Threads digest · @edutrend_
학습·교육AI에게 생각을 맡길 때, 우리에게 남는 것은 무엇일까요?
AI가 생각을 대신하는 것과 더 깊이 생각하도록 돕는 것은 다릅니다. 추론력과 지식의 관계를 다룬 수학 모형을 따라, 편리한 대체가 아니라 인간의 사고를 확장하는 AI 활용을 질문합니다.

AI에게 생각할 거리를 다 맡겨도 괜찮을까요?
요즘 AI 없이는 글쓰기나 업무 시작조차 막막할 때가 있습니다. 당장은 편하고 결과물도 빨리 나오지만, 이런 습관이 오래 이어지면 우리의 생각하는 힘에는 어떤 변화가 생길까요?
Jolakoski와 동료들은 이 질문을 수학 모형으로 살펴봤습니다. 실제 사람들을 AI와 함께 40년간 추적한 실험이 아니라, 인지 노화 연구의 추론력·지식 관계에 AI의 영향을 결합해 20세부터 60세까지의 변화를 모의한 연구입니다.
생각의 근육과 경험의 도서관
타래는 인간의 지능을 두 가지 비유로 풀어냅니다. 낯선 문제를 해결하는 유동성 지능은 ‘생각의 근육’, 배우고 쌓아 온 결정성 지능은 ‘경험의 도서관’입니다.
스스로 추론하며 지식을 쌓고, 그렇게 쌓인 지식이 다시 추론을 받쳐주는 연결에 주목한 것이죠. 이 연구의 모형은 두 능력이 서로 영향을 주는 관계를 표현합니다.
87%는 뇌 에너지를 측정한 숫자가 아닙니다
논문의 기본 모형에서는 지식 수준의 평형을 유지하는 입력 가운데 약 87%가 추론에서 지식으로 이어지는 항으로 설명됩니다. 나머지 약 13%는 별도의 입력입니다.
이 숫자는 실제 뇌가 쓰는 에너지의 87%를 측정했다는 뜻이 아닙니다. 연구진이 설정하고 보정한 모형 안에서 계산한 비중이며, 기존 장기 자료만으로 이 비중이 독립적으로 확정된 것도 아닙니다. 중요한 질문은 숫자 자체보다, 직접 고민하는 과정과 지식의 축적이 어떻게 이어지는가입니다.
고민을 대신 맡길 때 연결고리는 어떻게 달라질까요?
AI가 추론을 대신하면서 추론과 지식 사이의 연결을 약화시키는 경우, 모형에서는 안정적인 평형이 사라지는 임계점이 나타납니다. 기본 보정값을 사용한 분석에서 제시한 약 1.234라는 값은 특정 연결 계수와 AI 영향의 관계에서 나온 값입니다.
이를 ‘사람이 1.23배 덜 고민하면 지능이 붕괴한다’는 보편적인 기준으로 읽어서는 안 됩니다. 입력 비중이나 다른 연결 계수를 바꾸면 임계점도 달라집니다. 이 결과는 가정한 조건에서 어떤 위험 경로가 가능한지 보여주는 것입니다.
28년에서 431년, 회복을 둘러싼 숫자의 의미
타래가 주목한 또 하나의 현상은 임계점에 가까워질수록 변화 뒤 평형으로 돌아가는 속도가 느려지는 ‘임계 감속’입니다. 체력이 약해지면 회복도 느려지는 모습에 빗대어 생각해 볼 수 있습니다.
논문에서는 선택한 두 조건의 국소 완화 시간이 약 28년에서 431년으로 늘어납니다. 이는 수학 모형의 안정성을 설명하는 시간 척도입니다. 실제 사람이 AI를 사용해 떨어진 사고력을 회복하는 데 431년이 걸린다거나, 뇌가 영구적으로 회복 불가능해졌다는 실험 결과는 아닙니다.
연습 성과와 혼자 풀 수 있는 능력은 다를 수 있습니다
논문이 인용한 별도의 고등학생 수학 실험도 함께 볼 만합니다. 약 1,000명이 참여한 연구에서 일반적인 GPT-4 지원을 받은 집단은 연습 성과가 비교 집단보다 48% 높았지만, AI 없이 치른 시험에서는 17% 낮았습니다. 학습을 보호하도록 설계한 AI 튜터 집단에서는 이후 시험에서 통계적으로 유의한 성과 저하는 나타나지 않았습니다.
이 학생 실험이 앞서 나온 87%나 431년을 검증한 것은 아닙니다. 다만 AI가 당장의 수행을 도와주는 것과, 스스로 해낼 힘을 기르는 것은 구별해야 한다는 타래의 문제의식과 연결됩니다.
대체가 아니라 증강으로 쓰려면
연구진은 추론에 미치는 손실을 n, 지식을 받아들이는 쪽의 이득을 p로 둔 분석도 제시합니다. 보정된 모형에서는 p가 n보다 작으면 두 능력이 함께 낮아지고, n보다 크지만 약 1.89n보다 작으면 지식은 늘어도 추론력은 낮아지는 혼합 결과가 나타납니다. p가 약 1.89n을 넘으면 두 능력이 모두 기준선보다 높아지는 조건이 됩니다.
이 역시 특정 모형의 조건이지, 개인이 공부 효율을 정확히 1.89배 높이면 된다는 처방은 아닙니다. 타래가 던지는 질문은 분명합니다. AI로 고민을 없애고 있는지, 아니면 고민한 내용을 더 잘 연결하고 자기 지식으로 만드는 데 활용하고 있는지 돌아보자는 것입니다.
AI를 쓰느냐보다, 어떻게 생각하게 만드느냐
결국 이 타래의 중심은 AI를 쓰느냐 안 쓰느냐의 선택이 아닙니다. 뇌의 근육을 대신 쓰게 할 것인지, 더 무거운 생각을 들도록 돕는 보조기구로 활용할 것인지의 차이입니다.
수학 모형이 제시한 가능성을 인간의 미래에 대한 확정된 예언으로 받아들이기보다는, 편리함 속에서도 직접 추론하고 배운 것을 연결하는 과정을 남겨 두자는 질문으로 읽을 수 있습니다.
이 글에서 소개한 원문
A minimal dynamical model of human-AI cognitive coevolution
Petar Jolakoski, Dimitar Trajanov, Qiyu Sun, Zhen Wu, Ljupco Kocarev (2026)
arXiv 사전공개 논문 · 인간-AI 인지 공진화 수학 모형 · arxiv:2611.06928v1
연구 원문 보기 ↗