🧠 게슈탈트 심리학으로 보는 AI와 인간의 진정한 이해

안녕하세요, 백제입니다.

오늘 저는 김정 교수의 강연에서 얻은 통찰을 빌려, 인공지능 시대에 과연 ‘인간답게 사고하고 이해한다는 것’은 무엇을 의미하는지, 그리고 기계의 기호 조작과 인간의 삶에 기반한 독해 과정이 어떻게 근본적으로 다른지에 대한 담론을 펼쳐보고자 합니다.

기술이 발전할수록 역설적으로 인간 존재와 독창적 인지 능력에 대한 깊이 있는 탐구가 더욱 절실해지기 때문입니다.

📑 목차

네 가지 핵심 질문: 사고와 언어처리의 주체
카니자 삼각형: 인간은 없는 맥락을 본다
게슈탈트 vs AI: 근본적인 처리 방식의 차이
기호의 덫(The Symbol Trap): 체험이 거세된 텍스트
교육적 함의: AI 시대, 우리는 무엇을 멈춰야 하는가

1. 네 가지 핵심 질문: 사고와 언어처리의 주체

과연 “전체는 부분의 합일까요?”

많은 사람들이 인공지능이 인간보다 훨씬 정밀하게 계산하고 지식을 방대하게 처리하니까, 언젠가 인간의 모든 지적 역량을 완벽히 대체하거나 심지어 능가할 것이라 예견합니다. 하지만 정말 인간의 사고 구조가 0과 1의 조합, 혹은 가중치들의 선형 결합(합)과 같을까요?

이 질문을 마주하며 우리는 깊이 있는 사고를 촉진하기 위한 네 가지 핵심 질문을 던져야 합니다.

인간은 왜 부분들이 아닌 **‘전체’**를 먼저 인식하고 구성하는가?
AI는 과연 인간처럼 전체 맥락을 **‘이해’**하고 있는가?
생성형 AI가 쏟아내는 유려한 텍스트는 진정한 의미의 ‘사고’ 결과물인가?
인간의 종합적인 독해와 AI의 수학적인 토큰 예측은 언어처리 메커니즘에서 어떻게 다른가?

2. 카니자 삼각형: 인간은 없는 맥락을 본다

이 차이를 가장 선명하게 시각화해 주는 사례가 바로 **‘카니자 삼각형(Kanizsa Triangle)‘**입니다.

인간의 눈은 팩맨 모양의 원 세 개가 놓여있을 뿐인 그림에서, 물리적으로 그려져 있지 않은 하얀색 역삼각형의 테두리를 자연스럽게 인식합니다. 뇌가 게슈탈트 법칙의 하나인 ‘폐쇄성의 원리’에 따라, 불완전한 정보 속에서도 비어있는 영역을 스스로 추론해 전체 형상으로 채워 완성하기 때문입니다.

우리는 개별 요소를 기계적으로 더하지 않고, 주변 배치를 통해 전체 맥락을 직관적으로 완성합니다. 즉, ‘없는 것’까지 볼 수 있는 능력입니다. 반면 현재의 AI 이미지 인식 모델은 인간과 같은 맥락적 추론 체계가 없기 때문에 이러한 시각적 착시(안구의 게슈탈트적 통합)를 올바르게 처리하는 데 여전히 큰 어려움을 겪습니다.

이러한 게슈탈트(Gestalt) 심리학의 핵심 명제는 다음과 같습니다.

“전체는 개별 부분들의 단순한 물리적 합이 아니라, 그 이상이다.”

우리는 단어 하나하나를 읽을 때 철자를 낱개로 쪼개어 해독하지 않습니다. 스펠링 순서가 엉망으로 섞여 있는 영어 문장도 패턴을 통째로 묶어 문맥 안에서 매끄럽게 읽어냅니다.

“Tihs snetecne is siltl raedable.”

뇌가 낱말의 파편이 아닌, 문장이 향하는 전체 구조와 의미적 지평을 동시에 조망하기 때문에 가능한 현상입니다.

3. 게슈탈트 vs AI: 근본적인 처리 방식의 차이

그러나 인공지능이 작동하는 근본적인 존재 방식은 이와 완전히 궤를 달리합니다.

인간의 처리 과정: 살아온 삶의 육체적 경험과 감각적 기억에서 출발하여, 문화적 배경과 정서적 맥락을 통합한 총체적이고 열린 **‘이해(Understanding)와 해석(Interpretation)‘**을 수행합니다.
AI의 처리 과정: 입력받은 텍스트를 정해진 규칙에 따라 잘게 쪼갠 수치(Token)로 변환한 뒤, 수십억 개의 파라미터가 부여된 거대한 행렬 곱셈 연산을 통해 **‘가장 높은 통계적 확률을 가진 다음 토큰(Next Token)‘**을 기계적으로 예측해낼 뿐입니다.

ChatGPT가 고양이 관련 문장 뒤에 “mat(매트)“라는 단어를 골라냈을 때, 그것은 고양이라는 동물과 매트의 물리적 상관관계를 이해하고 쓴 것이 아닙니다. 웹에 널려있던 엄청난 말뭉치 데이터 속의 통계적 빈도를 수학적으로 계산하여 샘플링했을 뿐입니다.

여기서 우리는 **‘거대 언어 모델의 역설’**을 마주합니다.

인간이 빚어낸 방대한 언어 자원을 입력 토큰(dumb parts) 수준에서 학습했으나, 내부의 다층 신경망 연산(행렬 곱셈)을 반복하며 결과적으로는 매우 유려하고 논리적인 문장을 창발(Emergence)해 냅니다.

하지만 존 설(John Searle) 교수의 유명한 ‘중국어 방 사고실험’이 보여주듯, 방 안의 사람이 규칙집만 보고 올바른 한자 답변을 내놓는다고 해서 그가 진정으로 한자를 ‘이해’하고 있다고 말할 수는 없습니다. AI의 오류인 환각(Hallucination) 현상 역시 의미의 맥락을 모른 채 통계적 편향만을 조작하다 현실 세계 지식과 충돌하며 빚어지는 본질적 한계입니다.

4. 기호의 덫(The Symbol Trap): 체험이 거세된 텍스트

미술사에서 르네 마그리트의 작품 <이미지의 반역>에는 파이프 그림 아래에 *“Ceci n’est pas une pipe(이것은 파이프가 아니다)“*라는 문장이 적혀 있습니다.

물리적인 ‘현실 파이프’와 그것을 재현한 ‘이미지 파이프’, 그리고 ‘파이프’라는 문자 기호(Language) 사이에는 좁힐 수 없는 간극이 존재합니다. 기호는 결코 실재 자체가 아닙니다.

AI는 바로 이 ‘기호의 덫(The Symbol Trap)’ 안에 영원히 갇혀 있는 시스템입니다.

AI는 ‘사과’라는 단어를 수백만 번 계산하고 분석했지만, 단 한 번도 사과를 직접 만져보거나 아삭하게 깨물어 맛을 느껴본 적이 없습니다. 몸이 없고 실제적인 세상과의 상호작용(체화된 경험)이 존재하지 않기 때문입니다. AI의 모든 발화는 현실 경험과 근본적으로 분리된 기호 놀이에 불과합니다.

기능주의적 관점(Stance A)은 기호를 완벽히 처리하면 그것이 곧 이해라고 보지만, 현상학적 관점(Stance B)은 몸을 통한 실제 세계의 구체적인 감각과 맥락이 배제된다면 그것은 결코 진정한 의미일 수 없다고 봅니다.

그림에서 보듯 fMRI를 통한 뇌 과학 연구 결과, 인간이 독해를 할 때는 실제 맛보고, 보고, 만지는 등의 감각 경험을 관장하는 뉴런들이 종합적으로 활성화됩니다. 글을 읽는다는 것은 가슴 뛰는 현실 경험의 재구성인 셈입니다. 반면 AI는 철저히 패턴 매칭을 통해 단어를 예측할 뿐입니다.

5. 교육적 함의: AI 시대, 우리는 무엇을 멈춰야 하는가

인공지능이 이미 전문직 시험인 의사 국가고시와 변호사 시험에서 인간 평균을 가볍게 뛰어넘는 세상입니다. 그렇다면 우리 공교육은 앞으로 무엇을 멈추고 무엇을 지향해야 할까요?

단순한 지식의 암기, 기계적인 정보의 저장, 단순 계산과 패턴 인식, 정답을 고르는 표준화 시험 대비는 이미 기계가 아득히 초월한 영역입니다. 교육의 유일한 가치가 정보 처리에 있었다면, 우리는 이제 설 자리를 잃었습니다.

우리는 이제 기계가 흉내 낼 수 없는 인간 고유의 영역, 즉 **‘인간의 진짜 경쟁력(The Human Edge)‘**에 집중해야 합니다.

의미 구성: 삶의 경험을 바탕으로 개인적·사회적 의미를 능동적으로 직조하는 능력.
관점 비교와 해석: 다양한 맥락 속에서 다채로운 시각으로 현상을 조망하고 타당성을 판단하는 능력.
비판적 사고: 기계가 쏟아내는 방대한 정보를 비판적으로 필터링하고 오류를 찾아내는 메타인지.
창의적 통합(Gestalt): 기존에 분리되어 있던 지식 파편들을 하나의 거대한 전체로 묶어 이전에 없던 새로운 가치를 창출하는 역량.

AI는 이미 숨 쉬는 공기나 다름없이 일상에 보편화되어 존재합니다. AI가 아예 없는 것처럼 가공된 환경에서 시험을 치르게 통제하려는 규제 중심의 접근법은 장기적으로 실패할 수밖에 없습니다.

기술적 도구들의 개별 쓰임에만 함몰되는 얕은 프레임을 넘어, 게슈탈트적 전체관을 가지고 학생들이 인간성을 보존하며 AI와 주도적으로 소통하는 법을 배우도록 학교가 지혜롭게 공간과 미션을 새로이 설계해야 합니다. 교육의 새로운 지평을 함께 열어가기를 바랍니다. 감사합니다.

💬 질의응답 (Q&A)

Q: 공기처럼 존재하는 AI에 대해, 교육 현장에서 ‘규제보다 재설계가 필요하다’고 하셨는데 실제로 어떻게 교육과정을 바꾸어야 할까요?
A: 지금 당장 현장에서 겪는 혼란은 ‘활동 중심 수업’을 해놓고 평가는 여전히 단 하나의 정답을 요구하는 ‘지필고사’에 목매기 때문입니다. 아이들이 수행평가나 프로젝트를 할 때 AI의 도움을 받으면 연구 수준이 고등학생을 넘어 대학 연구소 수준으로 극도로 상향평준화됩니다. 이런 환경에서는 AI 사용을 원천 금지할 것이 아니라, 아이들이 정해온 거창한 프로젝트가 진짜 실현 가능한지 스스로 좌충우돌하며 증명해 보이고, 중간에 AI의 논리적 맹점을 어떻게 잡아내고 수정해 나갔는지 그 과정 자체를 서사로 풀어보고 발표하게 평가의 판을 완전히 다시 짜야 합니다.

Q: 인간 독해와 AI 독해의 차이가 fMRI 연구 등을 통해 드러났다고 하셨는데, 이것이 학생들의 리터러시 교육에 주는 교훈은 무엇인가요?
A: 요즘 아이들이 긴 글을 읽지 못하고 미디어나 숏폼에만 길들여지는 현상은 단순히 뇌의 게으름을 넘어 ‘맥락 이해 능력의 잠식’으로 이어집니다. AI처럼 텍스트를 기계적인 키워드나 통계 패턴으로만 분리해 이해하는 수준에 멈추는 것이지요. 리터러시 교육의 본질은 활자를 읽는 법을 넘어, 텍스트가 담고 있는 작가의 감정과 삶의 뉘앙스, 그리고 역사적이고 사회적인 입체적 맥락(화용론적 맥락)을 자신의 삶과 엮어내는 게슈탈트적 통합 훈련이어야 합니다. AI 번역기나 요약기가 잘 작동하니까 외국어 교육이나 독서가 무용하다는 주장은 독해를 단순한 ‘정보 요약’으로만 좁게 폄하한 오해입니다.

🔗 연관 글

고구려 선생님의 블로그 글: AI 시대의 역량 평가와 수학적 비계(Scaffolding) 설정
신라 선생님의 블로그 글: Ask Gemini와 평가 플로우의 진화
신라 선생님의 이전 글: AI 디지털 교육의 콘셉트

게슈탈트 심리학으로 보는 AI와 인간의 진정한 이해