인간 성인이 인과 관계를 학습할 때 ‘결합 규칙(conjunctive rule)’—여러 원인이 동시에 충족되어야 결과가 발생하는 구조—을 파악하는 데 어려움을 겪는다는 사실은 인지과학 분야에서 오랜 연구 결과로 알려져 왔다. 반면 어느 한 원인만 충족되면 결과가 나타나는 ‘선택 규칙(disjunctive rule)’에서는 성인도 비교적 높은 성취도를 보인다. 그러나 기존 연구 대부분은 학습자가 증거 생성에 관여할 수 없는 수동적 관찰 방식에 의존해 왔다는 한계가 있었다.
이번 논문은 성인 학습자에게 직접 개입할 수 있는 능동 탐색 기회를 부여했을 때 이 결합적 인과 추론의 약점이 유지되는지를 실증적으로 검토했다. 연구팀은 ‘블리킷 탐지기(blicket detector)’ 과제를 변형한 실험을 통해 참가자들이 결합 또는 선택 규칙 구조 아래에서 인과 객체를 자유롭게 개입·식별하도록 했다. 실험 결과, 능동 탐색을 허용하면 성인의 결합적 인과 추론 성능이 크게 향상됐다. 다만 결합 규칙은 선택 규칙보다 여전히 더 많은 탐색 횟수를 필요로 했다.
연구팀은 동일한 실험 환경에서 대규모 언어 모델(LLM)과 인간의 성능도 비교했다. 최신 LLM 중 일부는 가설 추론 정확도에서 인간 수준에 근접하는 결과를 보였지만, 탐색 전략의 효율성은 인간보다 낮았고 결합-선택 규칙 간 성능 격차도 인간과 유사하게 나타났다. 이는 현재의 LLM이 인과 추론의 정답을 도출하는 능력은 일정 수준에 이르렀지만, 탐색 방법 자체의 효율적 구성에서는 아직 개선의 여지가 있음을 시사한다.
이번 연구는 AI 시스템이 인간의 인지 편향과 유사한 구조적 한계를 공유하는지를 체계적으로 분석했다는 점에서 의의가 있다. 능동 탐색이 인간의 인과 학습에 미치는 효과를 확인했으며, LLM이 탐색 방식과 인과 규칙 유형에 따라 보이는 성능 양상을 구체적으로 규명해 향후 AI 추론 능력 개선 연구의 방향성을 제시했다.
