Curse of Simplicity in High-Dimensional Environments

인간은 끊임없이 정보의 폭격 속에 살고 있습니다. 매 순간 우리의 감각은 자동차의 색상, 사이렌 소리, 탁자의 질감, 비 냄새와 같은 수많은 세부 사항을 받아들입니다. 우리의 뇌는 모든 데이터를 한꺼번에 처리할 수 없기에, '선택적 주의(selective attention)'라고 불리는 전략에 의존합니다. 이는 중요해 보이는 것에 집중하고 나머지는 무시하는 정신적 능력입니다. 이것은 소음을 걸러내고 신호에 집중함으로써 복잡한 세상 속에서 우리가 기능할 수 있게 해주는 생존 기제입니다. 보통 이 과정은 매우 훌륭하게 작동하여 우리가 빠르고 효율적으로 학습하도록 돕습니다. 하지만 세상이 너무 복잡해져서, 우리를 돕던 바로 그 전략이 함정이 되어버린다면 어떤 일이 벌어질까요?

오하이오 주립 대학교의 연구진은 사람들이 수많은 혼란스러운 세부 사항에 직면했을 때 사물을 범주로 분류하는 법을 어떻게 배우는지 연구함으로써 최근 이 질문을 조사했습니다. 그들은 '단순함의 저주(curse of simplicity)'라고 부르는 현상을 발견했습니다. 핵심 아이디어는 인간의 뇌가 단순한 설명에 대한 강한 선호도를 가지고 있다는 것입니다. 우리가 새로운 것을 배울 때, 우리는 자연스럽게 가장 정확한 규칙이 아니더라도 작동하는 가장 쉬운 규칙을 찾으려 노력합니다. 단순한 환경에서 이러한 단순함에 대한 선호는 강점이 됩니다. 하지만 많은 방해 요소가 가득한 복잡한 환경에서, 이와 동일한 선호는 우리가 가장 중요한 정보를 무시하게 만들어, 맞다고 느껴지지만 실제로는 틀린 학습 상태에 갇히게 만드는 원인이 됩니다.

이를 테스트하기 위해 연구진은 참가자들이 두 종류의 가상의 아메바를 식별하는 법을 배우는 컴퓨터 게임을 설계했습니다. 각 아메바는 여러 개의 뚜렷한 '팔(arms)'로 구성되어 있으며, 각 팔은 색상이나 모양과 같은 특정 특징을 가지고 있었습니다. 참가자들의 목표는 어떤 팔이 아메바를 그룹 A 또는 그룹 B로 결정하는지를 알아내는 것이었습니다. 게임에는 세 가지 유형의 팔이 설정되었습니다. 첫 번째 팔은 '진실을 말하는 자(truth-teller)'로, 항상 그룹을 정확하게 예측합니다. 두 번째 팔은 '방해자(distractor)'로, 그룹과 아무런 관련이 없습니다. 세 번째 유형은 '교활한 예측자(tricky predictor)'로, 대개는 맞지만 4분의 1 정도는 틀립니다.

실험은 아메바의 팔 개수를 변경하여 난이도를 조절했습니다. 가장 쉬운 버전에서 아메바는 세 개의 팔을 가졌습니다. 중간 버전에서는 다섯 개, 가장 어려운 버전에서는 일곱 개의 팔을 가졌습니다. 참가자들이 정확히 무엇을 보고 있는지 확인하기 위해 연구진은 특수한 커서 종속형 디스플레이(cursor-contingent display)를 사용했습니다. 화면은 마우스 커서 주변의 작은 원을 제외하고는 검은색이었습니다. 참가자들은 마우스를 특정 팔 근처로 움직일 때만 아메바의 특징을 볼 수 있었습니다. 이를 통해 연구진은 참가자들이 어떤 팔을 선택하여 얼마나 오래 보았는지를 추적하여 주의력의 정밀한 지도를 작성할 수 있었습니다.

참가자들이 수십 라운드를 진행하며 자신의 추측이 맞았는지 틀렸는지에 대한 피드백을 받는 동안, 명확한 패턴이 나타났습니다. 세 개의 팔이 있는 가장 쉬운 버전에서는 대부분의 사람들이 어떤 팔이 진실을 말하는지 빠르게 파악했습니다. 그들은 다른 팔들을 보는 것을 멈추고 거의 전적으로 중요한 하나의 팔에만 집중했습니다. 그들의 학습은 빠르고 정확했습니다. 그러나 팔의 개수가 늘어남에 따라 참가자들의 행동은 변했습니다. 다섯 개나 일곱 개의 팔이 있는 버전에서는 사람들이 단 하나의 진실을 말하는 팔을 찾아낼 확률이 훨씬 낮아졌습니다. 대신, 그들은 종종 '교활한 예측자' 중 하나에 매달렸습니다. 교활한 예측자는 대부분의 경우 맞았기 때문에, 그것이 좋은 규칙처럼 느껴졌기 때문입니다. 참가자들은 그 것에 집중하며 진실을 말하는 팔을 무시했고, 스스로 문제를 해결했다고 확어했습니다.

단순하지만 약간 결함이 있는 규칙을 선호하는 이러한 성향에는 대가가 따랐습니다. 연구진이 진실을 말하는 팔과 교활한 예측자가 서로 반대되는 답을 내놓는 까다로운 사례들로 테스트했을 때, 단순한 규칙에 빠졌던 사람들은 많은 실수를 저질렀습니다. 그들은 단순하지만 불완전한 정신적 모델을 구축한 것입니다. 아메바의 팔이 많아질수록 사람들이 이 함정에 빠질 가능성은 더 높아졌습니다. 일곱 개의 팔 조건에서는 상당수의 참가자가 광범위한 연습 후에도 결코 진정한 규칙을 찾아내지 못했습니다. 그들은 문제를 성공적으로 단순화했지만, 그 과정에서 정확성을 희생했습니다.

이 현상이 왜 일어났는지 이해하기 위해 연구진은 인간의 학습을 시뮬레이션하는 컴퓨터 모델을 구축했습니다. 그들은 뇌가 정확성과 단순함 사이의 균형을 어떻게 맞추는지에 대한 다양한 이론들을 테스트했습니다. 어떤 모델은 뇌가 오직 정확해지는 것에만 관심이 있다고 가정했습니다. 다른 모델들은 뇌가 전체적인 정신적 노력을 최소화하려고 노력한다고 가정했습니다. 인간의 데이터와 가장 잘 일치하는 모델은 학습을 '트레이드오프(trade-off, 절충)'로 취급하는 모델이었습니다. 이 모델은 뇌가 주의를 기울이는 데 드는 노력을 줄이려는 노력과 정답을 맞히려는 노력을 동시에 수행한다고 제안했습니다. 환경이 단순할 때, 이 두 목표는 함께 작용합니다. 하지만 환경이 복잡해지면, 노력을 아끼려는 뇌의 충동이 완벽한 정확성을 필요로 하는 욕구를 압도하여, 실제로는 막다른 길인 '적당히 괜찮은' 규칙에 안주하게 만듭니다.

이 연구는 세상을 단순화하려는 우리의 본능이 양날의 검임을 시사합니다. 변수가 적은 세상에서 그것은 우리가 빠르게 배울 수 있도록 돕습니다. 하지만 데이터가 넘쳐나는 세상에서, 그 동일한 본능은 우리를 가장 결정적인 사실으로부터 눈멀게 할 수 있습니다. 연구진은 옵션의 수가 증가함에 따라, '지역 최적해(local optimum, 실제로는 최선이 아니지만 충분히 좋아 보이는 해결책)'에 갇힐 가능성이 급격히 증가한다는 것을 발견했습니다. 이 '단순함의 저주'는 인간 인지의 근본적인 한계를 드러냅니다. 즉, 우리는 패턴을 찾는 데 너무 열중한 나머지, 진실을 다 찾기도 전에 찾는 것을 멈춰버리곤 한다는 것입니다. 이 연구 결과는 단순함이 나쁘다는 것을 의미하는 것이 아닙니다. 오히려 단순함의 이점은 환경의 복잡성에 전적으로 달려 있음을 보여줍니다. 혼란스럽고 소음이 가득한 세상에서, 상황을 단순하게 만들려는 충동은 세상을 이해하는 데 있어 오히려 방해가 될 수 있습니다.