Errorless Irrationality: A unified computational account of the inverse base-rate effect across predictive, observational, and unsupervised procedures

"틀린" 추측의 미스터리

당신이 사건을 해결하려는 탐정이라고 상상해 보세요. 하지만 단서들이 매우 까다롭습니다. 당신에게는 보통 화요일에 범죄를 저지르는 용의자(흔한 사건)와, 아주 드물고 특정한 공휴일에만 범행을 저지르는 또 다른 용의자가 있습니다. 이제, 두 용의자 모두에게 속할 수 있는 단서를 발견했다고 가정해 봅시다. 대부분의 사람들은 이런 모호한 상황에 직면했을 때, 통계적으로 연루될 가능성이 더 높은 흔한 용의자를 선택하는 것이 논리적입니다. 하지만 기이하게도, 인간의 뇌는 종종 그 반대로 행동합니다. 혼란스러운 단서들의 조합을 마주했을 때, 우리는 흔한 사건에 베팅하는 대신 드문 사건에 베팅하는 고집스럽고 비합리적인 습관을 보입니다. 이 기묘한 현상을 **역 기저율 효과(Inverse Base-Rate Effect, IBRE)**라고 부릅니다. 이는 우리가 정보를 학습하는 방식에 존재하는 독특한 특성으로, 수십 년 동안 과학자들을 당혹스럽게 해온 문제입니다.

오랫동안 지배적이었던 이론은 이 실수가 "예측 오류" 때문에 발생한다는 것이었습니다. 이것을 게임에서 틀렸을 때 나타나는 "게임 오버" 화면에 비유할 수 있습니다. 이론에 따르면, 우리 뇌는 이러한 "게임 오버" 화면을 피하기 위해 학습합니다. 우리가 흔한 용의자를 선택했다가 틀렸을 때, 우리 뇌는 충격을 받고 드문 단서들에 더 주의를 기울이며 과잉 교정을 하게 되어, 다음번에는 드문 용의자를 선택하게 된다는 것입니다. 하지만 만약 "게임 오버" 화면이 없다면 어떨까요? 만약 우리가 정답이나 오답이 없는 영화를 보고 있거나 퍼즐을 풀고 있다면 어떨까요? 우리의 뇌는 여전히 똑같이 비합리적인 실수를 저지를까요? 이 질문은 인간의 학습 메커니즘을 깊이 파고드는 한 새로운 연구의 핵심이며, 우리의 "비합리성"이 정보 처리 과정에서의 결함인지, 아니면 평가를 받지 않는 상황에서도 존재하는 하나의 특징인지를 묻고 있습니다.

위대한 "피드백 없는" 실험

이 논문에서 연구자 레나드 돔(Lenard Dome)과 앤디 J. 윌스(Andy J. Wills)는 이 "예측 오류" 이론의 한계를 시험해 보기로 했습니다. 그들은 선생님, 성적, 그리고 "오답" 벨 소리를 완전히 제거했을 때도 역 기저율 효과가 여전히 발생하는지 확인하고자 했습니다. 그들은 일반적인 학습 조건을 제거하기 위해 두 가지 영리한 실험을 설계했습니다.

첫 번째 실험에서는 관찰 학습 시나리오를 설정했습니다. 당신이 대기실에 앉아 환자에 대한 사례 파일을 읽고 있다고 상상해 보세요. 어떤 환자가 열과 발진이 있고, 파일에는 "이 사람은 질병 Z를 앓고 있음"이라고 적혀 있습니다. 그다음 어떤 환자는 두통과 발진이 있고, 파일에는 "이 사람은 질병 L을 앓고 있음"이라고 적혀 있습니다. 당신은 그저 읽고 있을 뿐입니다. 당신은 추측을 요구받지도 않았고, 자신이 맞았는지 틀렸는지도 듣지 못합니다. 단서(증상)와 정답(질병)이 함께 나타나므로, "추측하고 실패하는" 순간 자체가 존재하지 않습니다. 피드백이나 "게임 오버"의 순간이 없음에도 불구하고, 참가자들은 여전히 비합리적인 편향을 보였습니다. 나중에 혼합된 증상을 바탕으로 환자의 질병을 추측하도록 요청받았을 때, 그들은 전통적인 테스트와 마찬가지로 여전히 희귀한 질병 쪽으로 기울었습니다.

두 번째 실험에서 그들은 인과관계의 흔적을 제거하기 위해 더 멀리 나아갔습니다. 의료 이야기를 기하학적 도형으로 대체했습니다. 정사각형과 원이 있고, 이 조합이 "그룹 X"에 속한다고 암기하는 퍼즐을 상상해 보세요. 나중에 정사각형과 삼각형만 보게 됩니다. 여기에는 질병이나 증상에 대한 이야기가 없습니다. 그저 도형일 뿐입니다. 당신에게 정답을 알려주는 "선생님"도 없습니다. 아무도 당신의 추측을 판단하지 않는 이 완전히 추상적이고 감독 없는 세계에서도, 참가자들은 혼란스러운 도형의 조합을 마주했을 때 희귀한 범주를 선호하며 똑같은 "비합리적인" 선택을 했습니다.

새로운 이론: OSCAR

기존 이론(우리가 실수를 통해 배운다는 이론)이 왜 가르치는 사람이 없는 상황에서도 이 편향이 발생하는지 설명할 수 없었기에, 저자들은 OSCAR라는 새로운 모델을 제안했습니다. OSCAR를 단순히 미래를 예측하는 것이 아니라, 전체 그림을 재구성하려고 노력하는 디지털 뇌라고 생각하면 됩니다.

당신이 직소 퍼즐을 보고 있는데 몇 조각이 빠져 있다고 상상해 보세요. 빠진 조각이 무엇인지 단순히 추측하는 대신, 당신의 뇌는 보이지 않는 부분까지 포함하여 전체 이미지를 상상하려고 노력합니다. OSCAR도 똑같이 작동합니다. OSCAR는 보이는 단서(특징)를 가져와서, 카테고리 라벨을 포함하여 전체 단서의 모습이 어떠해야 하는지 추측함으로써 "패턴을 완성"하려고 합니다. 만약 뇌가 추측한 전체 그림이 실제 보이는 그림과 일치하지 않으면, 내부적인 "오류 신호"를 생성합니다. 이 신호는 외부의 선생님으로부터 오는 것이 아니라, 빈칸을 채우려는 뇌 자체의 시도에서 비롯됩니다.

저자들은 이 "패턴 완성" 모델이 결과를 완벽하게 설명할 수 있다는 것을 발견했습니다. 이 모델은 뇌가 역 기저율 효과를 일으키기 위해 외부의 선생님이 필요하지 않다는 것을 보여주었습니다. 대신, 이 효과는 우리의 뇌가 정보를 조직하는 방식의 자연스러운 부수 효과입니다. 즉, 우리는 흔한 것과 드문 것을 구별하는 데 도움이 되는 단서들에 더 많은 주의를 기울이며, 상황이 혼란스러워질 때 이 주의력이 왜곡되어 드문 사건을 과대평가하게 된다는 것입니다.

이것이 의미하는 바

이 연구는 이 "비합리적인" 편향이 단순히 교실 환경에서 틀리는 것을 피하려는 결과가 아님을 확인해 줍니다. 그것은 우리가 단순히 관찰하거나 도형을 암기할 때조차 패턴을 처리하는 우리 뇌의 근본적인 부분입니다. 연구진은 컴퓨터 시뮬레이션을 통해 자신들의 새로운 모델인 OSCAR가 세 가지 유형의 실험(전통적인 실험, 관찰 실험, 무감독 실험) 모두에서 인간의 행동을 똑같이 재현할 수 있음을 보여주었습니다.

나아가, 이 모델은 안구 추적 연구의 까다로운 데이터를 설명할 수 있었습니다. 기존 이론들은 사람들이 훈련 중에 특정 단서를 더 오래 쳐다보면서도, 테스트 중에는 똑같이 쳐다보는 이유를 설명하지 못했습니다. 단서의 특정 조합에 따라 주의력을 이동시키는 능력을 가진 OSCAR는 이러한 안구 운동 패턴을 성공적으로 재현해 냈습니다.

요약하자면, 이 논문은 우리의 "비합리성"이 잘못된 교육으로 인한 버그가 아니라, 그림이 불완전할 때조차 끊임없이 그림을 완성하려고 노력하는 뇌의 하나의 특징임을 시사합니다. 드문 사건에 대한 편향은, 숙제를 채점하는 사람이 없더라도 패턴을 배우는 데 매우 능숙한 시스템에서 나타나는 창발적 속성입니다.