인간 아기의 학습 능력은 아무리 우수한 대형언어모델보다도 월등히 뛰어나다. 챗GPT는 그럭저럭 괜찮은 글을 써내기 위해서 수백만에서 심지어 수조 개의 단어가 포함된 방대한 데이터세트로 훈련을 받아야 했다. 그러나 아기가 접할 수 있는 데이터의 양은 이보다 훨씬 적지만 아기는 3세 정도만 돼도 매우 정교한 방식으로 의사소통할 수 있다.

뉴욕 대학교 연구팀은 AI가 아기와 같은 방법으로 학습할 수 없을지 궁금했다. 말을 배우는 아기의 시각과 청각 경험으로 구성된 훨씬 적은 데이터세트로 AI 모델을 훈련시키면 어떨까.

결과는 놀라웠다. AI 모델이 단어와 그 단어가 나타내는 사물을 연결하는 데 성공했다. 뉴욕 대학교의 연산 인지 과학자인 브렌든 레이크(Brenden Lake)는 “아기가 짧은 시간 경험하는 중에도 단어 학습에 진정으로 필요한 데이터가 충분히 존재한다”고 설명했다.

레이크는 2월 1일 <사이언스(Science)>지에 발표한 논문에서 아기의 학습 방법에 대한 통찰력은 물론 더 뛰어난 AI 모델을 개발할 수 있는 단서를 제공해줬다.