AI 스피커와 대화하면 아이가 말을 더 잘 배울까요?

아이가 스피커에게 물었습니다. 달은 왜 자동차를 따라오느냐고. 스피커는 즉시, 유창하게, 제가 했을 답보다 더 나은 답을 내놓았습니다. 그리고 아이는 질문을 멈췄습니다. 그 질문만 멈춘 게 아니라, 남은 길 내내 조용했습니다. 생각에 잠겼을 때의 침묵이 아니라, 대화가 끝났을 때의 침묵이었습니다.

저는 십일 년 동안 질문에 잘 답하는 시스템을 만들어 왔습니다. 제가 만든 종류의 것이, 제 아이가 계속 이어가기를 바랐던 대화를 끝내는 장면을 본 것은 그때가 처음이었습니다.

스피커가 아이에게 해로운가를 먼저 묻고 싶어집니다. 저는 그것이 틀린 질문이거나, 적어도 첫 번째 질문은 아니라고 생각합니다. 그 차 안에서 스피커는 어떤 책도 어떤 텔레비전도 하지 않았던 일을 했습니다. 차례를 주고받은 것입니다. 아이가 말을 마칠 때까지 기다렸고, 아이가 실제로 한 말에 반응했고, 멈췄습니다. 구조만 보면 그것은 대화입니다. 물어야 할 것은 그것이 무언가를 쌓아 올리는 종류의 대화인가입니다.

연구는 무엇을 말하는가

여기서 가장 쓸모 있는 연구는 거의 이십 년 전 것이고 AI와는 아무 상관이 없습니다. Patricia Kuhl 연구팀은 생후 9개월 미국 아기들에게 중국어를 들려주었습니다. 일부는 눈앞에 앉은 사람에게서 들었고, 다른 아기들은 같은 내용을 화면이나 음성으로 들었습니다. 사람에게서 들은 아기들은 대만에서 자란 아기들과 비슷한 수준으로 중국어 음소를 구별하게 되었습니다. 녹음으로 들은 아기들에게서는 측정 가능한 학습이 나타나지 않았습니다. 중국어를 전혀 듣지 않은 아기들과 같았습니다.

소리는 같았습니다. 영상 조건에서는 얼굴도 같았습니다. 달랐던 것은 그 소리가 지금 거기 있는 사람에게서 나오는가였습니다.

2014년 실험은 이 지점을 더 날카롭게 만들었습니다. Roseberry 연구팀은 두 살 아이들에게 새로운 동사를 세 가지 조건에서 가르쳤습니다. 직접 만나서, 실시간 영상통화로, 그리고 미리 녹화된 영상으로. 아이들은 직접 만난 조건과 영상통화 조건에서 단어를 배웠습니다. 녹화 영상에서는 배우지 못했습니다. 녹화의 화질이 나빴던 것이 아니라, 반응하지 않았던 것입니다. 영상통화가 통했던 이유는 반대편 사람이 아이가 멈출 때 함께 멈추고, 아이가 보는 곳을 보고, 아이가 실제로 던진 질문에 답했기 때문입니다.

이것을 부르는 학술 용어가 유관성(contingency)이고, 대부분의 일을 하는 것이 바로 이것으로 보입니다. Gilkerson 연구팀은 146명 아이의 가정 내 음성을 하루 종일 녹음하고 십 년을 추적했습니다. 아홉 살에서 열네 살 사이의 언어 점수를 예측한 것은 아이가 들은 단어의 양이 아니었습니다. 대화의 차례 수 — 어른의 말 다음에 아이의 말이 오고, 그다음에 다시 그 말에 대한 어른의 반응이 오는 횟수였습니다. 차례 수를 감안하고 나면 어른이 쏟아낸 단어 수 자체로 설명되는 부분은 훨씬 줄어들었습니다.

그러니까 작동하는 기제는 언어에 노출되는 것이 아닙니다. 언어에 참여하는 것입니다.

그래서 무엇이 달라지는가

여기서부터는 조심해야 합니다. 스마트 스피커는 미리 녹화된 영상과 같은 것이 아니기 때문입니다.

스피커는 좁은 의미에서 유관합니다. 말이 끝날 때까지 기다립니다. 정해진 대본을 재생하는 대신 방금 한 말에 반응합니다. Kuhl과 Roseberry의 실험에서 결정적이었던 차원, 즉 반응성에서 스피커는 녹음과 사람 사이 어딘가에 있습니다. 그리고 제가 찾은 범위에서, 유아와 어휘 발달을 대상으로 그 중간 지점을 검증한 연구는 없습니다. 스마트 스피커가 언어 발달을 해친다는 것이 연구로 밝혀졌다고 말하는 사람은 과장하고 있는 것입니다. 도움이 된다고 말하는 사람도 마찬가지입니다.

다만 차례 주고받기 연구가 함의하는 두 번째 사실이 있고, 그것은 기계에 관한 것이 전혀 아닙니다. 집 안에서 대화의 차례는 희소한 자원입니다. 두 살 아이가 무언가를 물을 만큼 궁금하고 동시에 어른이 답할 만큼 여유로운 순간은 하루에 몇 번 되지 않습니다. 그 순간이 기기에 흡수될 때마다, 차례가 되지 못한 순간이 하나씩 생깁니다.

제가 계속 생각하는 부분이 그것입니다. 스피커가 제 아이의 언어를 망가뜨린 것은 아닙니다. 대화 하나를 끝냈을 뿐입니다. 십 년을 추적한 코호트 연구에 따르면, 하필 가장 중요할 가능성이 높은 그 대화를 말입니다.

정직하게 요약하면 이렇습니다. 사람과의 유관한 상호작용이 어휘를 쌓는다는 것은 압니다. 반응하지 않는 미디어가 그렇지 않다는 것도 압니다. 반응하는 기계가 그 선 위 어디에 놓이는지는 모릅니다. 다만 그 기계가 유한한 차례의 공급을 두고 경쟁한다는 것, 그리고 근거가 뒷받침하는 쪽은 그 공급이라는 것은 압니다.

이번 주에 한 가지

기기가 즉시 답할 수 있는 질문을 아이가 던지면, 일부러 서툴게 답해 보세요. “모르겠는데, 너는 어떻게 생각해?” 하고 기다리는 겁니다. 아이가 얻는 답은 더 나쁠 것입니다. 대화는 더 길어질 것입니다. 차례 주고받기 연구가 측정한 바로는, 십 년 뒤에 드러나는 쪽은 대화의 길이입니다.

이것은 화면에 관한 규칙이 아닙니다. 누가 문장을 끝맺는가에 관한 규칙입니다.

Founding Wave가 열려 있습니다.