# LLM 의존을 전염병 모형으로 — 되돌리기 어려운 임계점

> LLM 확산을 감염 모형으로 기술한 논문이 나왔습니다. 임계값 두 개 사이에서 두 상태가 공존하고, 한번 넘으면 되돌리기 어렵다는 계산 결과입니다.

- 출처 사이트: AI피셜 (https://aifficial.net/posts/llm-cognitive-virus-tipping-point/)
- 발행: 2026-09-08
- 카테고리: 논문 한입 · 태그: 논문, 사회, AI 안전, 인지, 정책

## 핵심 답변

리카르드 솔레·미하일 레빈 등 9명은 2026년 9월 3일 arXiv에 LLM 사용 확산을 전염병 모형으로 기술한 논문을 올렸습니다. 사용자를 비결합·결합·의존 세 상태로 나눈 이 모형은 전파율이 두 임계값 사이에 있을 때 두 안정 상태가 공존하고, 위쪽 임계값을 넘으면 인구 전체가 급격히 의존 쪽으로 쏠린다고 계산합니다.

## 요약

- 사용자를 비결합(U)·결합(C)·의존(D) 세 칸으로 나누고, 칸 사이 이동률을 전파율 λ, 복귀율 ρ, 의존 전이율 μ, 회복률 σ, 자율 인지의 협력적 강화 κ 로 씁니다.
- κ 가 ρ 보다 크면 임계값이 두 개 생깁니다. 안장-마디 임계값은 2√(κρ), 임계 전이값은 ρ+κ 이고 그 사이에서 두 상태가 공존합니다.
- 예시 값(ρ=0.10, κ=0.40)에서 두 임계값은 0.40과 0.50입니다. 위쪽을 넘으면 평균 인지 역량이 1.0에서 약 0.425로 급락합니다.
- 저자들은 예방이 되돌리기보다 훨씬 쉽다는 비대칭을 강조하며 '인지적 면역'의 조건을 제시합니다.

## 핵심 사실

| 항목 | 값 |
|---|---|
| 논문 | arXiv 2609.03344 (2026-09-03 제출, 12쪽·그림 3개) |
| 제목 | Large-Language Models as a Cognitive Virus |
| 저자 | 9명 (Ricard Solé, David C. Krakauer, Michael Levin 등) |
| 분류 | physics.soc-ph 외 3개 (cs.CY, nlin.AO, q-bio.PE) |
| 임계값 공식 | 2√(κρ)와 ρ+κ (쌍안정 조건은 κ > ρ) |
| 예시 계산 | 0.40 / 0.50 (ρ=0.10, κ=0.40, μ=0.20, σ=0.10 일 때) |


## 무슨 일인가요

9월 3일 arXiv에 올라온 "Large-Language Models as a Cognitive Virus"는 LLM 사용의 확산을 감염 모형으로 씁니다. 저자는 리카르드 솔레, 다비드 크라카우어, 마이클 레빈 등 9명이고, 분류는 물리·사회(physics.soc-ph)를 필두로 컴퓨터와 사회, 자기조직화, 개체군 진화까지 네 개입니다. 

인구는 세 칸으로 나뉩니다. LLM을 거의 쓰지 않고 정보원이 다양한 비결합(U), 규칙적으로 쓰되 독립적 추론을 유지하는 결합(C), LLM이 지배적 인지 인터페이스가 되어 다른 지지대를 대체한 의존(D)입니다. 



## 임계값이 두 개인 이유

핵심 결과는 κ 가 ρ 보다 클 때 계가 쌍안정이 된다는 것입니다. 이때 임계값이 두 개 생깁니다. 안장-마디 분기점은 `λ_SN` = 2√(κρ), 임계 전이점은 `λ_TC` = ρ+κ 이고, 그 사이 구간에서는 비결합 상태와 결합 상태가 불안정한 가지를 사이에 두고 함께 존재합니다. 

| 항목 | 값 |
| --- | --- |
| 쌍안정 조건 | κ > ρ |
| 아래쪽 임계값 | 2√(κρ) |
| 위쪽 임계값 | ρ+κ |
| 이력 현상 폭 | (√κ - √ρ)² |
| 예시(ρ=0.10, κ=0.40) | 0.40과 0.50 |



## 역량은 어떻게 계산했나요

저자들은 각 상태에 인지 역량 값을 붙였습니다. 비결합 1, 결합 0.5, 의존 0.1입니다. 이 값으로 위쪽 임계값을 넘는 순간을 계산하면 인구 평균 역량이 1.0에서 약 0.425로 떨어집니다. 저자들은 이를 인구 수준의 인지 오프로딩이라고 부릅니다. 




이 논문은 실측이 아니라 이론 모형입니다. 상태를 세 칸으로 나눈 것도, 인지 역량에 1·0.5·0.1을 붙인 것도 저자들이 정한 가정이며, 임계값 0.40·0.50은 예시 파라미터에서 나온 숫자입니다. 실제 인구의 λ·ρ·κ 를 측정한 자료는 논문에 없습니다. 결과는 "이런 구조라면 이런 일이 생긴다"는 조건부 서술로 읽어야 합니다. 


## 무엇을 보면 되나요

저자들이 말하는 인지적 면역은 사용 금지가 아닙니다. 의존을 만드는 대체적 결합에는 저항력을 남기되 유익한 인간-AI 결합은 허용하는 상태를 뜻합니다.  모형에서 ρ 를 올리면 두 임계값이 함께 올라가므로, 자율적 사고로 돌아갈 경로를 유지하는 것이 가장 넓게 듣는 지렛대입니다. 


숫자 자체를 예측으로 받아들일 이유는 없습니다. 다만 이 모형이 짚는 비대칭 하나는 팀 단위에서도 바로 쓸 수 있습니다. 도구를 늘리는 결정은 쉽고 빠르지만, 되돌리는 비용은 같은 지점에서 발생하지 않는다는 것입니다. 신입에게 초안 없이 문제를 먼저 풀게 하는 관행 같은 것이 모형에서 말하는 ρ 유지에 해당합니다. 



## 자주 묻는 질문

**Q. 실제 데이터를 분석한 연구인가요?**

아닙니다. 미분방정식으로 세운 이론 모형이고, 본문의 숫자는 모형의 성질을 보여 주기 위한 예시 파라미터로 계산한 값입니다. 실제 인구의 LLM 사용률을 측정한 것이 아닙니다.

**Q. '되돌리기 어렵다'는 말이 무슨 뜻인가요?**

위쪽 임계값을 넘어 의존 상태로 넘어가면, 전파율을 다시 그 값 아래로 낮춰도 원래대로 돌아가지 않습니다. 아래쪽 임계값까지 더 내려야 복귀하며, 그 폭이 이력 현상의 크기 (√κ-√ρ)² 입니다.

**Q. 그래서 무엇을 하라는 건가요?**

모형이 가리키는 지렛대는 네 가지입니다. 자율적 사고로 돌아갈 경로를 살려 두고(ρ 상승), 자율적 방식을 함께 쓰는 문화를 키우고(κ 상승), 자동 도입과 제도적 증폭을 줄이고(λ 하락), 의존으로 넘어가는 전이를 막는 것(μ 하락·σ 상승)입니다.

## 출처

1. [Large-Language Models as a Cognitive Virus (arXiv 2609.03344)](https://arxiv.org/abs/2609.03344) (paper)
2. [같은 논문 HTML 전문 (arXiv)](https://arxiv.org/html/2609.03344v1) (paper)

_이 문서는 AI피셜 편집부가 작성했습니다. 인용 시 출처를 표기해 주세요._