"정답"보다 "학습 방법" : "학습하는 방법을 배우는 것"이 최강의 스킬이 되는 날 — AI가 주 단위로 진화하는 세계에서, 사람은 무엇을 단련해야 할까

"배우는 방법을 배우기"를 무기로 삼는 시대──하사비스의 제언이 꿰뚫은 "인간의 강점"의 핵심

아테네의 아크로폴리스 기슭, 고대 로마 극장. 그곳에서 구글 딥마인드의 CEO, 데미스 하사비스는 다음 세대에 가장 필요한 스킬은 "배우는 방법을 배우기(learning how to learn)"라고 말했다. AI의 진화가 주 단위로 상식을 뒤바꾸는 지금, 특정 기술에만 의존하는 일하는 방식은 급속히 유통기한을 맞이하고 있다. 그렇기 때문에 "다시 배우는 힘"이야말로 커리어의 보험이며, 가능성의 레버리지라고 그는 강조했다.AP News

하사비스는 인공지능 일반지능(AGI)이 10년 이내에 도래할 가능성을 언급하며, 직업과 교육의 방식이 근본적으로 재설계될 것이라고 전망했다. 필요한 것은 수학이나 인문학과 같은 교과를 초월한 "메타스킬"이다. 새로운 주제에 들어갈 때 최적의 학습 프로세스를 스스로 설계하고, 적응을 반복하는 힘이 "변화의 시대"에 인간을 앞으로 나아가게 하는 원동력이 될 것이다.AP News

한편, 변화가 가져오는 혜택이 사회에 공평하게 퍼지지 않으면, 강한 반발과 분열이 생길 것이다. 그리스의 미초타키스 총리는 같은 자리에서 "거대한 테크의 부가 일부에 편중되면, 사회 불안의 온상이 된다"고 경고했다. AI의 사회적 구현은 "기술의 문제"일 뿐만 아니라 "제도와 분배의 문제"이기도 하다.AP News

노벨 화학상이 보여준 "학습의 전이"

하사비스는 2024년, 동료 존 점퍼, 그리고 데이비드 베이커와 함께 노벨 화학상을 수상했다. 수상 이유는 AI에 의한 단백질 구조 예측(AlphaFold)의 돌파구이다. 계산론·기계 학습의 지식이 생명 과학을 넘어 성과를 낳는——이는 바로 "배우는 방법"이 분야를 넘나들며 전이되는 증거이다.AP NewsGoogle

왜 지금 "배우는 방법을 배우기"인가

• 스킬의 반감기: 생성 AI가 지식의 탐색·요약·시작을 대신할수록, 고정된 절차의 가치는 감소한다. 가치가 이동하는 것은 문제 정의, 평가 축의 설계, 학습 루프의 고속 회전이다.AP News

• 예측 불가능성: 하사비스가 "10년 앞이 아니라 몇 주 앞도 읽기 어렵다"고 지적한 대로, 미래 계획은 "확정 시나리오"가 아니라 "학습 전략"의 문제로 대체된다.AP News

교육·기업에의 시사점

1. 커리큘럼→메타 커리큘럼
   단원의 습득뿐만 아니라, "어떻게 조사하고, 어떻게 가설을 세우고, 어떻게 검증할 것인가"를 명시한다. 평가도 정답률뿐만 아니라, 학습 프로세스의 가시화와 자기 피드백의 질을 중시한다.AP News

2. AI를 "학습 코치"로
   생성 AI로 연습 문제의 자동 생성, 구술 시험의 모의, 피드백의 즉시화를 수행하여 학습의 반복 속도를 높인다. 프롬프트(지시문) 설계 자체를 학습 대상으로 하여, "질문의 질"을 강화한다.

3. 경계를 넘는 학습을 전제로
   소프트웨어×바이오, 디자인×통계 등의 매시업 과제로 전이 학습을 강화한다. AlphaFold의 예가 보여주듯이, 방법의 이동이 혁신의 열쇠다.Google DeepMind

4. "학습 OS"의 정비
   개인·팀에서 "수집→요약→실험→회고"를 주 단위로 돌리는 학습 스프린트를 설계한다. 지식은 검색 가능한 형태로 저장하고, 평가는 성과물＋학습 로그의 두 축으로 한다.

반론과 주의점

"배우는 방법 중시"는 기초의 경시로 오해되기 쉽다. 그러나 메타스킬은 기초 학력 위에 서 있는 "보조 바퀴"가 아니라, 기초를 고속으로 다시 쌓는 구동 장치다. 오히려 독해·수리·정보 리터러시의 재훈련에 AI를 사용하여, 이해의 구멍을 즉시 메우는 시스템이 필요하다. 게다가, 미초타키스의 우려가 보여주듯이, 접근 격차가 고정되면 "다시 배울 수 있는 사람"과 "다시 배울 수 없는 사람"의 양극화가 진행된다. 공공 투자와 오픈 교재, 기업의 학습 시간의 제도화가 필수적이다.AP News

SNS의 반응(요약)

• 칭찬: "코딩보다 배우는 방법이 본질"──테크계 인플루언서나 지역 미디어의 게시물이 잇따른다(예: Local 4 WDIV나 Evan Kirstel의 포스트). AI로 직무가 변할수록, 적응력＞단일 기술이라는 지적에 공감이 모였다.X (formerly Twitter)

• 확산: 인도의 미디어나 과학계 계정이 "배우는 방법을 배우기"를 인용하여 확산. 이벤트의 개최지(아테네)나 "주 단위로 변하는 AI"라는 문구가 반복적으로 공유되었다.X (formerly Twitter)

• 회의·피로: "또 그 이야기?"라는 교육 관계자의 반응도. 유행어화에 대한 피로감이나, 교실 현장의 실행 부담을 묻는 목소리가 나왔다.X (formerly Twitter)

• 맥락화: 기자 본인의 스레드나 뉴스 게시물이 원전을 제시하면서 논의를 촉진. 원 기사 요점 확인으로 기능했다.X (formerly Twitter)
  
  

지금 시작하는 "배우는 방법을 배우기" 5단계(실천 미니 가이드)

1. 질문을 다듬기: 배우기 전에 "무엇을 '할 수 있다'고 할 것인가"를 한 문장으로 정의한다.

2. 작게 만들기: AI의 도움을 받아 30분 안에 "최소한의 시제품(MVP)"을 만든다.

3. 자기 테스트: 생성 AI에 구술 시험을 의뢰하고, 오답의 원인을 언어화한다.

4. 전이시키기: 다른 분야의 과제에 "같은 절차"를 적용하여 어디서 파탄이 나는지 관찰한다.

5. 주간 리듬: 학습 스프린트(계획→실험→회고)를 주 1회 사이클로 돌린다.

기사의 출처(주요 사실)

• 아테네에서의 발언 요지·AGI 전망·메타스킬의 강조, 그리고 미초타키스 총리의 코멘트.AP News

• 하사비스 등의 2024년 노벨 화학상.Reuters