인별 성향과 배경의 차이를 충분히 포함하지 못했다. 연구진 역시 향후 사회심리학, 심리언어학, 경제게임 및 개인차 관련 데이터를 확대할 필요가 있다고 밝혔다.

또한 사람과 비슷한 결과를 예측한다는 사실이 AI가 인간과 같은 방식으로 생각한다는 것을 의미하지는 않는다. Nature의 해설도 Centaur를 인간 인지에 대한 완성된 이론이라기보다, 다양한 영역을 포괄하는 예측모델을 통합된 인지이론으로 발전시키기 위한 출발점으로 평가한다.

이 논문이 던지는 질문

Centaur의 진정한 의미는 AI가 사람을 대체한다는 데 있지 않다. 기존에는 새로운 설문이나 실험을 설계하면 실제 참가자를 모집한 뒤에야 결과를 확인할 수 있었다. 그러나 인간 행동을 학습한 모델을 활용하면 본 실험에 앞서 문항, 조건, 시나리오에 따른 반응을 가상으로 시험하고 연구설계를 수정할 수 있다.

따라서 AI 페르소나와 실리콘 샘플링 연구의 다음 질문은 “AI가 사람처럼 답하는가”가 아니라 다음과 같이 바뀌어야 한다.

AI의 응답은 실제 인간의 행동 데이터를 얼마나 정확하게 재현하며, 어떤 조건에서 그 예측을 신뢰할 수 있는가?

Centaur는 AI를 가상 실험대상으로 활용하는 연구가 단순한 역할 부여 프롬프트를 넘어, 실제 인간 행동 데이터에 기반한 모델링과 외부 검증의 단계로 이동하고 있음을 보여준다.