ChatGPT 사용시 당신의 뇌에는 인지 부채(Cognitive Debt) 가 축적됩니다
(media.mit.edu)- 대규모 언어모델(LLM) 을 활용한 에세이 작성이 인간의 뇌 활동과 인지 부하에 미치는 영향을 실험적으로 분석한 연구
- LLM 사용자는 작문 소유감이 낮고, 자신의 글을 정확히 인용하는 데 어려움을 겪었으며, 장기적으로 언어·행동·신경 수준에서 성과 저하가 지속됨
- 참가자들은 LLM, 검색엔진, 뇌만 사용(Brain-only) 세 그룹으로 나뉘어 동일한 과제를 수행했으며, 일부는 조건을 교차 변경해 비교
- EEG(뇌파 측정) 결과, Brain-only 그룹이 가장 강하고 넓은 뇌 연결망을 보였고, LLM 사용자는 가장 약한 연결성을 나타냄
- 연구는 AI 의존이 학습 과정의 인지적 비용을 초래할 수 있음을 보여주며, 교육적 영향에 대한 심층 검토 필요성을 제기
연구 개요
- 연구는 에세이 작성 시 AI 보조 도구 사용이 뇌 활동과 행동에 미치는 영향을 탐구함
- 참가자들은 LLM(ChatGPT 등) , 검색엔진, Brain-only(도구 미사용) 세 그룹으로 나뉨
- 각 그룹은 동일 조건에서 세 차례 세션을 수행하고, 네 번째 세션에서는 일부가 조건을 교차함
- LLM 사용자는 Brain-only로 전환(LLM-to-Brain)
- Brain-only 사용자는 LLM 조건으로 전환(Brain-to-LLM)
- 총 54명이 세션 1~3에 참여했고, 18명이 세션 4까지 완료
실험 방법
- EEG(뇌전도) 를 통해 에세이 작성 중의 인지 부하와 뇌 연결성을 측정
- 작성된 에세이는 자연어처리(NLP) 분석, 인간 교사 및 AI 평가자의 점수 평가를 병행
- NER(개체명 인식) , n-gram 패턴, 주제 온톨로지 분석 결과, 그룹 내에서는 유사성이 높게 나타남
주요 결과
-
EEG 분석에서 그룹 간 뚜렷한 차이 확인
- Brain-only 그룹은 가장 강하고 넓은 뇌 연결망을 보임
- 검색엔진 그룹은 중간 수준의 참여도
- LLM 그룹은 가장 약한 연결성을 나타냄
- 외부 도구 사용이 증가할수록 인지 활동이 감소하는 경향 확인
- 세션 4에서 LLM-to-Brain 전환자는 알파·베타 대역 연결성 감소, 즉 인지적 저활성 상태를 보임
- 반대로 Brain-to-LLM 전환자는 기억 회상 능력 향상과 후두-두정 및 전전두 영역 활성화를 보였으며, 이는 검색엔진 사용자와 유사
행동 및 언어적 관찰
- 에세이에 대한 소유감(Self-reported ownership) 은 LLM 그룹이 가장 낮고, Brain-only 그룹이 가장 높음
- LLM 사용자는 자신의 글을 정확히 인용하는 데 어려움을 겪음
- 4개월간의 추적 결과, LLM 사용자는 신경·언어·행동 수준에서 지속적인 저성과를 보임
결론 및 시사점
- LLM은 즉각적인 편의성을 제공하지만, 장기적 인지 비용(cognitive cost) 이 존재함
- 연구는 AI 의존이 학습과 사고 능력에 미치는 부정적 영향을 경고
- 교육적·인지적 측면에서 AI 활용의 균형과 재검토 필요성을 강조
- MIT Media Lab은 이 결과를 통해 AI 시대의 학습 메커니즘 재설계 필요성을 제기함
연구를 업으로 하는 사람 입장에서 이 문제를 저는 엄청 말하고 다닙니다. 기존의 사람의 기능을 대체하던 물건들은 특정 기능을 대체하지, 인지 자체를 대체하는 경우는 드물었어요. 인지기능은 부하를 겪는 과정에서 기능적 학습이 이루어지는데, 이런 기회를 스스로 박탈하는거죠. 다른 일에 집중할 수 있지 않느냐라고 할 수도 있지만, 만일 인지적 기능 자체가 성장할 수 없었다면, 다른 일을 할 기회조차 주어지지 않을 수 있습니다. 물론 과도기적 시기에서 나타나는 현상일 수도 있지만, 제가 최근 인터뷰했던 주니어 분들이나, 학교 후배들을 보면 생각보다는 문제가 있다고 느끼고 있습니다. 도구는 쓰기 나름인 것은 맞지만, 조그만 스마트폰 조차도 제어하지 못해서, 걸으면서 스마트폰 보고 다니는 스몸비가 창궐하고 있는 상황에서 통제력있게 대부분의 사람들이 잘 쓸거라고 기대되지는 않습니다.
Hacker News 의견들
-
AI를 너무 자주 쓰면 문제 해결에 몰입하는 감각이 줄어드는 느낌이 있음
복잡한 Sugiyama 프레임워크 기반 그래프 레이아웃 알고리즘을 구현할 때 AI 덕분에 빠르게 개념을 익혔지만, 코드를 직접 쓰게 하니 오히려 이해가 막혔음
이후 Copilot IDE 대신 Copilot 365 앱으로 바꿔 원리를 설명받고 내가 직접 디버깅하니 다시 몰입감을 되찾았음
AI에게 일을 맡기지 말고 대화형 백과사전처럼 쓰는 게 훨씬 낫다고 생각함- 내 진짜 일은 코드를 쓰는 게 아니라 문제를 해결하는 것임
이제는 코드 리뷰나 아키텍처 설계에 더 집중할 수 있게 되어 본질적인 일에 시간을 쓰게 됨 - 좋은 일화라고 생각함. 기술 퇴화는 실제로 존재함
AI를 백과사전처럼 써도 정보 탐색 능력은 줄겠지만, 시간과 에너지 절약의 트레이드오프는 가치가 있음 - 나도 비슷한 단계를 겪었음
처음엔 “그냥 LLM에게 물어보자”에서 시작해, “조금 쉬는 동안 LLM이 대신 해주네”로, 그리고 “LLM이 내 아이디어를 따라와서 새로운 영감을 주네”로 발전함
하지만 결국 데드라인과 현실 업무가 찾아옴 - 혹시 프로그래머에서 매니저로 전환한 사람도 비슷한 감정을 느끼는지 궁금함
- 완전히 공감함. 결국 우리는 AI라는 짐승을 길들이는 법을 배워야 함
- 내 진짜 일은 코드를 쓰는 게 아니라 문제를 해결하는 것임
-
새로운 매체가 등장할 때마다 비슷한 논란이 있었음
소크라테스는 글쓰기가 기억력을 망친다고 했고, 구텐베르크 시대엔 사색이 사라질까 걱정했음
이번 연구는 표본이 작고 기간도 짧아 신뢰성이 낮지만, LLM은 계산기나 구글보다 인지 과정 전체를 대체할 가능성이 있어 질적으로 다름
인지 능력이 사라지는 게 아니라 형태가 바뀌는 것일 수도 있음. 결과는 20년쯤 후에야 알 수 있을 듯함- 사실 그 옛날의 비판자들이 완전히 틀린 건 아님
문자를 몰랐던 사람들은 방대한 암기력을 가졌고, 지금은 기계에 의존해 게을러졌음
인터넷이 보급된 지 30년이 지났지만 생산성은 크게 오르지 않았다는 생산성 역설(https://en.wikipedia.org/wiki/Productivity_paradox)도 있음 - 학습의 세 기둥은 이론, 실습, 메타인지임
LLM은 이 세 단계를 모두 약화시킴. 대신 개인화된 교사로 활용해 문제를 내게 하면 뇌를 성장시킬 수도 있음
하지만 기업들은 그런 방향으로 가지 않을 것이므로, 우리가 더 나은 방향으로 싸워야 함 - TV는 실제로 ‘멍청이 상자’였음. 단순히 도구가 아니라 소비되는 콘텐츠의 질이 문제였음
계산기도 마찬가지로 복잡한 계산 능력을 약화시켰음 - 연구 설계는 나쁘지 않지만 아직 초기 단계임
변화가 긍정적이면 새로운 학습 평가 방식이 필요하고, 부정적이면 LLM 차단 정책이 필요함
어느 쪽이든 교육 시스템의 재설계가 불가피함 - 소설이나 TV는 인간의 사고 과정을 대체하지 않지만, AI는 전문성의 사다리를 무너뜨릴 수 있음
주니어가 단순 작업을 통해 성장하지 못하면 시니어도 사라짐
- 사실 그 옛날의 비판자들이 완전히 틀린 건 아님
-
학생 입장에서 보면, AI 학습 보조는 이득보다 해로움이 큼
시행착오와 반성의 과정이 사라지고, 생각마저 자동화된 시스템에 위임하게 됨
예전엔 인스타그램만 차단하면 됐는데, 이제는 생각 자체를 차단해야 하는 시대가 됨 -
심리학자 Cat Hicks와 신경과학자 Ashley Juavinett의 팟캐스트 Change, Technically에서 이 연구의 문제점을 잘 다룸
- 52분은 너무 길다고 느꼈음. 핵심 결론을 요약해주면 좋겠음
- 사실 팟캐스트가 없어도 논문을 보면 비과학적이고 편향된 연구임을 알 수 있음
ChatGPT가 사람을 멍청하게 만들 수는 있겠지만, 이런 식의 연구로는 증명할 수 없음
-
나는 오히려 AI 덕분에 ADHD 증상이 완화된 느낌임
대화형 노트북처럼 아이디어를 정리하고, LaTeX로 긴 글을 쓰는 과정이 훨씬 즐거워졌음
마치 ADHD가 없는 사람처럼 기능하는 기분임- 반대로 나는 AI가 집중력을 방해한다고 느낌
직접 코딩할 땐 몰입이 되는데, AI가 응답할 때 기다리다 산만해짐 - 불이 안정적으로 피워지면 더 이상 불씨에 집착하지 않는 것처럼, AI는 사고의 효율화 도구일 뿐임
- 나도 ADHD인데, AI 덕분에 대규모 프로젝트를 쉽게 진행함
ChatGPT로 설계 대화를 하고, Copilot으로 코드 작업을 보조받음
오히려 학습 속도와 이해도가 높아졌음 - 나도 생산성은 올랐지만, 세부 검토가 더 피곤해짐
ADHD 검사를 받아본 적은 없지만, 집중력 문제는 확실히 느껴짐
- 반대로 나는 AI가 집중력을 방해한다고 느낌
-
내 친구의 20대 동료가 점심시간 계산을 ChatGPT에 맡겼다고 함
젊은 세대가 간단한 산수조차 AI에 의존하는 모습이 놀라웠음- LLM은 수학에 약해서 단순 계산도 틀릴 때가 많음
심지어 Google Sheets를 Excel이라 부르기도 함 - 혹시 농담이었을 수도 있음. 30분 더하기를 못 한다면 웃을 일임
- 나도 10년 넘게 브라우저 주소창이나 Python 프롬프트로 계산함
인간은 원래 산수에 약하니 굳이 손으로 할 필요는 없음 - 수학 전공자지만 암산은 여전히 약함
단순 계산은 문제 해결이 아님 - 계산기 이후로 기본 산술은 쓸모없는 기술이 됐음
이제는 AI가 읽고 쓰기까지 대신하니, 인간은 더 높은 수준의 사고에 집중할 수 있음
- LLM은 수학에 약해서 단순 계산도 틀릴 때가 많음
-
드루이드들이 문자화를 비판했듯, 기억력의 상실은 늘 있었음
그래도 문자는 퍼졌고, 우리는 더 똑똑해졌는지 멍청해졌는지 모를 뿐임- 학습의 세 기둥(이론·실습·메타인지)을 LLM이 모두 약화시킨다는 점에서, 문자화와는 다른 차원의 변화임
다만 개인화된 교사로 쓰면 뇌를 성장시킬 수도 있음
결국 AI의 방향은 우리가 결정해야 함 - 스마트폰이 기억력에 더 큰 타격을 줬음
전화번호나 길을 외우지 않아도 되니까
하지만 AI가 시간을 절약해주면 그만큼 원천 자료를 읽는 데 투자할 수 있음 - 기억력은 여전히 존재함. 내 아들은 좋아하는 밴드의 가사 전체를 외움
결국 종교도 최초의 주의 경제였음 - 비유가 주제에서 벗어난 듯함
- 사실 소크라테스가 이미 책에 반대했었음.
아이러니하게도 그가 우려한 문제를 LLM이 해결하고 있음
- 학습의 세 기둥(이론·실습·메타인지)을 LLM이 모두 약화시킨다는 점에서, 문자화와는 다른 차원의 변화임
-
GPS 의존과 AI 의존은 비슷한 문제임
일부는 길을 외우지 못하고, 일부는 맹목적으로 따름- 나는 지도 방향을 항상 북쪽 고정으로 두는 습관을 들였음
도시 구조를 익히는 데 도움이 됨
LLM도 비슷하게, AI가 답을 내는 동안 직접 문제를 푸는 경쟁 방식으로 집중력을 유지함 - GPS 과의존이 뇌 건강에 해롭다는 연구(https://www.nature.com/articles/s41598-020-62877-0)가 있음
젊은 세대가 GPS 없이는 차를 움직이지 못하는 게 걱정됨 - 나는 몇 번 다닌 길은 일부러 내비 없이 운전함
LLM도 마찬가지로, 너무 의존하면 사고력 자체를 외주화하게 됨 - 나는 원래 길을 잘 못 외움. GPS가 문제를 만든 게 아니라 해결해준 것임
- 사람마다 공간 인지 능력이 다름
어떤 이는 지형지물을 금방 익히지만, 어떤 이는 더 많은 시간이 필요함
- 나는 지도 방향을 항상 북쪽 고정으로 두는 습관을 들였음
-
이 연구는 참가자에게 20분짜리 에세이를 쓰게 한 실험임
이런 환경에서는 단기 효율만 추구하게 되어, 실제 인지 영향과는 거리가 큼
진짜로 의미 있는 과제에서 LLM이 어떤 영향을 주는지 봐야 함 -
결국 “로봇이 테니스를 치는 걸 본 사람보다, 직접 친 사람이 근육을 더 썼다”는 수준의 결론임
- 맞음, 결국 “힘든 일을 쉽게 하면 뇌가 덜 쓴다”는 말일 뿐임
이건 망치 보고 “집을 부실하게 만든다”고 말하는 수준입니다.
문제는 도구가 아니라 어떻게 쓰느냐입니다.
예를 들어:
계산기를 쓰면 암산이 줄어들 수는 있지만
대신 더 복잡한 수학을 할 수 있게 됩니다
GPS를 쓰면 길 외우는 능력은 줄어들 수 있지만
더 넓은 공간 전략을 짤 수 있습니다
ChatGPT도 똑같습니다.