카너먼의 '빠른 사고와 느린 사고'를 AI 멀티에이전트 구조로 옮긴 2021년 논문이 해커뉴스에 다시 올라와

이 글 2021년 10월에 나온 논문임. 토론 들어가기 전에 연도부터 확인해줘.

GPT-5 adaptive reasoning이 이미 해결한 거 아님? thinking 파라미터 하나로 언제 추론할지 모델이 스스로 정하는데, 이걸 왜 지금 올림?

카너먼 책 안 읽은 티 내는 댓글임. 다운vote 먹는 이유는 논문 아이디어는 무시하고 낡았다는 것만 따져서임. '이게' 뭔지 정의도 안 했고, effort level 얘기는 제안을 오해한 거임. 논문은 시스템이 문제 성격에 따라 다른 사고 시스템을 고르는 얘기임.

데이터베이스 쿼리 옵티마이저랑 거의 똑같이 생겼음. 다른 점은 첫 모델이 낸 답을 학습/메모리 컴포넌트가 평가해서 조건을 준다는 것뿐임.

LLM이 가중치에서 압축된 지식을 꺼내는 걸 보면 비슷한 게 당연함.

50~60년대 Broadbent처럼 상자 그리고 화살표나 그리는 걸 boxology라고 비판하는 사람들이 있었음. 저수준 메커니즘이 관찰된 인지 현상과 깔끔한 상자로 대응되지 않을 수도 있음.

그거 Drew McDermott의 'Artificial Intelligence meets Natural Stupidity'에서 나온 얘기임.

LLM은 순수 fast mode임. reasoning 루프가 slow mode 흉내내려는 시도인데 결국 잘 안 됨.

그냥 바로 답하게 하거나 재귀적으로 계속 다듬게 하는 걸 fast/slow로 볼 수도 있음.

fast/slow 이론 자체가 재현 안 되는 pop psychology로 반박된 걸로 아는데, AI 논문에 그게 나오는 게 좀 그럼.

어떤 큰 조직은 이 개념으로 AI 프레임워크를 통째로 만들었다는데, 지금 모델 성능에서 별 의미 없다고 봄.

pop-sci 책 하나로 조직 전체 아키텍처를 짜는 건 애초에 나쁜 생각임.

LLM이 자기 사고를 되돌아보게 만드는 게 내 일상적인 싸움인데, 이 논문이 왜 그게 중요한지 잘 짚음.

적어도 ChatGPT 나오기 전에 쓴 글이라는 점은 좋음.