AI 대체를 방지하는 집단 선택 메커니즘

초록

본 논문은 생성형 AI를 보완적으로 활용하는 사용자가 집단 수준에서 문화적 변이와 누적적 문화 진화를 유지함으로써 장기적인 문화 붕괴를 방지할 수 있음을 이론·시뮬레이션으로 입증한다. 개인 선택에서는 AI‑대체 전략이 단기 성과가 높아 우세하지만, 강한 집단 경계가 존재할 때는 변이를 보존하는 AI‑보완 전략이 집단 선택에 의해 선호된다.

상세 분석

이 연구는 Henrich(2004)의 누적 문화 진화 모델을 기반으로, 문화적 기술 수준 z를 가진 N명의 에이전트를 두고 학습·전파 과정을 시뮬레이션한다. 각 에이전트는 주변에서 가장 높은 z 값을 가진 모델 j 를 찾고, 자신의 학습 결과 z′ 를 Gumbel 분포 Gumbel(μ = z_j − α, β) 에서 추출한다. 여기서 α 는 평균 학습 오류, β 는 학습 결과의 분산을 의미한다. AI 사용 전략에 따라 α 와 β 가 조정되는데, 보완(Complement) 전략은 오류 감소 비율 r(C)_α 와 분산 감소 비율 r(C)_β 만큼 완화하고, 대체(Substitute) 전략은 더 큰 r(S)_α, r(S)_β 값을 적용한다.

전략 전파는 ‘pay‑off‑biased social learning’ 규칙을 사용한다. 에이전트 i 가 무작위로 다른 에이전트 k 를 샘플링하고, k 의 문화적 기술 z_k 가 i 보다 높을 경우 확률 P(i←k)=1/(1+e^{−δ(z_k−z_i)}) 에 따라 k 의 전략을 채택한다. 이 과정은 복제동역학(replication dynamics)과 동일하게 해석될 수 있다.

시뮬레이션 결과는 두 가지 주요 상황을 제시한다. (1) 무작위 섞인(population‑well‑mixed) 환경에서는 AI‑대체 전략이 초기 평균 성과와 전파 속도 모두에서 우세해, 단기적으로는 높은 기술 수준을 달성한다. 그러나 장기적으로는 β 가 크게 감소하면서 변이가 소멸하고, 누적 문화 진화 속도가 둔화된다. (2) 집단 구조가 강하고 내부 교류가 빈번한 경우, 집단 내에서 AI‑보완 전략이 유지되는 비율이 높아지면 β 가 상대적으로 보존되어 탐색적 변이가 지속된다. 결과적으로 보완 전략을 채택한 집단은 평균 기술 수준은 다소 낮지만, 변이 유지 덕분에 장기적인 누적 진화가 더 빠르게 진행된다.

복제동역학 분석에서는 전략별 기대 보상 π_s(x) 를 Monte‑Carlo 시뮬레이션으로 추정하고, 전략 빈도 x 에 대한 선택 구배를 계산한다. 이때 π_S 가 초기에는 가장 높지만, x_S 가 증가함에 따라 β_S 가 감소해 기대 보상이 급격히 떨어진다. 반면 π_C 는 낮은 초기값을 보이지만, x_C 가 일정 수준을 넘으면 변이 보존 효과가 보상으로 작용해 안정적인 내부 균형점(Evolutionarily Stable Strategy)을 형성한다.

정리하면, 개인 수준에서는 효율성을 중시하는 AI‑대체가 진화적 우위를 차지하지만, 집단 수준에서는 변이 유지가 장기적 문화 적합도에 결정적이며, 이는 ‘집단 선택’ 메커니즘을 통해 보완 전략이 선호되는 구조적 조건을 제시한다.