최근 인공지능(AI) 기술은 이미지 해석, 자연어 처리, 예측 등 특정 분야에서 놀라운 발전을 이루었지만, 여전히 인간 지능이 가진 폭넓은 역량에는 미치지 못한다는 한계가 지적됩니다. 이러한 '좁은 AI(Narrow AI)'의 한계를 극복하고, AI 시스템에 보다 포괄적인 지능을 부여하기 위해 인간의 인지 메커니즘을 연구하는 접근 방식이 중요하게 떠오르고 있습니다.
2021년 발표된 한 연구 논문은 노벨 경제학상 수상자 대니얼 카너먼(Daniel Kahneman)의 '생각에 관한 생각(Thinking, Fast and Slow)' 이론을 AI에 적용한 새로운 아키텍처를 제안합니다. 이 이론은 인간의 사고를 빠르고 직관적인 '시스템 1'과 느리고 숙고적인 '시스템 2'로 구분하는데, 연구팀은 AI도 이 두 가지 시스템을 활용하는 다중 에이전트(multi-agent) 구조를 구축했습니다. 즉, 들어오는 문제를 시스템 1 에이전트가 과거 경험을 바탕으로 빠르게 처리하고, 더 깊은 추론이나 최적의 해답이 필요할 때는 시스템 2 에이전트가 의도적으로 활성화되어 문제를 해결하는 방식입니다. 각 에이전트는 환경에 대한 도메인 지식(domain knowledge)과 시스템의 과거 행동 및 해결사(solver)의 기술에 대한 '자기 모델(model of self)'을 기반으로 작동합니다.
이러한 메타인지(Metacognition)적 접근은 AI가 단순한 패턴 인식이나 데이터 처리 수준을 넘어, 문제의 복잡성에 따라 적절한 사고방식을 선택하고 스스로의 한계를 인지하여 더 나은 해결책을 모색할 수 있는 가능성을 제시합니다. 이는 AI가 인간처럼 유연하고 적응력 있는 지능을 갖추는 데 중요한 발판이 될 수 있으며, 궁극적으로 범용 인공지능(AGI) 개발에도 기여할 것으로 기대됩니다. AI가 스스로 '언제 빠르게 생각하고, 언제 느리게 생각해야 하는지'를 아는 능력은 미래 AI 시스템의 핵심 역량이 될 것입니다.