인간 정신병적 증상과 AI 할루시네이션의 유사성
Semantic Scholar
2026년 6월 15일 (월)
- •인간의 정신병적 증상과 LLM 출력 오류 간의 유사점이 연구를 통해 밝혀졌다.
- •연구진은 AI 할루시네이션을 사실을 지어내는 인간의 경향과 연관 지었다.
- •학제 간 비교 연구를 통해 AI 신뢰성 향상과 정신의학적 통찰을 모색한다.
2026년 6월 10일 'NPP—Digital Psychiatry and Neuroscience'에 발표된 연구는 인간의 정신병적 증상과 거대언어모델(LLM)의 출력 오류 사이의 유사점을 분석했다. 연구 저자인 제이 디 드 보어(J. D. de Boer), 스테파노 치암펠리(S. Ciampelli), 아라야 K. 하일레마리암(Araya K. Hailemariam)은 LLM과 자동 음성 인식 도구가 인간의 할루시네이션 및 작화증(confabulation)과 유사한 현상을 빈번하게 나타낸다는 점을 지적했다. 인간과 모델 모두에서 정보가 누락될 경우, 논리적으로는 일관성이 있으나 사실과는 다른 응답을 생성하는 경향이 공통적으로 확인된다.
이번 연구는 이러한 공유 오류가 예측 시스템의 공통적인 계산 원리에서 기인할 수 있음을 시사한다. 연구팀은 AI를 하나의 '계산적 거울'로 활용함으로써, 정신의학적 지식이 모델의 오류율을 낮추는 데 기여할 수 있다고 주장한다. 동시에 이러한 패턴을 식별하는 것은 인간의 뇌가 어떻게 지각과 기억을 구성하는지에 대한 새로운 통찰을 제공한다.