AI 시대, '자유의지'를 다시 묻는 신경과학의 최전선

뇌가 먼저 결정한다? 40년 된 실험의 반전

채프먼대학교 Uri Maoz 교수 연구팀이 인간의 의사결정 메커니즘에 대한 기존 통념을 뒤집는 연구 결과를 잇달아 발표하고 있다. 핵심은 1980년대 Benjamin Libet의 고전 실험—손목을 움직이기 전에 뇌에서 Readiness Potential(준비 전위)이 먼저 나타난다는 결과—이 실제로 의미 있는 결정에는 적용되지 않는다는 것이다.

Libet 실험은 수십 년간 "인간에게 자유의지는 없다"는 주장의 핵심 근거로 인용되어 왔다. 그러나 Maoz 팀은 2019년 피험자에게 1,000달러를 실제로 기부할 비영리단체를 직접 선택하게 하는 실험을 설계했고, 이 '진짜 선택' 상황에서는 준비 전위가 관측되지 않았다. 반면 동일 피험자가 임의로 버튼을 누르는 상황에서는 준비 전위가 정상적으로 나타났다.

"Libet가 처음부터 의미 있는 결정에 집중했다면, '신경과학이 자유의지의 환상을 증명했다'는 논쟁 자체가 없었을 것" — Liad Mudrik, 텔아비브대 신경과학자

Picking vs. Choosing: 사소한 결정과 중대한 결정은 다르다

Maoz 연구팀은 의사결정을 Picking(임의적 선택)과 Choosing(감정·가치가 개입된 숙고적 선택)으로 구분한다. 이 구분은 단순한 언어 차이가 아니라 뇌의 전기 신호 패턴이 실제로 다르게 나타난다는 실험적 증거에 기반한다.

최근 연구에서는 EEG(뇌전도)를 통해 키보드 스페이스바를 누르려는 피험자를 무작위 시점에 중단시킨 뒤 의도를 물었다. 결과적으로 준비 전위와 행동 계획 사이에는 연관이 없었고, 행동 준비 신호는 뇌의 다른 영역에서 발견되었다.

이는 Computational Neuroscience(계산 신경과학) 분야에서 중요한 전환점이다. 의식적 의도, 욕구, 충동, 믿음이 각각 뇌에서 어떻게 구별되는지를 실증적으로 밝히는 작업이 본격화되고 있기 때문이다.

AI 의도 연구로의 확장

Maoz 교수가 공동 설립한 LUCID(Laboratory for Understanding Consciousness, Intentions, and Decision-Making) 연구소는 최근 연구 범위를 AI의 의도(Intention) 문제로 확장했다. AI Intentions 프로젝트를 통해 AI 시스템이 '의도'를 가질 수 있는지, 그렇다면 인간의 의도와 어떻게 다른지를 탐구하고 있다.

LLM(대규모 언어 모델)이 점점 더 자율적인 판단을 내리는 시대에, "AI가 실제로 '결정'하는가, 아니면 통계적 패턴을 실행하는가"라는 질문은 기술적 호기심을 넘어 윤리적·법적 프레임워크의 핵심 쟁점이 된다.

드론과 AI: 현장에서의 자율 판단 사례

이러한 '기계의 의도' 문제는 이미 현장에서 구체적 형태를 띠고 있다. 몬태나대학교 Wesley Sarmento 연구원은 회색곰 관리에 드론을 도입해, 열화상 카메라로 곰을 탐지하고 드론 소음으로 퇴치하는 시스템을 운용 중이다. 그가 구상하는 다음 단계는 AI 이미지 인식을 통해 드론이 자율적으로 곰을 식별하고 우회시키는 것이다.

이처럼 AI의 자율적 판단 영역이 확대될수록, Maoz 팀이 연구하는 '의도의 본질'에 대한 이해가 AI 설계 원칙에 직접적인 영향을 미치게 된다.

교육 분야 시사점

컴퓨터과학·심리학 전공자에게

이 연구는 **BCI(Brain-Computer Interface, 뇌-컴퓨터 인터페이스)**와 AI 윤리 분야의 교차점에 위치한다. 신경과학 실험 설계, EEG 데이터 분석, 의사결정 모델링 등은 학부 연구 프로젝트로도 접근 가능한 주제다.

AI·데이터사이언스 학습자에게

LLM의 의사결정 과정을 해석하려는 XAI(Explainable AI, 설명 가능한 AI) 연구와 직접 연결된다. AI가 '왜' 특정 출력을 생성했는지 추적하는 것은, 인간 뇌에서 의도가 행동으로 전환되는 과정을 추적하는 것과 구조적으로 유사하다.

학생 활용법

Maoz 팀의 LUCID 연구소와 AI Intentions 프로젝트 웹사이트에서 공개된 논문과 실험 설계를 참고하면, 자유의지·AI 윤리 관련 에세이나 학부 연구에 바로 활용할 수 있다. 특히 "Picking vs. Choosing" 프레임워크는 AI 의사결정 시스템의 설계 원칙을 논의할 때 유용한 분석 도구가 된다.