학습 초기에는 타인의 성공 사례를 모방하는 것(SFT)이 효율적이지만, 개인마다 처한 환경과 재능이 다르기에 모방만으로는 한계에 부딪힌다. 인생의 결정적인 분기점에서는 타인의 경로가 아닌, 자신의 직접적인 시도와 그에 따른 보상(실패와 성공)을 통해 최적의 행동 양식을 정립해야 한다. 이는 AI가 전문가의 데이터를 따르지 않고 스스로 보상을 최대화하는 지점을 찾아갈 때 비로소 ‘초인적 성능’을 내는 원리와 일치한다.
근거
Jason Wei가 지적했듯, 사람도 처한 조건이 모두 다르기에 더 이상 모방할 수 없는 지점이 반드시 온다. 그 지점에서 스스로 시도하고 경험을 얻는 On-policy 과정만이 실질적인 일반화(지혜)를 만든다.
“모두가 모방할 수 있는 대상이 있어서 그걸 복제하면 좋겠지만, 처한 환경과 능력은 다 다르기 때문에 스스로 행동하는 것을 통해 경험을 얻을 수밖에 없다.”
연결된 생각
- 20260611-on-policy-rl-superhuman-reasoning — AI 학습 이론의 인생 철학적 확장.