Computational Hermeneutics: Evaluating generative AI as a cultural technology
이 논문은 생성형 AI 를 문화적 기술로 재정의하고, 해석학적 이론에 기반한 '계산적 해석학' 프레임워크를 제시하여, 단순한 정확성 측정을 넘어 맥락·다양성·모호성을 고려한 새로운 평가 패러다임을 제안합니다.
원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
이 논문은 **"생성형 AI(예: 챗지피티, 제미니 등) 를 단순히 '정답을 맞추는 기계'가 아니라, '문화를 만들어가는 도구'로 어떻게 평가해야 할까?"**라는 질문에서 시작합니다.
저자들과 연구자들은 기존의 AI 평가 방식이 너무 단순하다고 말합니다. 마치 **"수학 문제를 풀 때 정답이 하나뿐인 것처럼, 예술이나 대화 같은 문화적 활동에도 정답이 하나뿐이라고 가정하는 것"**이 문제라는 거죠.
이 복잡한 내용을 일상적인 비유로 쉽게 설명해 드릴게요.
1. 핵심 비유: "요리사 vs. 미각 평가단"
지금까지 AI 를 평가할 때는 **"요리사가 레시피를 얼마나 정확하게 따라 했는지"**를 보았습니다.
- 기존 방식: "소금 3g, 설탕 5g 넣었나? 정답은 3g, 5g 이니까 점수 100 점!"
- 문제점: 하지만 문화 (요리, 예술, 대화) 는 정답이 하나인 게 아닙니다. 어떤 사람은 매운 걸 좋아하고, 어떤 사람은 달콤한 걸 좋아하죠. "이 요리는 실패했다"라고 단정 짓기 전에, **"누가, 어떤 상황에서, 왜 이 요리를 먹었는지"**를 봐야 합니다.
이 논문은 AI 를 **"상황을 이해하고 의미를 만들어내는 '요리사' (Context Machine)"**로 봐야 한다고 주장합니다.
2. AI 가 마주하는 3 가지 문화적 난제 (해석의 세 가지 벽)
저자들은 AI 가 문화를 다룰 때 반드시 넘어야 할 3 가지 산이 있다고 말합니다.
① 자리 잡기 (Situatedness): "맥락이 곧 맛이다"
- 비유: 같은 "안녕하세요"라는 인사말도, 친구에게 할 때와 임금님에게 할 때는 완전히 다른 의미를 가집니다.
- AI 의 문제: 현재 AI 는 마치 "하늘에서 내려다보는 신 (God)"처럼, 모든 상황에 똑같은 정답을 말하려 합니다. 하지만 진짜 문화는 **"누가, 언제, 어디서"**에 따라 의미가 달라집니다.
- 해결책: AI 는 "전능한 신"이 아니라, **"구체적인 상황에 발을 딛고 있는 사람"**처럼 평가받아야 합니다.
② 다양성 (Plurality): "내 취향은 너의 편견이 아니다"
- 비유: 어떤 사람은 "매운 김치찌개"를 최고로 치지만, 다른 사람은 "매운 게 싫다"고 합니다. 둘 중 누가 '옳은' 걸까요? 둘 다 옳습니다.
- AI 의 문제: 기존 평가는 "전 세계가 동의하는 하나의 정답"을 찾으려 합니다. 하지만 문화는 서로 다른 가치관이 공존하는 곳입니다.
- 해결책: AI 가 "모든 사람의 취향을 한 번에 만족시키는 정답"을 찾으려 하지 말고, **"서로 다른 문화권에서 어떻게 받아들여지는지"**를 인정해야 합니다.
③ 모호함 (Ambiguity): "모호함이 바로 예술이다"
- 비유: 시나 노래를 들을 때, "이 가사가 정확히 무슨 뜻이야?"라고 하나만 정해버리면 재미가 없어집니다. 여러 가지 해석이 가능할 때 비로소 깊은 감동이 생깁니다.
- AI 의 문제: AI 는 보통 "모호함 (애매모호함) 을 없애고 명확한 답"을 주려고 노력합니다. 하지만 문화적 활동에서는 모호함이 오히려 창의적인 자원이 됩니다.
- 해결책: AI 가 모든 모호함을 없애는 게 능사가 아니라, **"모호함을 어떻게 재미있게 활용하고 대화하는지"**를 평가해야 합니다.
3. 새로운 평가 방법: "한 번의 시험"이 아닌 "오랜 대화"
이 논문은 AI 를 평가할 때 세 가지 새로운 원칙을 제안합니다.
한 번이 아니라, 여러 번 (Iterative):
- 비유: 한 번의 시험 점수로 학생의 능력을 판단하지 않듯이, AI 도 한 번의 질문으로 평가하면 안 됩니다.
- 제안: AI 와 오래 대화하며 (여러 번의 주고받음), 그 흐름 속에서 어떻게 의미를 만들어가는지 봐야 합니다.
기계만 보지 말고 사람도 포함하라 (Include People):
- 비유: 요리 평가는 요리사 혼자 하는 게 아니라, **먹는 사람 (고객)**의 반응이 중요합니다.
- 제안: AI 가 혼자 얼마나 잘하는지보다, 사람과 함께 대화할 때 어떤 의미를 만들어내는지 평가해야 합니다.
결과만 보지 말고 배경도 보라 (Measure Context):
- 비유: "이 그림이 잘 그려졌나요?"라고 묻기보다, **"이 그림을 그린 사람이 어떤 고민을 했는지, 어떤 시대적 배경이 있는지"**를 봐야 합니다.
- 제안: AI 가 내놓은 결과물 (정답) 만 점수 매기지 말고, 그 결과가 나온 문화적 배경과 상황을 함께 평가해야 합니다.
4. 결론: AI 는 "정답 기계"가 아니라 "의미의 파트너"
이 논문의 핵심 메시지는 이렇습니다.
"우리는 AI 를 정답을 찾는 계산기로만 보지 말고, 우리와 함께 의미를 만들어가는 파트너로 봐야 합니다.
문화에는 정답이 없기 때문에, AI 도 '정확도'가 아니라 **'상황에 맞는 적절함'**과 **'다양한 해석을 존중하는 능력'**으로 평가받아야 합니다."
한 줄 요약:
"AI 를 평가할 때는 수학 시험지 채점하듯 '정답'만 찾지 말고, 예술 감상이나 대화하듯 '맥락과 다양성'을 이해하는 눈으로 봐야 합니다."
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.