놀랍도록 논리적인 사고를 하는 아기들

아기들은 어떻게 적은 양의 정보에서 그렇게 많이, 또 빠른 속도로 배울까요? 재밌고도 실험으로 가득한 이 강연에서 인지과학자 로라 슐츠는 어떻게 아기들이 놀랍도록 강력한 논리력으로 말도 떼기 전에 판단을 내리는지 보여줍니다.

미국 유명 작가 마크 트웨인은

제가 생각하기에 가장 근본적인
인지과학의 문제를

재치있게 한 마디로 정리했습니다.

"과학에는 뭔가 매력적인 것이 있다.

사실이라는 아주 작은 투자를 통해

그토록 많은 추측을 이끌어내니까."

(웃음)

물론 농담이었겠지만 맞는 말입니다.

과학에는 특별한 매력이 있습니다.

우리는 몇 개의 뼈만으로
공룡의 존재를 추론해냈고

분광선에서는 성운의 구성을,

초파리에서는

유전의 법칙을,

그리고 뇌에 흐르는 피를
재구성한 이미지로

저 같은 경우는,
아주 어린 아이들의 행동을 통해

인간 인식이 근본적으로 어떻게
작동하는지 알아내려고 하죠.

특히 저는 MIT 뇌인지과학과에
있는 제 연구실에서

지난 10년간 아이들이
어떻게 적은 양의 정보로

많은 것을 빨리 배우는지에 대한
신비를 알아내려고 노력했습니다.

과학이 매력적인 이유가

바로 아기들이 놀랍기 때문입니다.

마크 트웨인의 말을
완곡하게 바꾸어 보자면

아기들이 빠르고 정확하게
적은 양의 어지러운 자료로부터

풍부하고 추상적인 추론을
할 수 있는 능력입니다.

저는 오늘 여러분들께 예시를
두 개만 보여 드리겠습니다.

하나는 일반화의 오류이고

다른 하나는 인과추론의 오류입니다.

제 연구실에서 한 연구에 대해
말씀드리겠지만

이 연구는 인지과학분야에서
영감과 도움을 받았습니다.

전 세계의 멘토와 동료와
공동연구자들에게 감사드립니다.

그럼 일반화의 오류부터 얘기할까요?

적은 표본으로 일반화하는 것은
과학의 기본입니다.

우리가 유권자의 일부분만 여론조사해서

대국민 선거결과를 예측하듯 말이죠.

우리는 소수의 환자의
임상실험에 대한 반응을 보고

전국의 시장에 약을 내놓습니다.

일반화가 통하기 위해서는 표본이
무작위로 선정돼야 합니다.

표본이 특정한 방식으로
선별된다면,

예를 들어, 도시의 여론만 조사하거나

심장질환 치료를 위한 임상실험의 경우

남자만 대상으로 한다면

결과를 인구 전체로
일반화할 수 없겠죠.

따라서 과학자들은
무작위 표본추출을 신경씁니다.

그런데 이게 아기와 무슨 상관일까요?

아기는 항상 적은 표본으로
일반화해야 합니다.

고무오리 몇 개만 보고
고무오리는 물에 뜬다는 것을,

몇 개의 공만 보고
공은 튀어오른다는 걸 배우죠.

그리고 고무오리와 공에 대해
예상을 발전시켜서

남은 일생동안 고무오리와
공에 확대 적용합니다.

고무오리와 공에
적용하는 것과 같은 일반화를

거의 다른 모든 것에도 적용합니다.

신발, 배, 밀랍 봉인, 양배추, 왕..

그렇다면 아기는 그들이 보는
적은 양의 증거가

모집단을 정말 대표할 수
있는지에 신경쓸까요?

한번 알아봅시다.

지금부터 두 개의 영상을
보여드릴겁니다.

각각 다른 조건에서 실험한 영상입니다.

두 개만 보시게 되니까

아기도 두 명만 있을 겁니다.

그리고 어떤 아기든 두 명의 아기는
서로 수많은 부분에서 다릅니다.

하지만 이 아기들은 여기서
아기 집단을 대표합니다.

여러분이 보시게 될 차이점은

다른 조건 아래의 아기들의 행동방식의
평균 집단적 차이를 대표합니다.

각각의 영상에서 여러분은 아마 아기가

여러분이 예측한 대로
행동하는 걸 보게 될 겁니다.

그 이상으로 아기가 더 마법같은
행동을 할 순 없습니다.

제 생각으로 마법같은 것은,

여러분이 주목하셨으면 하는 부분이

각각 다른 조건을 대조한 것입니다.

두 영상의 유일한 차이점이라곤

아기들이 관찰할
통계적 증거밖에 없기 때문이죠.

우리는 아기에게 파란색과 노란색 공이
담긴 상자를 보여줄 겁니다.

당시 대학원생이었고 이제는
스탠포드에서 제 동료인 권효원양이

상자에서 파란 공을
연속으로 세 개 꺼낼겁니다.

꺼낸 후에는 공을 꽉 누를 거예요.

그러면 공에서 끽끽 소리가 날 겁니다.

만약 여러분들이 아기라면.
TED 강연 같은 거죠.

그보다 좋을 수 없으니까요.

(웃음)

중요한 건 파란 공이 대부분인
상자에서 파란 공을 세 번 연속

꺼내는 건 쉽다는 겁니다.

눈 감고도 할 수 있어요.

이 모집단에서 충분히 무작위로
뽑힐 수 있는 표본이죠.

그리고 상자 안에 손을 넣어
무작위로 소리나는 공을 뽑을 수 있다면

상자 안의 모든 공에서 소리가
날 수도 있습니다.

그래서 아기는 노란 공도 소리가
날 거라고 예상할 수도 있습니다.

이 노란 공에는, 아기들이 막대로
다른 걸 해볼 수 있도록

공의 끝부분에 막대가 꽂혀 있습니다.

마구 두드릴 수도 있고
칠 수도 있습니다.

아기들이 어떻게 하는지 보죠.

권효원: 이거 보이니?
(공이 끽끽 대는 소리)

봤어?
(공이 끽끽 대는 소리)

멋지다.

이 공 보이니?

(공이 끽끽대는 소리)

우와.

별 거 없죠?

권효원: 이거 보여?
(공이 끽끽대는 소리)

클라라, 이 공 줄게.
갖고 놀아도 돼.

(웃음)

말 안해도 어떤 상황인지 아시겠죠?

아기들이 파란 공의 특성을 노란 공에

일반화시키는 것은 좋습니다

아기들이 우리의 행동을 모방함으로써
학습하는 것도 인상깊죠.

우리는 아기의 이런 특성을
오래 전부터 알고 있었습니다.

진짜 흥미로운 질문은

아기들에게 완벽히 똑같은 것을
보여주면 무슨 일이 일어나는지 입니다.

완벽히 똑같다고 장담할 수 있는게
우리가 칸을 하나 숨겨놓고

거기서 공을 꺼내기 때문입니다.

하지만 이번엔 증거를 산출하는

모집단만 바꿀겁니다.

이번에는 아기에게 노란 공이
대부분인 상자에서 꺼낸

파란 공 세 개를 보여줄 겁니다.

결과가 어떨까요?

아마 노란 공이 가득한 상자에서
무작위로 파란 공을

연속 세 번 뽑을 수는 없을 겁니다.

무작위로 뽑았을 때
가능한 표본이 아니죠.

이 표본은 효원양이 일부러 파란 공만
뽑았을 수도 있다는 걸 암시합니다.

파란 공이 특별한 걸 수도 있죠.

파란 공에서만 소리가 날 수도 있어요.

아기가 어떻게 행동하는지 봅시다.

권효은: 이거 보이니?
(공이 끽끽대는 소리)

이 장난감 보여?
(공이 끽끽대는 소리)

멋지다. 봐봐.
(공이 끽끽대는 소리)

자, 이거 줄게.
갖고 놀아도 돼.

(소란)
(웃음)

15개월의 두 아기가 관찰한 표본의
확률에만 기반한 추측으로

완전히 다른 행동을 하는 것을
방금 보셨습니다.

실험 결과를 보여드릴게요

세로 축은 각 조건에서 공을 누른

아기의 비율입니다.

보시다시피 아기들은
증거가 선별됐을 때보다

모집단을 충분히 대표할 수 있을 때

증거를 일반화할 확률이 더 높습니다.

이걸로 재밌는 예측이 가능합니다.

노란 공이 대부분인 상자에서
파란 공을 하나만 꺼낸다고 가정합시다.

무작위로 파란 공을 연속으로
세 개나 뽑는 건 어려울 겁니다.

하지만 파란 공을 무작위로
하나만 뽑는것은

있을 수 없는 일은 아니죠.

그리고 상자에 손을 넣어
아무거나 꺼냈는데

소리가 난다면 상자 속의
다른 공도 다 소리날 수도 있죠.

그러니까 이전에 비해
소리나는 공을 훨씬 적게 보게 되고

모방할 행동이 훨씬 적더라도

여러분이 방금 보신 조건에서보다
공 하나를 뽑는 이 조건에서

아기가 더 많이 공을
누를 거라고 우린 추측했고

실제로 그랬습니다.

그러니까 15개월의 아기가,
이 부분에 있어서는

과학자들처럼 표본이 무작위로
선출되었는지 신경쓰고

세상을 더 잘
예측하는 데 사용합니다.

어느 공이 소리가 나는지

어느 걸 탐구하고
무시해야 할지 말이죠.

이제 다른 예시를 보여드릴게요.

이번에는 인과추론의
오류에 대한 겁니다.

이 오류는 우리 모두가 가진
혼란스러운 증거로부터 시작됩니다.

우리가 세계의 일부라는 거죠.

여러분께 문제처럼 보이지
않을 수도 있겠지만

이건 다른 문제들처럼 일이
잘못되었을 때만 문제가 됩니다.

이 아기를 예로 들어 봅시다.

뭐가 잘 안 풀리네요.

장난감을 작동시키고 싶은데 안돼죠.

짧은 영상을 보여드릴게요.

크게 두 가지 가능성이 있습니다.

아기가 뭔가를 잘못하고 있든지

장난감이 문제든지.

그래서 다음 실험에서

아기들에게 둘 중
하나의 가설을 지지하는

통계 자료를 조금 줄 겁니다.

아기들이 이걸 이용해
어떤 행동을 해야할 지에 대한

다른 판단을 내릴 수
있는지 볼 거예요.

실험은 이런 식으로 진행됩니다.

효원 양이 장난감을 작동시키고
그렇게 됩니다.

그 다음 제가 두 번 시도하고
두 번 다 실패할 거예요.

다시 효원 양이 시도해서
장난감을 작동시키는 데 성공할 겁니다.

이건 전반적으로
기계를 사용하는 데 있어서

저와 학생들 사이의 관계를 보여줍니다.

여기서 중요한 점은
장난감이 문제가 아니라

사람이 문제라는 것에 대한 증거를
조금만 제공한다는 겁니다.

어떤 사람은 이 장난감을
작동시킬 수 있고

어떤 사람은 아니죠.

아기들이 장난감을 받으면
선택지가 주어질 겁니다.

엄마가 바로 옆에 있어서

아기가 엄마에게 장난감을 줌으로써
사람을 바꿀 수도 있고

천의 다른 쪽에는
또 다른 장난감이 있어서

천을 잡아당겨 장난감을
바꿀 수도 있습니다.

아기가 어떻게 행동하는지 봅시다.

권효원: 둘, 셋, 짠!
(음악)

로라 셜츠: 하나, 둘, 셋, 짠!

아서, 다시 해볼게.
하나, 둘, 셋, 짠!

권효원: 아서, 나도
다시 해볼게,알았지?

하나, 둘, 셋, 짠! (음악)

이것 봐. 이 장난감들 기억나니?

이 장난감들 보여?
그래, 이건 여기 두고

이건 너한테 줄게.

가지고 놀아도 돼.

로라, 그런데 아기는
엄마를 사랑하니까

장난감이 작동하지 않을 때

당연히 엄마에게 장난감을 주겠죠.

다시 말씀드리지만 중요한 건
우리가 통계 자료를 아주 약간

변형시켰을 때 어떤 일이
일어나는지 입니다.

이번에 아기는 동일한 순서로
장난감을 작동시키는 걸

성공하고 실패하는 걸 보겠지만
증거의 분포가 바뀔겁니다.

이번엔 효원 양과 저는 한 번
성공하고 한 번 실패할 거예요.

이건 누가 시도하는지 상관없이
장난감이 망가진 걸 의미합니다.

항상 작동하진 않으니까요.

다시, 아기는 선택지가 주어집니다.

엄마가 바로 옆에 있어서
사람을 바꿀 수도 있고

천 끝에 다른 장난감이 있어서
장난감을 바꿀 수도 있습니다.

아기가 어떻게 하는지 관찰해보죠.

효원: 둘, 셋, 짠!

다시 해볼게. 하나, 둘, 셋, 짠!

음...

로라 슐츠: 클라라, 내가 해볼게.

하나, 둘, 셋, 짠!

음, 다시 해볼게.

하나, 둘, 셋, 짠!

권효원: 이건 여기 두고

이건 너한테 줄게.

갖고 놀아도 돼.

(박수)

실험 결과를 보여드릴게요.

세로축에 아이들이 각 조건에서
어떤 선택을 했는지에 대한

분포를 볼 수 있습니다.

보시면 분포도가
아기들이 관찰한 증거에 따라

결정된다는 걸 알 수 있습니다.

아기는 두 살 때

적은 양의 통계 자료로 행동할 때

두 가지의 근본적으로 다른 전략 중
하나를 고를 수 있습니다.

도움을 청할지 탐구해 볼지 입니다.

이 분야에서 비슷한 주제로 한 실험이
정말 수 백개가 있지만 그 중에서

연구실에서 한 실험
두 개만 보여드렸습니다.

정말로 중요한 요점은

적은 자료로 풍부한 추론을 하는
아이들의 능력이

인간이 하는 모든 종 특유의
문화적 학습의 근간이기 때문이죠.

아이들은 몇 개의 예시만으로
새 도구를 사용하는 법을 배우고

몇 개의 예시만으로
새로운 인과관계를 배웁니다.

새로운 단어도 배웁니다.
이 경우는 미국식 수화죠.

두 가지 요점으로
마무리하고 싶습니다.

만약 여러분께서 제 세계인
뇌와 인지과학의 분야를

지난 몇 년간 지켜보셨다면

세 가지 커다란 견해가
눈에 들어오셨을 겁니다.

첫째는, 지금은 뇌의 시대라는 겁니다.

정말로 신경과학에서
충격적인 발견들이 있었습니다.

피질에서 기능이 특화된
부분을 알아내는 것,

쥐의 뇌를 투명하게 만드는 것,

뉴런을 빛으로
활성화시키는 것이 있었죠.

두 번째는

빅데이터와 기계 학습의
시대라는 것입니다.

기계 학습은 우리의 이해력에
혁명을 가져올 것을 약속합니다.

소셜네트워크부터 역학까지 전부 다요.

그리고 장면 이해에 대한 문제와

자연 언어 처리를 다루면서

인간의 인식력에 대해
무언가를 알려줄 수도 있죠.

마지막은 여러분이
들어보셨을 수도 있는데

우리가 뇌에 대해 많은 걸 알고

빅데이터에 많이 접근하는 게
좋은 것일 수 있다는 겁니다.

기기와 남겨진 인간은

오류를 범하기 쉽기 때문입니다.

지름길로 가고, 실수를 하고

많은 방면에서 편향되어 있고

세상을 잘못 이해합니다.

저는 이 모든 게 중요하고

인간적인 것이 어떤 의미인지에 대해
많은 것을 말해준다고 생각합니다.

하지만 전 오늘 완전히 다른 이야기를
들려드렸다는 걸 강조하고 싶습니다.

뇌가 아닌 사고에 관한
이야기였습니다.

그리고 특별하게
인간의 정신만이 가능한

많은 양의 구조화된 지식과

적은 양의 자료와 소수의
표본으로부터 얻은 증거로부터

학습할 수 있는 능력을 포함하는
계산 능력에 관한 이야기죠.

근본적으로 어떻게
어린 아이에서 시작해서

우리 문화에서 가장 위대한
업적을 세움으로써

세상을 제대로 알게 되는지에
대한 이야기입니다.

여러분, 인간의 사고는 적은 양의
자료로만 학습하지 않습니다.

새로운 생각도 종합적으로 합니다.

연구와 발견을 만들어내고

예술과 문학과 시와 극작을 만듭니다.

그리고 다른 인간을 보살핍니다.

노인과 아이와 병자들을요.

심지어 치유해줍니다.

앞으로 우리는 상상을 초월하는

기술적 혁신을 보게 될 겁니다.

하지만 저와 여러분 세대에서

인간 아이의 계산 능력에
조금이라도 근접하는 걸

볼 가능성은 거의 없습니다.

가장 강력한 학습자들과
그들의 발달에 투자한다면

아기와 아이들, 엄마와 아빠들에게,

돌보미와 선생님들에게 말입니다.

우리가 가장 강력하고 정밀한 형태의
기술과 공학과 디자인에 하듯이 한다면

단지 더 나은 미래를
꿈꾸기만 하는 게 아니라

계획하게 될 것입니다.

정말 감사합니다.

(박수)

크리스: 로라, 감사합니다.
사실 질문이 하나 있습니다.

먼저, 미친 연구네요.

누가 저런 연구를
설계하겠어요? (웃음)

저런 걸 몇 번 본 적은 있지만

아직도 실제로 일어날 수 있다는 걸
솔직히 못 믿겠어요.

그렇지만 다른 사람들도
비슷한 실험을 했고

아기가 정말 천재라는 게 입증됐나요?

로라: 아기들은 우리 실험 속에서
정말 인상적입니다.

하지만 현실에서는 어떤지
생각해 보세요.

아기로 시작해서

18개월 후에는 말을 하고 있죠.

아기들의 첫 단어는
공이나 오리같은 게 아니에요.

소멸을 뜻하는 "다 없어졌어"
같은 것들이죠.

아니면 의도치 않은 행동을 뜻하는
"어어"같은 것이나요.

그만큼 강력합니다.

제가 보여준 것들 이상으로 강력해요.

세상의 모든 걸 이해하는 중이니까요.

4살짜리 아이는 여러분에게
거의 모든 것에 대해 얘기할 수 있죠.

(박수)

크리스: 제가 제대로 이해했다면
당신이 말하는 또 다른 요점은

여태까지 오랜 시간
우리의 정신이 변덕스럽고

결함이 많다는 논의가 많이 있어왔고,

우리가 합리적인 인간이 아니라는 걸

행동경제학과 다른 많은
이론들이 뒷받침하고 있죠.

당신이 말씀하시는 건,
더 큰 그림은 아기들이

정말 비범하고 사실상
과소평가받는 천재들이라는거죠.

로라: 제가 심리학에서
가장 좋아하는 인용구 중 하나가

사회심리학자 솔로몬 애쉬가
하신 말씀입니다.

심리학의 근본적 과제는
자명함의 베일을

걷어내는 것이다.

여러분은 매일, 세상을 옳게 이해하는
백만 자리수가 넘는 갯수의

결정을 내립니다.

여러분은 물체와 그 속성에
대해 알고 있습니다.

막혀있을 때나
어둠 속에 있을 때도 알고

방을 걸어서 통과할 수 있습니다.

다른 사람들이 무슨 생각을 하는지
알아내고 그들과 얘기할 수 있고

우주를 탐사하고 숫자에 대해 알고

인과관계와 도덕적 추론에 대해 압니다.

노력 없이 하기 때문에
우리는 보지 못하지만

이게 우리가 세상을 옳게 이해하는
방법이고 놀랍습니다.

그리고 이해하기 힘든 업적이죠.

크리스: 제 생각에는 청중들 중에
기술력을 발전시키는 관점을 가지고

당신이 우리 세대에 절대로 컴퓨터가

세 살의 아이가 할 수 있는 일을
하지 못할 것이라는 주장에

이의를 제기할 분이
있을 것 같진 않지만

분명한 것은 어떤 시나리오 안에서건

기계가 아기들에게서 배울 게
정말 많다는 거죠.

로라: 그렇게 생각해요. 여기
기계를 공부하는 분도 있을 거예요.

현실 속 내기에서는 절대로
아기나 침팬지나 기술 반대편에

돈을 걸면 안됩니다.

하지만 이건 단순히
양적 차이의 문제가 아니라

유형적 차이의 문제입니다.

우리는 가끔은 방대한 양의 자료로

매우 정교한 작업도 수행하는

놀라울 정도의 고성능
컴퓨터가 있습니다.

저는 사람의 사고는 상당히 다른
무언가를 한다고 생각합니다.

그리고 구조화된,
계급적 본성을 가진 인간의 지식이

남아있는 어려운 과제라고 생각합니다.

크리스: 정말 좋은 생각해 볼
거리를 주셨네요. 감사합니다.

로라: 감사합니다. (박수)