몸을 잃은 아이와 세계를 잃은 AI — '마찰'과 '개입'의 회복

대형 언어 모델(LLM)이 방대한 텍스트를 삼키며 인간의 고난도 시험 문제를 가뿐히 풀어내는 시대에, 우리는 기이한 문명적 모순을 목격하고 있습니다. 한쪽에서는 아이들을 좁은 책상과 스크린 앞에 가두어 둔 채 정형화된 문제집의 패턴을 외우게 하며 기계의 열등한 하위 호환으로 길러내고 있고, 다른 한쪽에서는 물리적 실체와 격리된 신경망에 수십억 개의 텍스트 토큰을 밀어 넣으며 공허한 통계 계산기를 범용 인공지능(AGI)이라 부르려 애씁니다.

지능이란 정답이 정해진 텍스트 공간에서 다음 토큰의 확률을 계산하는 기량이 아닙니다. 지능의 본질은 복잡하고 불확실한 실제 물리 세계와 부딪치며 인과관계를 학습하고, 스스로 가설을 세워 환경에 개입하며 결과를 수정해 나가는 동적 적응 과정에 있습니다. 몸을 잃어버린 아이와 세계를 잃어버린 기계 모두 이 본질에서 이탈해 있습니다.

인간 지능: 물리적 마찰과 능동적 개입

인간의 뇌는 텍스트를 파싱하기 위해 진화하지 않았습니다. 호모 사피엔스의 신경계는 중력, 마찰, 온습도, 타자의 표정이라는 가혹한 물리적 피드백 루프 속에서 생존하기 위해 최적화된 결과물입니다. 아이를 방 안에 가두고 문제집과 2차원 스크린만 쥐여주는 교육은, 결국 텍스트만 먹고 자라는 언어 모델의 조악한 복제품을 양산하는 일에 지나지 않습니다.

감각운동 지능과 물리적 마찰

로봇공학자 한스 모라벡(Hans Moravec)이 역설했듯, 고차원적 논리 추론이나 체스 경기 같은 작업은 컴퓨터에게 지극히 사소한 연산이지만, 걷고, 사물을 집어 올리고, 공간을 인지하는 감각운동 능력은 수억 년에 걸친 진화적 연산이 농축된 가장 정교한 영역입니다.

스크린과 책상 밖의 ‘물리적 마찰’이 지능 형성의 토대가 되는 이유가 여기에 있습니다. 진흙을 파헤치고, 높은 곳에서 뛰어내리다 무릎이 까지고, 물건을 분해했다가 조립해보는 신체적 경험은 3차원 유클리드 공간의 물리 법칙, 관성, 재질의 역학을 뇌 신경망에 가장 깊고 단단하게 각인합니다. 감각운동 지능(Sensorimotor Intelligence)이라는 물리적 접지(Grounding)가 결여된 뇌는 결코 깊고 유연한 추상적 사고를 지탱할 수 없습니다. 모래알처럼 흩어지는 텍스트 지식만 가득할 뿐, 세계의 바닥을 지탱하는 인과적 뼈대가 부재하기 때문입니다.

상관관계 관찰을 넘어서는 직접 개입(Intervention)

수동적으로 관찰하는 것과 능동적으로 개입하는 것은 지능의 층위에서 차원이 다른 연산입니다. 통계학자 주디아 펄(Judea Pearl)이 인과추론의 사다리에서 강조했듯, 단순한 상관관계 관찰($P(Y \mid X)$)과 능동적 조작을 통한 개입($P(Y \mid do(X))$) 사이에는 넘을 수 없는 간극이 존재합니다. 문제집의 빈칸을 채우고 객관식 정답을 고르는 훈련은 이미 주어진 상관관계 데이터에 뉴런을 과적합(Overfitting)시키는 수동적 과정일 뿐입니다.

진짜 지능의 엔진은 “내가 이것을 건드리면 세상이 어떻게 반응할까?”를 묻고 손으로 직접 실행해보는 놀이에서 작동합니다. 리처드 파인만(Richard Feynman)이 유년 시절 온 동네의 고장 난 라디오를 가져다 분해하고, 진공관을 갈아 끼우며 납땜을 하던 경험이 그 대표적인 예입니다. 가설을 세우고, 물리적 세계에 직접 개입하여, 오작동이라는 즉각적인 오류 신호를 손끝으로 확인하고 내부 모델을 수정하는 피드백 루프만이 살아있는 통찰을 만듭니다.

취약성과 결핍: 내재적 목적함수의 기원

인간의 모든 가치 판단과 사유의 원동력은 생물학적 취약성에서 비롯됩니다. 배고픔, 추위, 고통, 결핍, 그리고 타인과의 관계에서 오는 외로움과 상처가 존재하기에 생명체는 항상성(Homeostasis)을 유지하려 분투합니다. 이 항상성 유지 본능이 “무엇이 위험하고 무엇이 가치 있는가”를 판단하는 최상위 목적함수(Objective Function)를 형성합니다.

성장 환경에서 모든 불편과 시행착오, 결핍과 위험을 선제적으로 제거해버리면, 뇌의 내면에서 오차를 줄여야 할 내재적 동기(Intrinsic Motivation) 체계 자체가 작동을 멈춥니다. 외부에서 시험 점수라는 인위적 보상이 주어지지 않으면 손가락 하나 까딱하지 않는 ‘보상 해킹(Reward Hacking)’ 상태에 갇히게 되는 것입니다. 취약성을 직접 마주하고 결핍을 스스로 메워본 경험만이 세상에 맞서 문제를 정의하고 돌파할 수 있는 의지의 주체를 만듭니다.

기계 지능: 텍스트의 감옥에서 세계 모델로

인간 교육의 왜곡이 지능을 텍스트 복제기로 격하시키는 데 있다면, 현대 AI 공학의 병목은 모델을 텍스트의 감옥에 가두어 둔 데서 발생합니다. 웹상의 모든 텍스트와 동영상을 블랙홀처럼 집어삼키는 현재의 스케일링 법칙(Scaling Laws)만으로는 상식과 물리적 인과를 이해하는 일반 인공지능(AGI)에 도달할 수 없습니다.

기호 접지 문제와 체화된 AI(Embodied AI)

현대 거대 언어 모델은 스티븐 하르나드(Stevan Harnad)가 제기한 ‘기호 접지 문제(Symbol Grounding Problem)‘에 정면으로 갇혀 있습니다. 사전 훈련된 신경망 속에서 ‘뜨겁다’나 ‘무겁다’라는 단어는 오직 다른 텍스트 토큰들과의 벡터 공간 상 상대적 거리(Cosine Similarity)로만 정의될 뿐입니다. 모델은 뜨거운 물체에 데어본 적도, 무거운 짐을 들어 올리며 중력의 저항을 온몸으로 받아낸 적도 없습니다.

이 닫힌 기호 체계의 한계를 부수려면 AI는 환경과 상호작용하는 체화된 지능(Embodied AI)으로 전환되어야 합니다. 물리적 로봇의 형태든, 정밀한 강체 물리 시뮬레이션 환경이든, 에이전트가 액추에이터를 통해 환경에 힘(Force)을 가하고 센서를 통해 반작용의 피드백을 수신하는 닫힌 루프(Closed-loop Control)가 형성되어야 합니다. 물리적 마찰을 통과할 때에만 비로소 허공에 떠돌던 기호들이 실제 현실의 토양에 닻을 내리게 됩니다.

다음 토큰 예측의 한계와 세계 모델(World Model)

현재 LLM의 기반인 자기회귀(Autoregressive) 아키텍처는 이전 토큰들을 조건부로 다음 토큰의 확률 분포($P(w_{t+1} \mid w_{1:t})$)를 맞히는 방식입니다. 이 방식은 언어의 통계적 패턴을 흉내 내는 데는 탁월하지만, 생성 과정에서 한 번 발생한 오차가 다음 단계로 누적 전파되는 비자가수정성(Error Drift)으로 인해 치명적인 환각과 논리적 붕괴를 피하기 어렵습니다.

얀 르쿤(Yann LeCun)이 거듭 지적하듯, 차세대 지능의 돌파구는 단순 단어 맞히기가 아니라 환경의 상태 전이를 추상 잠재 공간에서 예측하는 세계 모델(World Model, JEPA 아키텍처)에 있습니다. 내가 취할 행동($a_t$)이 주어졌을 때 세상의 잠재 상태($s_t$)가 어떻게 변화할지($s_{t+1}$)를 내부적으로 렌더링하고 시뮬레이션할 수 있어야 합니다. 행동을 실제로 실행하기 전에 머릿속에서 다양한 궤적을 굴려보고 최선의 경로를 선택하는 ‘계획(Planning)‘과 ‘상식(Common Sense)‘은 오직 견고한 세계 모델 위에서만 태어납니다.

외재적 보상에서 내재적 호기심(Intrinsic Curiosity)으로

현재의 강화학습이나 지침 튜닝(Instruction Tuning)은 인간이 채점한 스코어나 외부 보상을 극대화하는 수동적 방식에 머물러 있습니다. 이러한 모델은 주어진 과업 바깥을 자발적으로 탐험할 동기를 갖지 못합니다.

진정한 자율 에이전트가 되기 위해서는 칼 프리스턴(Karl Friston)의 자유 에너지 원리(Free Energy Principle)처럼 예측 오차와 불확실성을 능동적으로 다루는 메커니즘이 필요합니다. 자신의 내부 세계 모델이 내놓은 예측과 환경의 실제 변화 사이에 불일치가 생겼을 때, 즉 ‘놀라움(Surprise)‘을 겪었을 때 이를 회피하지 않고 정보 이득(Information Gain)을 얻기 위해 스스로 미지의 영역으로 발을 들이는 내재적 호기심(Intrinsic Curiosity)이 탑재되어야 합니다. 그래야만 AI는 정적인 벤치마크 점수를 올리는 계산기를 넘어, 끊임없이 지식의 지평을 넓히는 탐구자로 도약할 수 있습니다.

두 지능의 교차점: 마찰과 개입

인간의 지능 발달과 기계 지능의 공학적 경로는 전혀 다른 영역처럼 보이지만, 그 기저에 흐르는 인지과학과 시스템의 원리는 정확히 같은 본질을 가리키고 있습니다. 바로 물리적 마찰과 능동적 개입입니다.

인간에게 기계가 가장 잘하는 규격화된 암기와 정답 맞히기 패턴을 강요하는 것은, 진화가 수억 년에 걸쳐 구축한 가장 정교한 감각운동 뇌를 낭비하는 일입니다. 반대로 기계에게 세상과의 상호작용 없는 텍스트 껍데기만 쏟아붓고 진정한 지능을 기대하는 것은, 공허한 확률 분포 속에 갇힌 앵무새를 박제하는 일과 같습니다.

인간의 지능은 흙을 파고 물건을 분해하며 결핍과 충돌하는 신체적 마찰 속에서 단단해집니다. 기계 지능 역시 평면적 텍스트 공간을 벗어나 물리 법칙과 상호작용하며 인과를 시뮬레이션하는 세계 모델로 진화해야 합니다. 인간이 기계의 하위 호환으로 퇴행하지 않고, 기계가 공허한 텍스트 계산기에 머물지 않는 유일한 길은, 두 존재 모두를 거친 현실 세계의 마찰 속으로 밀어 넣는 데 있습니다.