Ambiguity Collapse by LLMs: A Taxonomy of Epistemic Risks

이 논문은 모호한 개념을 단일한 해석으로 축소하는 '모호성 붕괴' 현상이 인간의 의미 협상 과정을 우회하여 프로세스, 출력, 생태계 차원에서 발생하는 인식론적 위험을 분류하고, 이를 완화하기 위한 다층적 설계 원칙을 제시합니다.

Shira Gur-Arieh, Angelina Wang, Sina Fazelpour

게시일 Mon, 09 Ma
📖 4 분 읽기☕ 가벼운 읽기

Each language version is independently generated for its own context, not a direct translation.

🎭 핵심 비유: "모호함은 살아가는 공간, LLM 은 그 공간을 벽으로 막아버림"

우리가 살아가는 세상에는 **'모호함 (Ambiguity)'**이라는 것이 있습니다. 예를 들어 "이 영화는 아이에게 적합한가요?", "이 사람은 유능한가요?", "이 말은 혐오 발언인가요?" 같은 질문들입니다.

이런 질문들은 정답이 하나만 있는 게 아닙니다. 사람마다, 상황에 따라, 문화마다 해석이 다릅니다. 이 '모호함'은 사실 아주 중요한 공간입니다.

  • 비유하자면: 모호함은 우리가 서로 대화하고, 고민하고, 타협하며 의미를 만들어가는 **'넓은 광장'**과 같습니다. 이 광장에서 우리는 "내 생각은 이렇고, 너는 저렇구나"라고 주고받으며 사회를 유지합니다.

하지만 **LLM(인공지능)**은 이 광장을 벽으로 막아 버리고, 딱 하나만 정해진 '정답'을 던져줍니다.
이것이 바로 **'모호함의 붕괴 (Ambiguity Collapse)'**입니다.


🚨 왜 이것이 위험할까요? (3 단계 위험)

이 논문은 이 현상이 세 가지 수준에서 우리를 해친다고 말합니다.

1. 과정의 위험: "생각하는 근육이 사라집니다" (Process)

  • 비유: 모호한 문제를 해결하는 과정은 마치 등산과 같습니다. 길이 여러 갈래로 나있고, 어느 길이 좋은지 고민하며 등산하는 과정에서 우리는 근육 (사고력) 을 키우고, 지형 (세상의 복잡함) 을 이해하게 됩니다.
  • 문제: LLM 은 등산로 전체를 보여주기보다, **"가장 빠른 길은 여기입니다"**라고 바로 정답을 알려줍니다.
  • 결과: 우리는 등산 (고민) 을 하지 않게 되고, 결국 생각하는 근육이 약해집니다. 아이들은 스스로 글을 해석하는 법을 배우지 못하고, 사람들은 자신의 가치관을 고민하지 않게 됩니다.

2. 결과의 위험: "진짜 세상이 왜곡됩니다" (Output)

  • 비유: 세상은 회색빛 (Gray area) 으로 가득 차 있습니다. '선'과 '악', '유능'과 '무능' 사이에는 수많은 회색 지대가 있습니다.
  • 문제: LLM 은 이 회색 지대를 흰색이나 검은색으로만 분류해 버립니다. "이 책은 금지해야 한다 (YES)"거나 "이 사람은 유능하다 (NO)"라고 딱 잘라 말합니다.
  • 결과:
    • 대안 상실: "민주주의"나 "공정함" 같은 개념에는 다양한 해석이 있는데, LLM 은 그중 하나만 골라 보여줍니다. 다른 가능성은 사라져버립니다.
    • 가치 숨김: LLM 은 마치 "이것이 객관적인 사실"인 것처럼 말하지만, 사실은 개발자나 데이터에 숨겨진 **특정 가치관 (예: 특정 인종이나 성별에 대한 편견)**을 우리 대신 선택한 것입니다. 우리는 그 선택이 왜 이루어졌는지 모른 채 그 결과를 받아들입니다.

3. 생태계의 위험: "세상이 단조로워지고, 소통이 깨집니다" (Ecosystem)

  • 비유: 우리 사회는 다양한 색깔의 실로 엮인 **거대한 태피스트리 (벽걸이)**와 같습니다. 각기 다른 색깔 (해석) 이 모여야 아름다운 무늬가 나옵니다.
  • 문제: 모든 LLM 이 똑같은 방식으로 모호함을 해결하면, 세상의 색깔이 회색빛 하나로 통일됩니다.
  • 결과:
    • 단일 문화 (Monoculture): 모든 사람이 같은 생각, 같은 해석만 하게 되어 세상이 지루해지고 창의성이 죽습니다.
    • 소통 붕괴: 서로 다른 그룹이 LLM 을 통해 다른 해석을 배우면, 같은 단어를 쓰더라도 서로가 완전히 다른 뜻으로 이해하게 되어 오해와 갈등이 심해집니다.
    • 모호함 참을성 감소: 우리는 "정답이 없는 상황"을 견디는 힘을 잃게 되어, 복잡한 문제를 피하게 됩니다.

🛠️ 실제 사례로 보는 위험

  1. 도서관 책 banning (금지): 아이오와 주의 한 학교가 "성적인 행위가 묘사된 책"을 찾기 위해 LLM 을 썼습니다. LLM 은 성경 같은 고전도 "YES(금지)"라고 딱 잘라 말해버렸습니다. 성경의 복잡한 맥락이나 경계선 (Gray area) 을 무시한 채, 기계적인 판단으로 책을 banned 시킨 것입니다.
  2. 법정에서의 LLM: 판사가 "일반적인 의미"를 찾기 위해 LLM 에게 물어봤습니다. LLM 은 "트램펄린은 조경 (Landscaping) 입니다"라고 단정적으로 답했습니다. 하지만 법에서는 이런 개념을 두고 치열하게 논쟁하고 해석해야 합니다. LLM 이 그 논쟁을 한 번에 끝내버리면, 법의 공정성과 심의 과정이 무너집니다.
  3. 채용: "유능한 인재"를 찾는 데 LLM 을 썼다면, LLM 이 생각하는 '유능함' (예: 특정 스펙 위주) 만이 기준이 되어, 다른 방식의 재능을 가진 사람들은 탈락할 수 있습니다.

💡 해결책은 무엇일까요?

이 논문은 LLM 을 아예 쓰지 말라고 하는 게 아니라, 설계와 사용 방식을 바꿔야 한다고 말합니다.

  • 정답 대신 "여러 가지 가능성"을 보여줘야 합니다: "이 단어는 A, B, C 세 가지로 해석될 수 있습니다. 어떤 맥락이신가요?"라고 물어보는 식입니다.
  • 불확실성을 인정하게 만들어야 합니다: LLM 이 "모르겠습니다"라고 하거나, "이 부분은 논쟁의 여지가 있습니다"라고 말하는 것을 허용해야 합니다.
  • 사용자가 직접 선택하게 해야 합니다: "이 해석을 원하시나요, 아니면 다른 관점을 보여드릴까요?"라고 사용자가 직접 모호함을 해결하는 과정에 참여하게 해야 합니다.

📝 한 줄 요약

"LLM 이 모든 모호함을 없애고 정답을 주면, 우리는 세상을 이해하는 '생각하는 근육'을 잃고, 다양한 가치가 공존하는 '살아있는 사회'를 죽이게 됩니다. 우리는 LLM 이 정답을 주는 게 아니라, 우리가 함께 고민할 수 있도록 돕는 '동반자'가 되기를 원합니다."