Generative midtended cognition and Artificial Intelligence. Thinging with thinging things

1. 연구 배경 및 문제 제기 (Problem)

• 기존 이론의 한계: 기존의 '확장된 인지 (Extended Cognition)' 이론 (클락과 찰머스 등) 은 외부 도구가 인지 과정에 통합될 때, 그 도구가 수동적이고 신뢰할 수 있으며 접근성이 있어야 한다고 가정합니다. 또한, '사회적 인지 (Social Cognition)' 이론은 상호작용 주체가 자율성을 가진 생물학적 존재라고 전제합니다.
• 새로운 기술적 도래: 생성형 AI(대형 언어 모델, 확산 모델 등) 는 단순한 도구를 넘어, 인간과 상호작용하며 구조화된 결과물 (텍스트, 이미지, 사운드 등) 을 **생성 (Generate)**하는 능동적 존재가 되었습니다.
• 핵심 문제: 생성형 AI 와 인간의 결합은 기존 '확장된 인지'의 범주 (수동적 도구) 나 '사회적 인지'의 범주 (자율적 타자) 에 완전히 들어맞지 않습니다. AI 는 인간의 의도적 창작 과정에 개입하여 결과물의 일부가 되지만, 동시에 인간은 여전히 창작의 주체 (저자) 로 남아있는 혼합적 (Hybrid) 인지 상태를 설명할 새로운 개념적 틀이 필요합니다.

2. 방법론 및 이론적 접근 (Methodology)

• 개념적 분석 및 정의: 저자는 기존 인지과학 이론 (4E 인지, 자발적 행동 이론, 예측 코딩 등) 과 생성형 AI 의 기술적 작동 원리 (트랜스포머 아키텍처, 어텐션 메커니즘, 토큰 생성, 확산 모델 등) 를 종합하여 새로운 개념을 도출합니다.
• 비유적 분석: 도자기 제작 (점토와 장인의 상호작용) 과 같은 '사물과 사물하기 (Thinging with things)'의 비유를 확장하여, 이제는 점토 자체가 인간의 움직임을 예측하고 스스로 형태를 만들어가는 '사물적 사물 (Thinging things)'이 된 상황을 분석합니다.
• 차원 분석 (Dimensional Analysis): 생성적 하이브리드 창의성을 설명하기 위해 두 가지 주요 차원 (Width, Depth) 을 설정하고 이를 통해 인지 통합의 수준을 분류합니다.

3. 주요 기여 및 핵심 개념 (Key Contributions)

가. '생성적 중간 확장 인지 (Generative Midtended Cognition)'의 정의

저자는 인간 (X) 과 생성 시스템 (Y) 이 인지 산물 (Z) 을 생성할 때, Y 의 생성적 개입이 X 의 의도적 생성 과정의 구성 요소가 되지만, X 가 여전히 Z 에 대한 주체성이나 저자감을 유지하는 상태를 '생성적 중간 확장 인지'로 정의합니다.

• 중간성 (Midtension): 인간의 내면적 의도 (Intention) 와 외부 확장 (Extension) 사이의 중간 지점에 위치합니다.
• 파생적 의도성 (Derived Intentionality): AI 는 고유한 의도성을 가지지 않지만, 인간 의도에서 파생된 목적 지향적 구조 (Purpose-structured) 를 생성하며, 이는 2 차 파생 의도성 시스템으로 작동합니다.

나. 생성적 하이브리드 창의성의 두 가지 차원

1. 폭 (Width): 생성 과정의 맥락에 대한 민감도의 범위.
   • 단일 단어/픽셀 수준에서 시작하여, 전체 문서, 개인적 기록, 역사적 데이터, 그리고 전 인류의 디지털 콘텐츠에 이르기까지 AI 가 참조할 수 있는 데이터의 범위를 의미합니다.
2. 깊이 (Depth): 생성 루프 (Loop) 의 통합 단위의 세분화 정도.
   • 레벨 0 (최종 산물): 완성된 텍스트나 이미지.
   • 레벨 1 (창의적 단위): 문단, 악절 등.
   • 레벨 2 (지각 - 행동 토큰): 단어, 음표.
   • 레벨 3 (감각 운동 역학): 글자, 신경 수준의 무의식적 처리.
   • 중간 확장 인지는 주로 레벨 1 과 레벨 2 사이, 즉 완전한 창의적 단위보다 깊지만 신경 수준보다는 얕은 곳에서 발생합니다.

다. 기존 이론과의 차별화

• 확장된 인지와의 차이: 환경이 수동적이지 않고 능동적으로 생성적 개입을 한다는 점.
• 사회적 인지와의 차이: AI 가 자율적 주체 (Autonomous Agent) 가 아니므로 진정한 사회적 상호작용은 아니지만, 사회적 인지 (참여적 의미 만들기) 와 유사한 통합 수준을 보임.

4. 결과 및 시나리오 분석 (Results & Scenarios)

• 작동 메커니즘: 생성형 AI 는 사용자의 입력 (프롬프트) 을 기반으로 토큰이나 픽셀을 점진적으로 생성하며, 인간은 이를 수용, 수정, 또는 재창조합니다. 이 과정에서 AI 의 제안은 인간의 예측 루프에 주입되어 인간의 의도적 행동을 형성합니다.
• 미래 시나리오 및 영향:
  • 긍정적 측면: 창의성 증대, 개인 맞춤형 학습 및 작업 지원, 집단 지성 (Collective Intelligence) 강화, 민주적 의사결정 과정의 촉진.
  • 부정적 측면 및 위험:
    • 진정성 (Authenticity) 위기: AI 가 사용자의 개인적 맥락까지 학습하여 생성할 때, 결과물이 진정한 '나'의 산물인지 모호해짐.
    • 의도성 경제 (Intention Economy): AI 가 사용자의 선택을 미리 예측하고 상품 (제품, 서비스) 을 주입함으로써 인간의 의도 자체를 상품화할 위험.
    • 창의적 위축 (Creative Atrophy): 인간의 창의적 능력이 AI 에 의존하여 퇴화할 가능성 및 AI 모델이 서로의 생성물을 학습하며 발생하는 '모델 붕괴 (Model Collapse)' 위험.
    • 권력 불균형: 생성형 AI 기술이 소수 대기업에 집중됨에 따른 인지적 불평등 심화.

5. 의의 및 결론 (Significance)

• 이론적 의의: 생성형 AI 시대의 인간 - 기계 상호작용을 설명하기 위해 '확장된 인지'와 '사회적 인지'를 넘어선 새로운 범주인 '중간 확장 (Midtended)' 개념을 정립했습니다. 이는 환경이 능동적으로 생성적 역할을 수행하는 현대적 상황을 포착하는 데 필수적입니다.
• 실천적/윤리적 의의:
  • AI 와의 관계를 단순한 도구 사용이나 사회적 교제가 아닌, 의도적 창작 과정의 재구성으로 이해해야 함을 강조합니다.
  • 생성형 AI 의 확산에 따른 윤리적, 정치적 위험 (진정성 상실, 의도 조작, 창의성 위축) 을 식별하고, 이에 대응하기 위한 새로운 규제 및 철학적 논의의 틀을 제공합니다.
  • "생성적 AI 와의 부정적 변증법 (Negative Dialectics)"을 통해 AI 의 생성 흐름을 역이용하여 오히려 더 진정성 있는 창의성을 발현할 가능성을 제시합니다.

요약: 본 논문은 생성형 AI 가 인간의 인지 과정에 깊이 관여하는 새로운 현상을 '생성적 중간 확장 인지'로 명명하고, 이를 '폭 (Width)'과 '깊이 (Depth)'의 차원으로 분석함으로써, 기존 인지 이론의 한계를 극복하고 AI 시대의 인간 주체성과 창의성의 새로운 지평을 제시합니다.