대규모 언어모델(LLM)이 인간의 뇌처럼 기능적으로 특화된 모듈형 인지 구조를 스스로 발달시킨다는 연구 결과가 발표되었습니다. 이는 언어, 형식 추론, 사회적 추론, 물리적 추론과 같은 다양한 인지 영역을 처리할 때, LLM 내부에서 특정 뉴런 그룹이 활성화되고 다른 뉴런 그룹은 비활성화되는 현상을 발견한 것입니다. 인간 뇌의 기능적 분화와 유사한 이러한 모듈성의 등장은 지능 시스템의 근본적인 설계 원리에 대한 중요한 질문을 제기합니다.
연구팀은 46가지의 다양한 인지 과제를 네 가지 주요 인지 영역(언어, 형식 추론, 사회적 추론, 물리적 추론)으로 나누어 LLM의 내부 회로를 분석했습니다. 그 결과, 인간이 특정 인지 작업을 수행할 때 활성화되는 뇌 네트워크와 유사하게, LLM 역시 동일한 인지 영역에 속하는 과제에서는 겹치는 뉴런들이 활성화되고, 다른 영역의 과제에서는 별개의 뉴런들이 활성화되는 패턴을 보였습니다. 이는 LLM이 단순히 방대한 데이터를 학습하는 과정에서 우연히 발생한 현상이 아니라, 효율적인 정보 처리와 문제 해결을 위해 자연스럽게 모듈화되는 경향을 보인다는 것을 시사합니다.
뇌와 인공신경망이라는 전혀 다른 최적화 과정을 거친 두 지능 시스템에서 모듈성이 수렴적으로 나타난다는 점은 매우 의미심장합니다. 이는 모듈형 아키텍처가 지능 시스템이 복잡한 정보를 처리하고 다양한 과제를 효율적으로 수행하기 위한 보편적인 원리일 수 있음을 강력히 시사합니다. 향후 연구에서는 이러한 모듈성을 더욱 명확히 이해하고, 이를 통해 보다 효율적이고 강력하며 해석 가능한 인공지능(AI) 시스템을 설계하는 데 기여할 수 있을 것으로 기대됩니다.