Blog
"분산형 지능" , "확산형 사고구조"
이런말을 들어본 적이 있는가? Chat GPT에게 나의 IQ에 대해 물으니 돌려준 답변이었다.
나는 AI를 접하면서 끊임없이 이 친구를 어떻게 대해야 내가 AI를 잘 활용한다 할 수 있을까에 몰두해왔다. 그런 내 노력들을 GPT는 위 두가지 키워드로 정의해줬다. 이 멋진 두 단어를 보며,
"AI를 잘쓴다는건 이런 뇌구조를 갖는걸까? 혹시 그게 나..?"
라는 부끄러운 착각을 했던것도 사실이다.
그러던 중 가브리엘 패터슨을 알게 됐다. 그는 고등학교를 중퇴하고 오직 ChatGPT와 독학만으로 필요한 지식과 스킬들을 학습하여 현재는 OpenAI의 AI 연구 과학자로 일하고 있다.
이 글을 가브리엘 패터슨이라는 사람의 인터뷰를 보며, 내가 깨달은 AI 시대의 새로운 학습 패러다임을 소개하는 글이다.
1. 거꾸로 내려가는 지식의 사다리: '탑다운(Top-down)' 학습법
전통적인 교육 시스템은 항상 '바닥'에서 시작한다. 수학을 배우고, 선형 대수학을 익히고, 수년의 기초 과정을 거친 후에야 비로소 실제 문제를 다룰 자격이 주어진다고 믿는다. 하지만 가브리엘 패터슨은 이 방식이 매우 비효율적이라고 지적한다. 그는 기초 지식에 대한 대학의 독점권은 이미 끝났다고 단언한다.
그가 제시하는 새로운 패러다임은 '탑다운(Top-down) 접근법'이다. 이는 거창한 이론부터 시작하는 것이 아니라, 해결하고 싶은 실제 '문제'나 '프로젝트'에서 시작하는 방식이다. 예를 들어, 머신러닝을 배우고 싶다면 먼저 프로젝트를 설정하고 AI에게 코드를 짜달라고 요청한다. 코드가 돌아가는 것을 보며 버그를 수정하고, 그 과정에서 "왜 이 모듈이 작동하는가?"라는 질문을 던지며 직관을 쌓아 나가는 것이다.
패터슨은 이를 '재귀적 공백 메우기(Recursive gap filling)'라고 부른다. 전체적인 그림을 먼저 그린 뒤, 이해가 가지 않는 세부적인 구멍들을 AI를 통해 재귀적으로 파고 내려가며 메우는 방식이다. 그는 이 방식이라면 대학에서 6년이 걸릴 내용을 단 3일 만에 파악할 수도 있다고 말한다.
2. AI를 대하는 자세: '대리인'이 아닌 '멘토'로
많은 학생과 교사들이 AI를 '숙제를 대신 해주는 도구' 혹은 '부정행위의 수단'으로 오해하곤 한다. 그러나 패터슨이 OpenAI의 연구 과학자가 될 수 있었던 비결은 AI를 학습을 돕는 '개인 튜터'로 활용했기 때문이다.
그는 단순히 코드를 복사해서 붙여넣는 '바이브 코딩(Vibe coding)'을 경계한다. 대신, AI가 생성한 코드의 모든 줄이 어떤 의미인지, 왜 이 아키텍처가 선택되었는지 끊임없이 질문한다.
•
"이 부분을 12살 아이에게 설명하듯 쉽게 말해줘"
•
"이 개념을 시각화할 수 있는 그래프를 그려줘"
•
"내가 이해한 내용이 맞는지 확인해줘"
그는 이런 식으로 AI와 '인간-AI 공생 관계(Human-AI symbiosis)'를 형성하여 자신의 뇌를 강화했다. 모르는 것을 모른다고 인정하고, 이해가 될 때까지 질문을 반복하며 '아하! 모먼트(Aha moment)'를 찾아내는 것이 그의 핵심 전략이다.
3. 실전의 압박이 만드는 기적: '진짜 문제'의 힘
패터슨은 학교 밖에서 코딩을 배울 수 있었던 가장 큰 원동력으로 '실제 문제'와 '압박감'을 꼽는다. 학교 수업처럼 무한한 시간이 주어지고 실패해도 상관없는 환경에서는 학습 효율이 떨어진다는 것이다.
그는 18살 때 스타트업에 뛰어들어 실제 고객에게 제품을 팔기 위해 고군분투했다. 제품 추천 시스템을 구축해야 하는 실전 상황에 처하자, 웹페이지 요소를 선택하는 법부터 데이터를 삽입하는 법까지 모든 것을 스스로 찾아 배워야만 했다.
이 과정에서 중요한 것은 '높은 실행력(High Agency)'이다. 학위나 자격증 같은 대리 지표에 의존하는 대신, 자신이 무엇을 할 수 있는지 보여주는 '데모'를 직접 만들어 증명하는 것이다. 패터슨은 "회사는 결국 돈을 벌고 싶어 한다"며, 내가 그들에게 어떻게 가치를 더할 수 있는지 직접 보여주는 것이 취업의 가장 빠른 길이라고 조언한다.
4. 학위라는 '대리 지표'를 압도하는 '3초의 데모'
가브리엘의 여정에서 '독학'만큼이나 중요한 키워드는 바로 '데모(Demo)'다. 학위가 없는 그에게 데모는 단순한 포트폴리오가 아니라, 자신의 가치를 시장에 증명하는 가장 강력하고 직설적인 수단이었다.
그가 제시하는 데모의 핵심은 '3초 법칙'이다. 수많은 지원자 사이에서 살아남으려면, 채용 담당자가 링크를 클릭한 지 3초 안에 당신의 실력을 직관적으로 이해할 수 있는 결과물을 제시해야 한다. 가브리엘은 18살 때 이커머스 업체의 CEO를 찾아가 기존 추천 시스템과 자신이 만든 시스템을 시각적으로 비교해 보여주거나, 즉시 실행 가능한 스크립트를 건네며 실력을 증명했다.
대학 졸업장이나 자격증은 실력을 짐작하게 만드는 '대리 지표(Proxy signal)'에 불과하다. 하지만 잘 만든 데모는 "나는 이 일을 실제로 해낼 수 있다"는 가장 확실한 실증이다. AI를 통해 학습 속도를 비약적으로 높였다면, 그 종착지는 반드시 남들이 클릭 한 번으로 확인할 수 있는 구체적인 결과물이어야 한다. 가브리엘처럼 '높은 실행력(High Agency)'을 데모로 증명해낼 때, 비로소 학벌의 벽은 허물어지고 새로운 기회가 열린다.
마무리
글의 서두에서 언급한 "분산형 지능"과 "확산형 사고구조"는 결국 AI를 도구가 아닌 내 지능의 확장판으로 사용하는 능력을 의미하는 것일지도 모르겠다. 이 역시 나쁘지 않은 활용 방식일 것이다.
하지만 패터슨이 알려주는 이 새로운 패러다임은 훨씬 명확하고 실질적이다. 심지어 이 방식이 통한다는걸 몸소 증명해냈으니 말해 뭐하랴.
가브리엘 패터슨의 이야기는 우리에게 큰 위로와 동시에 경고를 준다. 그는 자신이 특별히 똑똑한 사람이 아니며, 오히려 스스로를 멍청하다고 생각했다고 고백한다.
이제 지식은 더 이상 소수의 전유물이 아니다. 월 20달러면 전 세계의 모든 지식에 접근할 수 있는 시대다. 중요한 것은 자신의 지식에 어떤 공백이 있는지 파악하는 능력과, 그 공백을 메우기 위해 AI를 집요하게 활용하는 기술이 되었다.
대학 졸업장이 없어도, 박사 학위가 없어도, 가브리엘 패터슨처럼 OpenAI의 연구자가 되어 AGI(인공일반지능)를 구축하는 세상이 왔다. 당신은 신인류가 될 준비가 되었는가?
Subscribe to 'Danduck'
Subscribe to my site to be the first to receive notifications and emails about the latest updates, including new posts.
Join Slashpage and subscribe to 'Danduck'!
Join Slashpage and subscribe to 'Danduck'!
