Threads digest · @edutrend_
사고·창의성데이터만 충분하면 인간의 모든 결정을 AI로 대체할 수 있을까?
과거의 패턴을 예측하는 일과 아직 없는 가능성을 만들어 내는 일은 같을까요? 언어를 배우는 아이와 라이트 형제의 비행을 통해, 데이터와 이론의 차이를 따라갑니다.

데이터만 충분하면 모든 결정을 AI에 맡길 수 있을까?
“충분한 데이터만 있다면, 인간의 모든 의사결정은 AI로 대체될 수 있을까?”
테포 펠린과 마티아스 홀베그는 카너먼 등의 이 질문에 반대하는 이론적 논증을 제시합니다. 2024년 논문 제목은 「Theory Is All You Need」. 핵심은 데이터를 바탕으로 예측하는 일과, 인과를 생각하며 새로운 가능성을 만드는 일의 차이입니다.
과거의 패턴으로 다음을 예측하는 AI
저자들이 설명하는 대형 언어 모델은 방대한 텍스트에서 단어 사이의 통계적 관계를 학습하고, 다음에 올 말을 확률적으로 생성합니다.
이 관점에서 AI는 과거의 패턴을 압축하고 활용하는 ‘후향적(backward-looking)’ 시스템입니다. 이미 주어진 데이터의 관계에서 다음 답을 찾는 데 강점이 있다는 것입니다.
인간은 적은 입력으로도 이론을 만든다
반면 어린아이는 수천만 단어 수준의, 정제되지 않은 일상 언어를 접하면서도 전에 듣지 못한 새로운 문장을 만들어 냅니다. 저자들은 이 대비를 ‘빈약한 자극’의 문제와 연결합니다.
인간의 인지를 단순한 데이터 수집기가 아니라, 세상을 해석하고 인과를 짚어내는 ‘이론 구축 장치’로 보자는 주장입니다. 입력된 자료만으로 설명하기 어려운 생성 능력에 주목하는 것이죠.
데이터가 부족해도 시작되는 신념
저자들은 이를 ‘데이터-신념 비대칭(Data-Belief Asymmetry)’으로 설명합니다. 데이터가 뒷받침하는 정도에 맞춰 믿음을 조정하는 관점과 달리, 어떤 혁신은 기존 자료가 부족하거나 불가능을 가리키는 상황에서도 가능성을 믿는 데서 출발합니다.
중요한 것은 그 신념을 붙드는 데서 끝나는 것이 아닙니다. 가능성을 실현할 인과적 문제를 정의하고, 직접 시험해 새로운 데이터를 만들어 내는 과정입니다.
라이트 형제 앞에 놓여 있던 실패의 데이터
라이트 형제의 동력 비행이 대표적인 사례입니다. 논문은 당시 일부 유력 과학자들이 새의 무게와 비행 실패 사례를 근거로 인간의 비행을 불가능하다고 보았던 논의를 소개합니다.
그 시대의 자료만으로 예측하는 AI가 있었다면 “비행은 불가능하다”는 쪽에 무게를 두지 않았을까요? 이 가상의 장면은 기존 패턴에 기대는 판단과, 아직 없는 가능성을 시험하는 판단의 차이를 드러냅니다.
확률을 넘어, 원인을 묻고 개입하다
라이트 형제는 단순히 무게나 실패 횟수를 세지 않았습니다. 왜 비행에 실패했는지 파고들어 양력·추진·조종이라는 문제를 정의했습니다.
그리고 풍동 실험을 직접 설계해 날개 모양과 각도 등을 바꾸며 시험했습니다. 인과적 추론을 바탕으로 세상에 개입(Intervention)해, 이전에는 없던 새로운 데이터를 만든 것입니다.
진짜 새로움은 어디에서 오는가
이 논문이 강조하는 대비는 분명합니다. 반복되는 패턴에서 오차와 놀라움을 줄이는 예측과, 불확실성 속에서 새로운 가능성을 만드는 전략은 같지 않다는 것입니다.
남들과 다른 가설을 세우고, 세상에 개입해 그 가능성을 입증하는 ‘전향적(forward-looking) 이론’. 데이터가 아직 답을 주지 않을 때, 인간의 판단에서 놓치지 말아야 할 부분입니다.
이 글에서 소개한 원문
Theory Is All You Need: AI, Human Cognition, and Causal Reasoning
Teppo Felin, Matthias Holweg (2024)
학술지 논문 · Strategy Science 9(4),346–371 · 10.1287/stsc.2024.0189
연구 원문 보기 ↗