AI가 초등학교 수학을 못 푸는 이유: 애플 연구의 충격적 결론
최신 기술의 흐름에 따라 인공지능(AI)은 우리 삶에 점점 더 깊숙이 스며들고 있습니다.
이번 시간에는 AI가 초등학교 수학을 못 푸는 이유 에 대해 알아 보려 합니다.
애플의 최근 연구에 따르면,
대형 언어 모델(LLM)의 수리적 추론 능력이 예상보다 크게 부족하다는 사실이 드러났습니다.
특히 초등학교 수학 문제조차 제대로 풀지 못하는 AI의 현실을 보여줍니다.
우리가 이제 익숙해진 chatgpt는 대형 언어모델 즉 LLM이라 부릅니다.
LLM은 클라우드 컴퓨팅이 되면서 갑자기 등장한 것 처럼 보이지만
사실 오래전부터 데이터를 무한이 저장 한다면 가능할 수 있다는 전제로
이론으로 잘 정리 되었던 모델입니다.
데이터를 클라우드 컴퓨팅에 무한이 저장하고 이를 패턴화 시켜서
패턴 매칭으로 잘 검색하는 방법이 바로 LLM입니다.
결국 또 다른 검색 방법과 같습니다.
이러한 검색은 여러가지 한계를 가지게 됩니다.
조회가 아닌 논리적인 연산에서 그 문제를 들어냅니다.
연구의 배경과 실험 방법
애플 연구진은
‘GSM-Symbolic: 대형 언어 모델의 수리적 추론의 한계 이해’라는 논문을 통해
LLM의 수리적 사유가 변형에 상당히 취약함을 밝혀냈습니다.
연구팀은 8,000개의 초등학교 수준의 수학 문제들로 구성된 GSM8K를 기준으로 실험을 진행했습니다.
이 문제들을 약간의 문구 변경 후,
GSM-Symbolic 테스트를 통해 AI의 추론 능력을 평가했습니다.
실험 결과
문제의 본질적 논리는 바꾸지 않고 문구만 살짝 수정한
첫 번째 집합에서는 성능이 약 0.3%에서 9.2%까지 하락했습니다.
문제에 영향을 주지 않는 허위 정보가 추가된
두 번째 집합에서는 성능이 17.5%에서 최대 65.7%까지 대폭 하락했습니다.
이와 같은 결과는 AI의 문제 인식이 패턴 매칭에 지나지 않는다는 점을 명확히 보여줍니다.
AI의 한계와 미래
이러한 연구 결과는
AI의 수리적 추론이 사람처럼 높은 단계의 논리를 적용하는 것이 아닌,
주로 데이터를 패턴화해서 문제를 푸는 방식임을 시사합니다.
이는 현재의 AI 기술이 고급 논리적 사고와 추론을 수행하는 데 있어서 미흡하다는 것을 증명합니다.
AI가 단어의 혼동이나 패턴 일치 실패로 인해 간단한 수학 문제조차 해결할 수 없다면,
이는 자원과 노력을 쏟아붓는 AI 발전의 의미를 되묻게 합니다.
결론
AI 기술은 여전히 발전 중이며,
현재의 한계를 모색하는 다양한 연구들이 지속적으로 이루어지고 있습니다.
이러한 연구는 결국 향후 인공지능 개발의 초석이 될 것입니다.
하지만 현재 AI의 능력에 대한 과장된 기대와 현실의 간극을 이해하고,
보다 균형 잡힌 시각으로 접근하는 것이 필요할 것 같습니다.
AI가 수학의 기초적인 능력을 넘어서면, 진정한 혁신을 기대할 수 있을 것입니다.
결국 AI가 얼마나 발전할지는 우리가 어떤 질문을 던지고, 어떤 답을 얻어내려 하는지에 따라 결정될 것입니다.
이번 시간에는 AI가 초등학교 수학을 못 푸는 이유 에 대해 알아 보았습니다.
혹 Chatgpt 에게 단순한 계산을 물어 보았다면
꼭 계산기로 재확인 하기 바랍니다.
더욱 새로운 IT 뉴스로 다시 찾아 오겠습니다.
감사합니다.