인간의 창의성을 모방하기 위한 LLM의 핵심 기술과 아키텍처
확률적 모드 붕괴를 극복하고 변혁적 탐색을 유도하는 6대 공학적 기술 축과 인지과학적 심층 분석
🌟 총론 : 창의성 모방을 위한 6대 기술 축과 패러다임
인간의 창의성(Creativity)을 모방하기 위해 거대언어모델(LLM) 시스템은 학습 데이터에서 가장 흔한 패턴으로 수렴하려는 확률적 경향을 억제하고 의미 있는 탐색을 유도하는 여섯 가지 기술 축을 결합하여 사용합니다. 구체적으로는 (1) 추론 시점의 동적 디코딩 및 프롬프팅 제어, (2) 잠재 공간 활성화 조향(Activation Steering), (3) 사후 학습 정렬의 엔트로피·다양성 보존 기법, (4) 발산-수렴형 비선형 사고 루프, (5) 진화 알고리즘과 품질-다양성(Quality-Diversity) 탐색, 그리고 (6) 교차 도메인 지식 그래프(RAG/KG) 및 멀티 에이전트 협업 시스템이 활용됩니다.
인지과학자 마가렛 보든(Margaret Boden)의 분류 체계에 따르면, 창의성은 기존 아이디어의 새로운 조합인 결합적 창의성(Combinational), 정해진 개념 공간 내부를 새롭게 탐색하는 탐색적 창의성(Exploratory), 그리고 개념 공간의 규칙 자체를 바꾸는 변혁적 창의성(Transformational)으로 나뉩니다. 최신 LLM과 에이전트 시스템은 자동화된 외부 검증기 및 진화 탐색과 결합될 때 수학·알고리즘 분야에서 기존 최첨단 해법을 뛰어넘는 결합적·탐색적 창의성을 발휘하기 시작했습니다. 반면 개념 공간의 패러다임을 전복하는 변혁적 창의성과 미세한 개념 혼성의 창발적 속성을 포착하는 데에는 여전히 구조적 한계가 존재하며, AI 활용이 개인의 창작 수준은 높여주지만 집단 전체의 아이디어 다양성은 축소시키는 '집단적 동질화' 역설 역시 해결해야 할 과제로 남아 있습니다.
⚖️ 1. 창의성의 평가 기준과 LLM의 구조적 병목
컴퓨팅 창의성과 인지과학 문헌에서는 단순히 무작위적이거나 낯선 산출물을 창의적이라고 보지 않습니다. 창의적 결과물은 새로움(Novelty/Originality), 놀라움(Surprise), 그리고 과제 맥락에서의 가치 또는 유용성(Value/Appropriateness)을 동시에 충족해야 합니다. 특히 보든은 에이전트 자신의 과거 이력에 비추어 새로운 심리적 창의성(P-Creativity)과 인류 역사나 전체 참조 코퍼스 기준으로 새로운 역사적 창의성(H-Creativity)을 구분하는데, LLM의 창의성 공학은 이 두 차원의 새로움을 높이면서도 논리적·실용적 가치가 무너지지 않도록 제어하는 데 초점을 맞춥니다.
하지만 표준 LLM 파이프라인은 본질적으로 창의성을 제약하는 두 가지 구조적 병목을 안고 있습니다.
1️⃣ 모드 붕괴(Mode Collapse)와 전형성 편향(Typicality Bias)
사전학습 이후 인간 피드백 기반 강화학습(RLHF)이나 직접 선호 최적화(DPO) 같은 정렬 과정을 거치면, 모델은 브래들리-테리(Bradley-Terry) 선호 우도와 KL 발산 규제 하에 다수의 평가자가 선호하는 안전하고 전형적인 응답에 확률 질량을 과도하게 집중시킵니다. 한 프리프린트 연구에서 지적된 '전형성 편향'으로 인해 정렬된 모델은 기반 모델이 본래 지녔던 문체적·전략적 다양성을 잃고 상투적인 어휘와 단일 문제 풀이 전략만을 반복하기 쉽습니다.
2️⃣ 신규성-유용성 트레이드오프 (Novelty–Usefulness Trade-off)
단순한 온도(Temperature) 상승으로 무작위성만 키우면 의미적 거리는 멀어지지만, 실제로 작동하지 않거나 문맥에서 이탈한 '노이즈'와 환각이 급증합니다. 따라서 LLM 창의성 기술의 핵심은 일관성과 유용성을 해치지 않으면서 확률 분포의 꼬리 영역과 대안적 사고 경로를 정교하게 열어주는 데 있습니다.
🎛️ 2. 추론 및 디코딩 단계의 확률 분포 제어
모델 가중치를 재학습하지 않고도, 추론(Inference) 시 다음 토큰을 추출하는 디코딩 규칙과 프롬프트 구조를 개선하여 창의성과 문맥 일관성을 동시에 확보할 수 있습니다.
⚡ 동적 절단(Dynamic Truncation) : Min-p 샘플링과 적응형 기법
고정된 누적 확률만 사용하는 Top-k나 Top-p(Nucleus) 샘플링의 한계를 보완하기 위해 동적 절단 기법이 널리 쓰입니다. Min-p 샘플링은 매 토큰 생성 시점의 최대 토큰 확률(pmax)에 상대적 기준치(pbase ∈ (0, 1])를 곱해 하한 임계값을 동적으로 산출합니다:
모델의 확신이 높은 문맥에서는 저확률의 비논리적 토큰을 과감히 걸러내 일관성을 보호하고, 반대로 여러 전개가 열려 있는 불확실한 문맥에서는 다양한 후보를 허용합니다. 논문 실험에서 Min-p는 기존 Top-p가 문맥 일관성을 유지하기 어려워하는 고온 설정(τ = 1.5, p = 0.1)의 AlpacaEval 창의적 글쓰기 벤치마크에서도 높은 품질과 다양성을 동시에 달성했습니다. 이와 같은 계보로 최대 로짓과 전역 표준편차를 활용해 온도 효과를 분리하는 Top-nσ, 조건부 엔트로피에 따라 온도를 실시간 조정하는 엔트로피 기반 동적 온도(EDT), 그리고 Min-k 및 p-less 샘플링 등이 제안되었습니다.
📊 정보이론적 관점 : 국소적 전형성 샘플링 (Locally Typical Sampling)
정보이론적 관점을 적용한 국소적 전형성 샘플링은 인간이 효율적이고 오류가 적은 의사소통을 위해 각 단어의 정보량(-log p(yt | y<t))을 문맥상 기대되는 정보량(조건부 엔트로피) 부근으로 유지한다는 심리언어학 가설에 기반합니다. 단순히 확률이 가장 높은 토큰만 탐욕적으로 선택하는 대신, 조건부 엔트로피와 정보량 격차가 작은 토큰 집합으로 샘플링 범위를 제한함으로써 고확률 텍스트 특유의 단조로운 문장과 퇴행적 반복을 일관되게 줄이고 자연스러운 서사 전개를 유도합니다.
🔍 대조 및 언어화 디코딩 기법
복수의 생성 경로를 대조해 진부한 표현을 억제하는 디코딩 기법도 활용됩니다. 다양성 빔 탐색(Diverse Beam Search, DBS)은 탐색 빔을 여러 그룹으로 나누고 그룹 간 유사도에 페널티를 부과해 서로 다른 전개를 강제로 탐색합니다. 대조 디코딩(Contrastive Decoding, CD)은 대형 전문가 모델과 소형 아마추어 모델(또는 아마추어 앙상블) 간의 로그 확률 차이를 극대화함으로써, 두 모델이 공통으로 내놓는 뻔한 문구를 배제하고 전문가 모델만의 참신하고 정교한 표현을 증폭합니다. 이를 정렬 문제에 응용한 순응적 디코딩(Conformative Decoding)은 지시 따르기 모델(Instruct model)이 잃어버린 다양성을 복원하기 위해 정렬 이전의 기반 모델(Base model)을 가이드로 활용합니다.
별도의 디코딩 알고리즘을 구현하지 않고 프롬프트만으로 확률 분포를 복원하는 언어화된 샘플링(Verbalized Sampling, VS)도 보고되었습니다. 정렬된 LLM에게 단일 답변을 요구하는 대신 "가능한 응답들의 분포와 각각의 확률을 함께 서술하라"고 요청하여 전형성 편향을 우회하는 방식입니다. 해당 프리프린트 연구에 따르면 VS는 직접 프롬프팅 대비 창의적 글쓰기 다양성을 1.6–2.1배 높이고 인간 평가 점수를 25.7% 개선했으며, 정렬 이전 기반 모델이 보유했던 생성 다양성의 66.8%를 추가 학습 없이 회복한 것으로 나타났습니다.
🧭 3. 잠재 공간 개입과 사후 학습 정렬의 재설계
출력층 이전의 내부 신경망 표현(Hidden Activations)을 추론 중에 직접 조향하거나, 아예 사후 학습(Post-training) 손실 함수에 다양성 제약을 통합하는 연구가 활발히 진행되고 있습니다.
🌌 잠재 공간 활성화 조향 (Activation Steering) : STARS
추론 과정에서 모델의 은닉 상태에 벡터를 주입해 여러 생성 경로가 잠재 공간에서 서로 겹치지 않도록 밀어내는 기법으로, ICLR 2026에 발표된 STARS(STiefel-based Activation Steering for Diverse ReaSoning)가 대표적입니다. STARS는 재학습 없이 동일한 입력에 대해 N개의 후보 시퀀스를 병렬로 생성하면서, 매 토큰 스텝마다 지정된 레이어 l의 은닉 상태 행렬 H = [h1, ..., hN] ∈ Rd × N에 조향 벡터 행렬 V = [v1, ..., vN]을 더합니다. 이때 변형된 표현 {hi + vi}i=1N이 잠재 공간에서 이루는 평행다면체(Parallelotope)의 부피를 최대화하기 위해 다음의 목적함수를 최적화합니다:
제약 조건 VTV = αI는 조향 벡터들이 서로 직교(viTvj = 0, i ≠ j)하도록 강제해 모든 생성 경로가 동일한 방향으로 쏠리는 것을 막고, 상수 α로 개입 강도를 조절해 텍스트 품질 훼손을 방지하는 스케일된 슈티펠 다양체(Stiefel manifold)를 형성합니다.
TESTEVAL 벤치마크(Gemma-1.1-2B-IT, 온도 T = 1.0) 평가에서 표준 온도 샘플링은 정확도 89.90%를 기록했으나 Line cov@k=1과 Branch cov@k=1이 모두 0.00%(전체 커버리지 1.02%)에 그쳤습니다. 반면 STARS는 α = 0.1에서 정확도 86.48%·Line cov@k=1 10.03%를, α = 0.5에서는 정확도 79.76%를 유지하면서 Line cov@k=1 34.76%, Branch cov@k=1 33.81%(전체 커버리지 3.83%)를 달성해 정확도 일부와의 트레이드오프 속에서 구조적으로 판이한 코드 분기들을 탐색해 냈습니다. 이 외에도 은닉 공간의 조향 궤적에 관성을 도입한 모멘텀 조향(Momentum Steering), 행동 클래스 분리가 용이한 잠재 공간으로 사상하는 가역 잠재 변환(Invertible Latent Transformations), 그리고 경사 기반 미세조정 없이 발산적 사고를 강화하는 CreativityNeuro 등이 연구되고 있습니다.
🎯 다양성 보존 사후 학습 정렬 (Diversity-Preserving Alignment)
RLHF와 DPO가 초래하는 모드 붕괴를 학습 단계에서 차단하기 위해 목적함수에 엔트로피와 분포 다양성을 직접 반영하는 기법들이 제안되었습니다. OpenReview에 제출된 QEMPO(Quality-constrained Entropy Maximization Policy Optimization) 및 QEMPO-KL은 응답 품질을 일정 기준 이상으로 유지하는 제약 하에 정책 모델의 출력 분포 엔트로피를 직접 최대화하여, Qwen 및 Llama 모델 실험에서 기존 RLHF 대비 품질 저하 없이 출력 다양성을 높이는 결과를 보였습니다.
또한 표준 RLHF와 DPO(α = β인 특수 경우)가 확률을 높은 거듭제곱으로 편향시키는 현상을 완화하기 위해 다양성 제어 파라미터 α를 분리한 SPL, 보상 레이블링 과정에 엔트로피 정칙화를 결합한 프로세스 보상 모델링, 그리고 모드 추구형(Reverse KL)과 모드 포괄형(Forward KL) 규제를 선형 결합한 RSPO 등이 개발되었습니다. RSPO는 자가 대국 정렬(SPPO) 대비 AlpacaEval-2 길이 통제 승률을 28.53%에서 35.44%로 향상시키면서 응답 다양성까지 개선한 것으로 보고되었습니다.
🔄 4. 인지 구조 모방 : 발산-수렴 사고 루프와 유추적 추론
단일 응답 생성(One-pass)을 넘어 인간의 인지적 문제 해결 과정인 발산적 아이디어 생성과 수렴적 비평·선별을 추론 그래프 수준에서 모방하는 접근법입니다.
🌳 비선형 추론 구조 : ToT, GoT, RDoLT
선형적인 사고의 사슬(Chain-of-Thought, CoT)을 다차원 구조로 확장한 사고의 나무(Tree-of-Thoughts, ToT)와 사고의 그래프(Graph-of-Thoughts, GoT)는 중간 사고 단위를 노드로 구성합니다. 모델은 매 분기점에서 여러 가설을 동시에 전개(발산)하고 자체 평가나 탐색 알고리즘(MCTS 등)을 통해 유망한 경로를 선별하거나(수렴), 그래프 상에서 서로 다른 사고 노드를 결합해 새로운 해법을 만듭니다. RDoLT 같은 계층적 트리 추론 프레임워크에서는 각 사고 노드를 논리적 타당성, 문맥적 일관성, 간결성, 과제 목표 정렬도의 네 가지 기준으로 구조화하여 채점합니다. 다만 ToT가 모든 과제에서 일관되게 성능을 높여주지는 않는다는 한계 역시 지적됩니다.
🪞 인지적 이원화 자기 교정 루프
자기 교정 루프 역시 단순 선형 피드백에서 인지적 이원화 구조로 고도화되었습니다. 초기 생성·비평·수정을 반복하는 Self-Refine에서 나아가, Meta-Reflexion과 같은 에이전트 프레임워크는 자기 수정 루프 내부에 명시적인 발산-수렴 사고(Divergent-Convergent Thinking) 이중 역할 메커니즘을 도입하여 단일 경로 반성이 국소 최적점에 갇히는 문제를 보완합니다. 또한 인지과학의 스케치 사고를 차용해 문제 유형에 맞는 추론 방식을 동적으로 선택하는 Sketch-of-Thought(SoT)나, 드 보노의 다각적 사고 모자 기법을 지식 그래프 기반 반성적 추론에 결합한 Six Thinking Hats 프롬프팅도 활용됩니다.
🧩 유추적 프롬프팅과 개념적 혼성(Conceptual Blending)의 한계
보든의 결합적 창의성을 직접 모방하는 기법으로는 유추적 프롬프팅(Analogical Prompting)과 개념적 혼성(Conceptual Blending)이 있습니다. 구조 사상 이론(Structure-Mapping Theory)에 기반한 프레임워크에서는 서로 무관한 두 입력 개념 사이에 동일한 관계 서열(Triple path)을 공유하는 구조 사상 M을 찾아내고, 한 도메인의 구조적 특성을 다른 도메인으로 투사해 새로운 개념을 발명하도록 유도합니다. 그러나 최근 벤치마크 연구(Song et al., 2025)에 따르면, LLM은 관계 매핑에는 강점을 보이지만 '껍질 벗긴(peeled)'과 '사과(apple)'가 결합해 '하얀색'이라는 새로운 특성이 나타나는 것과 같은 명사구 조합의 창발적 속성(Emergent properties)을 생성하는 능력은 2025년 기준 여전히 미흡한 것으로 평가됩니다.
🧬 5. 진화 알고리즘과 품질-다양성(QD) 탐색
최근 실질적인 과학·알고리즘 발견 영역에서 가장 두드러진 성과를 내는 방식은 LLM을 진화 연산(Evolutionary Computation) 내부의 지능형 변이 연산자(Mutation Operator)로 배치하고, 외부의 자동화된 검증기(Evaluator/Verifier)와 다양성 아카이브를 결합한 순환 구조입니다. 이 파이프라인은 모델 가중치를 전혀 수정하지 않고도 코드나 텍스트 해답을 반복적으로 진화시킵니다.
📦 QDAIF : MAP-Elites와 LLM의 결합
QDAIF(Quality-Diversity through AI Feedback)는 대표적인 품질-다양성 알고리즘인 MAP-Elites를 LLM에 이식했습니다. QDAIF는 감정이나 장르 등 다양성 특성 차원에 따라 해답 보관소(Archive)를 격자 칸으로 분할한 뒤, (1) 아카이브에서 부모 해답을 무작위로 선택하고, (2) LLM의 문맥 내 학습 기반 변이(LMX)로 새로운 후보 텍스트를 생성하며, (3) AI 피드백 모델에 자연어로 품질과 다양성 특성을 질의해 그 로그 확률로 점수를 매겨 각 격자 칸의 최고 해답을 갱신합니다. 이 방식은 단일 목적함수 최적화보다 훨씬 넓은 탐색 영역을 고품질의 다양한 창작물로 채울 수 있으며 인간 평가와도 합리적인 일치도를 보였습니다.
🏆 FunSearch에서 AlphaEvolve까지 : 56년 만의 알고리즘 난제 경신
수학과 소프트웨어 공학 영역에서는 FunSearch와 AlphaEvolve로 이어지는 진화적 코딩 에이전트가 이 패러다임을 확장했습니다. Google DeepMind가 2023년 12월 Nature에 발표한 FunSearch는 고정된 코드 뼈대(Skeleton) 속 10–20줄 내외의 단일 파이썬 함수를 섬 모델(Islands model) 기반 데이터베이스와 자동 평가기로 진화시켜 수학 난제 해법을 찾았습니다.
이어 2025년 중반 공개된 AlphaEvolve는 단일 함수가 아닌 다중 언어의 전체 코드 파일(수백 줄 규모)을 진화시키며, 고속 탐색을 맡는 Gemini 2.0 Flash와 고품질 제안을 맡는 Gemini 2.0 Pro 앙상블, 그리고 MAP-Elites 및 섬 모델 기반 아카이브를 결합해 다중 지표를 동시에 최적화합니다.
AlphaEvolve는 해답 자체뿐만 아니라 해답을 탐색하는 휴리스틱 탐색 알고리즘까지 진화시킴으로써 데이터센터 스케줄링 개선, 하드웨어 가속기 회로 단순화, LLM 학습 가속을 달성했고, 4×4 복소수 행렬 곱셈에서 56년 만에 기존 슈트라센 알고리즘(기술 요약 블로그 기준 랭크-49 대비 랭크-48)을 개선했으며 에르되시(Erdős) 최소 겹침 문제와 11차원 키싱 수(Kissing number) 등의 고전적 난제 기록을 경신했습니다. 또한 한 기술 요약 블로그에 따르면 FlashAttention GPU 커널 속도를 최대 32.5%까지 높였습니다. 다만 AlphaEvolve 백서 자체가 명시하듯, 이 기법은 후보 해답의 성능을 프로그래밍적으로 자동 채점할 수 있는 명확한 평가 함수(evaluate)가 존재하는 도메인으로 적용 범위가 제한됩니다.
🌐 6. 교차 도메인 지식 그래프와 멀티 에이전트 협업
단일 모델 내부에 내재된 통계적 지식만으로는 도메인의 경계를 넘는 결합적 도약이 어렵기 때문에, 외부 지식 그래프 탐색과 다중 에이전트 간의 사회적 상호작용을 모방하는 시스템 아키텍처가 널리 도입되고 있습니다.
📚 교차 도메인 RAG 및 지식 그래프(KG) 아이데이션
교차 도메인 RAG 및 지식 그래프(KG) 기반 아이데이션 시스템은 단순한 벡터 유사도 검색을 넘어, 서로 다른 학문 분야 간의 구조적 관계 경로를 횡단합니다. 예를 들어 SciMON(ACL 2024)과 Scideator(CAIS 2026) 등은 기존 논문에서 핵심 연구 요소(Facet)를 추출해 이질적인 분야의 아이디어를 재조합한 뒤, 외부 특허·논문 DB를 조회해 선행 연구 유무를 점검(신규성 검증)하고 반복적 개선(Iterative revision)을 거쳐 가설의 참신성과 과학적 타당성을 동시에 보완합니다.
👥 창의적 멀티 에이전트 시스템 (Creative MAS)
멀티 에이전트 시스템(MAS)은 인간 창작 집단의 역할 분담과 변증법적 토론 과정을 모방합니다. 창의적 MAS 서베이(arXiv:2505.21116)에 따르면, 이들 시스템은 기획(Planning)–실행(Process)–의사결정(Decision Making) 워크플로우 속에서 에이전트에게 작가·편집자·배우, 토론의 찬성자·반대자·심판, 소프트웨어 기획자·테스터·통합자, 혹은 연구 팀장(Supervisory Agent) 등 구별되는 페르소나와 프롬프트 스타일을 부여합니다.
LLM Discussion, Multi-agent Debate, Co-Scientist, VirSci, StoryVerse, CollabStory, MaCTG, ContextCam 등의 프레임워크는 이를 통해:
- (1) 서로 다른 관점에서 초기 판단을 유보하고 넓게 탐색하는 발산적 탐색
- (2) 동료 비평과 반박, 실시간 환경 센서 데이터 피드백으로 완성도를 높이는 반복적 정제
- (3) 수평적 모듈과 수직적 관리 계층으로 분산된 아이디어를 하나의 일관된 산출물로 엮어내는 협력적 종합
📊 7. 기술 계층별 LLM 창의성 모방 기법 비교
| 기술 계층 | 대표 기법 및 시스템 | 핵심 작동 원리 | 주요 강점 및 확인된 한계 |
|---|---|---|---|
| 추론 및 디코딩 제어 | Min-p, Locally Typical Sampling, CD, DBS, Verbalized Sampling | 동적 확률 절단, 조건부 엔트로피 기반 정보량 일치, 모델 간 대조, 분포 서술 프롬프팅으로 전형성 편향 억제 | 추가 학습 없이 즉시 적용 가능하고 고온 설정에서도 일관성을 유지하나, 모델 내재 지식 밖의 구조적 도약은 어려움 |
| 잠재 공간 개입 | STARS, Momentum Steering, CreativityNeuro | 병렬 생성 경로의 은닉 상태에 직교 조향 벡터(슈티펠 다양체)를 더해 활성화 공간 부피 최대화 | 토큰 수준 샘플링 대비 구조적 분기 탐색력이 탁월(TESTEVAL 커버리지 대폭 상승)하나, 정확도 일부 감소 및 병렬 연산 비용 수반 |
| 사후 학습 정렬 재설계 | QEMPO / QEMPO-KL, SPL, RSPO | 품질 제약 하에 정책 엔트로피 직접 최대화, 확률 거듭제곱 완화, Forward/Reverse KL 결합 | RLHF/DPO의 모드 붕괴를 가중치 차원에서 완화하나, 파인튜닝 비용과 보상 모델 설계 난이도 존재 |
| 인지적 사고 루프 | ToT / GoT, Meta-Reflexion, Analogical Prompting | 분기형 탐색·평가, 발산-수렴 이중 반성 루프, 도메인 간 구조 사상(Structure-mapping) 적용 | 다단계 추론과 유추 결합에 강하나 추론 토큰 비용이 증가하며, 개념 혼성의 창발적 속성 포착과 일관된 성능 보장은 취약 |
| 진화 및 품질-다양성 탐색 | QDAIF, FunSearch, AlphaEvolve | LLM을 변이 연산자로 사용하고, MAP-Elites/섬 모델 아카이브와 자동 검증기를 결합해 반복 진화 | 4×4 행렬 곱셈 등 56년 난제 기록 경신; 단, 자동 평가 함수(evaluate) 구축이 가능한 검증 가능 영역으로 제한 |
| 외부 지식 및 멀티 에이전트 | SciMON, Scideator, Co-Scientist / VirSci / MaCTG | 교차 도메인 RAG·지식 그래프 횡단 및 다중 페르소나 에이전트 간의 토론·역할 분담 협업 | 학제 간 가설 생성과 장기 워크플로우에 유리하나, 에이전트 자율성이 과도해지면 의견 평탄화 및 통제력 상실 위험 |
🧩 8. 실증적 성과, 역설, 그리고 평가의 병목
📈 들쭉날쭉한(Jagged) 벤치마크 성과
심리학적 창의성 벤치마크와 실전 에이전트 평가는 LLM의 창의성이 인간과 비대칭적인 '들쭉날쭉한(Jagged)' 양상으로 발전하고 있음을 보여줍니다. 대체 용도 과제(AUT), 토란스 창의적 사고 검사(TTCT), 어휘 연상 거리(PACE) 등에서 최신 모델은 평균적인 인간 집단과 통계적으로 유의한 차이가 없는 연상 거리를 보이거나(PACE 기준 t = 0.644, p = 0.52), 유창성과 정교화 지표에서 최상위권(GPT-4 기반 ChatGPT의 경우 TTCT 독창성·유창성 상위 1%)에 도달하기도 합니다. 반면 2025–2026년 최신 문헌들을 종합한 연구에서는 LLM의 분석적 추론 능력이 급성장하는 동안에도 발산적 사고 과제의 창의성 점수는 18–24개월간 정체되어 있고, 정교화(Elaboration)에 비해 진정한 독창성(Originality)과 전문 작가 수준의 문학적 창의성에서는 여전히 뒤처진다는 평가도 공존합니다.
📉 실전 탐색-활용 붕괴와 실현 가능성 격차
실제 머신러닝 연구 및 엔지니어링 과제에서는 탐색-활용 붕괴와 실현 가능성 격차가 뚜렷이 나타납니다. COLM 2026에 발표된 MLE-Bench 기반 에이전트 평가 연구에 따르면, GPT-5와 Qwen3-32B 기반의 연구 에이전트는 캐글(Kaggle) 메달리스트 인간보다 더 높은 역사적 신규성(H-Creativity)을 기록했음에도 최종 과제 성능은 인간보다 낮았으며, 다중 턴이 진행되어 탐색(Exploration)에서 활용(Exploitation) 단계로 넘어갈수록 에이전트의 심리적 창의성(P-Creativity)이 일제히 하락했습니다. 이는 LLM이 낯설고 새로운 시도를 생성할 수는 있어도, 그 참신함을 실질적으로 작동하고 높은 성능을 내는 결과물로 변환하는 데 어려움을 겪음을 시사합니다.
👥 인간-AI 협업 환경의 '집단적 동질화' 사회적 역설
인간-AI 협업 환경에서는 더욱 미묘한 사회적 역설이 관찰됩니다. 도쉬와 하우저(Doshi & Hauser)가 Science Advances(2024)에 발표한 실험에 따르면, 생성형 AI가 제안한 아이디어(1개 또는 5개)를 참고한 작가는 AI 없이 집필한 집단보다 개별 단편소설의 신규성이 각각 5.4%(P = 0.021)와 8.1%(P < 0.001), 유용성이 3.7%(P = 0.039)와 9.0%(P < 0.001) 향상되었으며, 특히 본래 창의성이 낮던 참여자가 가장 큰 수혜를 입었습니다. 그러나 AI 도움을 받은 작품들을 집단 전체로 모아 분석했을 때는 인간 단독 창작물보다 서로 훨씬 더 유사해져 집단적 다양성(Collective diversity)이 감소하는 '사회적 딜레마'가 발생했습니다.
🔮 평가 인프라의 한계와 미래 전망
마지막으로 LLM 창의성 기술의 신뢰성을 제약하는 핵심 병목은 평가 인프라의 불완전성입니다. 의미적 거리 기반 지표는 비교 대상인 참조 코퍼스가 불완전할 경우 착시를 일으키며, 최첨단 과학 분야일수록 참신성을 판별할 도메인 전문가가 부족합니다. 더욱이 비용 절감을 위해 널리 쓰이는 'LLM 심판(LLM-as-a-Judge)' 평가 방식조차, 한 최신 연구 초록(2026년 10월)에서 보고된 바와 같이 블라인드 테스트에서 인간 평가자가 가장 유용성이 낮다고 판정한 LLM 제안 가설 기반의 논문에 오히려 더 높은 점수를 주는 편향을 드러냈습니다.
따라서 향후 LLM의 창의성 기술은 단일 모델의 확률적 변주를 넘어, AI 개입 전 인간의 독립적 아이디어 발상을 먼저 보존하는 인간-AI 공창(Co-creativity) 설계, 실패한 가설까지 평가에 포함하는 장기 추론 벤치마크, 그리고 객관적 검증이 가능한 외부 시뮬레이션 환경과의 결합을 중심으로 진화할 전망입니다.