컴퓨팅 내적 동기 부여를 통한 능력 필요성에 대한 공식 이론으로의 발걸음

알토대학교 연구팀은 인공지능의 강화학습 모델을 활용하여 자기결정이론(SDT)의 '능력 필요성' 개념을 명확히 정의하고, 내적 동기 부여에 대한 이해를 심화시키는 연구를 수행했습니다. 이 연구는 이론과 모델 간의 상호 작용을 통한 선순환 구조를 제시하고, 인간과 기계를 대상으로 한 실증 연구의 중요성을 강조합니다.

인간의 동기 부여에 대한 새로운 접근: 인공지능과 심리학의 만남

최근, 핀란드 알토대학교 연구팀(Erik M. Lintunen, Nadia M. Ady, Sebastian Deterding, Christian Guckelsberger)은 인공지능(AI)의 강화학습 모델을 활용하여 인간의 내적 동기 부여에 대한 이해를 혁신적으로 높이는 연구 결과를 발표했습니다. 이 연구는 자기결정이론(SDT)의 핵심 개념인 '능력 필요성'에 초점을 맞추고 있습니다. SDT는 내적 동기 부여 연구에서 가장 영향력 있는 이론 중 하나로, '능력 필요성'을 기본적인 인간 욕구 중 하나로 제시합니다.

모호함을 넘어 명확성으로: 능력 필요성의 다면적 해석

하지만 기존 SDT에서는 '능력 필요성'이 단일 개념으로 다루어져, 능력, 기술 사용, 과업 수행, 능력 성장 등의 다양한 측면이 모호하게 정의되어 왔습니다. 연구팀은 이러한 모호성을 해소하기 위해 AI 분야, 특히 강화학습(RL) 모델을 활용하는 획기적인 접근 방식을 제시했습니다. '능력 필요성'의 여러 측면을 강화학습의 형식으로 연결함으로써, SDT 이론을 보다 명확하고 포괄적으로 정의할 수 있는 토대를 마련한 것입니다.

이론과 모델의 상호작용: 발전하는 선순환

강화학습 모델을 통해 연구팀은 SDT가 명시적으로 제시하지 못했던 '능력 필요성'의 전제 조건들을 밝혀냈습니다. 이는 컴퓨팅 모델이 내적 동기 부여에 대한 이해를 향상시킬 수 있음을 보여주는 중요한 결과입니다. 더 나아가, 연구팀은 이론과 모델 간의 상호 작용을 통한 발전적인 선순환 구조를 제시합니다. 즉, 강화학습 모델을 통해 정교화된 이론은 새로운 컴퓨팅 모델을 고안하는 데 영감을 주고, 새로운 모델은 다시 실증 연구를 통해 이론을 검증하고 발전시키는 과정을 반복하는 것입니다.

미래를 향한 발걸음: 인간과 기계의 협력

하지만 연구팀은 이러한 긍정적인 결과에도 불구하고, 인간과 기계 모두를 대상으로 한 실증 연구를 통해 이론을 검증하고 발전시켜야 함을 강조합니다. 이는 심리학과 컴퓨터 과학 분야의 협력을 통한 학제 간 연구의 중요성을 보여줍니다. 이 연구는 단순히 이론적인 발전을 넘어, 인간 행동에 대한 이해를 심화시키고, 더 나아가 AI 시스템 설계 및 인간-컴퓨터 상호 작용 개선에 기여할 수 있는 잠재력을 가지고 있습니다. 앞으로의 연구 결과가 기대되는 대목입니다.