홈 > 인공지능(AI) > 심리학(Psychology) > 심리학의 정의 (Definition of Psychology)
🧠 인간 정신과 행동의 과학 · 컴퓨터 지능과 기계 인지(AI · LLM)의 토대

심리학의 정의 : Definition of Psychology

Helmholtz와 Wundt의 실험심리학 기원에서 Kenneth Craik의 인지 모델, 그리고 현대 거대언어모델(LLM)과 기계 지능의 심리학적 설계 원리까지

AI and Psychology Banner
🏛️ 제 1 편 · 심리학의 고전적 정의와 과학적 기원

심리학이란 무엇인가 (What is Psychology)

🎯 근본 질문: 인간과 동물은 어떻게 생각하고 행동하는가?

심리학(Psychology)은 마음의 작용과 행동을 연구하는 경험과학이자, 뇌를 정보처리 체계로 해석하는 인지과학과 현대 인공지능(AI)의 사상적·수학적 모태입니다.

과학 심리학 (Psychology)의 기원은 독일 물리학자 Herman von Helmholtz (1821~1894)와 그의 제자 Wilhelm Wundt (1832~1920)의 작업으로 거슬러 올라간다. Helmholtz는 인간의 시각 (Vision) 연구에 과학적 방법을 응용했고, 그의 저서 'Handbook of Physiological Optics'는 오늘날 "인간시각의 물리학과 생리학 (Physiology)에 대한 가장 중요한 논문"으로 평가되고 있다 (Nalwa 1993, p.15).

1879년에 Wundt는 라이프치히(Leipzig) 대학에 최초의 실험심리학 연구실(Laboratory)을 만들었다. Wundt는 사고과정(thought process)이 내부적으로 일어나는 동안 지각 또는 연관 작업(perceptual or associative task)을 어떻게 수행하는지를 주의 깊은 통제하에서 실험하는 것이라고 주장했다. 심리학을 하나의 과학으로 확립하기 위해서는 엄격한 실험 통제가 지속되어야 했지만, 내성 보고(introspection)라는 데이터의 주관적인 성격 때문에 실험자가 자신의 이론을 객관적으로 입증하는 데 한계가 있었다.

이와는 반대로 동물 행동을 연구하던 생물학자들은 주관적인 내성 데이터의 한계를 극복하기 위해 객관적인 방법론을 개발했는데, 이는 H. S. Jennings (1906)가 그의 유명한 저서 'Behavior of the Lower Organisms'에서 체계화했다. 인간 행동에 대해 이러한 관점을 응용한 행동주의 (Behaviorism) 운동은 John Watson (1878~1958)이 주도한 것으로, 자기성찰(introspection)은 신뢰할 만한 증거를 제공할 수 없다는 근거하에 마음의 정신적(mental) 과정을 포함하는 일체의 이론을 거부했다.

행동주의자들은 유기체에 주어지는 자극(stimulus, S)의 객관적 측정과 그 결과로서의 관찰 가능한 반응 행동(response, R)만을 과학적 연구 대상으로 삼아야 한다고 역설했다. 지식, 믿음, 목표, 추론 단계와 같은 정신적 구조는 비과학적인 "민속 심리학(folk psychology)"으로 치부되었다. 행동주의는 쥐와 비둘기의 조건 형성에서는 많은 법칙을 발견했으나 고차원적 인간 지능과 언어, 복합 문제해결을 설명하는 데는 명백한 한계를 드러냈다. 그럼에도 불구하고 행동주의는 1920년부터 1960년까지 심리학 전반(특히 미국 학계)을 강력히 지배했다.

💡 인지 혁명(Cognitive Revolution)과 정보처리 모델의 탄생

두뇌 (Brain)를 정보처리 장치(Information Processing Device)로 파악하는 관점은 인지 심리학 (Cognitive Psychology)의 핵심 특징으로서, William James (1842~1910)의 통찰로 거슬러 올라간다 (William James는 소설가 Henry James와 형제로서, Henry는 마치 심리학처럼 소설을 썼고, William은 마치 소설처럼 심리학을 썼다고 전해진다). Helmholtz 또한 지각 (Perception)이란 감각 신호에 대한 '무의식적 논리적 추론(unconscious inference)'의 한 형태를 포함한다고 간파했다.

인지적 관점은 행동주의 시대 동안 미국에서는 비주류로 밀려났으나, Frederic Bartlett (1886~1969)이 소장으로 재직하던 케임브리지 대학의 Applied Psychology Unit에서는 인지 (Cognition) 모델링이 눈부시게 꽃필 수 있었다. Bartlett의 제자이자 후계자인 Kenneth Craik (1943)는 저서 'The Nature of Explanation'에서 물리학이 기체(gases)의 거시적 성질을 설명할 때 개별 분자를 보지 않고도 압력(pressure)과 온도(temperature)라는 추상적 용어를 정당하게 사용하는 것처럼, 인지 체계를 설명할 때 "정신(mental)"의 언어로서 믿음(belief)과 목표(goal)라는 개념을 사용하는 것은 완전히 과학적 정당성을 지닌다고 논증했다.

Kenneth Craik는 지식 기반 에이전트(knowledge-based agent)의 핵심 3단계를 세계 최초로 규정했다:

📥
제 1 단계 · 자극의 기호화

외부 자극(Stimulus)이 유기체의 내부 표현(Internal Representation)으로 변환된다.

⚙️
제 2 단계 · 인지적 조작

내부 표현이 새로운 표현을 연역·귀납하기 위해 인지 과정(Cognitive Process)에 의해 연산·조작된다.

📤
제 3 단계 · 행동 표출

가공된 내부 표현이 현실 세계를 제어하는 물리적 행동(Action)으로 다시 번역된다.

Kenneth Craik는 이것이 왜 지능적 에이전트 (Agent) 설계를 위한 가장 탁월한 메커니즘인가를 다음과 같이 웅변했다:

"만일 그 유기체가 두뇌 (Brain) 내에서 외부의 실체와 자신의 가능한 행동에 대한 '작은 모델 (small-scale model)'을 가지고 있다면, 그것은 다양한 대안(alternative)을 사전에 시험할 수 있고, 최선의 결론에 이를 수 있고, 미래의 상황을 예측하여 선제적으로 반응할 수 있고, 과거 사건의 지식을 활용하여 현재와 미래를 통제할 수 있으며, 어느 모로 보나 직면하는 위급상황에 더 완전하고, 안전하고, 더 경쟁력 있는 방법으로 반응할 수 있다."

— Kenneth Craik (1943), 'The Nature of Explanation'

Craik가 1945년에 31세의 젊은 나이로 불의의 자전거 사고로 사망한 후, 그의 연구는 Donald Broadbent에 의해 계승되었다. Broadbent의 기념비적 저작 'Perception and Communication' (1958)은 인간의 심리 현상을 주의 집중의 여과기 및 채널 용량을 갖춘 완벽한 컴퓨터 정보처리 모델로 정식화했다.

한편 미국에서는 컴퓨터 (Computer) 모델링과 튜링 기계 이론이 결합하면서 인지과학 (Cognitive Science)이라는 다학제 분야가 개창되었다. 이 분야는 1956년 9월 MIT 심포지엄에서 공식적으로 점화되었다. 이는 다트머스 회의에서 인공지능 (Artificial Intelligence)이라는 용어가 탄생한 지 불과 2개월 후였다.

그 MIT 워크숍에서 George Miller는 인간 단기기억의 병목 현상을 규명한 'The Magical Number Seven, Plus or Minus Two'를 발표했고, Noam Chomsky는 변형생성문법의 기초인 'Three Models for the Description of Language'를 발표했으며, Allen Newell과 Herbert Simon은 세계 최초의 인공지능 프로그램으로 평가받는 'The Logic Theory Machine'을 발표했다.

이 세 편의 역사적 논문은 컴퓨터 모델이 심리학의 세 핵심 기둥인 기억 (Memory), 언어 (Language), 논리적 사고 (Thinking)에 어떻게 정밀한 과학적 방법으로 접근할 수 있는지를 명확히 실증했다.

📌 현대 인지주의의 공통 합의: "인지 이론은 실행 가능한 컴퓨터 프로그램이어야 한다"

"인지 이론(cognitive theory)은 컴퓨터 프로그램과 같은 것이어야 한다" (John R. Anderson 1980). 즉, 심리학 이론은 추상적 관념에 머무는 것이 아니라, 컴퓨터 상에서 특정 인지 기능이 실제로 작동 가능한 정보처리 메커니즘으로 구현됨으로써 검증되어야 한다는 것이 현대 인지심리학과 인공지능 학계의 공통된 표준이다. (출처: Stuart Russell & Peter Norvig, 'Artificial Intelligence: A Modern Approach', 2003)

🚀 심층 연구 (Deep Research) · AI와 LLM에 심리학 이론이 결정적으로 중요한 이유

인간의 마음에서 인공 일반 지능(AGI)으로: AI와 LLM을 이끄는 심리학적 토대

왜 최신 대규모 언어모델(LLM), OpenAI o1/o3, DeepSeek R1, 그리고 자율 에이전트 개발자들은 인지심리학과 행동경제학을 다시 연구하는가?

⚡ 1. 다니엘 카너먼의 이중 처리 이론 (Dual-Process Theory: System 1 vs System 2)

Thinking, Fast and Slow · Test-Time Compute

노벨 경제학상 수상자 다니엘 카너먼(Daniel Kahneman)은 인간의 사고 체계를 '빠르고 직관적인 System 1'과 '느리고 신중한 논리적 System 2'로 구분했다. 이 이론은 오늘날 LLM 아키텍처 진화의 청사진이 되었다.

🏃‍♂️ System 1 : 직관적 연상과 순방향 생성 (Next-Token Prediction)

  • 심리학적 특성: 무의식적, 즉각적, 자동적, 병렬적, 낮은 에너지 소모, 경험적 휴리스틱.
  • 기존 LLM 매핑 (GPT-4, Claude 3.5 Sonnet): 사전 훈련된 신경망 가중치를 통한 자동적 토큰 생성. 빠르고 유창하지만 '환각(Hallucination)'과 '성급한 일반화'에 취약.
  • 한계: 복잡한 수학, 다단계 논리 퍼즐, 장기 계획 수립 시 중간 자기 점검이 불가능함.

🧘‍♂️ System 2 : 숙고적 추론과 추론 시간 연산 (Test-Time Reasoning)

  • 심리학적 특성: 의식적 통제, 순차적 단계, 높은 정신적 노력(Cognitive Effort), 자기 비판 및 오류 수정.
  • 차세대 LLM 매핑 (OpenAI o1/o3, DeepSeek R1, CoT): 생각의 사슬(Chain-of-Thought), 몬테카를로 트리 탐색(MCTS), 자가 반성(Self-Correction)을 통해 최종 답변 전 수천 개의 은닉 추론 토큰을 소비.
  • 의의: 심리학의 System 2 구조를 모방함으로써 수학 올림피아드, 고난도 프로그래밍, 복합 과학 연구에서 박사급 추론 성능 달성.

🧠 2. 배들리의 작업 기억(Working Memory)과 트랜스포머 어텐션(Attention)

Alan Baddeley Model · Transformer Architecture

앨런 배들리(Alan Baddeley)의 다성분 작업 기억 모델은 트랜스포머의 주의 집중(Attention) 및 컨텍스트 관리 메커니즘과 완벽한 구조적 동형성(Isomorphism)을 지닌다.

인간 심리학: 배들리 작업기억 요소 인공지능: 트랜스포머 & LLM 대응 기술 지능적 기능 및 의의
중앙 집행기
(Central Executive)
Self-Attention 가중치 & 라우팅
(Query-Key-Value 곱셈 연산)
수많은 토큰 중 어떤 정보에 집중하고 어떤 잡음을 무시할지 동적으로 우선순위를 결정
음운 루프 & 시공간 메모장
(Phonological Loop & Visuospatial Sketchpad)
Context Window & 멀티모달 토큰 버퍼
(텍스트 시퀀스 및 비전 인코더 임베딩)
현재 처리 중인 음성·언어 기호와 시각적 공간 정보를 단기적으로 유지 및 갱신
일화적 완충기
(Episodic Buffer)
KV Cache (Key-Value Cache) &
중간 생각의 사슬(Scratchpad CoT)
여러 모달리티와 추론 단계의 이질적 정보를 통합하여 일관된 단일 맥락으로 유지
장기 기억 (Long-term Memory:
선언적·의미적·절차적 기억)
RAG (검색 증강 생성) &
파라미터 가중치(Weights) & Vector DB
모델 가중치에 압축된 세계 지식과 외부 지식베이스(Vector DB)를 신속히 검색하여 작업기억에 인출

🌐 3. 케네스 크레이크의 '정신 모델'에서 '세계 모델(World Models)'로

Kenneth Craik 1943 · Latent Representations

Kenneth Craik가 1943년에 주창한 "유기체는 두뇌 안에 작은 모델(Small-scale Model)을 지닌다"는 명제는 현대 LLM이 단순한 '확률적 앵무새(Stochastic Parrot)'인가, 아니면 '세계의 인과적 표상'을 지니고 있는가에 대한 과학적 논쟁의 열쇠가 된다.

• Othello-GPT 및 체스 모델 연구(Harvard & MIT): 오직 착수 기록(텍스트 문자열)만을 학습한 LLM의 내부 활성화 벡터를 선형 프로빙(Linear Probing)한 결과, 모델 내부에 8x8 오셀로 판의 돌 상태가 2차원 공간 표상(Spatial World Model)으로 정확히 재구성되어 있음을 입증.

• 시공간 세계 모델(Spatial-Temporal World Models): 최신 비디오 생성 AI(Sora, Genie)와 로봇 VLA(Vision-Language-Action) 모델은 Craik가 예측한 대로 물리적 현실의 관성, 중력, 충돌 역학을 내부 잠재 공간에 시뮬레이션함으로써 차세대 피지컬 AI(Physical AI)를 구현.

👥 4. 마음 이론 (Theory of Mind) 과 비고츠키의 '내적 언어'

ToM · Lev Vygotsky's Private Speech

🎭 마음 이론 (Theory of Mind, ToM)

마음 이론은 타인의 신념, 감정, 의도가 나와 다를 수 있음을 이해하는 능력(Sally-Anne 틀린 신념 테스트)이다. 스탠퍼드대 Kosinski 연구에 따르면 GPT-4 급 이상의 LLM은 성인 인간(7~9세 이상) 수준의 ToM 과제를 해결한다. 이는 다중에이전트(Multi-Agent) 협력, 사용자 의도 파악(Intent Understanding), 자연스러운 감성 대화의 핵심 기반이다.

🗣️ 비고츠키의 '내적 언어 (Inner Speech)'

발달심리학자 레프 비고츠키(Lev Vygotsky)는 아동이 외적 대화에서 시작하여 '혼잣말(Private Speech)'을 거쳐 고차원적 사고를 제어하는 '내적 언어'로 발전한다고 보았다. LLM의 Chain-of-Thought 추론 토큰은 바로 기계가 외부에 직접 답하기 전 스스로에게 속삭이며 사고를 통제하는 '기계의 혼잣말(Machine Private Speech)'에 해당한다.

⚖️ 5. 인지 편향 (Cognitive Biases) 과 환각 · 가치 정렬 (Alignment)

Behavioral Economics · RLHF · DPO

행동경제학이 밝혀낸 인간의 체계적 오류(휴리스틱과 편향)는 LLM에서도 동일한 패턴으로 관찰되며, 이를 통제하는 정렬(Alignment) 연구의 핵심이 된다.

확증 편향 & 아첨(Sycophancy)

사용자의 선입견에 영합하여 틀린 사실도 맞다고 동조하는 LLM의 편향. 인간의 사회적 승인 욕구와 확증 편향이 데이터에 투영된 결과.

앵커링 & 프롬프트 민감도

초기 주어진 수치나 단어에 과도하게 얽매여 판단을 왜곡하는 현상. Few-shot 예시 순서에 따라 출력이 크게 달라지는 기전.

도덕성 발달 & RLHF/DPO

콜버그(Kohlberg)의 도덕성 발달 단계를 모방하여 처벌 회피 단계에서 원칙 기반 인류 공익 가치 준수 단계로 모델을 정렬.

🤖 6. 인지 아키텍처(ACT-R, SOAR)의 부활: 자율 에이전트(Autonomous Agents)

Allen Newell · John Anderson · AI Agents

Herbert Simon, Allen Newell의 SOAR와 John R. Anderson의 ACT-R 등 1980~1990년대 인지 아키텍처는 오늘날 최신 LLM 기반 자율 에이전트(AutoGPT, LangChain, MCP, Swarm)로 완벽히 부활했다.

🧭
Goal & Plan
목표 설정 및 하위 작업 분해
➔
🧠
Memory System
단기(Context)+장기(Vector)
➔
🛠️
Tool & Action
외부 도구 호출 및 물리 실행
➔
🔍
Critic & Reflect
결과 반성 및 피드백 수정
📊 심리학 5대 영역과 현대 AI · LLM 핵심 기술 융합 비교표

심리학 이론이 이끄는 인공지능 엔지니어링 패러다임 매트릭스

심리학 하위 분야 핵심 심리학 이론 & 학자 AI · LLM 대응 핵심 기술 실무 적용 및 최신 AI 성과
인지심리학
(Cognitive Psychology)
작업기억 모델 (Baddeley)
정신 모델 (Craik, Johnson-Laird)
선택적 주의 (Broadbent)
Transformer Attention 메커니즘
Context Window 및 KV Cache
세계 모델(World Model) 학습
긴 문맥 처리(1M+ Context)
Sora/Genie 등 물리 시뮬레이션
신경망 내부 표현 프로빙
행동경제학 &
인지 판단론
이중 처리 이론 (Kahneman System 1/2)
휴리스틱 & 인지 편향 (Tversky)
제한된 합리성 (Simon)
Test-Time Compute (o1, o3, R1)
Chain-of-Thought (CoT) & MCTS
환각(Hallucination) 저감
국제 수학 올림피아드 금메달 급 추론
복잡한 코드 디버깅 및 자가 반성
Sycophancy(아첨) 교정
발달심리학 &
사회심리학
마음 이론 (Theory of Mind)
내적 언어 (Vygotsky)
인지 발달 단계 (Piaget)
다중에이전트 협업 (Swarm, MAS)
은닉 추론 토큰(Reasoning Tokens)
페르소나 기반 프롬프팅
Agent-to-Agent 협상 및 자율 코딩
복잡 문제의 심층 다각도 분석
인간-AI 상호작용(HCI) 최적화
학습심리학 &
행동주의
조작적 조건형성 (Skinner)
강화와 처벌 원리
사회학습이론 (Bandura)
RLHF (인간 피드백 강화학습)
DPO (직접 선호도 최적화)
자가 대국 강화학습 (RLVR)
챗봇 안전성 가이드라인 준수
유용성(Helpfulness)과 무해성 정렬
도덕적 가치 부합성 확보
인지신경과학 &
시스템 심리학
신경 가소성 (Hebb의 학습법칙)
통합 정보 이론 & 의식 연구
인지 아키텍처 (ACT-R, SOAR)
신경망 가중치 역전파(Backprop)
메모리-도구-플래너 통합 에이전트
체화된 AI (Embodied AI)
로봇 VLA 파운데이션 모델
자율주행 인지-판단-제어 루프
도구 사용 능력을 갖춘 범용 비서
🎬 멀티미디어 아카이브 · 심리학과 인지과학의 정수

심리학적 지능의 이해를 돕는 대표 강의 영상

인간 마음의 작동 원리와 기억, 그리고 인공지능이 이를 모방하고 초월해 나가는 과학적 과정을 확인하세요.

📺 Crash Course: 심리학이란 무엇인가 (Intro to Psychology)

Herman von Helmholtz, Wilhelm Wundt부터 현대 인지심리학까지 마음을 과학적으로 정의해 온 여정

📺 Crash Course: 기억과 정보처리 모델 (How We Make Memories)

단기기억, 장기기억, 작업기억 용량과 현대 트랜스포머 어텐션의 원류가 된 정보처리 이론

🔗 핵심 연관 개념 · 인물 · 교차 학문 디렉터리

심리학 & 인공지능 탐구 키워드

🌐 인접 학문 및 최신 융합 분야