- 연구자들은 거대언어모델 사용자가 늘어남에 따라 생성형 AI가 글쓰기, 사고, 창의성 및 문화적 가치를 획일화할 수 있다고 경고한다.
- 한 연구는 이 현상을 ‘맥도날드화(McDonaldization)’에 비유하며, 기술의 효율성과 예측 가능성으로 인해 사회가 더욱 동질화되고 있다고 분석했다.
- 22개의 거대언어모델과 102명의 인간을 비교한 실험에서 AI는 독창적인 아이디어를 만들어내지만, 모델 간의 답변은 인간 사이의 답변보다 더 서로 비슷했다.
- 인간과 5개의 AI 모델이 쓴 단편 소설을 분석한 결과, AI 작품은 유사한 모티프에 집중된 반면 인간의 작품은 더 다양했다.
- 2024년 연구에 따르면 AI는 (최상위 작가 그룹을 제외한) 사용자들이 더 창의적이고 매력적인 이야기를 쓰도록 돕지만, 동시에 이야기들을 서로 비슷하게 만든다.
- 2025년 연구와 4월에 발표된 메타 분석은 AI가 특히 아이디어 형성 단계에서 다양성을 감소시킨다고 결론지었으며, 이는 복잡하거나 제약이 많은 작업에서 두드러졌다.
- 40만 편 이상의 과학 논문을 분석한 결과, 2022년 말 ChatGPT 출시 이후 저자당 논문 수는 늘었으나 내용과 언어 스타일은 더 비슷해졌다.
- 지역 뉴스, arXiv 초안, Reddit을 대상으로 한 연구에서 ChatGPT 등장 이후 글쓰기 스타일의 다양성이 감소한 것으로 나타났다. AI 문법 교정은 개성, 도덕적 가치, 인구통계학적 특성을 보여주는 많은 흔적을 지워버린다.
- 인도와 미국 참가자를 대상으로 한 연구에서 자동 단어 추천 기능은 두 그룹의 표현을 비슷하게 만들었으며, 인도인들이 미국인과 더 가까운 언어를 사용하게 했다.
- 일부 연구는 AI가 사용자가 쓰는 내용뿐만 아니라 정치적 견해와 신념에도 영향을 미칠 수 있으며, AI의 편향성에 대해 경고를 받은 후에도 그 효과가 몇 주간 지속된다는 것을 보여준다.
- 연구자들은 AI를 사용했던 사람들이 사용을 중단한 지 두 달이 지난 후에도 여전히 비슷한 아이디어를 내놓는 현상을 ‘창의적 흉터(creative scarring)’라고 부른다.
- 기술적 원인으로는 AI가 학습 데이터 내의 일반적인 패턴을 우선시하고, 인간의 피드백에 따라 최적화되며, AI가 생성한 데이터로부터 계속 학습할 때 다양성이 쇠퇴할 위험이 있다는 점이 꼽힌다.
- 해결책으로 학습 데이터의 다양화, DARLING(Diversity-Aware Reinforcement Learning) 방법 적용, 다양한 해결 방향을 유도하는 프롬프트 설계, 사용자의 고유한 문체나 문화적 배경 제공 등이 제안되었다.
- 많은 과학자들은 현재의 영향은 미미하지만 AI가 대규모로 사용되면 심각해질 것이라고 보는 반면, 일부는 인간이 여전히 차별성을 추구하며 획일화에 저항하기 위해 새로운 하위 문화를 형성할 것이라고 믿는다.
📌 네이처(Nature)지는 생성형 AI가 언어, 아이디어, 창의성의 다양성을 감소시키고 인간의 견해 형성 방식에까지 영향을 미칠 수 있다는 여러 연구를 종합해 발표했다. 22개의 AI 모델, 102명의 참가자, 40만 편 이상의 과학 논문에서 나온 증거들은 모두 획일화가 심화되는 추세를 가리키고 있다. 그러나 연구진은 현재의 영향이 아직 제한적이며, 모델 개선, 데이터 다양화, AI 사용 시 사용자 고유의 정체성 유지를 장려함으로써 이러한 영향을 완화할 수 있다고 조언한다.
