AI에 '성격'을 부여하면 인간다운 추론이 가능해진다? 놀라운 연구 결과

본 연구는 LLM이 인간의 다양한 추론 방식을 모방할 수 있는지에 대한 실험을 통해, 성격 기반 프롬프트와 유전 알고리즘의 결합이 AI의 '인간다움'을 향상시키는 데 효과적임을 밝혔습니다. 특히 오픈소스 모델이 독점 모델보다 더 나은 성능을 보였습니다.

인간의 판단과 의사결정 과정을 완벽하게 모방하는 것은 인공지능 분야의 큰 과제였습니다. 최근 Animesh Nighojkar 등 연구진이 발표한 논문, "Giving AI Personalities Leads to More Human-Like Reasoning"은 이러한 과제에 대한 흥미로운 해결책을 제시합니다. 이 연구는 단순히 최적의 행동만을 모방하는 것을 넘어, 인간의 직관적이고 빠른 사고(System 1)와 논리적이고 느린 사고(System 2)를 모두 포괄하는 '전체 추론 스펙트럼 문제'를 다룹니다.

연구진은 자연어 추론(NLI) 형식을 일반화한 새로운 방식의 추론 과제를 설계하여 LLM의 인간 추론 모방 능력을 평가했습니다. 크라우드소싱을 통해 수집된 인간의 반응 분포 전체를 모델링하여 다양한 인간의 추론 방식을 포착하고자 했습니다. 여기서 핵심은 바로 **'성격 기반 프롬프트'**입니다. 'Big Five' 성격 모델에서 영감을 받아, AI에게 특정 성격 특성을 반영하는 응답을 유도한 것입니다. 이를 유전 알고리즘과 결합하여 프롬프트의 가중치를 최적화했습니다.

놀랍게도, Llama와 Mistral과 같은 오픈소스 모델이 GPT와 같은 독점 모델보다 인간의 반응 분포를 더 잘 모방하는 것으로 나타났습니다. 특히 유전 알고리즘으로 최적화된 성격 기반 프롬프트는 LLM이 인간의 반응 분포를 예측하는 능력을 크게 향상시켰습니다. 이는 비최적적이고 자연스러운 추론을 모방하려면 다양한 추론 스타일과 심리적 프로필을 통합하는 모델링 기법이 필요하다는 것을 시사합니다.

결론적으로, 이 연구는 성격 기반 프롬프트와 유전 알고리즘의 결합이 AI의 추론 능력에서 '인간다움'을 향상시키는 데 유망한 방법임을 보여줍니다. 이는 AI의 발전 방향에 중요한 시사점을 제공하며, 앞으로 AI가 인간과 더욱 자연스럽고 효과적으로 상호 작용할 수 있는 가능성을 열어줄 것으로 기대됩니다.