지화이신: AI에게 ‘한 걸음씩 생각하기’를 가르친 타이완인, 인지심리학을 기계 안으로 옮기다

전 세계가 수억 달러어치 연산력으로 AI를 쫓고 있을 때, 기계 추론의 방식을 바꾼 한 편의 논문은 약 5천 달러밖에 들이지 않았다.

그 논문의 이름은 〈사고의 연쇄〉(Chain of Thought)이다. 그것이 한 일은 돌파구라고 보기 어려울 만큼 단순하게 들린다. AI에게 보여 주는 예시 안에 ‘풀이 과정’을 몇 줄 더 적어 넣어, 먼저 중간 단계를 생각해 낸 뒤 답을 내도록 이끄는 것이다. 학생에게 곧장 결론을 쓰게 하는 대신 먼저 초안을 쓰게 하는 것과 같다. 아홉 명의 공동 저자 가운데 단수이에서 태어난 타이완인이 한 명 있었다. 이름은 지화이신이다.

그는 나중에 그 5천 달러에 대해 이렇게 설명했다. “그 문제는 연산력으로 해결할 수 있는 문제가 아니었다. 그것은 다른 하나의 사고 방식이었다.”¹

30초 개요: 지화이신(Ed H. Chi)은 Google DeepMind의 연구 부사장이자, AI가 ‘한 걸음씩 추론하기’를 배우게 한 사고의 연쇄 논문의 공동 저자 중 한 사람이다. 사용자가 ChatGPT나 Gemini에게 “한 걸음씩 생각해 봐”라고 할 때마다 답이 더 좋아진다면, 기계가 단계별로 추론하도록 만든 그 발상에는 타이완에서 이어져 나온 한 줄기가 있다. 그는 약 15세에 박사과정을 밟던 어머니를 따라 미국으로 이민했다. 어머니의 교육심리학 논문 작성을 도우면서 ‘인간은 어떻게 학습하는가’에 관한 심리학 개념을 배웠다. 30년 뒤 그는 그 개념을 기계 안으로 가져왔다. 타이완은 칩을 만드는 ‘타이완의 빛’은 알아보지만, ‘AI가 어떻게 생각하는가’를 형성한 이 인물은 거의 알아보지 못한다.

어머니의 박사논문

이 이야기는 Google에서 시작되지 않는다. 한 책상에서 시작된다.

지화이신은 단수이에서 자랐다. “나는 타이완에서 나고 자란 사람이다. 단수이에서 태어났고, 대략 15세쯤 부모님과 함께 미국으로 공부하러 갔다. 그때 어머니가 박사과정을 하러 갔기 때문이다.”² 이 말 속에는 조금 이례적인 장면이 숨어 있다. 당시 해외로 나가던 타이완 아이들 대부분은 혼자 ‘어린 유학생’이 되었지만, 그는 어머니가 박사과정을 밟기 위해 가족 전체가 서쪽으로 건너간 경우였다. 한 타이완 가정이 어머니의 학업 때문에 가족 모두 미국으로 이민한 일은 그 시대에 흔하지 않았다.

단수이, 지화이신이 태어나고 자란 곳. 30여 년 뒤 그가 이곳에서 가져간 것은 기계에게 생각을 가르치는 방법이 된다.

어머니가 공부한 분야는 교육심리학 박사과정이었다. 그는 고등학교와 대학교 시절 어머니의 논문 작성을 도왔다. 아직 학생이던 아이가 자기 어머니의 ‘인간은 어떻게 학습하는가’를 다룬 학술논문 정리를 도운 것이다. 바로 그 과정에서 그는 처음으로 스위스 심리학자 피아제의 도식 이론(schema theory)을 접했다.

도식 이론이 말하는 바는 이렇다. 인간의 뇌 안에는 조직화된 지식 구조들이 있으며, 이를 ‘도식’이라고 부른다. 우리는 그것을 통해 세계를 이해한다. 새로운 것을 배울 때는 새 정보를 기존 도식에 끼워 넣거나, 이것을 동화라고 한다. 혹은 기존 도식으로는 담아낼 수 없어 그것을 고쳐 쓰거나 새로 만들게 되며, 이것을 조절이라고 한다. 추상적으로 들리지만, 그것은 매우 근본적인 질문에 답한다. 한 사람은 어떻게 ‘못함’에서 ‘할 수 있음’으로 넘어가는가.

그해 책상 위에 놓였던 개념은 30년 뒤 기계에게 추론을 가르치는 방법이 된다. 그러나 그전에 그는 아주 긴 길을 걸어야 했다. 그리고 그 길은 별로 많은 사람이 걷지 않은 길이었다.

지화이신은 VK 과학기술 독서시간 EP122에서 사고의 연쇄의 기원을 직접 설명한다. 어머니의 교육심리학 박사논문 작성을 도우며 피아제의 도식 이론을 배운 일에서 출발해, 그것을 AI에 추론을 가르치는 방법으로 바꾸기까지를 이야기한다. 이 인터뷰는 이 글의 핵심 출처이다.

단수이에서 미네소타로, 박사과정 입학허가서 한 장을 따라

미네소타에 도착한 뒤 그는 고등학교, 대학교, 석사, 박사를 모두 같은 학교에서 마쳤다. 미네소타 대학교에서 앞뒤로 6년 반 동안 세 개의 학위를 받았다.³ 입학 때부터 최고 영예(Summa Cum Laude)를 받았고, 박사논문은 정보 시각화에 관한 것이었다. 제목은 〈A Framework for Information Visualization Spreadsheets〉였으며, 지도교수 John T. Riedl은 추천 시스템의 선구자였다.

15세에 어머니를 따라 미네소타로 간 그는 훗날 미네소타 대학교에서 6년 반 만에 세 학위를 마쳤다. 지도교수 John T. Riedl은 추천 시스템 연구의 선구자였다. 이 줄기는 훗날 그가 Google에서 하게 될 일로 이어진다.

하지만 학위보다 더 기억할 만한 것은 그가 자신을 어떻게 자리매김했는가이다.

그는 인터뷰에서 매우 솔직한 말을 한 적이 있다. “영어로 말하면 나는 generalist이다…… jack of all trades but master of none 같은 연구자다. 하지만 내 수학이 다른 사람보다 낫지 않다는 것을 깨달았을 때, 어쩌면 나는 좀 더 가교적(bridging)인 연구를 할 수 있겠다고 생각했다. 한 분야와 다른 분야 사이의 다리 말이다.”⁴

학계에서 이것은 대가가 따르는 선택이다. 그 자신도 말했듯이 가교 연구를 하면 “A 분야 안에서도 진짜 그 분야 사람이 아니고, B 분야 안에서도 진짜 연구자가 아니다.” 한쪽만 아는 사람에게 세계는 분명한 자리를 내준다. 하지만 양쪽 사이에 선 사람은 어느 쪽에서도 받아들여지지 않는 일이 많다. 그러나 그가 걸었던 곳은 바로 그 중간지대였다. 훗날 사실이 증명했듯, AI의 가장 중요한 몇 걸음은 마침 이런 지대에서 일어났다.

✦ “어쩌면 나는 좀 더 가교적인 연구를 할 수 있겠다고 생각했다. 한 분야와 다른 분야 사이의 다리 말이다.”

팔로알토에서 그는 심리학을 프로그램으로 바꾸는 법을 배웠다

1997년 그는 전설적인 곳에서 인턴으로 일하게 된다. 제록스 팔로알토 연구소(Xerox PARC)이다.

이 이름은 타이완 독자에게 낯설 수 있지만, 사람들은 매일 그곳이 발명한 것들을 사용하고 있다. 마우스, 그래픽 사용자 인터페이스, 레이저 프린터, 이더넷. 개인용 컴퓨터 시대의 기반을 닦은 이런 기술 다수가 스탠퍼드 대학교 옆에 있던 이 복사기 회사 연구소에서 태어났다. 당시 스티브 잡스가 그곳에 들어가 그래픽 인터페이스를 보고 아이디어를 배워 나와 훗날 매킨토시를 만들었다. 지화이신이 그곳에 갔을 때는 마침 연구소의 두 번째 황금기였다.

제록스 팔로알토 연구소가 1973년에 개발한 Alto는 개인용 컴퓨터와 그래픽 인터페이스의 선구자였다. 지화이신은 훗날 이곳에서 인지심리학을 실행 가능한 프로그램으로 바꾸는 법을 배웠다.

핵심은 그가 어떤 화려한 기술을 만들었는가가 아니라, 어떤 사람을 만났는가에 있었다. “그때 내 상사는 Stuart Card였다. 그는 Allen Newell의 제자였다.”⁵ 이 사제 계보를 위로 거슬러 올라가면 한 노벨경제학상 수상자와 만난다. 허버트 사이먼(Herbert Simon)이다.

사이먼은 ‘제한된 합리성’(bounded rationality)을 제시했다. 인간은 의사결정 때 인지, 정보, 시간의 제약을 받기 때문에 애초에 ‘완전한 합리성’은 불가능하다는 생각이다. 그는 또 ‘충분히 좋으면 된다’는 의사결정, 곧 satisficing이라는 말도 만들었다. 인간은 최적해를 추구하는 것이 아니라, 그럭저럭 받아들일 수 있는 해를 구한다는 것이다. 사이먼과 Newell은 인간의 뇌를 하나의 정보처리 기계에 비유했고, ‘문제 해결’이란 문제공간 안에서 한 걸음씩 답을 탐색하는 일이라고 보았다. Card는 이 사유를 팔로알토로 가져왔고, 지화이신은 다시 Card에게서 그것을 이어받았다.

📝 큐레이터 노트
흔히 통용되는 AI 이야기는 이렇게 말한다. 기계가 점점 더 똑똑해지는 까닭은 칩이 더 빨라지고, 데이터가 더 많아지고, 모델이 더 커지기 때문이다. 이 서사는 편리하지만, 또 다른 숨은 줄기를 놓친다. 사이먼은 이미 1950년대에 “인간의 뇌는 제약 속에서 어떻게 의사결정을 하는가”를 묻고 있었다. Card는 1974년 심리학을 팔로알토의 컴퓨터 연구 안으로 옮겼다. 지화이신은 1990년대 그 바통을 이어받아 먹이찾기 이론을 사람들이 인터넷에서 정보를 찾는 모델로 바꾸었다. 반세기 동안 한 무리의 사람들은 줄곧 같은 질문을 추적했다. 인간은 도대체 어떻게 생각하는가. 주류가 기계를 더 빨리 계산하게 만드는 데 몰두할 때, 그들은 기계가 더 인간처럼 생각하게 만드는 데 몰두했다. 사고의 연쇄는 바로 이 숨은 줄기가 맺은 열매이다.

그가 팔로알토에서 주로 연구한 것은 ‘정보 먹이찾기’(information foraging)였다. 개념은 이렇다. 사람이 인터넷에서 정보를 찾는 행위는 동물이 야외에서 먹이를 찾는 것과 닮았다. ‘냄새’를 따라가고, 냄새가 강하면 쫓아가며, 냄새가 약하면 포기한다. 그는 이 생물학적·심리학적 먹이찾기 모델을 실제로 작동하는 시스템으로 공학화해, 사람이 웹사이트들 사이를 어떻게 이동하는지 예측했다. 이것이 ‘가교’의 첫 실전이었다. 한쪽에는 인지심리학이 있고, 다른 한쪽에는 정보과학이 있었다. 그는 그 사이에 다리를 놓았다.

더 많은 데이터가 아니라, 더 인간답게

2011년 그는 팔로알토를 떠나 Google로 갔다. 이유는 현실적이었다. “연구만 해서는 안 되고, 응용되는 것도 해야 한다.” 제록스식으로 ‘기초연구는 깊이 하지만 제품으로 전환하지 못하는’ 모델을 그는 가까이서 보았다.

Google에서 그는 먼저 웹 데이터 분석을 했다. 2015년부터 2017년까지는 팀을 이끌고 YouTube의 신경망 추천 시스템을 재구축했다. 2017년에는 Google Brain의 수석과학자가 되어 70명 규모의 팀을 이끌었고, 2021년에는 Distinguished Scientist로 승진해 120명 규모의 팀을 맡았다. 이후 DeepMind의 연구 부사장이 되었다.⁶ 일련의 직함 뒤에는 사실 같은 방법론적 유전자가 이어지고 있다. 정보 먹이찾기는 ‘인간은 어떻게 무언가를 찾는가’의 모델이고, 추천 시스템은 ‘인간은 무엇을 보고 싶어 하는가’의 모델이며, 사고의 연쇄에 이르러 그것은 ‘인간은 어떻게 추론하는가’의 모델이 되었다. 인간 인지에서 출발해 기계로 밀고 나아간 것이다.

사고의 연쇄의 전환점은 당시 주류 머신러닝에 대한 그의 한 가지 불만에서 비롯되었다. “왜 이렇게 많은 데이터를 써야 이 기계가 진정으로 학습할 수 있는가?” 그는 생각하기 시작했다. “인지심리학의 방법으로 기계가 학습하도록 가르칠 수는 없을까.”⁷

그래서 그는 그 개념으로 돌아갔다. “이 아이디어는 사실…… 60년대와 70년대에 나온 아이디어에서 비롯되었다. 도식 이론이라고 부른다. 그 뜻은 기본적으로, 사람이 하나의 템플릿(template)으로 문제를 풀 수 있다면, 어쩌면 우리도 이런 방법으로 기계가 학습하도록 가르칠 수 있지 않을까 하는 것이다. 그래서 사고의 연쇄는 사실 이 아이디어에서 막 시작되었다.” 인터뷰 진행자가 그것이 피아제의 도식인지 묻자 그는 답했다. “맞다. 피아제의 도식이라는 아이디어다. 그건 사실 내가 고등학교와 대학교에 다닐 때, 어머니의 교육심리학 박사논문 작성을 도우면서 배운 것이다. 그래서 나중에 이런 것들이 서서히 연결되었다.”⁸

책상 위의 씨앗이 싹을 틔웠다.

사고의 연쇄 논문에서 가장 유명한 그림이다. 왼쪽은 일반 방식으로 질문했을 때 모델이 계산을 틀린다. 오른쪽은 예시 안에 추론 과정을 한 단락 더 썼을 뿐인데(파란 배경 부분), 모델이 정답을 낸다. 차이는 연산력이 아니라 ‘생각을 한 걸음씩 적어 내는가’에 있다. 그림 출처는 Wei et al., 2022.

그리고 그것에는 거의 돈이 들지 않았다. “우리가 총 얼마만큼의 연산력을 썼는지 아는가? 대략 5천 달러어치 연산력이었다. 그 문제는 연산력으로 해결할 수 있는 문제가 아니었기 때문이다. 그것은 다른 하나의 사고 방식이었다. 당시 우리가 그 연구를 할 때 처음에는 기본적으로 예산이 없었다. 우리 스스로 맨땅에서 생각해 낸 것이었다.”¹

이것이 이 글이 가장 말하고자 하는 바이다. AI가 추론을 배우게 한 핵심은 더 많은 연산력이 아니라 더 인간다움이었다. 그리고 그 ‘더 인간다움’은 한 단수이 아이가 어머니를 도와 쓴 교육심리학 박사논문 속에서 자랐다.

그는 부하에게 말했다. 그 방법 말고, 도식을 시도해 보라

여기서는 정직해야 한다.

사고의 연쇄 논문에는 아홉 명의 저자가 있고, 지화이신은 일곱 번째이다. 제1저자는 Jason Wei로 주요 실행자였다. 마지막 저자, 곧 학술 관례상 선임 주도자는 Google Brain 추론 연구팀의 창립자인 Denny Zhou이다. 이 논문을 ‘지화이신이 발명했다’고 말하는 것은 정확하지 않다. Denny Zhou가 이 연구 방향의 주도자였다. 그리고 Denny Zhou는 지화이신 팀의 연구원이자 그의 직속 부하였다.

그렇다면 그의 역할은 정확히 무엇이었는가. 그의 말을 들어 보자. “Denny Zhou는 내 팀의 연구원이었다. 그가 내 팀에 합류한 뒤 추론 연구를 하고 싶다고 와서 말했다…… 그는 원래 비교적 전통적인 신경-기호(neural symbolic) 방법을 쓰고 있었다. 나는 그에게 신경-기호가 별로 work하지 않는 것 같다고 말했고, 다른 방법을 고려해 보는 것은 어떻겠느냐고 했다. 그 뒤 우리가 천천히 논의하다가 어쩌면 도식 개념을 쓸 수 있겠다고 발견했다.”⁹

이 대목은 그의 실제 기여를 분명히 그어 준다. 그는 논문의 주 실행자는 아니었다. 하지만 결정적 갈림길에서 “그 길로 가지 말라”고 말한 사람이었다. 그는 당시에는 자연스러운 방향처럼 보였던 신경-기호 접근을 부정하고, 논의를 도식 쪽으로 밀었다. 더 중요한 것은 그가 도식을 떠올릴 수 있었던 이유가 30년에 걸친 인지과학적 시각을 팀 안으로 가져왔기 때문이라는 점이다. 달리 말해 그는 Denny Zhou가 ‘도식을 생각할 수 있게 만든’ 사람이었다.

📝 큐레이터 노트
‘타이완의 빛’ 담론의 가장 흔한 문제는 한 사람의 복잡한 기여를 “그가 X를 발명했다”는 한 문장으로 눌러 버리는 데 있다. 하지만 실제는 대개 더 흥미롭다. 지화이신에게 정말로 대체 불가능한 것은 20년에 걸친 긴 호이다. 그는 정보 먹이찾기에서 추천 시스템으로, 다시 사고의 연쇄로 이어지며 인지심리학을 조금씩 기계 안으로 옮겼다. 논문에는 아홉 명의 저자가 있고, 저자 순서가 있으며, 공로 다툼도 있을 수 있다. 그러나 ‘20년 동안 인간이 어떻게 생각하는가라는 문제를 계속 공학의 현장으로 가져온 일’은 그 팀 전체에서 그만이 할 수 있었다. 그의 가치를 보려면 저자 목록 한 장에서 멈추지 말고 20년의 척도로 넓혀 보아야 한다.

그는 사고의 연쇄 이후를 더 깊은 틀로 설명하기도 했다. AI가 단지 템플릿에 따라 문제를 푸는 데 그치지 않고 자기 사고를 ‘성찰’하고 되돌아가 수정할 때, 그는 이렇게 말했다. “이것은 피아제의 인지학에서, 또는 학습과학에서 동화와 조절이라고 부르는 것이다…… 기계의 이런 진정한 학습이 실제로 시작된 듯하다.”¹⁰ 템플릿에 따라 문제를 푸는 것은 동화이고, 되돌아가 템플릿을 고쳐 쓰는 것은 조절이다. 그는 과거 어머니의 논문 작성을 도우며 배운 그 한 쌍의 개념을 거의 그대로 가져와 기계의 학습을 묘사했다.

그는 또 사고의 연쇄를 다른 심리학자의 틀과 연결했다. “사고의 연쇄에 미세조정, 다음 단어 예측을 더하면 추론 기계의 시작인 듯하다. 이른바 시스템 2 사고, 곧 Kahneman이 말한 것이다.”¹¹ 시스템 1은 직관적이고 빠르며 힘이 들지 않는 사고이다. 마이크를 보면 그것이 마이크임을 곧바로 아는 식이다. 시스템 2는 노력이 들고 이성적이며 한 걸음씩 밀고 나가야 하는 사고이다. “AGI의 정의는 무엇인가”라는 질문을 받았을 때 작동하는 두뇌가 그것이다. 그의 관점에서 과거의 딥러닝은 이미 시스템 1을 깊게 구현했다. 그리고 사고의 연쇄는 기계가 시스템 2를 시작하는 출발점이다.

추론하는 기계와 할머니의 기준

그렇다면 AI는 언제 정말로 ‘도달했다’고 할 수 있을까. 지화이신의 답은 어떤 기술 지표 안에도 있지 않다. 할머니에게 있다.

“어느 날 당신의 할머니가 집 안의 로봇에게 ‘내가 한 번 가르쳐 줬는데, 왜 아직도 못 하니’라고 꾸짖는다면, 그때 AGI가 온 것이다…… 우리의 측정 기준은 할머니에게 있다.”¹²

이 말은 들리는 것보다 날카롭다. 오늘날의 로봇청소기는 아직도 선에 엉키고 가구에 부딪힌다. 사람들은 그것을 멍청하다고 여기지만, 진심으로 화를 내지는 않는다. 마음속으로는 ‘기계는 원래 나보다 멍청하고, 여러 번 가르치는 것이 정상’이라고 생각하기 때문이다. 하지만 언젠가 할머니가 못 배우는 사람을 꾸짖듯 로봇을 꾸짖는다면, 그것은 할머니 마음속에서 이미 그 로봇이 ‘한 번 가르치면 알아야 하는’ 대상으로 자리 잡았다는 뜻이다. AGI가 도래하는 순간은 어떤 점수가 선을 넘는 일이라기보다, 인간의 기대가 조용히 바뀌는 일에 더 가깝다.

이는 범용 인공지능에 대한 그의 견해와도 이어진다. 그는 AGI가 성립하려면 두 가지가 필요하다고 본다. 첫째, AI는 가상세계 안에만 살아서는 안 되며 인간의 실제 생활환경에 통합될 수 있어야 한다. 둘째, “내가 한 번 가르치면, 너는 앞으로 할 수 있어야 한다.” 즉 하나를 들어 열을 알고 스스로 탐색할 수 있어야 하며, 사람이 반복해서 가르쳐야 하는 존재여서는 안 된다. 그가 지금 이끄는 Project Astra는 바로 첫 번째 일을 하고 있다. 사용자가 놓인 상황을 감지할 수 있는 범용 비서이다.

그는 자신이 겪은 한 장면을 이야기한 적이 있다. 약 1년 전 그는 아직 비밀 단계였던 Project Astra를 바르셀로나 회의에 가져갔다. 한 호텔 옥상 바에서 휴대전화를 꺼내 도시의 스카이라인을 훑고는 “내가 어디에 있지”라고 물었다. 그것은 “바르셀로나에 있는 것 같다”고 답했다. 그가 어느 구역인지 다시 묻자 정확한 구역명을 말했다. 근처에 좋은 식당이 있는지, “미쉐린 별이 있으면 더 좋다”고 묻자 그것도 답했다. “내가 ‘예약을 도와줄 수 있니?’라고 하자, 그것은 ‘지금은 아직 안 되지만, 미래에는 가능할지도 모른다’고 말했다.” 그 순간 그는 진정으로 곁에 머물며 사용자의 상황을 이해하는 개인 비서가 생전에 만들어질 수 있겠다고 깨달았다.¹³

지화이신은 Sidechat E350에서 스마트 안경, AGI의 ‘할머니 기준’, 타이완의 기회를 이야기했다. 인터뷰 중 그는 Project Astra 안경 원형기를 꺼내 보이며, 이것이 아마 타이완의 첫 번째 기기일 것이라고 말했다.

인터뷰 현장에서 그는 주머니에서 Project Astra가 탑재된 스마트 안경 원형기를 꺼내며 이것이 “아마” 타이완의 첫 번째 기기일 것이라고 말했다. 그는 타이완에 가장 큰 기회가 어디에 있는지도 이야기했다. 하드웨어가 그중 하나이다. “타이완은 반도체, 특히 제조 부분에서 지위가 흔들리기 어렵다.” 하지만 그는 곧 화제를 돌렸다. “타이완이 하드웨어와 소프트웨어를 잘 통합하고 대규모 언어모델의 능력을 활용할 수 있다면, 확실히 매우 큰 기회이다.”¹⁴

타이완은 칩은 알아보지만, 이 두뇌는 알아보지 못한다

여기까지 말하면 한 가지 문제를 피할 수 없다. 그는 타이완인인가.

사실은 분명하다. 그는 약 15세에 타이완을 떠났고, 고등학교와 대학교, 대학원을 모두 미국에서 다녔으며, 전체 경력을 실리콘밸리에서 쌓았다. 그는 타이완에서 태어나 미국에서 성장해 자리 잡은 Taiwanese American이다. 누군가 ‘타이완의 빛’이라는 모자가 이미 오래전에 이민한 사람을 소비하는 것이라고 말한다면, 그 의문은 근거 없는 비난이 아니다.

하지만 저울 반대편에도 실질적인 것이 있다. 그는 중국어로 인터뷰하며 스스로 “단수이에서 태어나 타이완에서 나고 자랐다”고 적극적으로 말했고, 이를 피하지 않았다. 그는 계속 타이완으로 돌아와 강연한다. 사범대, 중흥대, 양밍자오퉁대에도 그의 흔적이 남아 있다. 그는 타이완의 장기요양 문제, 반도체 지위, AI 스타트업 생태계에 대해 구체적인 관찰을 갖고 있으며, 심지어 타이완에 이미 약 1만 5천 명의 사용자가 DeepMind의 단백질 구조 예측 도구를 쓰고 있다고 언급했다.

그가 ‘안쪽에 있으면서도 바깥에 있는’ 위치를 가장 잘 보여 주는 것은 그가 타이완 연구자들에게 한 말이다. “이 부분의 연구는 사실 내가 이렇게 여러 해 동안 타이완에 돌아올 때마다 매번 말했지만, 타이완의 연구자들이…… 이 방면에서 많이 하는 것을 보지 못했다. 많은 칩이 없어도 할 수 있는 연구이다.”¹⁵

이 말 안에는 두 가지 정체성이 당기고 있다. 그는 “타이완에 돌아오다”라고 말하며, 자신이 이곳에 속한다고 여기는 사람이다. 그러나 “매번 말했지만 아무도 하지 않는다”는 말에는 외부자의 거리감도 있다. 오래 집을 떠났던 사람이 돌아와 집 안 어느 구석이 계속 정리되지 않은 것을 보고 조급해하지만, 힘을 쓰지 못하는 모습과 닮았다. 그가 타이완의 빛인가 아닌가에 대해 이 글은 대신 결론을 내려 주지 않는다. 사실은 여기에 놓여 있다. 판단은 독자의 몫이다.

📊 숫자 속의 그

출처: 지화이신 VK EP122 인터뷰, Google Scholar, OpenAI o1 System Card(arXiv 2412.16720)

추론을 보여 주는 것은 더 투명한가, 아니면 더 그럴듯하게 말하는 것인가

사고의 연쇄는 AI가 추론 과정을 ‘보여 주게’ 했다. 표면적으로 이것은 기계를 더 투명하게 만든다. 사용자는 그것이 어떻게 생각했는지 볼 수 있다. 하지만 여기에는 정직한 사람이라면 함께 제시해야 할 우려가 숨어 있다.

⚠️ 논쟁적 관점
사고의 연쇄는 AI가 ‘생각의 과정’을 사용자 앞에 펼쳐 보이게 한다. 그래서 더 믿을 만하고 더 신뢰할 만해 보인다. 그러나 학계는 이미 의문을 제기했다. 모델이 보여 주는 그 추론의 줄이 반드시 내부 의사결정 과정을 실제로 반영하는 것은 아니라는 것이다. 연구에서는 이를 추론 사슬의 ‘충실도’ 문제라고 부른다. 달리 말하면, 모델은 먼저 답을 얻은 뒤 그럴듯한 설명을 덧붙여 보여 주는 것일 수 있다. 더 말을 잘한다고 해서 더 정직한 것은 아니다. 동시에 2026년 3월 미국 로스앤젤레스의 한 배심원단은 한 소셜미디어 중독 사건에서 YouTube 등 플랫폼이 청소년 중독에 책임이 있다고 판단했고, Google에는 약 30%의 책임이 있다고 평결했다. 지화이신은 바로 YouTube 추천 시스템 등의 성과로 미국컴퓨터학회(ACM) 펠로가 되었지만, 알고리즘이 가져올 수 있는 해악에 대해서는 거의 공개적으로 말한 적이 없다. 기계가 ‘더 잘 추론하게’ 만든 한 사람이 ‘기계가 더 그럴듯하게 말하게 된 뒤 책임 추궁은 오히려 더 어려워지는가’라는 문제에 대해서는 현재 침묵하고 있다. 이 점을 지적하는 것은 누군가를 비난하려는 뜻이 아니다. 다만 한 타이완인이 AI 최전선에 서 있다는 사실을 자랑스러워할 때, 이런 문제도 함께 시야에 넣어야 한다는 말이다.

이 모순에는 깔끔한 답이 없다. 애초에 있어야 할 필요도 없다. AI를 더 인간답게 만드는 기술은 인간의 가장 좋은 특성과 가장 골치 아픈 특성을 동시에 증폭한다. 인간은 추론하지만, 자기 결정에 이유를 꾸며 대기도 한다. 이 양면을 함께 보는 것이야말로 이 일을 진지하게 대하는 태도이다.

그다음은 무엇인가

지화이신은 8년 주기를 관찰한다. 1991년 인터넷, 1999년 Google 탄생, 2007년 iPhone, 2015년 딥러닝의 성숙, 2023년 Gemini와 ChatGPT. 이 리듬에 따르면 다음 전환점은 2031년 전후에 놓인다. 그는 그때가 되면 “대형 모델로 일을 한다는 이유로 놀라는 사람은 아무도 없을 것”이라고 말한다. 오늘날 휴대전화를 쓴다는 이유로 놀라는 사람이 없는 것처럼 말이다.

그가 지금 걸고 있는 방향은 AI를 화면 밖으로, 실제 세계 안으로 내보내는 일이다. 사용자의 상황을 감지하는 Project Astra, 집안일을 할 수 있는 로봇이 그것이다. 그가 가장 감정적으로 이야기하는 것은 타이완의 장기요양이다. “정말로 좀 더 감당 가능한 가격의 로봇이 있어서 집안일을 도울 수 있지 않을까?” 빨래, 요리, 환자 체위 변경, 정시 약 전달. 사회가 인력 부족을 겪고, 간호 인력이 모자라며, 병원에 병상이 없을 때 이런 공상과학처럼 들리는 것들은 사실 매우 현실적인 희망이다.

Google이 공식 공개한 Project Astra 비전 영상이다. 이것은 지화이신이 지금 맡고 있는 방향이다. 사용자와 같은 환경에 공존하며, 사용자의 상황을 이해할 수 있는 범용 비서이다.

다시 그 책상으로 돌아가 보자.

단수이의 한 아이는 약 15세에 어머니를 따라 미네소타로 갔다. 어머니의 교육심리학 박사논문 작성을 도우며 그는 ‘인간은 어떻게 학습하는가’를 배웠다. 30년 뒤 그는 인간에 관한 이 개념을 기계에게 생각을 가르치는 방법으로 바꾸었다. 어느 날 당신의 할머니가 집 안의 로봇에게 “내가 한 번 가르쳐 줬는데, 왜 아직도 못 하니”라고 말하게 된다면, 그 기계가 단계별로 추론하고, 성찰하고, 하나를 들어 열을 알게 된 배후에는 길게 이어진 한 줄이 있다. 그 줄의 한쪽 끝은 실리콘밸리의 실험실에 있고, 다른 한쪽 끝은 단수이에 있다.

이미지 출처

• 지화이신 강연 사진(hero): GQ Taiwan《GQ 專訪》紀懷新 — fair use editorial commentary
• Junyu-K / Wikimedia Commons — CC BY-SA 4.0(단수이 유처커우 목재 산책로 석양)
• SavagePanda845 (Elliot F) / Wikimedia Commons — CC BY-SA 4.0(미네소타 대학교 캠퍼스)
• The wub / Wikimedia Commons — CC BY-SA 4.0(Xerox Alto 컴퓨터)
• 사고의 연쇄 논문 Figure 1: Wei et al. 2022, arXiv:2201.11903 — fair use academic

더 읽을거리

• 황런쉰——AI를 더 빠르게 달리게 한 타이완의 빛, 하드웨어의 한 면
• 장중머우——타이완 반도체의 창립자, 지화이신이 말한 “지위가 흔들리기 어렵다”는 그 산
• AI 인공지능 산업——글로벌 AI 공급망에서 타이완의 위치
• 타이완 인공지능 발전과 미래 전략——타이완 AI의 전체 그림
• 타이완 AI 일상——AI는 이미 어떻게 타이완인의 생활 속으로 들어왔는가

참고자료

1. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — VK 공식 채널 인터뷰, 지화이신 본인 출연. 약 52분 지점에서 그는 사고의 연쇄 논문이 약 5천 달러어치 연산력만 사용했다고 직접 설명한다. ‘연산력 군비’에 맞서는 가장 강력한 직접 증거이다.↩
2. 塞掐 Sidechat E350（ft. 紀懷新） — INSIDE 산하 과학기술 podcast 공식 인터뷰. 프로그램 시작 부분에서 지화이신이 자기소개를 하며, 단수이 출생과 약 15세에 어머니를 따라 미국으로 간 일을 그대로 설명한다.↩
3. Ed H. Chi 개인 이력 — 지화이신 본인의 공식 웹사이트 이력. 미네소타 대학교 컴퓨터공학 학사(1992–1994), 컴퓨터공학 석사(1994–1996), 컴퓨터 및 정보과학 박사(1996–1999), 최고 영예 졸업, 지도교수 John T. Riedl을 기록하고 있다.↩
4. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 56분 지점. 지화이신이 수학이 동료보다 낫지 않다고 느껴 ‘가교’ 연구로 전환한 심리적 과정을 스스로 말한다. 그의 연구 스타일을 이해하는 핵심 고백이다.↩
5. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 5분 지점. 지화이신은 팔로알토 연구소의 사제 계보를 설명하며 상사 Stuart Card가 Allen Newell의 제자였다고 말한다. 고유명은 학술 출처로 교정했다(Stuart Card 위키백과).↩
6. Ed H. Chi｜Google Research — Google Research 공식 개인 페이지. Google에서의 경력 궤적과 연구 분야를 기록하고 있다. 경력 세부 사항은 본인 이력 edchi.net/resume도 참조했다.↩
7. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 9분 지점. 지화이신은 “왜 이렇게 많은 데이터가 있어야 기계가 학습할 수 있는가”라는 불만이 사고의 연쇄의 출발점이었다고 설명한다.↩
8. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 9분부터 10분 지점. 사고의 연쇄 기원에 관한 가장 핵심적인 1차 진술이다. 도식 이론, 피아제, 어머니의 교육심리학 박사논문 작성을 도운 개인적 연결이 나온다. 이 글의 핵심 단락이다.↩
9. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 57분 지점. 지화이신이 Denny Zhou의 신경-기호 방법을 부정하고 도식으로 전환한 핵심 과정을 직접 설명한다. 그의 공로와 역할을 판단하는 1차 근거이다. 논문 저자와 순서는 arXiv 2201.11903을 보라.↩
10. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 15분 지점. 지화이신은 피아제의 동화와 조절 틀로 사고의 연쇄에서 성찰적 추론으로의 진화를 설명한다. 교육심리학의 언어를 AI 안으로 직접 가져오는 그의 사고방식을 보여 준다.↩
11. VK 科技閱讀時間 EP122：AI 演進、AGI 雛型、很多心理學（ft. 紀懷新） — 약 17분 지점. 지화이신은 사고의 연쇄를 Kahneman의 《Thinking, Fast and Slow》에 나오는 시스템 1·시스템 2 사고 틀과 연결한다. Kahneman의 저서 《Thinking, Fast and Slow》는 2011년에 출간되었다.↩
12. 塞掐 Sidechat E350（ft. 紀懷新） — 인터뷰 시작 부분과 약 60분 지점. 지화이신은 AGI의 ‘할머니 기준’을 제시한다. 할머니가 사람을 꾸짖듯 로봇에게 “한 번 가르쳐 줬는데 왜 아직도 못 하니”라고 말하게 되면 AGI가 온 것이다.↩
13. 塞掐 Sidechat E350（ft. 紀懷新） — 약 30분 지점. 지화이신은 비밀 단계였던 Project Astra를 바르셀로나에 가져가 호텔 옥상 바에서 도시 스카이라인을 스캔하게 했고, 그것이 도시와 구역을 정확히 식별한 개인적 장면을 이야기한다.↩
14. 塞掐 Sidechat E350（ft. 紀懷新） — 약 40분 지점. 지화이신은 타이완 반도체 제조의 지위가 “흔들리기 어렵다”고 평가하고, 소프트웨어와 하드웨어의 통합이 타이완에 “매우 큰 기회”라고 말한다.↩
15. 塞掐 Sidechat E350（ft. 紀懷新） — 약 52분 지점. 지화이신은 타이완 연구자들에게 이 방면의 연구는 “많은 칩이 없어도” 할 수 있지만, 여러 해 동안 타이완에 돌아올 때마다 말해도 타이완 연구자의 참여를 보지 못했다고 말한다. 이 대목은 그의 outsider-insider 정체성 긴장을 가장 잘 보여 준다.↩