① 어떤 상황에서 AI를 활용했나요?

저는 중학생입니다. 리처드 도킨스의 『이기적 유전자』 5장에는 한정된 자원을 두고 같은 종끼리 경쟁할 때 어떤 전략이 살아남는지가 나옵니다. 무조건 싸우는 매파, 싸우지 않고 물러나는 비둘기파, 그리고 불량배, 보복자, 시험보복자 같은 전략입니다. 책에서는 계산으로 "매파와 비둘기파가 7대5일 때 균형을 이룬다"는 결론을 보여 줍니다.

그런데 읽다 보니 궁금해졌습니다. 이 전략들이 실제로 세대를 거치며 경쟁하면 정말 그렇게 될까? 책에는 세대별로 집단이 어떻게 변하는지 보여 주는 시뮬레이션이 없습니다. 유튜브에서 찾아본 시뮬레이터도 매파와 비둘기파 두 가지만 있었고, 수학적으로 비율만 계산할 뿐이었습니다. 제가 알고 싶었던 것은 비율이 아니라, 개체들이 실제로 맞붙고 번식하면서 세대마다 집단이 어떻게 바뀌는지였습니다. 그런 자료는 찾아봐도 나오지 않았습니다.

그래서 "책에 나오는 전략들이 실제로 어떻게 돌아가는지 직접 시뮬레이터를 만들어서 확인해 보자"고 생각했습니다. 하지만 저는 코딩을 할 줄 모르고, 게임 이론도 책에서 처음 접했습니다. 그래서 AI를 두 가지로 활용했습니다. 하나는 배운 내용을 검토하고 확인하는 멘토이고, 다른 하나는 제가 이해한 내용을 코드로 만들어 주는 도구입니다.

② 어떤 AI를 어떻게 활용했나요?

Claude Code를 사용했습니다. 대화만으로 공부도 하고, 코드를 만들고 실행할 수도 있어서 한 곳에서 학습 내용을 확인하는 것과 만드는 것을 모두 할 수 있었습니다.

[1단계: 묻고 답하며 배우기]
먼저 AI에게 『이기적 유전자』 5장과 매파·비둘기파 게임 이론을 설명해 달라고 했습니다. 설명이 어려우면 "쉽고 자세히, 예를 들어 설명해 줘"라고 다시 물었습니다. 제가 책에서 읽은 내용과 AI의 설명이 같은지 하나씩 비교했습니다. 해당 과정을 통하여 책을 통해 처음 공부한 내용을 올바르게 이해했는지 재차 확인하고 할루시네이션을 방지했습니다.

[2단계: 서로 확인하기]
제가 만들고 싶은 내용을 설명한 뒤, AI에게 이해한 내용을 다시 설명하게 했습니다. 맞으면 다음으로 넘어가고, 다르면 다시 설명했습니다. AI가 "이 기능을 넣으면 이런 문제가 생긴다"고 하면 왜 그런지 근거를 물었고, 근거가 맞으면 해결 방법과 그 근거를 또 물었습니다. 해당 과정을 통해 다시 한 번 할루시네이션을 방지하고 구체적인 시뮬레이터 아이디어를 검토했습니다.

[3단계: 배운 것으로 만들고 검증하기]
바로 만들지 말고 계획부터 보여 달라고 한 뒤, 한 단계씩 정하고 만들었습니다. 만든 것을 직접 실행해 보고, 결과가 제가 공부한 이론과 맞는지 확인했습니다. 해당 과정을 통해 구체적인 단기적 목표를 설정하여 AI와 제 생각을 맞추고 과정에 문제가 없는지 확인하기 쉽도록 하였습니다.

이렇게 만든 시뮬레이터는 4단계로 되어 있습니다.
- 1단계: 먹이 점수, 부상 비용, 과시 비용을 정하면 균형 비율을 수식으로 계산해 그래프로 보여 줍니다.
- 2단계: 개체들이 세대마다 실제로 맞붙고, 점수에 따라 자손을 남깁니다. 개체 수, 대결 횟수, 돌연변이율, 기본 점수, 번식 방법을 바꿀 수 있습니다.
- 3단계: 불량배, 보복자, 시험보복자를 더해 다섯 가지 전략이 경쟁합니다. 대치 상황을 현실에 가깝게 구체화합니다.
- 4단계: 3단계를 더 단순하게 만들어 비교합니다. 대치 상황을 다시 단순화하여 이해를 쉽게 하였습니다.

③ 활용 결과 어떤 변화가 있었나요?

첫째, 책을 읽기만 했을 때보다 훨씬 깊이 이해하게 되었습니다. AI와 묻고 답하는 과정에서 제가 헷갈리던 부분을 하나씩 정리할 수 있었습니다. 예를 들어 처음 계획에는 과시 비용(서로 노려보며 시간을 쓰는 비용)이 빠져 있었는데, 공부한 내용과 비교하다가 이것을 찾아냈고 이것을 넣자 균형 비율을 구하는 식이 바뀌었습니다.

둘째, 책의 결론을 제 시뮬레이터로 직접 확인했습니다. 먹이 점수 50, 부상 비용 100, 과시 비용 10일 때 계산한 매파 비율은 58.33%(7대5)였고, 세대별 시뮬레이션에서는 58.29%가 나왔습니다. 다섯 가지 전략이 경쟁하면 책의 결론과 같이 보복자가 가장 많이 살아남았습니다.

셋째, 책에 없던 것도 알게 되었습니다. 모두가 비둘기파일 때 평균 점수(15점)가 균형 상태(6.25점)보다 두 배 넘게 높았습니다. 이것을 보고 ESS는 종 전체에 좋은 상태가 아니라는 것, 그래서 집단선택설보다 유전자선택설이 더 맞다는 것을 이해했습니다. 또 개체 수가 20마리처럼 적으면 우연히 한쪽 전략이 사라지는 일이 많다는 것도 시뮬레이션을 돌려 보고 처음 알았습니다.

넷째, AI를 보는 생각이 바뀌었습니다. 전에는 AI가 틀린 말을 할 수 있어서 잘 믿지 않았습니다. 이제는 계속 묻고 확인하면 AI를 믿을 수 있는 공부 도구로 쓸 수 있다는 자신감이 생겼습니다.

④ 나만의 방식 또는 개선 포인트는 무엇인가요?

제 방식의 핵심은 "AI에게 답을 받아 적는 것이 아니라, AI와 계속 묻고 답하면서 배운 내용을 확인하고 궁금증을 구체화하는 것"입니다. 그리고 그렇게 정리한, 제가 알고 싶은 상황을 직접 시뮬레이터로 만들고 추가하며 알고 싶던 부분을 구체적으로 이해하는 것입니다. 이 방식에는 두 가지 큰 장점이 있습니다.

[장점 1] 할루시네이션을 막다 보면 저절로 한 번 더 공부하게 됩니다.
AI는 그럴듯하게 틀린 말을 할 때가 있습니다(할루시네이션). AI에게 "만들어 줘"라고만 하면 AI가 틀려도 저는 알 수 없습니다. 그래서 저는 AI가 이해한 내용을 다시 설명하게 하고, 근거를 묻고, 제가 공부한 내용과 비교했습니다. 그런데 이렇게 문답을 하려면 저도 그 내용을 정확히 알아야 합니다. 그러다 보니 할루시네이션을 막으려고 한 문답이 저에게는 필연적으로 한 번 더 공부하는 시간이 되었습니다. 이 과정에서 AI의 실수만 걸러진 것이 아니라, 제가 잘못 이해하고 있던 부분도 바로잡을 수 있었습니다.

[장점 2] 찾아봐도 나오지 않는, 내가 정말 궁금한 상황을 공부할 수 있습니다.
저는 매파와 비둘기파의 비율이 궁금했던 것이 아닙니다. 개체들이 실제로 맞붙고, 점수에 따라 번식하고, 세대가 지나면서 집단이 어떻게 바뀌는지가 궁금했습니다. 하지만 유튜브에서 찾은 시뮬레이터는 비율만 계산했고, 제가 원하는 상황은 아무리 찾아봐도 나오지 않았습니다. 그런데 직접 만들면 제가 궁금한 상황을 그대로 만들 수 있습니다. 개체 수를 줄이면 어떻게 될지, 보복자를 넣으면 어떻게 될지 바로 바꿔서 확인할 수 있습니다. 그래서 남이 만든 자료로 공부할 때보다 제가 궁금했던 것을 훨씬 구체적이고 정확하게 이해할 수 있었습니다.

실제로 문답을 하며 걸러 낸 문제들은 다음과 같습니다.
- 과시 비용이 빠진 계획을 찾아내 고쳤습니다.
- 점수가 마이너스인 매파를 0점으로 처리해서 매파가 오히려 유리해지는 문제를 발견했습니다. 이유를 묻고, 모든 개체에게 기본 점수를 주는 방법으로 고쳤습니다. 그러자 개체 수가 너무 늘어나서 개체 수에 한계를 두었습니다.
- AI가 제가 생각하지 못한 '라운드'라는 방식을 넣었을 때, 그냥 넘어가지 않고 질문해서 이해했습니다. 그리고 원래 생각대로 라운드가 없는 버전을 따로 만들어 비교했습니다.

이렇게 해서 확실히 이해한 지식을 바탕으로, 책에 없던 세대별 시뮬레이터를 직접 만들 수 있었습니다. 대화 내용과 왜 그렇게 정했는지도 문서로 남겨서 나중에 다시 볼 수 있게 했습니다.

⑤ 다른 사람도 따라 할 수 있나요?

네. 코딩을 몰라도, 꼭 『이기적 유전자』가 아니어도 됩니다. 책이나 교과서를 읽다가 "실제로 해 보면 어떻게 될까?" 궁금한 상황이 있다면 누구나 같은 방법으로 할 수 있습니다.

1. 묻고 확인하기: 궁금한 주제, 학습한 주제를 AI에게 설명해 달라고 하고, 어려우면 쉽게 다시 물어봅니다. AI에게 할루시네이션을 방지하고 배운 내용을 복습, 잘 이해했는지 확인합니다.
2. 서로 확인하기: 내가 이해한 것을 AI와 비교하고, AI가 이해한 것을 다시 설명하게 합니다. AI의 말에는 꼭 근거를 묻습니다. 이 과정에서 궁금증이 구체화되고, 이를 해결하기 위한 방법의 윤곽이 잡힙니다. AI의 검토를 통해 실현 가능한 궁금증 해소 방법을 찾을 수 있습니다.
3. 계획부터 세우기: 바로 만들지 말고 계획을 받은 뒤 한 단계씩 정합니다. AI와 시뮬레이터를 만들며 잘 만들어지고 있는지 확인할 수 있는 체크리스트가 되며, 실제 시뮬레이터를 만드는 과정에서 생기는 문제나 추가적인 궁금증을 해결하기 쉬워집니다.
4. 만들고 검증하기: 시뮬레이터를 만들어 실행해 보고, 결과가 예상한 내용과 맞는지 확인합니다. 시뮬레이터의 결과를 확인하고, 이를 이해하는 과정을 통하여 알고 싶었던 부분에 대하여 깊게 이해할 수 있습니다.

이 방법은 AI를 정답을 주는 기계가 아니라 함께 공부하는 상대로 쓰는 방법입니다. 스스로 이해하면서 배우기 때문에 AI가 틀려도 걸러 낼 수 있고, 내가 알고 싶은 것을 직접 실험해 볼 수 있습니다.

참고: 이론 내용은 리처드 도킨스 『이기적 유전자』 5장을 바탕으로 했습니다. 시뮬레이터에는 개인정보가 들어가지 않으며, 글에 적은 숫자는 모두 제가 직접 실행해서 얻은 결과입니다.