교실과 대학가에 퍼진 AI 의존 현상
완독률 0%의 교실: 고등학생들이 책을 끝까지 읽지 않고 생성형 AI에게 줄거리 요약과 독후감 작성을 맡기는 현상이 보편화되었습니다.
100%의 의존도: 수행평가나 과제를 할 때 AI를 전혀 쓰지 않는다고 답한 학생은 단 한 명도 없었습니다. 학생들이 느끼기에 완성도가 높고 처리 속도가 10배나 빨라 안 쓸 수가 없다고 말합니다.
대학가의 부작용: 과제물의 제출률은 높아졌지만, 학생들이 낸 보고서의 문장 표현과 구조가 대단히 형식적이고 서로 유사해지는 획일화 문제가 나타나고 있습니다.
AI 사용 시 우리 뇌의 변화 (MIT 미디어랩 실험)
MIT 미디어랩에서 대학생 60여 명을 대상으로 '스스로 작성', '검색 활용', '생성형 AI 활용' 세 그룹으로 나누어 에세이를 쓰게 한 뒤 뇌의 네트워크 연결성을 측정했습니다.
스스로 작성 시: 전두엽, 측두엽, 후두엽 등 뇌 전체가 유기적으로 활발하게 소통 하며 광범위한 네트워크를 형성합니다.
생성형 AI 활용 시: 뇌의 네트워크 연결성이 매우 낮게 나타났습니다. 스스로 깊게 사유하거나 비판적으로 검토하는 인지적 과정이 생략되었음을 뜻합니다.
사라진 기억: 과제가 끝난 후 "방금 본인이 제출한 에세이의 문장을 인용해달라"는 질문에, AI 그룹은 정확한 문장을 인용한 사람이 단 한 명도 없었습니다. (도구 미사용 그룹은 약 88.9%가 정확히 인용)
MIT 학생들이 인문학을 붙드는 이유
가장 앞선 미래 기술을 다루는 MIT이지만, 학생들은 고전 소설( 구운몽 )을 배우고 시(Poetry) 클럽을 만들어 활동합니다.
비판적 사고력: 삶의 복잡성을 담은 문학을 읽으며 비판적 사고력과 인간에 대한 이해(소통 능력)를 기릅니다.
정신적 도약의 필요성: 거대언어모델(LLM)이 요약해 준 핵심만 빠르게 받아먹으면, 텍스트와 씨름하며 스스로 성장하는 '정신적 도약(Mental exercise)'의 기회를 잃고 다음번 과제에 더 취약해진다고 경고합니다.
'깊이 읽기'를 위한 방법: 질문하며 읽기
가짜 정보와 비판적 능력: 프랑스 인지신경과학자 드엔 교수는 정보가 넘쳐나고 AI가 판치는 시대일수록, 정확성을 판단하는 능력이 중요하며 이는 문장의 의미를 깊게 파고드는 '깊이 읽기'에서 온다고 강조합니다.
질문 생성 실험: 단순히 글을 읽을 때보다 "텍스트를 바탕으로 스스로 질문을 던지며" 읽을 때 인지적 조작 과정이 필요하여 읽기 시간은 더 오래 걸립니다.
장기 기억 전환: 그러나 실험 결과, 질문을 만들며 읽은 그룹의 회상 점수가 훨씬 높았습니다. 뇌가 '이 정보는 중요하고 오래 기억해야 하는구나'라고 각성하기 때문입니다.
수용을 넘어 표현으로: '텍스트하기' 문화
읽기에서 표현으로: 단순한 독서(텍스트 읽기)를 넘어, 자신의 생각과 감정을 남들과 표현하고 공유하는 '텍스트하기'가 새로운 흐름으로 자리 잡았습니다.
뉴욕 리딩 리듬(Reading Rhythms): 스마트폰을 내려놓고 라이브 음악과 함께 각자 책을 읽은 뒤, 서로에게 "어떤 책을 읽고 계시나요?"라며 대화를 시작하는 독서 파티가 전 세계로 확산 중입니다.
세상의 해상도를 높이는 일: 시를 읽고 나누는 청년은 "시를 읽으면 똑같은 세상을 남들보다 더 뚜렷하고 고해상도로 살아갈 수 있다"고 말합니다.
요약 결말
AI가 답을 대신해 주는 시대일수록 단 한 문장에 오래 머물며 스스로 질문하는 '읽기'야말로 인간이 뇌를 지키고 세계를 이해하는 가장 강력한 무기입니다.
https://youtu.be/rQyiy6SPulA?si=LiNdZezs2SXdsYXI
반론도 있네요.
1. '완독률 0%, 의존도 100%'에 대한 반론: 기술의 전환과 '생산성'의 재정의
지식 습득 방식의 패러다임 변화: 과거 인쇄 매체에서 인터넷 검색으로 넘어갈 때도 "사유의 깊이가 얕아진다"는 비판이 있었습니다. AI 요약본을 보는 것은 책을 전혀 읽지 않는 것보다 효율적인 '광범위한 정보 탐색(Scanning)'의 과정일 수 있습니다.
'검색'에서 '편집'으로의 능력 이동: AI를 사용하는 학생들은 단순히 답을 베끼는 것이 아니라, AI의 출력물을 자신의 목적에 맞게 수정, 보완, 조합하는 '프롬프트 엔지니어링' 및 '편집 능력'을 기르고 있는 것일 수 있습니다. 이는 현대 사회에서 요구하는 새로운 형태의 디지털 리터러시(Literacy)입니다.
2. '뇌 네트워크 연결성 저하 및 기억 유실'에 대한 반론: '인지 외주화'의 효율성
계산기와 내비게이션의 사례: 우리는 더 이상 복잡한 암산을 하거나 지도를 외우지 않지만, 이를 두고 인류의 지능이 퇴화했다고 보지 않습니다. 암산과 길 찾기에 쓰이던 뇌의 에너지를 더 고차원적인 기획이나 창의적 활동에 쓸 수 있게 되었기 때문입니다.
외주화를 통한 고차원적 사유: 에세이의 초안 작성과 문장 다듬기 같은 반복적이고 기계적인 작업을 AI에게 '외주(Outsourcing)' 주면, 인간은 글의 핵심 아이디어 구상, 논리적 구조 기획, 거시적 관점의 비판 에 더 많은 뇌 기능을 집중할 수 있습니다. 실험에서 측정되지 않은 또 다른 차원의 고차원 인지가 작용할 수 있다는 뜻입니다.
3. '대학가 보고서 획일화'에 대한 반론: 과제 평가 방식의 낙후성
과제와 평가 시스템의 한계: 학생들이 제출한 보고서가 비슷해지는 것은 AI의 문제라기보다, AI로 쉽게 대체될 수 있는 수준의 '단순 지식 나열형' 과제 를 출제한 교육 시스템의 문제일 수 있습니다.
평가의 진화 유도: AI의 등장으로 인해 이제 교육계는 단순 리포트 제출이 아닌, 구술 면접, 실시간 토론, 프로젝트 수행 과정 평가 등 AI가 대신해 줄 수 없는 '진짜 역량'을 평가하는 방식으로 진화 해야 하는 계기를 맞이한 것입니다.
4. 'MIT 인문학'과 '텍스트하기'에 대한 반론: AI와 인문학은 공존의 관계
이분법적 구도의 오류: 글은 'AI 사용 = 뇌 퇴화', '고전 읽기 = 뇌 발달'이라는 이분법적 구도를 취하고 있습니다. 하지만 최첨단 기술을 다루는 MIT 학생들이 고전을 읽는다는 사실 자체가 AI와 인문학이 대립하는 것이 아니라 상호보완적 임을 증명합니다.
AI를 통한 인문학의 확장: AI는 오히려 '깊이 읽기'를 도울 수 있는 강력한 튜터가 될 수 있습니다. 예를 들어 고전을 읽다가 어려운 맥락이 나오면 AI와 일대일로 질문을 주고받으며(질문하며 읽기) 책의 의미를 더 깊게 파고들 수 있습니다. AI가 질문의 대상이 되어 주는 것입니다.
요약하자면
제시된 글이 경고하는 '맹목적인 AI 의존'은 경계해야 마땅합니다. 하지만 그 반론으로서 "AI를 단순한 '답안지'가 아니라 인간의 인지 능력을 확장하는 '지적 지렛대(Leverage)'로 바라보고, 교육과 평가의 패러다임을 바꾸는 도구로 삼아야 한다"는 주장 역시 강력하게 성립할 수 있습니다.