우리 첫 조카 ‘아콩이’는 아무래도 천재 같다. 조카 바보 팔불출인 나여서가 아니라 정말 놀라울 정도로 하루가 다르게 똑똑해진다. 아기가 자라나는 것을 가까이서 본 것이 처음인 나에게 생후 18개월 아콩이는 천재 과학자이자, 탐험가이자, 호기심 천국이자, 에너자이저이자, 귀여우우우움 그 자체이다.
사실은 하루가 다르게 성장하는 아콩이를 보며 ‘아기는 어떻게 배울까?’라는 의문을 갖기보단 당연한 것이라 생각해왔다. 엄마 또는 주 양육자가 아이에게 정제된 언어로 다정하게 그리고 좀 수다스럽게 말을 많이 걸어주고, 동일하게 잘 반응해주고, 다양한 환경에서 다양한 경험을 하게 해주고, 영양가 있게 잘 먹여주고, 입히고, 재우고, 사랑으로 보살피면 아무것도 모르던 아가가 서서히 ‘사람다움’을 갖춰가며 커가는 것이라 당연하게 믿어왔다. 그러면서 자연스럽게 뇌 신경계도 몸도 성장해나간다고 생각했다. 최근 그런 나의 통념을 깨주는 배움에 대한 실용적인 과학서를 만났다.
이 책에 의하면 아기는 성인과 유사한 뇌의 구조 및 형태뿐 아니라 뉴런 신경망까지 타고났으며 따라서 외부의 자극 없이도 배울 수 있다. ‘배울 수 있는 능력’과 인간답게 생각하고 반응하는 능력을 타고나는 것이다. 또한 인공지능이 인간을 대체하고 뛰어넘어 한편으론 위협할 것이라고 전망하는 요즘, 실제로는 인간의 학습능력과 비교해 인공지능의 학습능력은 아직 제한적이며 인간의 놀라운 고위수준의 통합성을 따라오지 못함을 알 수 있었다.
이는 우리가 더 개발해 발전시켜야 할 인간만의 특성들을 깨닫게 하고, 더 깊게 사고하고 지식을 통합해 활용하는 것이 얼마나 중요한 과정인지 알게 했다. 또한 아이들의 학습능력이 극대화되는 배움의 성수기인 ‘민감기’와 성인에게도 죽는 순간까지 남아 있는 ‘뇌 가소성’을 잘 활용한다면 일생 동안 더 잘 배울 수 있고, 이를 통해 더 나은 삶의 풍요와 의미를 찾을 수 있을 거란 희망을 보게 되었다.
아기는 어떻게 배울까?
‘배움’이란 외부세계에 대한 내부모델을 만드는 과정이다. 우리는 방대한 마음속 내부모델을 갖고 있기 때문에 글을 읽고 이해할 수 있고, 짐작할 수 있고, 팔다리의 위치를 알 수 있고, 몸의 균형을 잡는 등의 활동이 가능하다. 뇌는 끊임없이 외부 세계에 대한 가설들과 해석의 틀을 투영해 내부모델을 업데이트한다. 쉽게 말해, 우리의 뇌는 끊임없이 외부환경과 상호작용하며 배운다.
그렇다면 아기의 경우는 어떨까? 외부환경에 노출된 경험이 없는 신생아에게는 아무런 내부모델이 없어서 세상에 나와 비로소 하나씩 경험을 해가며 내부모델을 만들어가야 하는 걸까? 성인의 뇌와 신생아의 뇌는 어떻게 다를까?
최근의 많은 연구는 아기의 뇌가 백지상태와 다름없어 주변의 모든 걸 스펀지처럼 흡수한다는 이론이 잘못됐음을 알려준다. 다시 말해 성인 뇌 회로의 전부가 이미 신생아의 뇌에 존재한다는 것이다. 예를 들어 한 연구에서 성인과 생후 2개월 신생아의 언어에 대한 뇌 영역의 활성화 순서를 MRI로 촬영한 결과 유사한 경로가 관찰되었다(1차 청각 영역 – 2차 청각 영역 – 측두엽 영역 – 브로카 영역의 순).
아기는 이미 물질계에 대한 깊은 직관력, 추상적 숫자감각, 이미지를 일반화하는 능력, 확률에 대한 직관력, 얼굴에 대한 인식력, 언어에 대한 직관력을 타고난다. 아기들은 이러한 타고난 감각과 내부 모델을 이용해 관찰을 통해 논리적 결론을 내릴 수 있는 능력을 지닌다. 특히 인간만이 지닌 ‘언어습득능력’은 선천적으로 타고난다.
대표적인 예가 태교다. 태아는 임신 후기부터 소리를 듣기 시작해 특정 음 패턴과 멜로디를 인식한다. 또한 신생아는 모든 언어의 모음과 자음을 거의 다 구분하며, 음들을 카테고리화 할 수 있다. 뒤에 인공지능이 학습하는 방법에서도 언급되지만 같은 정보를 카테고리화해 구분하는 능력은 학습능력의 효율성을 극대화시킨다. 예를 들어 ‘바, 다, 가, 마’와 같이 모음이 계속 바뀌어도 이 음들을 모두 다르게 여기는 것이 아닌 카테고리화해 받아들인다. 중요한 것은 누가 알려주지 않아도 이러한 능력이 신생아에게 내재되어 있다는 것이다.
또한 아기의 언어습득능력은 생후 1년간 언어환경에 의해 변화를 겪는다. 선천적으로 지닌 내부모델을 업데이트하며 자동적으로 기본적인 음소, 멜로디, 단어(어휘), 문법 규칙의 기본 규칙에 관한 토대를 쌓게 된다. 주변에서 자주 사용하는 단어에 의해 사용할 수 있는 음소가 결정되며, 이 시기에 여러가지 언어에 노출된 아기는 2개이상의 언어를 자유롭게 모국어로 사용할 수 있다.
아이들은 어휘 습득 과정에서 추상적인 공간에 자신이 찾는 단어의 의미를 제한해 추론하기 때문에 그 어떤 인공지능보다 빠르게 단어를 배운다. 또한 생후 12개월이 지난 아기만 하더라도 문법적 문맥을 활용해 자주 쓰이는 한정사와 기능어를 알고, 사물 하나당 한 이름이 있다는 것도 알며, 추상적 능력, 문법 능력을 갖추고 이를 토대로 말을 배운다.
신기하지 않은가? 엄마는 단어를 반복해서 알려줄 뿐인데 아기는 이미 그 이면에 이미 수많은 선천적 내부모델을 토대로 한 모델 업데이트를 통해 효율적으로 학습할 준비를 해나가고 있다. 그리고 두세 살쯤 됐을 때 이른바 ‘어휘 폭발’이라는 축복받은 시기에 접어든다.
결론적으로, 최근의 연구들은 아기가 태어나면서부터 뇌의 각 영역이 각 위치에 맞는 자기조직화가 되어있으며 성인의 뇌와 같이 각 영역이 모듈화 되어있다는 것을 보여준다. 우리의 핵심적인 뇌 회로들은 외부의 아무런 상호작용없이 내부 자체에서 자기조직화 되어있으며, 이는 인간의 뇌발달에서 유전자와 함께 중요하게 작용한다. 이에 따라 비슷한 뇌구조라는 보편성과 게놈의 특징에 따른 개인차가 존재하게 된다. 출생 이후 주변 환경에 따른 추가 데이터를 통한 학습으로 뇌 신경계의 세부 조정 작업이 진행된다.
양육과 교육이 중요한 이유는 뇌의 초기 ‘자기조직화’가 경험을 통해 강화되고 개선되기 때문이다. 아기는 끊임없이 실험하는 과학자와 같다. 쉼 없는 아기의 뇌는 계속해서 가설의 결론을 내리고 연구 결과를 축적한다. 이러한 학습 과정에서 뇌신경 시냅스의 수와 강도, 수상돌기 가지의 크기와 수, 정보전달 속도를 빠르게하는 미엘린 수초의 수까지도 변화된다. 활성화된 신경세포는 이들끼리 함께 연결되어 더 강해진 시냅스를 이룬다. 즉 강화하면 강화할수록 더 시냅스의 연결은 강해진다. 놀라운 점은 우리의 뇌신경 시냅스는 평생도록 변화가 가능하며(시냅스의 가소성) 이는 학습과 긴밀하게 연결된다.
최근 들어 이렇게 학습하는 뇌의 뛰어난 알고리즘을 모방 및 구현한 인공지능의 개발이 활발하다. 우리가 ‘인공신경망’이라 부르는 컴퓨터 알고리즘은 인간 뇌 피질의 계층 조직에서 영감을 얻어 만들어졌다. 우리가 배울 때, 뇌 안의 내부모델들은 계층에 따라 조직화되며, 외부에서 들어오는 데이터에 대한 각 계층의 매개변수를 조정함으로써 에러에 대한 오차를 줄이고 유용한 정보를 얻는다.
인공지능의 학습센터인 인공신경망에서도 이와 유사한 논리를 이용해 계층별 매개변수를 미세조정하며, 수많은 층들의 연결을 통해 외부에서 들어오는 데이터를 더 깊이 조직화하고(딥 네트워크, deep network) 이를 통해 복잡한 구조를 알아내며 다양한 문제들을 조정할 수 있는 강력한 학습도구를 갖게 된다. 인공신경망이 배우는 과정을 통해 우리의 뇌가 배우는 방법을 더 잘 이해하고 배움을 강화할 수 있는 학습전략을 알 수 있다.
인공지능, 그리고 인간의 학습 능력
최근 인공지능의 개념과 적용 사례가 점차 확대되어 가며, 어느 순간부터는 우리 삶에 당연하게 인공지능이 탑재된 기기들이 자리 잡았다. 또한 디지털화된 이 시대에 우리가 사용하는 모든 정보가 빅데이터화되어 인공지능을 구동하기 위한 재료로 활용된다.
인공지능은 어떤 면에서는 위협적이기까지 하다. 인공지능이 세상을 지배하는 공상과학영화가 먼미래가 아닐 것만 같고, 어차피 인간이 열심히 배워도 인공지능을 따라가지 못할 것이라는 회의적인 소리도 들려온다. 도대체 인공지능은 어느정도까지 개발/활용되고 있으며, 우리가 이런 시대에 가질 수 있는 경쟁력은 무엇일까?
심지어 인공지능은 무서운 이야기도 잘한다 배움을 설명하는 대표적인 ‘베이지안 이론’은 여러 대안 이론들 중 가장 적합해 올바른 이론일 가능성이 높은 것을 선택하는 것을 뜻한다. 이는 우리의 뇌가 배우는 일련의 과정을 잘 설명해 준다. 이 이론에 따르면 배움은 ‘선천적 지식’과 ‘개인적 경험’이 합쳐져 만들어진다. 또한 불필요한 가설을 제거하고 적절한 가설들을 선택하는 과정이 포함된다. 이는 인공신경망이 배우는 과정과 흡사하다.
" 우리의 뇌가 배우는 과정(베이지안 이론)
- 1. 관찰한다.
- 2. 관찰 내용을 토대로 한 가지 이상의 예측 가설을 만든다.
- 3. 예측 가설을 다른 뇌 영역에 보낸다.
- 4. 확률에 기초해 예측 메세지에 대한 추정을 제한적으로 교환한다(고차원 전두엽피질 → 저차원 1차 시각피질과 같은 하향식 신호전달방법에 따라).
- 5. 예측 가설(모델)과 실제 목격된 것 사이의 차이(에러 신호)를 계산한다.
- 6. 에러 신호에 따른 내부 모델(매개변수)을 조정한다.
- - 스타니슬라스 드앤, 『우리의 뇌는 어떻게 배우는가』
최근의 인공신경망은 베이지안 이론에 더해 아래와 같은 몇 가지 알고리즘이 추가로 개발되며 점점 더 정확성과 예측도가 향상 중이다.
" 인공신경망이 배우는 방법
- - 에러 바로잡기: 에러를 관찰하고 에러를 줄이는 방향으로 계층별 매개변수를 조정
- - 같은 종류의 정보는 카테고리화
- - 무작위적 탐구로 최상의 매개변수를 찾음
- - 행동과 자기 평가를 통해 점점 더 정확히 평가하고 바람직한 조합을 도출하는 강화 학습(예시: 이세돌을 꺾은 ‘딥마인드의 알파고’ 프로그램은 혼자 게임하는 것을 반복하는 것을 통해 더 바람직한 수의 조합에 대한 방대한 데이터를 갖음)
- - 검색 공간의 제약(필터링)을 통해 모델을 단순화해 검색 속도 향상(예시: 스마트폰이 목소리에 일정하게 반응하기 위해 목소리의 높낮이 등 세부 사항은 무시함)
- - 앞의 책
하지만 대부분의 인공신경망은 아직까지 아기의 학습능력에도 미치지 못한다. 인공신경망과 인간의 뇌의 학습과정에는 큰 차이점이 존재한다. 인공신경망은 극히 짧은 순간 무의식적으로 해내는 일, 즉 어떤 정보를 인지하고 알아보고 카테고리화해 분류하고 의미에 접근하는 일에는 강세이다.
하지만 정보에 대한 우선순위를 매기고, 그 의미를 곱씹으며 상징적 표상을 만들고, 논리적으로 추론하고, 이론을 만들어내고, 자신만의 내부 모델에 투영한 정보의 의미를 언어를 통해 다른 사람들과 공유하는 능력은 인간만의 전유물이다. 물론 머신러닝의 알고리즘의 이러한 단점들이 점점 더 개선되고 있지만 아직까지 아기들도 가진 능력에 못 미치는 차이점이 분명히 존재한다.
인공지능과 아기의 뇌의 차이점
1. 인공신경망은 ‘A’와 ’찌그러진 A’를 구분하지 못한다.
어떤 웹사이트를 가입하는 단계에서 사람인지 로봇인지 구분하는 리캡챠(reCAPTCHA)를 경험해본 적이 있을 것이다. 인공지능은 문자가 조금만 형태만 달라져도 인식하지 못하고 물체를 일반화, 추상화, 추론하는 능력이 인간만큼 정교하지 못하다.
진짜 사람인지 로봇인지 구분해주는 인증 도구 리캡챠. 2. 데이터의 활용 효율성이 떨어진다.
인공지능은 수천~수억 개의 데이터(빅데이터)가 있어야만 학습할 수 있다. 때문에 학습 속도가 아주 늦다. 인간의 뇌는 그런 면에서 효율성이 아주 높으며 빠른 시간 안에 배우고, 습득하여, 적용한다. 아기의 경우 새로운 단어를 5-6번만 들어도 습득과 비슷한 단어로의 적용이 가능하다.
3. 데이터 통합성, 체계화, 추상화 능력이 떨어진다.
아기가 한 단어를 배울 때는 그 단어의 상징, 규칙, 음소, 문맥 등을 자신의 내부모델에 투영해 다른 정보들과 통합 한 후 체계화하며 다른 상황에 적용 할 수 있다. 또한 특별한 일반화를 추론해내는 능력과 통찰력은 인간만의 고유성이라고 해도 무방하다. 5–6세쯤의 아이들은 숫자 n 다음에 n+1이 오며, 따라서 숫자의 무한대가 존재한다는 개념을 알게 된다. 알려주지 않아도(설명하기도 힘든) 추상화 개념을 아이들이 인지하는 것이 놀랍지 않은가.
4. 데이터 활용의 유연성이 떨어진다.
초등학교 때 배운 사칙연산(가감승제)은 성인이 된 우리가 친구들과 식비를 n빵 하거나, 세금고지서를 계산할 때 등 다양한 상황에서 자연스럽게 응용되어 사용된다. 인공지능의 경우, 지식을 보다 복잡한 다른 작업에 재활용하기가 아주 힘들다.
5. 지식의 사회화(공유)능력이 떨어진다(거의 불가).
인간은 언어라는 효율적인 수단을 통해 정보를 공유하고 또한 동료 인간에게 많은 것을 배운다. 인공지능의 경우 서로 데이터를 공유하는 것이 어렵다.
" ‘유한한 수단들을 무한하게 활용하는 능력은 인간사고의 특징이다.
- - 빈헬름 폰 훔볼트
배움을 극대화하기 위한 전략
결국 우리의 뇌가 계속해서 유연성을 발휘하고 가소성을 나타낼 수 있는 건 ‘배움’을 통해서 가능해진다. 우리의 뇌는 유전학적으로 미리 프로그래밍되지만 일생 동안 세세한 조정에 의해 변화하고 발달한다. 시냅스 가소성은 처음에는 외부 세계와의 상호작용 없이도 작동하지만, 점차 조직화된 뇌가 환경과 상호작용하며 외부 신호에 대한 후속적 지식으로 점점 더 잘 다듬어지게 된다.
이로 인해 우리는 예측 불가능한 환경에 적응하고 효율적으로 행동할 수 있는 방법을 ‘경험’으로부터 배운다. 뇌 회로에는 이러한 경험으로부터 배우는 ‘복잡한 학습 알고리즘’이 있어서 인류는 끊임없이 자신을 변화시키는 것이 가능하며, 이러한 힘으로 우리는 주변 환경을 개선하고 발전시킬 수 있었다.
하지만 이러한 뇌 가소성에도 분명한 한계는 있다. 유전학적 제약, 뇌 가소성이 절정에 이르는 시기(어린 시절의 민감기) 이후에는 나이가 들며 뇌 가소성이 떨어져 배우기가 점점 힘들어지는 것이 그 증거이다. 가령 언어 습득에서 외국어의 음운 체계를 배우는 능력은 생후 1년 이후 떨어지고, 문법 학습의 민감기는 사춘기쯤 끝나므로 이에 맞는 언어 학습 전략이 필요하다.
다행스럽게도 새로운 단어와 의미를 배우는 능력(어휘 습득)은 평생 가능한 상태가 유지된다. 성인이 외국어를 배울 때 어휘 습득을 통한 언어 학습 전략을 계획에 집중적으로 포함할 필요가 있겠다.
시냅스 가소성의 한계. / 출처: 『우리의 뇌는 어떻게 배우는가』 " 모든 학습은 기존의 뇌 회로 구조를 변경하고 그 특성들을 재활용하는 작업이다. 따라서 인간에 대한 교육은 인간 뇌 회로의 다양성과 유난히 긴 뇌 가소성 시기를 잘 활용하되 뇌 회로들의 본질적인 한계 내에서 이루어져야 한다.
- - 스타니슬라스 드앤, 『우리의 뇌는 어떻게 배우는가』
그런 면에서 교육은 배움을 발전시킬 수 있는 인간만이 누리는 특권이며, 적절한 시기에 맞는 올바른 교육은 뇌 잠재력을 폭발적으로 늘어나게 하는 기회를 제공한다. 교육은 뇌의 가소성을 발전시키는 가속장치라고 할 수 있다. 시냅스 가소성이 절정에 이르는 민감기 때의 올바른 교육은 평생의 뇌 가소성에도 영향을 미친다. 따라서 우리는 대부분의 교육이 일어나는 집과 학교에서의 양육자와 교사의 역할이 한 아이의 일생을 결정한다는 책임감과 무게를 지니고 올바른 학습 전략을 구사할 필요가 있다.
개인별로 미리 프로그래밍 된 뇌는 조금씩은 차이가 있다. 따라서 모든 아이들이 저마다의 장점이 다르고, 배우는 속도에 대한 다른 개인차가 존재한다. 하지만 기본적인 뇌 회로의 작동 방식은 같아서 효율적으로 가르치는 공통적인 교육 전략이 존재한다. 배울 때 뇌 신경계에는 큰 생물학적 변화가 일어나는데, 이러한 변화가 일어나기까지 기본적으로 충분한 시간과 노력, 뇌 가소성의 유전자 발현, 뇌가 성장하기 위한 다양한 영양분(포도당, 단백질, 산소, 비타민, 철분, 요오드, 지방산 등)이 포함된 균형 잡힌 식사, 적절한 산소 공급, 육체적 운동이 필요하다.
뇌 시냅스가 성장하는 과정에서 많은 에너지가 소모되는데, 특히 어린아이의 경우, 뇌가 몸이 필요로 하는 전체 에너지의 50%까지 소비한다. 이러한 기본 전제들이 충족되었을 때 학습 효과를 극대화 할 수 있는 전략에는 아래와 같은 4가지가 있다.
" 배움의 네 기둥
- 7. 첫째, 주의 집중과 인내심(선택 정보의 확대)
- 8. 둘째, 적극적 참여(호기심 유발)
- 9. 셋째, 에러에 대한 객관적이고 명확한 피드백(처벌과 부정적 감정은 학습 잠재력을 파괴)
- 10. 넷째, 매일 반복(배운것을 자동화 하는 과정, 수면이 필수 요소)
- - 앞의 책
구체적인 배움의 네 기둥에 대한 내용은 책 내용을 참고해보길 강력히 추천한다. 요는, 아이들이 의식적으로 주의를 기울이고 호기심과 동기부여가 생길 때 장기상승작용으로 인해 더 잘 학습한 것을 기억할 수 있게 된다. 또한 아이들에게는 부정적 처벌보다는 객관적인 피드백과 보상의 방법이 효과적이며, 실수는 배우는 과정에서 당연한 것이고 실수를 개선해 더 많이 도전하는 것이 중요함을 가르칠 필요가 있다.
교사는 아이들 개개인의 특성을 파악해 집중하고 호기심을 유발할 수 있는 환경과 프로그램을 구성해야 하며, 실수에 대한 명확한 피드백과 명확한 목표를 제시해 줄 필요가 있다. 아이들이 학습한 내용이 장기기억장치인 해마에 저장되고 대뇌피질에서 통합되는 과정에는 충분한 수면이 필수적임을 명심해야 한다. 그리고 이 모든 것의 전제에는 아이들을 아끼고 사랑하는 마음이 바탕이 되어야 한다.
위의 내용을 바탕으로 누군가를 가르칠 입장이 되었을 때 꼭 기억하면 좋을 것, 내가 적용하고 싶은 필수 전략을 정리해보았다. 우리는 평생 배우고 성장하며, 또한 언젠가는 누군가의 학교의 역할을 할 수 있다. 한 사람의 인생이 배움과 성장의 기쁨을 알고, 본인의 한계를 뛰어넘어 보고, 잠재력을 꽃 피워, 삶의 의미를 찾아가는 것만큼 의미 있는 일이 있을까. 배움을 위한 필수 전략은 효율적으로 배워 결과(성과)를 내는 힘 또한 길러줄 것이다. 가장 중요한 건 이 전략은 행동하고 시행했을 때야 비로소 빛을 발한다는 것이다.
배움을 위한 필수 전략
- - 메타 인지: 인지하는 것을 아는 능력, 나의 수준을 파악하고 어떻게 배울지 아는 것
- - 성장형 사고방식: 어떤 능력이든 개발할 수 있다, 남들과 비교가 아닌 나의 어제보다 나은 오늘을 만들어 가는 것이 탁월함이다.
- - 에러 피드백: 실패해도 괜찮다(단, 실패에서 배워야 한다).
- - 겸손함, 적극성: 언제, 어디에서, 누구에게나 배울 수 있다.
- - 집중력: 의도적으로 주의를 기울이고 호기심을 갖는다면 누구나 훌륭한 과학자가 될 수 있다.
- - 꾸준함(반복의 중요성), 인내: 성장하기 위해서는 꾸준함이 답이다.
- - 삶의 의미와 풍요는 배움에서 온다. 우리는 평생 즐겁게 배워야 한다.
아이들의 뇌 가소성에 대한 ‘민감기’는 한편으론 이후의 학습 능력이 줄어들지만 성인이 돼서도 결코 완전히 제로 상태가 되지 않는다는 것을 의미한다. 우리는 평생 배워나간다. 배우는 행위에는 우리가 통계라고 부르는 확률과 추론의 과정이 깃든다. 복잡하고 어렵게 보이지만 이는 인간 본성적으로 내재하는 능력이다. 우리에게 ‘배울 수 있는 능력’이란 본능이자 삶의 의미를 찾아가는데 활용될 수 있는 특권이다.
우리의 뇌는 끊임없이 확률과 불확실성을 다루며 배움을 축척해 나간다. 또한 여기에는 배움을 효율적으로 할 수 있는 가장 효율적인 학습 도구와 방법이 존재한다. 그럼에도 성인이 된 대부분의 우리는 아이들보다 배우는 것에 대한 용기는 적고, 수동적이며, 호기심은 없고, 더 이상 노력하지 않은 채, 그저 주어진 삶을 살아간다. 희망인 것은, 점점 더 불확실성이 만연한 세상에서 ‘배움과 성장’을 꾸준히 지속하는 소수의 사람들은 뛰어난 경쟁력을 갖출 수 있다는 것이다.
또한 이러한 전략과 통찰력을 구사하는 것만이 급속도로 발전하는 인공지능을 두려움의 대상이 아닌 편리함과 효율을 증대하기 위한 수단으로 이용할 수 있는 지혜와 통찰력을 얻게 할 것이다. 따라서 배우기 위해 더 많이 시도하고 더 많은 실패를 경험하자. 실패에서 배우고 앞으로 조금씩 나아가자. 우리가 지닌 뇌 가소성을 이해하고 배움의 전략을 실행하는 것은 우리 개인의 잠재력을 폭발시키는 기폭제가 될 것이다.
원문: Dandelion의 브런치
함께 보면 좋은 글
Copyright ⓒ ㅍㅍㅅㅅ 무단 전재 및 재배포 금지
