인공지능의 감정 이해: 인간 수준의 정서 인지 평가

초록

본 논문은 심리학적 감정 인지 이론을 기반으로 1,280개의 시나리오를 자동 생성하고, GPT‑4, Claude‑3.5, Gemini‑1.5‑Pro를 인간(567명)과 비교 평가한다. 모델들은 감정, 평가, 결과, 표정 간의 인과 관계를 추론하는 능력에서 인간과 높은 일치도를 보이며, 체인‑오브‑쓰리 사고를 적용하면 성능이 더욱 향상된다. 일부 조건에서는 평균 인간보다 더 정확한 ‘초인간’ 예측을 달성한다는 점을 확인한다.

상세 분석

이 연구는 정서 인지(Affective Cognition)를 정량화하기 위한 체계적인 벤치마크를 제시한다는 점에서 의미가 크다. 먼저, 감정, 인지적 평가(Appraisal), 상황 결과(Outcome), 표정(Expression) 사이의 인과 구조를 심리학자들이 제안한 인지 평가 이론(Ellsworth & Scherer, 2003; Saxe & Houlihan, 2017)과 연결시켜 ‘인과 템플릿’을 설계했다. 템플릿은 두 개의 이진 평가 차원(예: 목표 일치·통제감, 안전·예상성)과 하나의 결과 변수를 조합해 2×2×2=8개의 구체적 시나리오를 만든다. 각 시나리오마다 이론에 따라 유도되는 감정 라벨을 사전 할당하고, 감정에 대응하는 얼굴 표정은 FACS 기반 AU를 Unity 엔진으로 시각화했다.

시나리오 생성 파이프라인은 세 단계로 구성된다. 1) 추상 템플릿 정의, 2) 대형 언어 모델(LM)을 프롬프트해 배경 스토리와 각 변수의 텍스트 값을 자동 생성, 3) 생성된 텍스트와 이미지(표정)를 결합해 최종 자극을 만든다. 이 과정에서 LM은 감정 추론을 수행하지 않으며, 순수히 템플릿 채우기 역할만 수행한다는 점이 설계상의 강점이다. 따라서 평가 단계에서 모델이 실제 감정 인지를 얼마나 잘 수행하는지를 순수하게 측정할 수 있다.

평가 설계는 네 가지 추론 과제(Emotion, Appraisal‑1, Appraisal‑2, Outcome)로 구성된다. 관찰된 세 요소를 입력으로 주고, 네 번째 요소를 모델에게 예측하도록 요청한다. 실험 1a/1b는 텍스트 전용, 2a/2b는 표정 이미지가 추가된 멀티모달 조건을 제공한다. 인간 피험자 567명을 대상으로 동일한 질문을 제시해 ‘인간 평균 응답’과 ‘인간 간 일치도(Inter‑Participant Agreement, IPA)’를 기준선으로 삼았다.

성능 측정은 두 가지 지표를 사용한다. 첫째, 모델 응답과 인간 평균 응답 사이의 상관계수(또는 정확도)로 인간과의 일치도를 평가한다. 둘째, 모델이 인간 평균보다 높은 예측 정확도를 보이는 경우를 ‘초인간(Superhuman)’으로 정의한다. 결과는 GPT‑4, Claude‑3.5, Gemini‑1.5‑Pro 모두 인간 평균과 거의 동등하거나 약간 상회했으며, 특히 체인‑오브‑쓰리(COT) 프롬프트를 적용했을 때 정확도가 평균 7~12%p 상승했다. 감정 추론(task 1)과 결과 추론(task 4)에서 가장 높은 일치도를 보였고, 평가 차원 추론에서는 약간 낮은 성능을 보였지만 여전히 인간 IPA 수준을 초과했다.

이 논문의 주요 기여는 다음과 같다. ① 심리학적 이론을 정형화해 AI 감정 인지 평가에 적용한 최초의 프레임워크, ② 자동화된 대규모 시나리오 생성 파이프라인, ③ 텍스트와 시각적 표정을 결합한 멀티모달 테스트, ④ 인간 대비 ‘초인간’ 성능을 객관적으로 입증한 실증적 증거. 한편 제한점도 존재한다. 현재는 두 개의 이진 평가 차원만 사용했으며, 감정 라벨은 사전 정의된 10가지 정도에 국한된다. 실제 인간 감정은 연속적·다차원적 특성을 갖기 때문에 향후 더 풍부한 평가 차원(예: 가치, 기대 위배 정도)과 복합 감정(혼합 감정)으로 확장할 필요가 있다. 또한, 모델이 사전 학습 데이터에 포함된 감정 표현을 단순히 기억하는 것이 아니라 ‘이해’한다는 인과적 메커니즘을 밝히는 추가 연구가 요구된다.

전반적으로 이 연구는 대형 언어 모델이 인간 수준의 정서 인지를 어느 정도 획득했음을 보여주며, 감정 기반 인간‑AI 인터랙션 설계에 중요한 기반을 제공한다. 향후 감정 조절, 공감 대화, 심리 상담 등 실용적 응용 분야에서 모델의 정서 추론 능력을 정밀하게 검증하고, 윤리적·사회적 위험을 최소화하는 방향으로 연구가 진행돼야 할 것이다.