AI는 마법이 아니다: 기계가 "생각할" 때 사람들이 쓰는 영어 단어들

챗봇에게 질문을 던지면 깔끔한 문장으로 답이 돌아오고, 어느새 "와, 정말 내 말을 이해했네"라고 말하고 있는 자신을 발견합니다. 그 작은 단어 "이해했다"는 무해해 보입니다. 하지만 그 단어는 사실이 아닐 수도 있는 이야기를 조용히 들려줍니다. 그 안에 마음이 있어서 친구처럼 당신의 문제를 고민하고 있다는 이야기 말입니다.

기술을 이야기할 때 쓰는 영어에는 이런 다정한 이야기들이 가득합니다. 그 단어들은 도구를 살아 있는 것처럼 들리게 만듭니다. 일단 이 패턴을 알아차리면, 이런 단어들의 편리함을 즐기면서도 거기에 속지 않을 수 있고, 시스템이 실제로 하는 일을 훨씬 더 정확하게 묘사할 수 있습니다.

이건 생각보다 중요합니다. 당신이 쓰는 단어는 당신의 기대를 형성합니다. 도구가 당신을 "이해한다"고 믿으면, 그 답을 마땅한 수준보다 더 신뢰하게 됩니다. "이해한다"가 일종의 줄임말임을 기억하면, 계속 확인하게 됩니다. 같은 도구지만 관계는 전혀 다르고, 그 차이는 전적으로 당신의 어휘 속에 있습니다.

빠른 답변

사람들이 AI가 "생각한다(think)", "배운다(learn)", "이해한다(understand)", "안다(know)", "결정한다(decide)"고 말할 때, 그들은 일상적인 인간 동사를 지름길처럼 쓰는 것이지 문자 그대로 묘사하는 게 아닙니다. 이 단어들은 은유입니다. 시스템은 데이터 속 패턴을 처리해서 가능성 높은 output(출력)을 만들어 낼 뿐입니다. 빠르고 자연스럽게 말하려고 이런 동사를 써도 되지만, 그것들이 마음에 대한 정밀한 주장이 아니라 느슨한 표현임을 기억하면 도움이 됩니다.

핵심 단어

• Think. 사람에게는 생각과 의심과 자각을 갖는다는 뜻입니다. 기계에게 "AI가 답이 X라고 생각한다"는 사실 "시스템이 X를 가장 가능성 높은 output으로 만들어 냈다"는 뜻입니다. 내면의 고민 같은 건 일어나지 않습니다.
• Learn. 배우는 학생은 이해하고 기억합니다. 모델이 데이터로부터 "학습했다"고 말할 때, 그건 학습 과정에서 내부 설정값이 조정되어 출력이 패턴에 더 잘 맞게 되었다는 뜻입니다. "열심히 공부했다"보다는 "튜닝되었다"에 가깝습니다.
• Understand. 가장 미끄러운 단어입니다. 시스템은 의미를 전혀 파악하지 못한 채로도 그럴듯하게 맞는 답을 만들어 낼 수 있습니다. "내 질문을 이해했다"는 보통 그냥 "관련 있게 반응했다"는 뜻입니다.
• Know. 무언가를 아는 사람은 확신할 수 있고 그 이유를 설명할 수 있습니다. 시스템이 어떤 사실을 "안다"는 건 그 사실이 출력에 자주 등장하는 경향이 있다는 의미일 뿐입니다. 거짓된 것도 똑같은 확신으로 말할 수 있습니다.
• Decide. 사람은 선택지를 저울질하고 고릅니다. 시스템은 결과를 계산해서 "결정"합니다. 느껴지는 선택도, 망설임도, 후회도 없습니다.
• Intelligent / smart. 이 단어들은 폭넓고 유연한 영리함을 약속합니다. "smart"라고 이름 붙은 도구 대부분은 한 가지 좁은 일을 잘할 뿐입니다.
• Want / believe / try. 이 단어들은 내면의 의도와 감정을 묘사합니다. 기계에 적용하면 순전한 은유입니다. 시스템은 바라는 것도, 믿는 것도 없고, 사람처럼 "애쓰는" 무언가도 없습니다.
• Hallucinate / make things up. AI의 오류를 가리키는 우리의 단어조차 인간의 정신적 이미지를 빌려옵니다. 시스템은 무언가를 상상하는 게 아니라, 우연히 거짓인 자신만만한 텍스트를 만들어 낼 뿐입니다.

흔한 함정

흔한 함정은 이 동사들을 마음이 있다는 증거로 다루는 것입니다. 도구가 "이해한다"면 당연히 의견도, 의도도, 감정도 있겠지? 바로 이 비약에서 과장이 시작됩니다.

또 다른 함정은 목표와 감정을 슬쩍 끼워 넣는 의인화 언어(anthropomorphizing language)입니다. "AI가 당신을 돕고 싶어 한다", "모델이 하늘은 초록색이라고 믿는다", "그게 당신을 속이려 한다" 같은 표현이죠. 원하기, 믿기, 애쓰기는 정신 상태입니다. 시스템은 아무것도 원하지 않습니다. 그저 output을 만들어 냅니다. "AI가 원한다"를 읽으면 머릿속에서 "시스템이 ~를 만들어 내는 경향이 있다"로 바꿔 보세요. 문장이 훨씬 정직해집니다.

smart라는 단어는 마케팅의 단골이고, 거의 항상 마땅한 수준보다 강하게 들립니다. "smart" 스피커, "smart" 검색, "smart" 답장, 이 중 어느 것도 인간적 의미에서 영리하지 않습니다. 규칙과 패턴을 따를 뿐입니다. 어떤 제품이 "intelligent"하다고 묘사되면 물어보세요. 정확히 무엇에 intelligent한가요? 정직한 답은 보통 좁습니다.

AI를 하나의 단일한 마법 같은 존재로 다루는 함정도 있습니다. 사람들은 마치 전지전능한 단일 존재가 있는 것처럼 "AI가 이걸 할 거야"라거나 "AI가 안다"고 말합니다. 실제로는 서로 다른 목적으로 학습된 여러 시스템이 있고, 각각 다른 강점과 맹점을 가집니다. "AI"보다 "요약문을 쓰는 AI 도구"라고 말하는 편이 훨씬 명확합니다.

마지막으로 확신을 나타내는 단어를 조심하세요. 시스템이 무언가를 "안다"거나 "확신한다"고 할 때, 자신만만하게 틀릴 수 있습니다. 인간의 확신은 보통 지식과 비례합니다. 기계의 확신은 그렇지 않습니다. 매끄럽고 단호한 어조는 그 답이 맞다는 증거가 아닙니다.

이름 붙일 만한 미묘한 함정이 하나 더 있습니다. 성장의 동사로서의 learn입니다. 우리는 아이가 "배운다"고 칭찬하고, 그 단어에는 따뜻함과 노력이 담겨 있습니다. 시스템이 "학습할" 때는 노력 같은 건 일어나지 않았습니다. 막대한 양의 데이터를 통과시키면서 설정값이 조정되었을 뿐입니다. 그걸 "학습"이라 부르는 건 줄임말로는 괜찮지만, 밤늦게까지 공부하는 호기심 가득한 마음을 떠올린다면 거기 없는 이야기를 끌어들인 셈입니다. 정직한 그림은 요리에 사랑에 빠진 요리사가 아니라, 요리가 제대로 나올 때까지 조정되는 레시피에 가깝습니다.

이 모든 게 그 단어들이 나쁘다는 뜻은 아닙니다. 그 단어들은 유용하고, 완전히 피하면 말이 뻣뻣하고 어색해집니다. 기술은 그보다 가볍습니다. 은유를 듣고, 편리함을 즐기되, 다정한 단어 속에 실제 주장이 숨어 있음을 의식하는 것입니다. 위험이 낮을 때(잡담, 브레인스토밍)는 은유가 흐르게 두세요. 위험이 높을 때(사실을 신뢰하거나 결정을 내릴 때)는 그것들을 평범한 기계 용어로 되돌려 번역하고 결과를 확인하세요.

자연스러운 표현 vs 어색한 표현

어색함: The AI understood my feelings and decided to comfort me.

자연스러움: The tool produced a supportive-sounding reply based on my message.

두 번째 버전도 여전히 술술 읽히지만, 거기에 공감이 있었던 척하지 않습니다.

덜 자연스러움: Our smart assistant thinks for you, so you don't have to.

더 나음: Our assistant suggests options based on your past choices.

어색함: AI knows the answer to everything now.

자연스러움: These tools can produce answers on many topics, though not always correctly.

"더 나은" 버전이 차갑거나 로봇 같지 않다는 점에 주목하세요. 그저 더 차분할 뿐입니다. 기계를 정확하게 묘사하면서도 따뜻하고 인간적으로 들릴 수 있습니다.

어색함: The model believes you'll love this song.

자연스러움: The model predicts you'll like this song, based on what you played before.

"believes"에서 "predicts"로의 변화는 작지만, 작은 거짓말 하나를 없앱니다. 시스템은 당신의 취향에 대해 아무 믿음도 갖지 않습니다. 당신의 기록 속 패턴에서 예측을 만들어 냈을 뿐이고, 그건 틀릴 수도 있습니다.

미니 표

빠른 연습

각 문장을 과장이 없도록 다시 써 보세요. 답을 보기 전에 먼저 시도해 보세요.

1. "The AI understood exactly what I wanted."
2. "Our smart software thinks about your schedule for you."
3. "The model knows that this stock will go up."
4. "AI decided the email was spam."
5. "The chatbot wants you to feel better."

가능한 답:

1. "The tool produced a response that matched what I asked for."
2. "Our software suggests schedule options based on your settings."
3. "The model produced a prediction that this stock might rise (which may be wrong)."
4. "The filter classified the email as spam."
5. "The chatbot generated a comforting reply."

핵심 정리

"think", "learn", "smart" 같은 단어를 금지할 필요는 없습니다. 빠르고 흔하며 일상 대화에서는 대개 괜찮습니다. 기술은 그것들이 은유임을 아는 것입니다. 그래야 자신만만한 기계가 자신만만하게 틀릴 때 결코 놀라지 않습니다. "AI"를 하나의 마법 같은 마음이 아니라 여러 좁은 도구의 이름표로 다루고, 정확성이 중요할 때 "wants"와 "believes"를 "tends to produce"로 바꾸세요. 그러면 더 명료하게 들리고 더 명료하게 생각하게 됩니다. 그 기계는 인상적입니다. 다만 마법이 아닐 뿐이고, 당신의 영어가 그런 척할 필요는 없습니다.