# AI 시대의 새로운 학습 패러다임 feat. 가브리엘 패터슨

> **_"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. 

![Image](https://upload.cafenono.com/image/slashpagePost/20260205/171155_Qf3oWTXQ0luJu5M6oV?q=80&s=1280x180&t=outside&f=webp)

---

## 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 방식**이다. 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.

![Image](https://upload.cafenono.com/image/slashpagePost/20260123/155106_WsosNjjVfxErtXNdJL?q=80&s=1280x180&t=outside&f=webp)

---

## 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 능력**과, **그 공백을 메우기 위해 AI를 집요하게 활용하는 기술**이 되었다.

대학 졸업장이 없어도, 박사 학위가 없어도, 가브리엘 패터슨처럼 OpenAI의 연구자가 되어 AGI(인공일반지능)를 구축하는 세상이 왔다. 당신은 신인류가 될 준비가 되었는가?

For the site tree, see the [root Markdown](https://slashpage.com/danduck.md).