← 라이브러리로 돌아가기

Threads digest · @edutrend_

사고·창의성

기계가 사람처럼 말한다고 해서, 인간이 기계처럼 생각하는 것은 아닙니다

AI가 사람처럼 말한다는 이유로 사람의 생각까지 AI와 같은 방식이라고 설명하고 있지는 않을까요? LLMorphism은 기계에 마음을 부여하는 문제에서 한 걸음 돌아서, 인간에게서 마음을 덜어내는 시선을 묻습니다.

말의 내용만으로 담을 수 없는 몸과 감정과 관계를 보여주는 두 사람의 손 · AI 생성 주제 이미지
글의 주제를 표현한 AI 생성 이미지 · 실제 연구 장면이 아닙니다.

기계가 사람처럼 말한다고 해서

“기계가 사람처럼 말한다고 해서, 인간이 기계처럼 생각하는 것은 아닙니다.”

생성형 AI를 쓰면서 우리가 은연중에 빠질 수 있는 착각이 있습니다. 밀라노-비코카대학교 발레리오 카프라로가 논의한 ‘LLMorphism(LLM형태주의)’입니다. 인간의 인지가 대규모 언어 모델처럼 작동한다고 여기는 편향을 가리킵니다.

의인화의 반대편에서 일어나는 역추론

기계가 그럴듯하게 말하면 “기계에도 마음이 있다”고 생각하기 쉽습니다. 이것이 의인화라면, LLMorphism은 반대 방향의 추론에 주목합니다.

“AI가 사람처럼 말하네? 그렇다면 인간의 생각도 결국 확률 높은 단어를 이어 붙이는 것 아닐까?”라고 생각하는 것입니다.

그러나 말의 겉모습이 비슷하다는 사실이 인지 구조까지 같다는 뜻은 아닙니다.

언어 뒤에는 몸과 감정, 관계가 있습니다

인간의 언어는 신체와 감정, 생물학적 취약성, 사회적 책임과 관계 속에서 자라납니다. 직접 세상과 부딪치고 누군가에게 책임지는 경험이 말에 담깁니다.

LLM은 다음 토큰을 예측하는 학습을 바탕으로 유창한 언어를 만들어냅니다. 하지만 그 유창함을 인간의 몸과 경험, 책임까지 같은 것으로 받아들이면 중요한 차이를 놓칩니다.

그런데 우리는 생각·창의성·기억을 ‘프롬프트’, ‘학습 데이터’, ‘토큰 예측’ 같은 AI 용어로 납작하게 설명하려 들기도 합니다. 인간을 이해하기 위한 비유가 인간을 축소하는 틀이 될 수 있는 것이죠.

유창함을 전문성과 혼동한다면

이 시선이 퍼질 때 무엇을 잃을 수 있을까요? 논문이 제기하는 사회적 우려는 세 갈래로 읽을 수 있습니다.

첫째는 유창성과 전문성의 혼동입니다. 번지르르한 말을 ‘진짜 앎’과 같게 여기면, 오랜 현장 경험과 말로 쉽게 드러나지 않는 암묵지의 가치가 깎일 수 있습니다.

둘째는 도덕적 책임의 약화입니다. 인간의 선택과 실수마저 입력에 따른 출력 오류로만 설명하면 책임과 사과의 무게가 옅어질 수 있습니다.

셋째는 대체 가능성의 환상입니다. 사람을 단순한 텍스트 생성기로 보면 기계로 쉽게 갈아 끼울 수 있는 부품처럼 대하는 시선을 정당화할 수 있습니다.

의료·교육·돌봄에서 놓칠 수 있는 것

이 우려는 의료와 교육, 돌봄처럼 사람의 상황과 관계를 읽어야 하는 현장에서 특히 중요합니다. 환자가 말한 텍스트에만 집중하면 목소리의 떨림, 낯빛, 몸의 통증 같은 비언어적 신호를 놓칠 수 있습니다.

무엇이 사실이고 어떤 근거가 있는지보다, 얼마나 그럴듯하고 유창한지만 따지는 ‘에피스테미아(Epistemia)’의 문제로도 이어집니다. 말하는 능력과 알고 이해하는 능력을 구별하기 어려워지는 것이죠.

인간에게 너무 적은 마음을 인정하는 것은 아닐까요?

논문은 AI를 둘러싼 논의에 또 하나의 질문을 보탭니다. 기계에 너무 많은 마음을 부여하고 있는지와 함께, 인간에게 너무 적은 마음과 주체성을 인정하게 되는 것은 아닌지도 돌아봐야 한다는 것입니다.

신체를 지닌 존재로서 직접 부딪치고 느끼고 관계 맺는 ‘인간다움’의 가치를 다시 붙들어야 할 때입니다.

이 글에서 소개한 원문

LLMorphism: When humans come to see themselves as language models

Valerio Capraro (2026)

arXiv 사전공개 논문 · v1 · arXiv:2605.05419v1

연구 원문 보기 ↗
원문 타래 이어 읽기Edutrend의 Threads에서

이 글 공유하기