AI 교육, 테우트 신화의 반복인가? 인지 기술 채택의 오류 분석
1. 연구의 목적
(1) 인공지능(AI)이 교육 현장에 빠르게 스며듦에 따라, 개인화 학습이나 지식 민주화 등 잠재적 이점에 대한 기대가 커지고 있음. 그러나 동시에 학생들의 인지 능력 저하, 기술 의존성 심화 등 부정적 영향에 대한 우려 또한 증폭되고 있음. 이러한 상황에서 플라톤의 ‘파이드로스’에 등장하는 테우트 신화는 인지 기술이 인류의 역량을 강화한다고 주장하지만, 실제로는 미묘하게 사고력을 침해할 수 있음을 이미 오래전부터 경고해왔음. 이 연구는 AI 기술이 지닌 이 양면성을 깊이 들여다보는 데 목적이 있음.
(2) 이 연구의 핵심 목표는 AI를 교육에 윤리적으로 통합할 이론적, 실용적 프레임워크를 제시하는 것임. 구체적으로 인지 자율성 유지와 비판적 사고 촉진을 위한 적극적인 교수학습 접근법을 설계하고, AI 기술의 잠재적 폐해에 대응할 AI 리터러시 교육의 필요성을 역설함. 궁극적으로 AI가 인간 지혜의 근간을 잠식하지 않도록 장기적인 사회적 함의를 고찰함.
2. 연구의 방법
(1) 이 연구는 크게 세 가지 접근 방식을 사용함. 첫째, 플라톤의 철학적 문헌을 포함한 고대 문헌과 현대 인지 과학 및 교육 기술 연구 문헌을 폭넓게 검토함. 둘째, AI 교육의 주요 옹호자인 샘 올트먼의 낙관적 주장을 테우트 신화의 비판적 관점과 비교 분석함. 셋째, 실제 중등 및 대학생들을 대상으로 한 경험적 연구 사례를 통해 AI 사용이 학생들의 인지 능력에 미치는 구체적인 영향을 관찰하고 분석함.
(2) 주요 분석 대상은 샘 올트먼의 AI 교육에 대한 낙관론과 플라톤의 테우트 신화에서 비롯된 기술 비판론 간의 대비임. 또한, AI 과의존이 학생들의 문제 이해 능력, 논리적 사고 경로 구성 능력, 결과 일관성 평가 능력 등 핵심 인지 능력에 미치는 부정적 영향을 실제 대학 수업의 시험 결과를 통해 구체적으로 조사함.
3. 주요 발견
이 연구는 AI가 교육에 미치는 영향을 고찰하며, 테우트 신화의 비판적 관점을 현대 AI 기술에 투영함. AI를 ‘파르마콘’(약이자 독)으로 정의하며, 인지적 오프로딩(cognitive offloading)이 초래하는 문제점을 강조하는 동시에, AI의 지능적 활용을 위한 ‘AI 리터러시’ 프레임워크를 제시함.
(1) AI 리터러시 프레임워크: 학생의 필수 자질 이 연구는 AI가 인지적 게으름과 피상적 지식을 조장하지 않도록, 학생들이 다음의 필수 자질을 갖추는 AI 리터러시 프레임워크를 제안함. 이 프레임워크는 AI를 단순한 도구로 여기는 것을 넘어, AI가 인간 인지에 미치는 영향을 이해하고 능동적으로 대처하는 역량을 의미함.
- 기본 지식: AI의 작동 원리, 머신러닝 알고리즘, 훈련 데이터, 그리고 시스템에 내재된 편향에 대한 이해가 필수임. 챗GPT 같은 대규모 언어 모델(LLM)의 특성과 ‘환각’(hallucinations) 같은 오류 유형을 아는 것은, AI 결과물을 맹목적으로 수용하는 것을 막는 가장 기본적인 방어막임. 예로, 프롬프트 엔지니어링 개념을 아는 학생은 AI로부터 더 정확하고 관련성 있는 결과를 얻음이 증명됨.
- 비판적 사고: AI가 생성한 결과물의 한계, 편향, 부정확성, 윤리적 함의를 평가하는 능력임. 출처 교차 검증, 데이터셋 편향 인식 같은 기술이 포함됨. 챗GPT와 같은 생성형 AI가 에세이를 작성한 후, 학생이 그 내용을 비판적으로 분석하고 수동으로 수정하는 연습은 신경 활동을 20-30% 증가시켜 깊은 사고를 촉진함.
- 과도한 위임 방지 능력 및 자율성: AI에 지적 노력을 완전히 위임하지 않고, 깊은 학습을 위해 필요한 인지적 노력을 스스로 유지하는 능력임. AI가 분석 작업을 대신하게 두면 인지적 탄력성과 내재적 동기가 약화될 수 있음. AI 사용을 제한하는 과제를 설계하거나, AI 사용 전 수동 초안 작성을 요구하는 등 독립적 노력을 장려하는 것이 핵심임.
- 기타 횡단적 기술: 창의성, 윤리, 협업, 적응성 등 AI 시대에 인간 고유의 가치를 지키는 데 필요한 광범위한 기술을 포함함. AI는 아이디어 생성에 활용하고, 인간이 이를 윤리적 관점에서 가다듬으며, 협업을 통해 시너지를 창출하는 방식임.
(2) 대학 신입생의 인지 능력 저하 관찰 연구는 프랑스 대학의 컴퓨터 과학 1학년 학생들을 대상으로 한 경험적 관찰을 통해 AI의 과도한 사용이 인지 능력에 미치는 부정적 영향을 명확히 보여줌. 이는 테우트 신화가 경고한 ‘지식의 착각’이 현대 교육에서 실제 발생하고 있음을 나타냄.
- 문제 이해 능력 부족: 학생들이 수학적, 알고리즘적, 개념적 문제 진술을 이해하는 데 어려움을 겪음. AI 도구에 익숙해진 나머지, 기본적인 용어(예: 삼각형의 둘레 또는 짝수의 정의)조차 알지 못하는 경우가 빈번히 관찰됨. 뇌파 측정(EEG) 결과, AI 보조 과제 수행 시 신경 활동이 감소하며 언어 및 개념 해독 과정의 위축을 시사함.
- 논리적 문제 해결 경로 구성 능력 저하: 문제를 해결하기 위한 논리적 경로를 스스로 구성하지 못함. AI가 제안하는 해결책을 검증하거나, 단계별로 추론하는 능력이 부족하여 해결책을 무비판적으로 복사하는 현상이 나타남. 예를 들어, Y축 대칭 문제를 풀거나 배열 관리 알고리즘을 설계하는 과제에서 기본적인 논리적 연결 고리를 만들지 못하는 학생이 다수임.
직교 좌표계에서 Y축 대칭 이동한 사각형의 좌표를 구하는 문제 예시 이러한 인지적 오프로딩은 계획 수립 능력의 위축으로 이어짐. 교사들이 문제 해결 단계를 상세히 명시해주는 방식으로 교육을 단순화한 것이 오히려 학생들의 스스로 경로를 찾는 능력을 저해함.
- 결과 일관성 평가 능력 부족: AI나 수동으로 얻은 결과가 문제 진술과 일관성이 있는지 평가하지 못함. 결과의 오류를 맹목적으로 수용하며, 비판적 뇌 활동 감소로 인해 편향된 출력에 과도한 신뢰를 보냄. 삼각형 넓이 계산에서 명백히 틀린 공식을 사용하거나, 배열 관리 문제에서 음수 합계나 불가능한 발생 횟수를 무시하는 사례가 보고됨.
(3) 시험 결과 분석: 인지적 위임의 증거 연구는 세 차례의 ‘연속 통제’ 시험(CC1, CC2, CC3)에서 수집된 실제 데이터를 제시하며, 학생들의 전반적인 인지 능력 저하를 수치로 뒷받침함.
다음 표는 컴퓨터 과학 1학년 학생들의 시험 점수 통계를 요약함.
| 시험 | 응시 학생 수 | 평균 점수 (20점 만점) | 중간값 | 표준 편차 | 최소 점수 | 최대 점수 | 0점 학생 수 | 5점 미만 학생 수 | 10점 미만 학생 수 |
|---|---|---|---|---|---|---|---|---|---|
| CC1 | 111 | 6.42 | 5.5 | 4.83 | 0 | 19 | 5 | 51 | 87 |
| CC2 | 113 | 5.46 | 4.5 | 4.67 | 0 | 17.25 | 14 | 62 | 91 |
| CC3 | 109 | 6.95 | 5.0 | 6.79 | 0 | 19.75 | 22 | 54 | 76 |
| 평균 | 110 | 6.95 | 5.13 | 6.76 | 0 | 19.75 | 22 | 54 | 77 |
위 표는 전반적인 성과 하락을 명확히 보여줌. 평균 점수가 5점에서 7점 사이에 머무르고, 10점 미만 학생이 70%를 넘는다는 사실은 피상적인 지식 습득에 그침을 의미함. 특히, 0점 학생 수가 CC1의 4.5%에서 CC3의 20%로 급증한 것은 학생들이 기본적인 문제에 직면했을 때 쉽게 포기하거나, 근본적인 이해 없이 AI에 과도하게 의존함을 시사함. 이는 인지적 게으름이 증가하고 있음을 보여주는 직접적인 증거임. 특정 하위 과제(예: 기본 기하학 또는 논리 조작)에서의 낮은 점수와 높은 0점 비율은 이러한 인지적 위임의 심각성을 더욱 뒷받침함.
4. 결론 및 시사점
(1) 이 연구는 샘 올트먼의 AI에 대한 낙관적 비전을 테우트 신화와 비교하며, AI가 지식에 대한 접근과 실제 지식 습득을 혼동하게 하는 지속적인 오류를 반복하고 있음을 주장함. AI는 지적 위임을 조장하고, 지식의 착각을 일으키며, 인지적 의존성을 심화하여 결국 비판적 사고, 기억력, 자율성, 내재적 동기 등 핵심 인지 능력을 저하시킬 위험이 있음.
(2) 교육 현장에서는 AI를 보조 도구로 삼되, 결코 대체재로 활용하지 않는 신중하고 균형 잡힌 접근이 필수적임. 구체적으로는 AI 리터러시 교육을 강화하여 학생들이 AI의 작동 원리, 한계, 윤리적 문제를 이해하도록 돕는 교육 과정이 필요함. 또한, 인지적 노력을 장려하는 능동적인 교수학습 방법을 개발하고 통합하며, AI 편향성 및 과의존을 완화할 윤리적 가이드라인을 수립해야 함. 예를 들어, AI 없는 학습 구역이나, AI 사용 전 반드시 수동으로 초안을 작성하도록 요구하는 과제 설계 등이 효과적임.
(3) 장기적으로는 교육 시스템 자체를 재설계하여, 창의성, 공감 능력, 적응력, 정서 지능 등 AI가 대체할 수 없는 인간 고유의 기술을 우선순위에 두어야 함. AI가 반복적이고 분석적인 작업을 지배하는 세상에서, 인간은 더 고차원적이고 본질적인 사고 능력에 집중하도록 교육 방향을 전환하는 것이 사회 전체의 지혜를 풍요롭게 함.
5. 리뷰어의 ADD(+) One: 생각 더하기
(1) 이 논문에서 가장 주목할 지점은 AI를 고대 그리스의 ‘파르마콘’ 개념, 즉 약(해결책)이면서 동시에 독(문제)일 수 있는 양면적인 존재로 규정한 데 있음. 이는 단순히 AI의 장점과 단점을 나열하는 것을 넘어, 기술이 인간의 인지 체계에 미치는 본질적인 영향을 깊이 있게 탐구하도록 이끔. 플라톤의 신화가 21세기 생성형 AI 시대에 던지는 메시지가 단순한 경고가 아니라, 인류가 지식과 사고를 다루는 방식 자체를 근본적으로 재고하게 만드는 철학적 통찰임을 명확히 보여줌. 인지적 오프로딩 개념을 통해 지적 노력을 외부에 위임하는 것이 단기적 효율성을 줄 수 있으나, 장기적으로는 인지 능력의 위축을 초래함을 실증적 사례와 연결한 점은 교육 현장의 고민을 날카롭게 짚음.
(2) 논문이 명시하지 않은 더 넓은 의미는 기술 진보가 인류의 인지 구조와 존재 방식에 가하는 근원적인 질문과 연결됨. 이는 인지과학적 차원을 넘어 교육철학, 인류학적 사유까지 확장되는 논의임. AI가 제공하는 ‘가짜 지혜’는 지식의 본질을 ‘내재화된 이해’에서 ‘외재화된 접근성’으로 변질시킬 위험을 내포함. 이는 단순히 학습 효율의 문제를 넘어, 무엇이 진정한 지식이고 지혜인가에 대한 플라톤적 고민이 챗GPT 시대에 더 절박한 형태로 재현됨을 뜻함. 기술이 우리를 ‘생각하게 만드는’ 도구가 아닌, ‘생각하는 것을 대체하는’ 도구가 될 때, 인간의 자율성과 주체성은 어떻게 보존될 수 있을지에 대한 질문을 던짐.
(3) 이 연구를 발전시킬 구체적 아이디어는 다음과 같음. 첫째, AI 활용 능력 측정 지표 개발을 제안함. 현재의 AI 리터러시가 AI 도구를 효과적으로 사용하는 데 초점을 맞춘다면, ‘AI 단독 수행 능력 지표’를 추가하여 AI의 도움 없이 특정 인지 과제를 얼마나 수행할 수 있는지, 문제를 해결하고 결과를 비판적으로 평가하는 순수한 인지 역량을 측정할 수 있음. 둘째, 교육 과정 내 ‘AI 단식(斷食) 기간’ 도입을 시도함. 특정 학습 기간 동안 의도적으로 모든 AI 도구 사용을 금지하여 학생들이 스스로 인지적 노력을 기울이고 내재화된 학습을 경험하도록 유도하는 프로그램을 설계함. 셋째, 교사를 위한 ‘AI 오프로딩 진단 도구’ 개발을 구상함. 학생의 과제물에서 AI 의존 징후(예: 일관성 없는 논리, 맥락 없는 답변, 특정 AI 모델의 전형적 문체)를 감지하고, 학생의 인지적 오프로딩 정도를 평가하여 교사가 적절한 개입 방안을 마련하도록 돕는 AI 기반 진단 도구 개발을 제안함.
6. 추가 탐구 질문
(1) AI가 인지 능력을 저하시킨다는 주장은 단기적인 현상인가, 아니면 인간의 뇌 구조 자체를 영구적으로 변화시키는 비가역적인 과정인가? 이에 대한 연령대별, 문화권별 차이는 어떻게 나타나는가?
(2) AI가 인지 부하를 줄여 고차원적인 창의적 사고나 문제 해결에 더 집중하게 하는 긍정적인 ‘인지적 오프로딩’ 시나리오는 없는가? 만약 있다면, 그러한 학습 환경은 어떤 특성을 가지는가?
(3) AI가 인지적 독립성을 침해하는 것을 막기 위해 AI 자체를 어떻게 설계해야 하는가? ‘인간 중심 AI’ 원칙을 교육 도구에 구체적으로 적용하여, 사용자의 비판적 사고와 자율성을 강화하는 AI 시스템을 개발할 수 있는가?
출처
DOI: 10.70012/CSSE.03.077
- Vivian, R. (2026). AI and the Myth of Theuth: A Persistent Error in the Adoption of Cognitive Technologies. Clareus Scientific Science and Engineering, 3(3), 01-12. https://doi.org/10.70012/CSSE.03.077