서울대 AI연구원 적응적 노화·정신건강 센터 킥오프 — AI 시대의 고립과 데이터 공백

핵심 메시지

• 기존 정신 건강 관련 센터와 사람과 AI의 상호작용을 다루던 센터가 합쳐, 두 명의 공동 센터장 체제로 새 연구센터가 출범했다.
• 질병을 치료하는 것과 건강하게 나이 드는 것은 같은 방향이 아니며, 부정적인 것의 부재가 곧 긍정적인 상태는 아니라는 문제의식이 센터의 출발점이다.
• 발표자는 요즘 학생들이 스터디 그룹 대신 혼자 앉아 AI와 공부하고, 그 상태를 아쉬워하지도 않는다는 관찰을 '자발적 은둔형 외톨이의 시대'라는 표현으로 전했다.
• 인공적으로 만들어진 데이터가 늘어나는 가운데, AI가 사람다워지는 것인지 사람이 기계다워지는 것인지 되물어야 한다는 우려가 제기됐다.
• 센터는 심리·의학·뇌과학·데이터과학·컴퓨터공학·사회과학 등에서 모인 약 20명 규모로, 한국 데이터가 아닌 해외 데이터에 의존해온 공백을 메우기 위해 새 데이터 구축에 착수한다.

쉽게 이해하기

서울대학교 AI연구원이 2026년도 인공지능 연구지원사업 선도혁신연구센터 킥오프 미팅을 열었고, 그 가운데 '적응적 노화와 생애 정신 웰니스' 센터 발표를 한소원 교수가 맡았다. 그는 원래 따로 운영되던 두 센터 — 정신 웰니스를 다루던 센터와 사람과 AI의 상호작용을 다루던 센터 — 가 시너지를 내보자는 제안에 따라 합쳐졌고, 두 사람이 공동 센터장을 맡는다고 소개했다.

발표의 출발점은 방향에 대한 구분이었다. 질병을 치료하는 일도 중요하지만, 되도록 나이 들어서까지 돌봄을 받지 않고 건강하게 사는 것은 그와 전혀 다른 목표라는 것이다. 그는 부정적인 것이 없는 상태와 긍정적인 상태가 같은 방향이 아니라고 짚으며, 정신 건강(mental health)과 구분되는 정신 웰니스(mental wellness)라는 개념, 그리고 생애 전체를 놓고 보는 적응적 노화라는 관점을 센터의 축으로 제시했다.

AI 시대의 변화에 대한 관찰은 강의실에서 나왔다. 1학년 과목을 많이 가르치는 그는 요즘 학생들이 스터디 그룹을 만들지 않고 혼자 앉아 AI와 둘이 공부한다고 전했다. 심리학 전공 교수가 보기에 걱정스러운 점은 학생들이 중독도 의존도 아니라고 말하면서 정작 곁에 다른 친구가 없다는 것, 그리고 그 상태가 자발적이며 아쉬움조차 없다는 것이었다.

연구 방향과 관련해서는 데이터에 대한 우려가 이어졌다. 많은 연구가 데이터를 기반으로 이뤄지지만 인공적으로 만들어진 데이터의 비중이 커지고 있고, 사람다워 보이려는 AI가 정말 사람다워지는 것인지 아니면 사람이 기계에 가까워지는 것인지 되묻게 된다는 것이다. 그는 이런 질문에 답하려면 적응적 노화와 정신 웰니스를 겨냥한 자체 데이터가 필요하다고 말했다.

특히 취약한 집단으로는 청소년이 지목됐다. 계속 발달하는 시기라 영향을 크게 받는다는 이유였고, 사춘기 자녀가 있는 부모라면 내 아이가 아니더라도 주변 아이들에게서 불안을 금방 체감할 것이라고 덧붙였다. 또 기존에 활용해온 뇌과학 데이터가 한국의 데이터가 아니고, 10년 전 데이터조차 지금 세대와는 너무 달라졌다는 점을 들어 다양한 각도의 데이터 구축을 곧바로 시작하겠다고 밝혔다.

주요 인사이트

• AI 연구기관의 킥오프 발표가 모델 성능이 아니라 '우리가 원하는 미래가 무엇인가'라는 질문에서 출발했다는 점이 눈에 띈다. AI를 만드는 쪽에서 그 질문을 더 자주 하게 된다는 것이 발표자의 소회였다.
• 'AI 의존'을 중독 여부로만 재면 놓치는 것이 있다. 발표에서 문제로 지목된 것은 의존의 강도가 아니라, 사람과의 관계가 자연스럽게 사라지고 그것을 아쉬워하지 않는 상태였다.
• 정신 건강과 정신 웰니스를 나누는 구분은 정책과 서비스 설계에도 영향을 준다. 증상을 없애는 목표와 잘 지내는 상태를 만드는 목표는 측정 지표부터 달라지기 때문이다.
• 해외 데이터에 기대어 국내 상황을 설명해온 관행이 AI 시대에 더 큰 문제가 된다는 지적은 실용적이다. 세대 변화 속도가 빨라 10년 전 데이터로는 지금의 변화를 포착하기 어렵다는 것이다.
• 심리·의학·뇌과학·데이터과학·컴퓨터공학·사회과학이 한 팀으로 묶인 구성 자체가, 이 문제를 한 분야의 방법론으로 풀 수 없다는 판단을 보여준다.

자주 묻는 질문

관련 AI 소식