본 연구는 대규모 언어모델(LLM)과 같은 AI 보조 도구 사용이 에세이 작성 시 인간의 뇌 활동 및 행동에 미치는 영향을 실험적으로 분석했습니다. 연구의 핵심 가설은 LLM 사용이 인지 기능에 부정적인 영향을 미친다는 것입니다.

연구 방법론:
총 54명의 참가자가 실험에 참여했으며, 이 중 18명은 4차 세션까지 완료했습니다. 참가자들은 세 그룹으로 나뉘었습니다:

1. LLM 그룹: ChatGPT와 같은 LLM 도구를 사용하여 에세이를 작성했습니다.
2. 검색엔진 그룹: 검색엔진만을 사용하여 에세이를 작성했습니다.
3. Brain-only 그룹: 도구 없이 오직 자신의 인지 능력만을 사용하여 에세이를 작성했습니다.

모든 그룹은 동일한 조건에서 세 차례 에세이 작성 세션을 수행했습니다. 네 번째 세션에서는 일부 참가자들의 조건이 교차 변경되었습니다:

• LLM-to-Brain: LLM 그룹 참가자가 Brain-only 조건으로 전환.
• Brain-to-LLM: Brain-only 그룹 참가자가 LLM 조건으로 전환.

측정 및 분석:

• 뇌 활동 측정: 참가자들이 에세이를 작성하는 동안 EEG (Electroencephalography)를 사용하여 인지 부하(cognitive load)와 뇌 연결성(brain connectivity)을 측정했습니다. EEG는 뇌파의 강도와 연결 패턴을 분석하여 뇌 영역 간의 활성화 및 상호작용을 파악하는 데 사용되었습니다.
• 에세이 분석: 작성된 에세이는 다음과 같은 방식으로 평가 및 분석되었습니다:
  • 자연어처리(NLP) 분석:
    • NER (Named Entity Recognition): 텍스트 내에서 고유명사를 식별하여 정보 밀도를 분석했습니다.
    • n-gram 패턴 분석: 특정 단어 시퀀스의 반복 및 사용 빈도를 통해 텍스트의 독창성과 패턴을 파악했습니다.
    • 주제 온톨로지(Topic Ontology) 분석: 에세이의 주제 분포와 깊이를 정량적으로 측정했습니다.
  • 평가자 점수: 인간 교사와 AI 평가자 모두가 에세이의 질과 내용을 평가했습니다.
• 행동 및 자기 보고: 참가자들의 작성된 글에 대한 소유감(self-reported ownership)을 설문 조사를 통해 측정했으며, LLM 사용자의 경우 자신의 글을 정확하게 인용하는 능력에 대한 관찰이 이루어졌습니다.
• 장기 추적: 4개월간의 추적 조사를 통해 LLM 사용자의 신경(neurological), 언어(linguistic), 행동(behavioral) 수준에서의 성과 변화를 모니터링했습니다.

주요 결과:

• EEG 분석:
  • Brain-only 그룹은 가장 강하고 넓은 뇌 연결망을 보였습니다. 이는 뇌의 여러 영역이 활발하게 상호작용하며 복합적인 인지 활동을 수행했음을 시사합니다.
  • 검색엔진 그룹은 중간 수준의 뇌 참여도를 보였습니다.
  • LLM 그룹은 가장 약한 뇌 연결성을 나타냈으며, 이는 인지 활동의 감소를 의미합니다.
  • 세션 4에서 LLM-to-Brain으로 전환한 참가자들은 알파(alpha) 및 베타(beta) 대역의 뇌파 연결성 감소를 보였는데, 이는 인지적 저활성 상태(cognitive hypoactivity)를 나타냅니다. 반면 Brain-to-LLM으로 전환한 참가자들은 기억 회상 능력(memory recall ability) 향상과 후두-두정(occipital-parietal) 및 전전두(prefrontal) 영역의 활성화를 보였으며, 이는 검색엔진 사용자와 유사한 인지 패턴입니다.
• 행동 및 언어적 관찰:
  • 에세이에 대한 소유감은 LLM 그룹이 가장 낮았고, Brain-only 그룹이 가장 높았습니다.
  • LLM 사용자는 자신이 작성한 글임에도 불구하고 정확하게 인용하는 데 어려움을 겪었습니다.
  • 4개월간의 추적 결과, LLM 사용자는 신경학적, 언어적, 행동적 측면에서 지속적인 저성과(persistent low performance)를 보였습니다.

결론 및 시사점:
본 연구는 LLM이 즉각적인 편의성을 제공하지만, 장기적으로는 인지적 비용(cognitive cost)을 초래할 수 있음을 보여줍니다. AI 의존이 학습 과정과 사고 능력에 미치는 부정적인 영향을 경고하며, AI 활용에 대한 균형 잡힌 접근과 교육적 측면에서의 재검토가 필요함을 강조합니다. MIT Media Lab은 이 결과를 바탕으로 AI 시대의 학습 메커니즘 재설계의 필요성을 제기했습니다.