머신러닝과 심리학

심리학 연구의 수단

• 전통적 심리학은 실험, 설문, 관찰 자료에 의존
• 스마트폰, 웨어러블 센서, SNS 텍스트, 학습 로그, 의료 기록, 음성·영상 데이터처럼 훨씬 크고 복잡한 자료를 활용할 수 있음
• 머신러닝으로 고차원·비정형·시계열 데이터를 분석할 수 있음
• 단, 대부분의 머신러닝은 매우 복잡하여 전통적 통계 분석에 비해 해석가능성(interpretability)이 낮음

Human Speechome Project

• 출생부터 3세까지 집 안 모든 방의 오디오·비디오를 기록
• 전체 자료는 20만 시간 이상
• 첫 단어 "mama"부터 안정적 단어 조합 출현 전후까지 포함
• 하루 약 10시간, 깨어 있는 시간의 약 70%를 기록
• 최종 코퍼스는 약 800만 단어, 200만 발화
• 아동 발화와 아동이 들을 수 있었던 양육자 발화를 포함
• 아동이 산출한 679개 고유 단어를 식별
• 각 단어를 처음 산출한 연령을 추정

Fragile Families Challenge

• 2000년 전후 미국 대도시에서 태어난 아동과 가족을 장기 추적한 출생 코호트
• 설문, 가정 방문 평가, 심리측정, 생체 측정, 이웃·가정 관찰 자료 포함
• 출생부터 9세까지의 자료와 15세 결과의 훈련 자료 일부를 사용해, 보류된 가족의 15세 결과를 예측
• 배경 자료는 4,242가구와 12,942개 변수로 구성
• 물질적 곤란과 GPA는 $R^2$가 20% 수준, 그릿, 퇴거, 직업훈련, 해고는 약 5% 수준

인간 심리의 모델

• 심리학의 역사: 구조주의 → 행동주의 → 인지주의
• 행동주의: 자극-반응과 같이 외부에서 객관적으로 관찰할 수 있는 현상을 중심으로 연구
• 인지주의: 인간의 마음 내부의 처리 과정(process)에 관심
• 인간 마음의 내부 처리 과정을 컴퓨터 프로그램 또는 통계 분석 방법에 빗대어 이해하는 전통
  • 사회심리학에서 Kelley의 귀인 이론: 사람들이 분산분석과 비슷한 방식으로 인과 추론
  • 지각심리학의 신호탐지이론: 사람들이 신호와 소음의 확률 분포를 비교하는 방식으로 지각
• 머신러닝이 발전하면서 인간 심리를 머신러닝 모델에 빗대어 이해하려는 경향도 커짐

베이지언 통계학

• 사전 확률을 데이터를 바탕으로 체계적으로 수정하여 사후 확률을 얻어내는 방식

$$P(H\mid D)=\frac{P(H)P(D\mid H)}{P(D)}$$

• 예시: 한 번도 안 던져본 동전 → 한 번 던져보니 앞면이 나온 동전 → 두 번 던져보니 앞면 1번, 뒷면 1번 나온 동전

베이지언 뇌 가설

• 지각: 감각 데이터를 바탕으로 베이지언 통계학 원리에 따라 사전 믿음을 수정하는 것
• 행동: 감각 입력을 예측에 맞게 조정하여 예측 오류를 최소화하려는 시도

사례: ACT-R과 자율 에이전트

• AI 자율 에이전트들에게 역할을 부여하고 작은 마을을 이루게 함
• 에이전트의 내부 구조를 변화시켜 가며 에이전트 행동의 그럴듯함(believability)을 평가
• 관찰, 계획, 반성 등 모든 요소를 포함했을 때 가장 그럴듯한 행동을 한다는 평가

자율 에이전트와 인간

• 그럴듯하게 행동하는 AI 자율 에이전트의 구조는 인간의 마음이 작동하는 방식과 유사

머신러닝 아이디어의 원천으로서

• 머신러닝의 여러 핵심 아이디어는 인간과 동물의 학습을 설명하려는 심리학·인지과학·신경과학 연구와 깊이 연결되어 있음. 강화학습은 보상과 처벌을 통해 행동이 변화한다는 행동주의 학습 이론과 밀접한 관련이 있음. 시행착오, 보상, 예측 오류, 습관 형성 같은 개념은 심리학에서도 오래전부터 다루어 온 주제임
• 딥러닝 역시 인간 뇌의 정보처리 방식에서 영감을 받음. 인공신경망은 실제 뇌를 그대로 모방한 것은 아니지만, 뉴런들이 연결되어 정보를 처리한다는 아이디어에서 출발함. 주의 메커니즘, 기억 구조, 표현 학습 같은 개념도 인간 인지 과정과 연결됨
• 즉 심리학은 머신러닝에 “어떤 방식의 학습이 가능한가”라는 아이디어를 제공해 왔음. 반대로 머신러닝은 그 아이디어를 계산적으로 구현하고 대규모 데이터에서 검증할 수 있게 만들었음

강화학습

• 강화학습: 머신러닝의 세 가지 접근 방식 중 하나이며, 나머지는 지도학습과 비지도학습
• 누적된 보상을 최대화하는 행동 방식을 시행착오를 통해 찾아내는 머신러닝 접근법
• 강화(reinforcement)라는 용어는 파블로프가 처음 사용
• 이후 행동주의 심리학에서 “특정 선행 자극이 존재할 때 유기체의 미래 행동 가능성을 높이는 결과”라는 뜻으로 사용
• 심리학 및 생물학 연구 결과가 머신러닝 분야에 도입되어 강화학습으로 발전

도파민 뉴런

• 학습 전에는 예상하지 못한 보상인 과일 주스 한 방울이 주어질 때 도파민 뉴런이 활성화
• 학습 후에는 예상한 보상 자체에는 활성화하지 않고, 보상을 예고하는 조건 자극에 활성화
• 보상을 예상한 시점에 보상이 없으면 도파민 뉴런의 활동이 저하

ChatGPT

심리학 응용의 수단으로서

• 심리학 지식이 실제 서비스나 산업 현장에서 활용되려면 중간에 기술적 매개가 필요
• 심리학적 이론을 실제 시스템 안에서 측정하고 예측하고 개입하는 장치에 머신러닝 활용
• 추천 시스템: 사용자의 취향과 행동 패턴을 학습해 콘텐츠나 상품을 제안
• 교육 플랫폼: 학습자의 정답률, 반응 시간, 학습 이력을 분석해 개인화된 문제를 제공
• 정신건강 앱: 사용자의 언어, 수면, 활동량 변화를 바탕으로 위험 신호를 탐지