인공지능(AI)이 복잡한 수학 문제를 해결하는 능력은 단순히 뛰어난 추론력 때문이 아니라, 인간의 뇌보다 훨씬 방대한 '작업 기억(working memory)'을 활용하기 때문이라는 흥미로운 분석이 제기되었습니다. AI가 수백 개의 중간 방정식, 여러 접근 방식, 정의, 제약 조건 등 문제의 모든 요소를 동시에 기억하고 처리할 수 있는 거대한 외부 기호 작업 공간을 갖추고 있다는 점이 핵심이라는 설명입니다.
인간의 작업 기억은 매우 제한적입니다. 예를 들어, 세 자리 숫자 두 개를 암산으로 곱하는 것이 어려운 이유는 기본적인 연산 능력 부족이 아니라 부분적인 결과들을 기억하면서 추가 계산을 수행해야 하는 인지적 부담 때문입니다. 수학자들은 이러한 한계를 극복하기 위해 종이, 표기법, 다이어그램 등을 활용하는데, 이는 사실상 외부 기억 장치를 확장하는 행위입니다. 반면, 현대 대규모 언어모델(LLM)의 컨텍스트 윈도우(context window)는 이러한 '스크래치 패드' 역할을 훨씬 더 광범위하게 수행하며, 문제 해결에 필요한 모든 정보를 한 번에 담아낼 수 있습니다.
이러한 관점은 AI의 수학적 능력을 이해하는 데 중요한 시사점을 제공합니다. 인간의 수학적 성과가 작업 기억의 병목 현상으로 인해 부분적으로 제한된다면, AI에 방대한 기호 작업 공간을 제공하는 것은 경쟁의 본질을 바꿀 수 있습니다. AI가 더 똑똑해 보이는 것은 단순히 추론 능력이 뛰어나서가 아니라, 인간의 성능을 억제하는 인지적 한계로부터 훨씬 자유롭기 때문일 수 있습니다. 이는 AI가 특정 영역에서 인간을 능가하는 방식에 대한 새로운 해석을 제시하며, AI 개발 방향에도 영향을 미칠 수 있습니다.