인공지능(AI)이 이미지 해석, 자연어 처리 등 다양한 분야에서 발전했지만, 여전히 일반화, 적응성, 상식 추론 등 인간의 인지 능력에는 미치지 못하는 '좁은 AI'의 한계를 가지고 있습니다. 이러한 한계를 극복하기 위해 메타(Meta) 연구진은 인간의 사고방식에서 영감을 받은 새로운 AI 아키텍처인 SOFAI(SlOw and Fast AI)를 제안했습니다. SOFAI는 심리학자 대니얼 카너먼(Daniel Kahneman)의 '빠른 사고와 느린 사고' 이론을 AI 시스템에 적용하여, 유연성, 실행 속도, 의사결정 품질을 높이는 것을 목표로 합니다.
SOFAI는 직관적이고 빠른 '시스템 1'과 신중하고 논리적인 '시스템 2'라는 두 가지 풀이기를 결합합니다. 시스템 1은 과거 경험을 바탕으로 빠르게 해답과 신뢰도를 생성하며, 시스템 2는 복잡한 문제에 대해 추가적인 자원과 정교한 추론을 사용합니다. 이 두 시스템 사이의 중재는 '메타인지(Metacognition) 에이전트'가 담당합니다. 메타인지 에이전트는 시스템 1의 해답과 신뢰도를 평가하고, 추가적인 추론을 위해 시스템 2를 활성화할지 여부를 결정합니다. 이때, 시스템 2를 실행하여 얻을 수 있는 추가 기대 보상이 실행 비용보다 클 경우에만 시스템 2를 사용하도록 설계되어, 자원 낭비를 최소화합니다.
메타인지 판단 과정 자체도 '빠른 MC1'과 '정밀한 MC2'의 두 단계로 나뉩니다. MC1은 시스템 1의 해답이 준비되면 자동으로 활성화되어, 신속하게 시스템 1의 해답을 채택하거나 MC2로 넘어갈지 결정합니다. 이후 MC2는 더 신중하고 자원 소모가 큰 평가를 수행하여, 시스템 2 실행의 기대 보상과 비용을 추정합니다. 이러한 다단계 메타인지 접근 방식은 인간의 무의식적 평가와 의식적 자기 성찰 과정을 AI에 반영하려는 시도입니다. SOFAI는 현재 제약이 있는 격자 경로 탐색(grid pathfinding)과 인식적 계획 수립(epistemic planning)과 같은 순차 의사결정 문제에 대한 구현을 진행 중이며, 단일 방식 시스템보다 높은 유연성, 속도, 의사결정 품질을 목표로 합니다.
SOFAI 아키텍처는 AI가 단순한 패턴 인식이나 예측을 넘어, 복잡한 상황에서 인간처럼 유연하고 효율적으로 사고할 수 있는 가능성을 제시합니다. 특히, 메타인지 모듈을 통해 AI가 스스로의 인지 활동을 감시하고 제어함으로써, 자원 효율성을 높이고 의사결정 품질을 개선할 수 있다는 점이 중요합니다. 이는 AI 시스템이 단순히 주어진 문제를 푸는 것을 넘어, 문제 해결 과정 자체를 최적화하는 방향으로 발전할 수 있음을 시사합니다. 이러한 접근 방식은 미래의 범용 인공지능(AGI) 개발에 중요한 기반이 될 수 있으며, AI가 더욱 복잡하고 예측 불가능한 실제 세계 문제에 효과적으로 대응하는 데 기여할 것으로 기대됩니다.