명징한 알아차림:인간과 AI의 관계를 비추는 AI 리터러시

  AI는 왜 존재하지 않는 출처까지 만들어낼까 AI에게 어떤 주장에 대한 근거를 물으면 그럴듯한 논문 제목과 저자, 학술지 이름, 발행 연도까지 제시할 때가 있습니다. 형식도 제법 정확해 보입니다. “김○○·이○○(2022)의 연구에 따르면…” “Journal of Digital Wellbeing에 발표된 연구에서는…” “세계보건기구의 2023년 보고서는…” 이렇게 구체적인 출처가 붙으면 우리는 답변을 더 쉽게 믿습니다. 단순한 설명보다 저자와 연도, 논문 제목이 있는 문장이 훨씬 전문적으로 보이기 때문입니다. 그러나 검색해 보면 해당 논문이 없거나, 논문은 존재하지만 제목과 저자가 다르거나, 실제 논문의 결론이 AI의 설명과 전혀 다른 경우가 있습니다. 링크가 열리더라도 엉뚱한 문서로 연결되기도 합니다. AI는 왜 틀린 사실만 말하는 데 그치지 않고, 존재하지 않는 출처까지 만들어내는 것일까요? AI는 먼저 사실을 확인한 뒤 문장을 쓰는가 사람은 일반적으로 출처를 제시할 때 다음과 같은 과정을 거칩니다. 자료를 찾는다. 자료가 실제로 존재하는지 확인한다. 자료의 내용을 읽는다. 자신의 주장과 관련 있는 부분을 인용한다. 저자·제목·발행처·연도를 기록한다. 하지만 생성형 AI가 항상 이 과정을 거치는 것은 아닙니다. 외부 검색이나 문서 검색 기능을 사용하지 않는 언어 모델은, 답변을 만들 때 학술 데이터베이스를 열어 실제 논문을 한 편씩 확인하는 것이 아니라 주어진 문맥에 이어질 가능성이 높은 표현을 생성합니다. “인공지능이 노인의 삶의 질에 미치는 영향을 연구한 논문을 알려줘”라는 요청을 받았다고 해보겠습니다. 모델은 학습 과정에서 접한 수많은 논문 제목의 형식, 연구자 이름의 배열, 학술지 명칭, 발행 연도의 패턴을 바탕으로 다음과 같은 조합을 만들 수 있습니다. Digital Technology and Quality of Life Among Older Adults J. Kim, S. Lee, 2021 Journal of Aging and Digi...

  AI의 자신감과 실제 정확도는 어떻게 다른가? AI와 대화하다 보면 이런 순간이 있습니다. 답변이 매우 자연스럽고 논리적입니다. 전문용어도 적절하고, 숫자와 사례까지 구체적으로 제시합니다. 말투도 조금의 망설임 없이 단정적입니다. 그런데 나중에 확인해 보면 일부 내용이 틀리거나, 존재하지 않는 자료를 인용했거나, 오래된 정보를 최신 사실처럼 말한 경우가 있습니다. 이때 우리는 묻게 됩니다. “이렇게 자신 있게 말했는데 왜 틀렸을까?” 그 이유는 생성형 AI의 자신감 있는 표현 과 답변의 실제 정확도 가 서로 다른 문제이기 때문입니다. AI의 자신감은 인간의 자신감과 다르다 사람이 자신 있게 말할 때 우리는 보통 그 사람이 직접 경험했거나, 충분히 조사했거나, 기억이 분명하다고 생각합니다. 그러나 AI의 단정적인 문장은 그런 내적 확신을 그대로 표현한 것이 아닙니다. AI는 질문과 대화 맥락을 바탕으로 다음에 이어질 가능성이 높은 단어와 문장을 선택해 답을 만듭니다. 따라서 AI가 확신에 찬 말투로 답했다는 것은 우선, 현재의 문맥에서 그런 표현이 자연스럽게 생성되었다 는 뜻에 가깝습니다. 그 문장이 충분히 검증되었다거나, AI가 자신의 답이 맞다고 실제로 확신한다는 뜻은 아닙니다. AI의 말투는 정확도를 알려주는 계기판이 아닙니다. 왜 잘 쓰인 문장은 사실처럼 느껴질까? 인간은 정보의 내용뿐 아니라 표현 방식에도 영향을 받습니다. 문장이 매끄럽고, 설명이 단계적으로 이어지며, 구체적인 날짜와 숫자, 기관 이름이 들어가면 신뢰할 만한 정보처럼 느껴집니다. 하지만 다음은 서로 다릅니다. 구체적인 문장과 정확한 문장 논리적인 설명과 검증된 사실 전문적인 말투와 신뢰할 수 있는 근거 단정적인 표현과 높은 정확도 AI는 사실을 설명할 때도 자연스러운 문장을 만들고, 잘못된 정보를 생성할 때도 똑같이 자연스러운 문장을 만들 수 있습니다. 예를 들어 AI가 특정 연구의 연도, 대학 이름, 참여 인원까지 자세히 제시하면 매우 그럴듯하게 보입니다. 그러나 그 연구가...