본 논문은 인간 인지 연구에 대한 도구로서 최신 AI 모델의 활용 가능성을 탐구합니다. 기존 연구들이 모델의 최종 출력(forward pass의 결과)을 기반으로 인간의 측정값을 예측하는 데 초점을 맞춘 반면, 본 연구는 Transformer 모델의 계층별 동적 계산 과정(layer-time dynamics)을 분석하여 인간의 실시간 처리 과정과의 연관성을 조사합니다. 6개 영역에서 20개의 오픈소스 모델을 사용하여, 인지 이론에서 영감을 얻은 경쟁자 간섭(competitor interference)의 기계적 특징과 인간의 처리 과정의 특징을 모델의 forward pass 동역학을 통해 예측하는지 여부를 검증합니다. 결과적으로, 모델은 인간의 의사결정 갈등이 예상되는 경우 초기 단계에서 잘못된 답변을 선호하는 경향을 보였으며, 최종 출력 확률 분포뿐 아니라 동적 측정값이 인간의 처리 과정을 더 잘 예측함을 확인했습니다. 또한, 모델의 크기가 항상 인간과 유사한 처리 패턴을 보이는 것은 아님을 발견했습니다. 본 연구는 AI 모델을 단순한 자극-반응 매핑 도구가 아닌, 인지 과정을 명시적으로 모델링하는 도구로 활용하는 새로운 방법을 제시합니다.
