Thinking fast and slow in AI: The role of metacognition (2021)
AI의 빠른 사고와 느린 사고 — 메타인지의 역할
이 논문은 사람의 빠른 사고와 느린 사고를 AI에 적용하는 다중 에이전트 구조를 제안합니다. 과거 경험에 따라 신속히 반응하는 에이전트와, 더 나은 답을 찾도록 추론하는 에이전트를 나누고 세계 모델과 자기 모델로 지원합니다.
- 주제
AI 요약
최근 AI는 이미지 해석, 자연어 처리, 분류와 예측 같은 좁은 과제에서 큰 발전을 거뒀습니다. 논문은 성과가 알고리즘 개선뿐 아니라 방대한 데이터와 계산 자원에도 기대고 있으며, 현재의 AI에는 인간 지능에 포함되는 여러 능력이 아직 부족하다고 짚습니다. 인간이 그런 능력을 발휘하는 방식을 연구하면 AI 설계에도 도움이 된다는 주장입니다.
빠른 사고와 느린 사고를 나누는 구조
저자들은 Daniel Kahneman의 빠른 사고와 느린 사고 이론을 바탕으로 다중 에이전트 AI 구조를 제안합니다. 빠른 사고를 맡는 System 1 에이전트는 과거 경험을 활용해 입력에 곧바로 반응합니다. 느린 사고를 맡는 System 2 에이전트는 System 1의 반응만으로 충분하지 않을 때 활성화되어, 더 나은 해법을 찾도록 추론하고 탐색합니다. 따라서 두 체계는 단순히 계산량이 많고 적은 관계가 아니라, 문제에 대응하는 방식이 다른 에이전트로 제시됩니다.
세계 모델과 자기 모델
두 에이전트는 환경의 지식을 담은 세계 모델과 시스템 자신의 정보를 담은 자기 모델을 함께 활용합니다. 세계 모델에는 환경과 관련된 영역 지식이 들어갑니다. 자기 모델에는 시스템의 과거 행동과 각 문제 해결자의 능력이 기록됩니다. 논문은 이 정보를 바탕으로 시스템이 빠른 에이전트의 답을 평가하고, 필요할 때 다른 방식의 추론을 선택하는 구조를 설명합니다. 제공된 초록은 아키텍처의 개요를 제시하며, 구체적인 구현이나 성능 수치는 담고 있지 않습니다.
Hacker News 반응
- @bbor — 여전히 좋은 논문이지만, 사분면의 두 번째 축이 빠졌습니다. 선택지가 빠르게 생각하기와 생각에 대해 생각하기뿐이라면, 의식적으로 천천히 생각하는 경우가 들어갈 자리가 없습니다. 이 사람들이 대형 연구소에서 실제로 이 아이디어를 시험해 볼 기회가 있었는지도 궁금합니다.
- @crorella — 데이터베이스 쿼리 최적화기가 하는 일과 꽤 비슷해 보입니다. 다만 이 논문에는 첫 번째 모델이 내놓은 답을 평가할 때 판단을 좌우하는 학습과 기억 요소도 들어 있습니다.
- @simianwords — GPT-5 Adaptive Reasoning으로 이미 해결됐습니다. 하나의 모델이 추론 강도를 정하는 매개변수에 따라 추론할지 말지 압니다. 그런데 왜 지금 이 글을 올렸나요?
- @lelanthran — 그렇지 않습니다. System 1과 System 2를 다르게 정의하시는 것 같습니다. System 2는 단순히 계산량을 늘린 System 1이 아닙니다. 컴퓨터에 빗대면 System 1은 O(1), System 2는 O(log n)이나 O(n)으로 작동한다고 볼 수 있습니다. 입력이 100토큰이든 100만 토큰이든 휴리스틱을 한 번 적용해 빠르게 판단하는 System 1은 아직 LLM에 없습니다.
- @simianwords — System 2는 추론하고 답을 찾을 공간을 넓히는 능력이라고 봅니다. 빠른 답, 충분히 생각한 답, 둘 중 무엇을 고를지 판단하는 능력을 모두 갖췄다면 Adaptive Reasoning이 세 가지를 해냅니다.
- @globnomulous — 논문이 제안하는 건 시스템이 세계 모델과 과거 경험을 바탕으로 문제의 성격에 맞춰 추론 방식을 고르는 구조입니다. 단순히 노력의 정도를 조절하는 문제가 아니라, Kahneman의 빠른 사고와 느린 사고를 본뜬 서로 다른 추론 방식을 쓰는 게 요점으로 보입니다.
- @creativeSlumber — 현재 최첨단 모델을 생각하면 빠른 사고와 느린 사고 개념이 얼마나 관련 있나요? 이 개념을 중심으로 AI 프레임워크를 만든 큰 조직을 알고 있는데, 현재 모델 능력을 고려하면 별 의미가 없는 개념 같기도 합니다.
- @Retric — 모델에 바로 답을 내라고 하고 멈출 수도 있고, 답을 계속 다듬도록 반복해서 요청할 수도 있습니다. 사람의 빠른 사고와 느린 사고에 어느 정도 들어맞는 것 같습니다.
- @vist_orn — LLM에게 ‘자신의 생각을 생각하게’ 하는 일이 매일의 씨름입니다. 이 논문은 그게 왜 중요한지 잘 짚습니다.
원문: Hacker News / 번역·요약: Trawling