How Psychological Learning Paradigms Shaped and Constrained Artificial Intelligence

논문 요약: 심리학적 학습 패러다임이 인공지능을 형성하고 제약한 방식

1. 문제 제기 (Problem)

현재 인공지능 (AI) 시스템, 특히 강화 학습 (RL) 과 딥러닝 (Deep Learning) 은 심리학적 학습 이론 (행동주의, 인지주의, 구성주의) 에서 영감을 받아 발전해 왔습니다. 그러나 이러한 유산은 AI 에 **구조적 한계 (structural limitations)**를 고착화시켰습니다.

• 적응성 부재: 현재의 AI 는 새로운 상황에 직면했을 때 외부 개입 없이 적절히 대응할 수 있는 진정한 적응 능력을 결여하고 있습니다.
• 유도된 한계: 각 AI 패러다임은 심리학 이론의 강점뿐만 아니라 그 이론의 구조적 맹점까지 물려받았습니다.
  • 행동주의 (RL): 내부 지식 구조를 표현하지 못함.
  • 인지주의 (딥러닝): 표현의 불투명성 (opacity) 과 구성적 구조 부재.
  • 구성주의: 새로운 지식이 기존 구성 요소에서 어떻게 체계적으로 구축되는지에 대한 형식적 설명 부재.
• ** rote learning (암기 학습) 의 오해:** 서구 전통에서는 암기를 단순한 수동적 저장으로 간주하여 AI 에서 규칙 기반 시스템으로 축소되었으나, 동아시아 전통에서는 암기를 '이해'로 가는 구조화된 전단계로 보았습니다. 이 관점의 차이는 AI 아키텍처 설계에 중요한 기회를 놓치게 했습니다.
• 체계성 (Systematicity) 의 부재: Aizawa 의 비판에 따르면, 기존 연결주의 (Connectionism) 나 고전주의 (Classicism) 아키텍처는 체계적인 행동을 '필연적'으로 보장하지 못하며, 이는 추가적인 보정 (P*) 에 의존할 수밖에 없습니다.

2. 방법론 (Methodology)

이 논문은 다음과 같은 방법론적 접근을 취합니다:

• 계보학적 분석 (Genealogical Analysis): 심리학적 학습 이론 (행동주의, 인지주의, 구성주의) 과 이를 구현한 AI 방법론 (RL, 딥러닝, 통합 접근법) 간의 대응 관계를 추적하고, 각 단계에서 전승된 구조적 한계를 진단합니다.
• 문화적 재해석: 서구와 동아시아의 '암기 학습 (Rote Learning)' 개념을 비교 분석하여, 동아시아적 관점 (암기 $\rightarrow$ 이해의 구조화된 전단계) 을 AI 아키텍처의 새로운 구성 요소로 재정의합니다.
• 이론적 비판: Fodor 와 Pylyshyn, Aizawa 의 '체계성 (Systematicity)' 논쟁을 인용하여, 현재 AI 가 공유 파라미터 공간에 추론, 목적, 지식을 엮어 (entangle) 놓음으로써 발생하는 구조적 실패를 규명합니다.
• 새로운 프레임워크 제안: 기존 한계를 극복하기 위해 추론, 목적, 지식을 구조적으로 분리한 ReSynth라는 3 모듈형 아키텍처를 제안합니다.

3. 주요 기여 (Key Contributions)

이 논문의 핵심 기여는 **ReSynth (Reasoning Synthesis)**라는 새로운 프레임워크를 제안하는 것이며, 이는 다음과 같이 3 개의 독립적인 모듈로 구성됩니다:

1. 지성 (Intellect):

   • 역할: 추론 엔진. 도메인과 무관하게 작동하는 보편적 구성 요소.
   • 기능: 현상에 대한 **분해 (Decomposition)**와 **재조립 (Recomposition)**이라는 두 가지 기본 연산자를 적용합니다.
   • 특징: 고정된 정체성이나 목적이 없으며, 오직 '어떻게 (How)' 추론하는지에 집중합니다. 이는 기존 아키텍처에서 추론이 지식이나 목적과 엮여 있는 문제를 해결합니다.

2. 정체성 (Identity):

   • 역할: 목적과 방향성을 제공하는 구성 요소.
   • 기능: 지성 (Intellect) 이 무엇을 추론하고, 어떤 제약에 주의를 기울일지 결정하는 '충동 (Impulses)'을 가집니다.
   • 특징: 사후 보정 (Post-hoc correction, 예: RLHF) 이 아닌, 설계 단계에서의 정렬 (Alignment by design) 을 가능하게 합니다. 동일한 지성이라도 다른 정체성을 가지면 다른 지식 구조를 생성합니다.

3. 기억 (Memory):

   • 역할: 구조화된 지식의 저장소.
   • 기능: 단순한 데이터 저장이나 통계적 상관관계가 아닌, **제약 - 연산자 서명 (constraint-to-operator signatures)**의 구조화된 맵을 저장합니다.
   • 동작:
     • 활성 기억: 실시간 추론을 위한 작업 공간.
     • 수동 기억: 새로운 현상 시 관련 서명을 검색하여 추론을 가속화.
   • 암기 학습의 통합: 동아시아적 관점의 '암기'를 이 모듈에 매핑하여, 구조화된 파편 (structured fragments) 을 수집하는 전단계로 정의합니다. 이는 추론 (지성) 이 작동하기 위한 필수적인 입력을 제공합니다.

핵심 명제: 체계적인 행동은 아키텍처의 필연적 결과가 되어야 하며, 우연한 속성이 아니어야 합니다. 이를 위해 추론, 목적, 지식을 물리적으로 분리해야 합니다.

4. 결과 및 논의 (Results & Discussion)

• 구조적 진단: 현재 AI 의 실패 (예: 대규모 언어 모델의 구성적 추론 실패, catastrophic forgetting) 는 규모 (Scale) 의 문제가 아니라, 기능들이 공유 파라미터 공간에 엮여 있어 독립적인 업데이트가 불가능하기 때문임을 입증했습니다.
• ReSynth 의 효과성: 모듈형 아키텍처는 각 구성 요소를 독립적으로 업데이트할 수 있게 하여, 새로운 지식이 기존 지식을 파괴하지 않고 (catastrophic forgetting 방지), 추론 메커니즘이 도메인에 구애받지 않고 적용될 수 있게 합니다.
• 문화적 통찰: 서구적 관점의 '암기' 배제가 AI 에 구조화된 전학습 (pre-learning) 단계를 누락시켰음을 지적하며, 동아시아적 관점이 ReSynth 의 '기억' 모듈 설계에 어떻게 자연스럽게 부합하는지 보여줍니다.
• 검증: 논문은 ReSynth 의 이론적 타당성을 심리학 및 인지과학의 논쟁 (Aizawa 의 비판 등) 과 최근의 모듈형 신경망 연구 (ICLR 2025 등) 를 통해 뒷받침하며, 구체적인 실험적 검증은 후속 연구로 남겼습니다.

5. 의의 (Significance)

• 이론적 전환: AI 개발이 단순히 공학적 최적화 (Engineering optimization) 를 넘어, 심리학적 유산과 문화적 가정 (Cultural assumptions) 을 비판적으로 재검토해야 함을 강조합니다.
• 범용 인공지능 (AGI) 의 길: 적응성 (Adaptability) 을 갖춘 진정한 AGI 를 달성하기 위해서는 추론, 목적, 지식을 분리한 아키텍처가 필수적임을 주장합니다.
• 새로운 패러다임: ReSynth 는 기존 패러다임의 성과를 부정하는 것이 아니라, 그 한계를 극복하기 위해 기능들을 구조적으로 재배열하는 새로운 설계 원칙을 제시합니다. 이는 AI 가 훈련된 분포 밖에서도 체계적이고 유연하게 행동할 수 있는 토대를 마련합니다.

결론적으로, 이 논문은 현재의 AI 한계가 심리학적 이론의 구조적 결함에서 기인하며, 이를 해결하기 위해 '지성 (추론)', '정체성 (목적)', '기억 (구조화된 지식)'을 분리한 ReSynth 프레임워크를 제안함으로써, 체계적이고 적응적인 인공지능의 새로운 설계 방향을 제시합니다.