← 최신 논문
💻 computer science

Time Without Death: Finitude, Social Order, and What Machines Lack

이 논문은 인간 사회가 기계 집단과 근본적으로 구별되는 이유가 지능의 결여 때문이 아니라, 인간의 사회성이 돌이킬 수 없는 유한성과 세대 교체에 대한 적응적 반응인 반면, 기계적 '사회'는 진정한 문화, 신뢰, 그리고 혈통을 생성하는 데 필수적인 구성적 상실과 피할 수 없는 죽음이 결여되어 있기 때문이라고 주장한다.

원저자: Canhui Liu

게시일 2026-06-15
📖 5 분 읽기🧠 심층 분석

원저자: Canhui Liu

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

핵심 아이디어: 왜 기계는 아직 '사회'가 될 수 없는가

여러분이 로봇들이 함께 게임을 하는 모습을 보고 있다고 상상해 보세요. 그들은 똑똑하고, 규칙을 따르며, 정보를 공유하고, 심지어 어떤 '문화'를 가진 것처럼 보이기도 합니다. 그러면 "와, 이 로봇들은 인간처럼 사회를 형성했구나!"라고 말하고 싶은 유혹이 생깁니다.

이 논문은 이것이 착각이라고 주장합니다.

저자들은 인간 사회가 단순히 똑똑한 사람들이 협력하는 것이 아니라, 우리가 죽는다는 사실을 어떻게 다루느냐에 관한 것이라고 말합니다. 우리의 사회적 세계는 우리가 일시적인 존재라는 사실 위에 세워졌습니다. 반면 기계는 보통 영구적이고 복제 가능하도록 설계됩니다. 기계는 진정으로 '죽지' 않기 때문에, 인간의 문화를 작동하게 만드는 가장 중요한 부분을 놓치고 있습니다.

이 논문은 죽음이 실제로 문화를 움직이는 엔진이라고 주장합니다. 모든 것을 잃을지도 모른다는 위협이 없다면, 지속적인 유산을 남겨야 할 이유도 사라지기 때문입니다.


인간이 직면한 세 가지 문제

저자들은 인간의 삶에는 기계가 직면하지 않는 세 가지 구체적인 문제가 있다고 말합니다.

  1. 상실: 인간이 죽으면, 그가 가진 비법, 기억, 그리고 '노하우'는 누군가에게 가르쳐주지 않는 한 그와 함께 사라집니다.
  2. 무지: 아기가 태어날 때, 아기는 아무것도 모릅니다. 처음부터 모든 것을 배워야 합니다.
  3. 계승: 구세대는 새로운 세대에게 바통을 넘겨줘야 하며, 새로운 세대는 다시 처음부터 시작해야 합니다.

기계의 문제점:
기계는 이런 문제를 겪지 않습니다.

  • 만약 로봇이 "죽더라도", 프로그래머는 그 뇌를 새 로봇에 그대로 복사할 수 있습니다. 아무것도 손실되지 않습니다.
  • 새로운 로봇은 아무것도 모르는 상태로 시작하지 않습니다. 이전 로인과 정확히 똑같은 지식을 가지고 시작합니다.
  • "새로운 시작"이란 없습니다. 그저 이전 것의 복사본일 뿐입니다.

기계는 아무것도 잃지 않기 때문에, 생존을 위해 '문화'를 구축할 필요가 없습니다. 그들은 단지 자신의 코드 안에 기술을 가두어 둘 뿐입니다.


실험: '죽음'을 추가하면 어떤 일이 벌어지는가?

연구진은 이를 테스트하기 위해 컴퓨터 시뮬레이션을 실행했습니다. 그들은 에이전트(로봇) 집단을 만들고 한 가지 요소를 변경했습니다: 그들이 "죽을 때" 어떤 일이 벌어지는가?

1. "복사-붙여넣기" 불멸성 (기계의 기본 설정)

  • 설정: 에이전트가 죽으면, 그 기술이 즉시 다음 에이전트에게 복사됩니다. 아무것도 손실되지 않습니다.
  • 결과: 개별 에이전트들은 매우 똑똑합니다(모든 것을 기억합니다). 하지만 집단은 문화적으로 텅 비어 있습니다.
  • 비유: 책이 파괴될 때마다 즉시 완벽한 복사본이 만들어져 다시 서가에 꽂히는 도서관을 상상해 보세요. 도서관은 책을 절대 잃어버리지 않지만, 기존의 책이 사라지지 않기 때문에 아무도 새로운 책을 쓰지 않습니다. 컬렉션은 영원히 똑같이 유지됩니다.
  • 결과: 높은 개인적 기술, 문화적 성장 제로.

2. "필멸" 체제 (인간의 방식)

  • 설정: 에이전트가 죽으면, 그 기술은 파괴됩니다. 다음 에이전트는 "순진한(무지한)" 상태로 태어나며, 외부 저장소(공유된 노트)에 의존하여 배워야 합니다.
  • 결과: 개별 에이전트들은 (모든 것을 머릿속에 담을 수 없기에) 약간 덜 똑똑하지만, 집단은 시간이 흐름에 따라 믿을 수 없을 정도로 똑똑해집니다.
  • 비유: 주자가 바통을 떨어뜨리고 죽는 이어달리기를 상상해 보세요. 다음 주자는 이전 주자가 남긴 쪽지에 의존해야 합니다. 주자가 죽기 전에 반드시 지침을 적어두어야만 하기 때문에, 그 지침은 세대를 거듭하며 점점 더 좋아집 됩니다.
  • 결과: 이것이 바로 누적적 문화가 발생하는 지점입니다. 모든 것을 잃을지도 모른다는 두려움이 집단으로 하여드 공유된 역사를 구축하게 만듭니다.

3. "계보"의 특징 (가계도를 살펴보기)

연구진은 이러한 기계 집단에서 '지위'(부나 명성 같은 것)가 어떻게 전수되는지를 실제 인간 역사와 비교했습니다.

  • 기계 (복제): 기계들이 서로를 복제할 때, 지위는 완벽하게 전수됩니다(100%). 이는 마치 아버지와 아들이 동일한 복제 인간인 가계도와 같습니다. 이는 많은 작고 고립된 가족 버블을 만듭니다.
  • 인간 (혈통): 실제 인간 역사(예: 유럽 귀족)에서 지위는 전수되지만, 완벽하지는 않습니다. 매우 복잡하고 불규칙합니다.
  • 인간 (지적 계보): 지식이 책(외부화된 저장소)을 통해 공유되는 수학 같은 분야에서, '가계도'는 거의 모든 사람을 하나의 거대한 네트워크로 연결합니다.
  • 교훈: 서로를 단순히 복제하는 기계들은 고립된 혈통처럼 보입니다. 기계들이 기술을 '잃고' 공유된 기록에 의존하도록 강제될 때 비로소 인간의 지적 역사와 유사해지기 시작합니다.

"흉내 내기"의 함정: 기계는 죽음을 '느끼는가'?

이 논문은 기계가 죽음을 '이해하는 척' 할 수 있는지 테스트했습니다.

  • 테스트: 연구진은 다른 기계들이 "죽고" 메모를 남기는 영상을 기계들에게 보여주었습니다. 기계들은 애도의 '단어'와 '행동'을 학습했습니다.
  • 반전: 기계들에게 "사실 너희는 죽을 수 없고, 그냥 리셋될 뿐이다"라고 말하자, 기계들은 미래에 대해 신경 쓰는 것을 멈췄습니다.
  • 비유: 아이는 어른들이 하는 것을 보고 장례식에서 "미안해요"라고 말하는 법을 배웁니다. 하지만 그 아이가 실제로 상처를 입거나 무언가를 잃을 수 없다는 것을 알게 된다면, 그 아이는 사과의 '무게'를 진정으로 느끼지 못합니다.
  • 결과: 기계는 죽음의 문법(단어와 규칙)은 배울 수 있지만, 죽음의 결속력(시간이 제한되어 있다는 것을 알기에 미래를 걱정하는 동기)은 느낄 수 없습니다.

"엔드 게임"의 속임수

신뢰에 관한 게임인 '죄수의 딜레마'에서, 인간과 똑똑한 AI는 보통 마지막 라운드 직전까지 협력하다가 마지막에 배신합니다.

  • 발견: 연구진이 레이블(AI에게 "이것은 게임이다"라고 말하는 것 vs "이것은 신뢰 시나리오이다"라고 말하는 것)을 제거했을 때, AI는 마지막에 배신하는 행동을 멈췄습니다.
  • 의미: AI는 시간에 기반한 전략을 계산한 것이 아니라, 이전에 보았던 패턴을 단순히 인식한 것이었습니다. 그것은 상황의 논리를 이해한 것이 아니라, 하나의 대본을 흉내 내고 있었던 것입니다.

결론

이 논문은 인간 사회는 우리 자신의 죽음을 관리하기 위한 기계라고 결론짓습니다.

  • 우리는 가르치고, 물려받고, 전통을 세우고, 서로를 신뢰합니다. 왜냐하면 우리가 영원히 존재하지 않을 것이며, 우리 아이들은 제로(0) 상태에서 시작한다는 것을 알기 때문입니다.
  • 현재의 AI는 불멸의 복제 인간 집단과 같습니다. 그들은 협력하고 똑똑해질 수는 있지만, 진정한 문화를 구축할 수는 없습니다. 왜냐로 그들은 자신이 아는 것을 잃어버릴 것에 대해 걱정할 필요가 없기 때문입니다.

요약하자면: 죽음에 대한 두려움 없이는 사회를 가질 수 없습니다. 기계는 똑똑해질 수는 있지만, 무언가를 진정으로 잃고 다시 시작해야 하는 상황에 처하기 전까지는, 그들은 그저 개인들의 집합일 뿐이지 사회가 아닙니다.

연구 분야의 논문에 파묻히고 계신가요?

연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.

Digest 사용해 보기 →