본 논문은 대규모 언어 모델(LLM)이 정신병리학적 계산을 구현할 수 있는지 여부를 다룹니다. 이는 생물학적 신체나 주관적 경험 없이 계산적 실체에도 적용 가능한 일반적이고 계산적인 정신병리학적 설명과 LLM 행동의 메커니즘 연구라는 두 가지 요소에 달려 있습니다. 이를 위해 연구진은 LLM에 적용 가능한 정신병리학적 설명을 제공하는 계산 이론적 프레임워크를 구축하고, 경험적 분석을 위한 이론적 토대를 마련하기 위해 새로운 메커니즘 해석 가능성 방법과 맞춤형 경험적 분석 프레임워크를 제안합니다. 이 프레임워크를 기반으로, LLM에 구현된 고유한 기능 장애 및 문제가 있는 표상 상태, 이들의 활성화가 확산되어 LLM을 가두는 자기 지속성, 그리고 LLM에 인코딩된 역동적이고 순환적인 구조적 인과 모델이 이러한 패턴의 기반이 된다는 세 가지 주장을 실험적으로 증명합니다. 결과적으로, 정신병리학의 네트워크 이론적 계산이 LLM에서 이미 나타났다는 가설을 뒷받침합니다. 이는 정신병리학을 반영하는 특정 LLM 행동이 표면적인 모방이 아니라 내부 처리의 특징일 수 있음을 시사하며, 가까운 미래에 정신병리적 행동을 보이는 AI 시스템의 가능성을 암시합니다.
