2024 시즌2 카오스강연 세상에 나쁜 수학은 없다

1강

[강연] 움직이는 세상을 표현한 수학의 언어, 미적분 1_by 김민형 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 1강 첫 번째 이야기 | 1강 ①

해석학은 수학적 구조들 사이의 관계를 탐구하는 분야로, 우리가 흔히 접하는 미적분학의 현대적 형태라고 할 수 있습니다. 대수학이 구조 자체의 문제를 다룬다면, 해석학은 함수를 통해 그 관계를 면밀히 살핍니다. 많은 이들이 미분과 적분을 단순히 상반되는 개념으로만 이해하곤 하지만, 사실 이 둘은 탄생 배경과 원리 면에서 상당히 다른 성질을 지니고 있습니다. 이러한 차이를 이해하는 것이 해석학의 첫걸음입니다. 곡선은 직선과 달리 끊임없이 구부러져 있어 다루기 까다로운 대상입니다. 하지만 미분은 이 복잡한 형태를 국소적으로 파악함으로써 문제를 해결합니다. 구부러진 선이라 할지라도 특정 지점을 세밀하게 관찰하면 그 움직임의 특성을 파악할 수 있는 상태가 됩니다. 즉, 미분은 곡선이라는 어려운 대상을 우리가 잘 아는 선형성으로 환원하여 파악하는 혁신적인 사고방식이라고 할 수 있습니다. 아이작 뉴턴은 천체의 운동을 기술하는 과정에서 미분의 개념을 정립했습니다. 그는 시간에 따른 물리량의 변화, 즉 순간 변화율에 주목했습니다. 자동차가 주행할 때 특정 구간의 평균 속도를 구하는 공식에서 시간 간격을 무한히 0에 가깝게 줄이면, 그 찰나의 순간 속도를 얻을 수 있습니다. 뉴턴은 이를 '유율'이라 부르며 변화하는 세상의 움직임을 수학적으로 포착하려 했습니다. 이는 물리적 현상을 이해하는 강력한 도구가 되었습니다. 뉴턴과 비슷한 시기에 고트프리트 라이프니츠는 기하학적인 관점에서 미분에 접근했습니다. 그는 곡선 위의 한 점에 가장 근접한 직선인 접선의 기울기를 찾는 문제에 집중했습니다. 흥미롭게도 뉴턴의 순간 속도 계산 방식과 라이프니츠의 접선의 기울기 계산 방식은 수학적으로 동일한 극한 공식에 도달하게 됩니다. 서로 다른 동기에서 출발한 두 천재의 생각이 하나의 거대한 원리로 수렴하며 현대 미적분학의 기틀이 마련된 것입니다. 뉴턴은 1666년 이른바 '기적의 해'에 미적분학과 만유인력 등 위대한 발견들을 쏟아냈지만, 이를 즉시 논문으로 발표하지는 않았습니다. 반면 라이프니츠는 훗날 독자적으로 연구 결과를 출판했고, 이는 영국과 유럽 대륙 사이의 거대한 자존심 싸움으로 번지기도 했습니다. 비록 발견의 우선순위를 두고 오랜 논쟁이 이어졌으나, 그들의 유산은 오늘날 과학과 공학의 모든 분야에서 없어서는 안 될 필수적인 언어로 자리 잡았습니다.

[강연] 움직이는 세상을 표현한 수학의 언어, 미적분 1_by 김민형 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 1강 첫 번째 이야기

김민형

  • 수학

[강연] 움직이는 세상을 표현한 수학의 언어, 미적분 2_by 김민형 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 1강 두 번째 이야기 | 1강 ②

적분은 본래 넓이를 구하려는 근본적인 질문에서 시작되었습니다. 삼각형이나 사각형처럼 직선으로 이루어진 도형은 간단히 쪼개어 계산할 수 있지만, 원이나 타원처럼 경계선이 곡선인 경우에는 기존의 방식으로는 해결하기 어렵습니다. 이러한 난관은 미분에서 변화율을 다룰 때 마주하는 곡선의 문제와 본질적으로 맞닿아 있습니다. 결국 휘어진 경계 아래의 넓이를 어떻게 정의하고 계산할 것인가라는 고민이 적분이라는 학문의 출발점이 되었으며, 이는 '쌓는다'는 의미의 한자어 '적(積)'이나 '합친다'는 의미의 영어 '인티그레이션(Integration)'에도 잘 나타나 있습니다. 뉴턴은 이러한 넓이 문제를 함수를 이용해 해결하려는 혁신적인 관점을 도입했습니다. 특정 지점까지의 넓이를 하나의 함수로 정의하고, 끝점을 변화시키면서 넓이가 어떻게 바뀌는지 추적하는 방식입니다. 여기서 발견된 놀라운 사실은 넓이 함수의 미분값이 바로 원래 곡선을 이루는 함수와 같다는 점입니다. 이를 '미적분학의 기본 정리'라고 부르며, 이를 통해 전혀 다른 개념처럼 보였던 미분과 적분이 역연산 관계라는 것이 밝혀졌습니다. 덕분에 우리는 미분법을 거꾸로 활용하여 복잡한 곡선 아래의 넓이를 계산하는 효율적인 방법을 갖게 되었습니다. 17세기 이전의 수학이 유클리드 기하학에 기반한 정적인 관계를 다루었다면, 미적분은 움직이는 세상을 설명하기 위한 언어로 탄생했습니다. 갈릴레오는 물체의 운동이 포물선을 그린다는 사실을 실험적으로 발견했고, 뉴턴은 이를 체계화하여 운동 법칙을 정립했습니다. 가속도는 속도의 미분이고, 속도는 위치의 미분이라는 관계를 통해 물체의 미래 궤적을 예측할 수 있게 된 것입니다. 이처럼 미적분은 단순히 숫자를 계산하는 도구를 넘어, 변화하는 자연 현상을 미분 방정식이라는 틀 안에서 이해하고 분석할 수 있는 강력한 과학적 패러다임을 제공했습니다. 적분은 단순히 넓이를 구하는 것에 그치지 않고, 연속적으로 분포된 힘을 합산하는 도구로도 활용됩니다. 예를 들어 거대한 지구와 유성 사이의 중력을 계산할 때, 지구의 각 부분에서 작용하는 복잡한 중력 효과를 모두 더해주는 과정에서 적분이 필수적으로 사용됩니다. 이는 천체의 움직임을 정확하게 설명하려는 노력과 밀접하게 연관되어 있습니다. 미적분이라는 도구가 있었기에 인류는 보이지 않는 중력의 영향을 수치화하고, 행성들이 그리는 정교한 궤도를 수학적으로 증명하며 우주의 질서를 보다 깊이 있게 파악할 수 있게 되었습니다. 미적분의 진정한 위력은 관측되지 않는 세계를 추론하는 마술 같은 능력에 있습니다. 해왕성의 발견이 대표적인 사례인데, 당시 망원경으로는 보이지 않던 이 행성은 토성의 궤도가 이론적 계산에서 미세하게 벗어나는 현상을 분석함으로써 그 존재가 예측되었습니다. 미분 방정식을 통해 역으로 보이지 않는 힘의 근원을 찾아낸 것입니다. 이처럼 미적분은 인간 시각의 한계를 넘어 우주에 숨겨진 존재를 유추하게 해주었으며, 현대 과학에서도 입자의 발견이나 인공위성 궤도 계산 등 세상의 비밀을 푸는 핵심적인 열쇠로 작동하고 있습니다.

[강연] 움직이는 세상을 표현한 수학의 언어, 미적분 2_by 김민형 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 1강 두 번째 이야기

김민형

  • 수학

2강

[강연] 미분방정식과 충격파? 그 충격적인 관계 1_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 첫 번째 이야기 | 2강 ①

알베르트 아인슈타인은 세상이 특정한 시스템으로 이루어져 있으며, 이를 이해하기 위해 방정식을 사용한다고 말했습니다. 우리가 마주하는 현실은 끊임없이 변화하는 복잡한 요소들로 가득 차 있지만, 수학은 그 이면의 질서를 포착해내는 강력한 도구가 됩니다. 특히 세상을 이해하는 데 필수적인 도구로 꼽히는 미분 방정식은 단순한 수식을 넘어 사회 현상이나 물리적 변화를 설명하고 미래를 예측하는 데 중요한 역할을 수행합니다. 이는 현대 과학이 세상을 바라보는 가장 정교한 렌즈라고 할 수 있습니다. 미분 방정식의 기초가 되는 미적분은 본래 움직이는 세계를 이해하기 위해 탄생했습니다. 일주일 동안의 몸무게 변화를 예로 들면, 매 순간의 변화량을 따지는 것이 미분이고 그 변화량을 합산하여 전체적인 추이를 파악하는 것이 적분의 개념입니다. 인구 변화에서도 매달 늘어나는 인구수는 미분으로, 이를 바탕으로 연말의 총인구를 예측하는 것은 적분으로 이해할 수 있습니다. 이처럼 미적분은 우리 주변에서 일어나는 모든 동적인 변화를 수치화하고 분석할 수 있는 기본 틀을 제공합니다. 미분 방정식은 관찰된 현상을 수식화하여 미래를 예측하는 것을 궁극적인 목적으로 합니다. 하늘을 나는 글라이더의 매 순간 속도를 측정하여 앞으로의 궤적을 추적하는 과정이 대표적인 예시입니다. 현재의 데이터를 바탕으로 어떤 일이 벌어질지 미리 계산해내는 이 과정은 과학적 탐구의 핵심이라 할 수 있습니다. 단순한 현상 기록에 그치지 않고, 수립된 모델을 통해 아직 도달하지 않은 미래의 상태를 논리적으로 도출해낸다는 점에서 미분 방정식은 실용적인 가치와 학문적 깊이를 동시에 지닙니다. 미분 방정식은 포함된 변수의 개수에 따라 크게 상미분 방정식과 편미분 방정식으로 나뉩니다. 상미분 방정식은 함수가 시간과 같은 단 하나의 변수에만 의존하는 경우를 다루며, 비교적 단순한 시스템의 흐름을 설명할 때 주로 사용됩니다. 반면 편미분 방정식은 시간뿐만 아니라 3차원 공간의 위치처럼 여러 변수를 동시에 고려해야 하는 복잡한 현상을 설명하는 데 필수적입니다. 우리가 사는 세계는 다차원적이기 때문에, 분석하려는 현상의 특성에 맞춰 적절한 방정식을 선택하는 것이 연구의 시작이 됩니다. 감염병 확산 모델인 SIR 모델은 상미분 방정식의 대표적인 활용 사례입니다. 이는 인구 집단을 감염 가능 대상자, 감염자, 회복자의 세 그룹으로 나누어 시간에 따른 변화를 추적합니다. 감염자 수의 변화량은 현재 감염자와 감염 가능 대상자의 비율에 따라 결정되며, 이를 통해 팬데믹의 정점이나 종식 시점을 예측할 수 있습니다. 이러한 수학적 모델링은 실제 통계 자료와 결합하여 사회적 위기 상황에서 방역 정책을 수립하고 판단을 내리는 중요한 과학적 근거가 되어줍니다. 공간적 확산을 설명할 때는 편미분 방정식이 등장합니다. 물에 떨어진 잉크가 퍼져 나가는 현상을 관찰할 때, 특정 지점의 농도는 시간의 흐름뿐만 아니라 공간상의 위치에 따라서도 달라집니다. 이때 시간에 따른 농도 변화와 공간에 따른 확산 비율 사이의 관계를 물리 법칙으로 정립한 것이 바로 편미분 방정식입니다. 3차원 유체의 흐름이나 열의 전달처럼 시공간이 복잡하게 얽힌 물리 현상을 정확하게 묘사하기 위해서는 이러한 다변수 미분 구조에 대한 깊이 있는 이해가 반드시 필요합니다. 마지막으로 미분 방정식은 구조에 따라 선형과 비선형으로 구분됩니다. 선형 방정식은 입렧값의 합이 결괏값의 합과 일치하는 중첩의 원리가 적용되어 비교적 해를 구하기 쉽고 예측이 명확합니다. 하지만 실제 자연 현상의 많은 부분은 변수들이 복잡하게 얽힌 비선형 구조를 띠고 있습니다. 비선형 방정식은 작은 변화가 예상치 못한 큰 결과를 초래하기도 하여 분석이 매우 까다롭지만, 현실 세계의 역동성을 가장 정밀하게 담아낼 수 있다는 점에서 현대 수학과 과학의 핵심적인 연구 대상이 됩니다.

[강연] 미분방정식과 충격파? 그 충격적인 관계 1_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 첫 번째 이야기

배명진

  • 수학

[강연] 미분방정식과 충격파? 그 충격적인 관계 2_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 두 번째 이야기 | 2강 ②

미분 방정식을 선형과 비선형으로 구분하는 이유는 초기 조건이 같더라도 해의 거동이 극적으로 달라지기 때문입니다. 선형 방정식은 초기 상태의 그래프 모양을 유지하며 시간에 따라 일정하게 이동하는 성질을 가집니다. 반면 비선형 방정식은 현재의 값에 따라 전파 속도가 달라지므로, 시간이 흐를수록 해의 형태가 복잡하게 변합니다. 이러한 차이는 우리가 자연 현상을 이해하고 미래를 예측하는 방식에 근본적인 영향을 미치며, 수학자들이 두 체계를 엄격히 나누어 연구하는 핵심적인 이유가 됩니다. 비선형 방정식의 대표적인 예인 버거스 방정식은 교통 흐름이나 유체의 움직임을 설명하는 데 사용됩니다. 비선형 체계에서는 값이 큰 부분은 빠르게 이동하고 작은 부분은 느리게 이동하면서 그래프가 점점 가팔라지게 됩니다. 결국 어느 시점에는 미분이 불가능한 절벽 상태인 '충격파'가 발생하게 되는데, 이는 초기 조건이 아무리 매끄럽더라도 비선형성으로 인해 미래 예측이 매우 어려워질 수 있음을 시사합니다. 이러한 현상은 현실 세계의 복잡성을 반영하는 중요한 수학적 특징입니다. 우리가 다루는 많은 미분 방정식은 물리적 보존 법칙에 근거하고 있습니다. 질량, 운동량, 에너지 보존 법칙은 특정 공간 내 물질의 변화량이 경계면을 통해 드나드는 양, 즉 '플럭스'의 차이와 같다는 원리를 수학적으로 표현한 것입니다. 이러한 적분 방정식은 미적분학의 기본 정리를 통해 미분 방정식으로 변환되며, 이를 통해 우리는 복잡한 유체의 흐름이나 기상 변화를 수치적으로 모델링할 수 있게 됩니다. 이는 단순한 수식을 넘어 세상을 이해하기 위한 시도라고 할 수 있습니다. 유체 역학의 핵심인 나비에-스토크스 방정식과 오일러 방정식은 각각 점성이 있는 액체와 점성이 거의 없는 기체의 흐름을 설명합니다. 프랑스의 공학자 나비에와 아일랜드의 수학자 스토크스의 이름을 딴 이 방정식은 교량 건설부터 비행기 동체 설계까지 현대 공학의 필수적인 도구입니다. 점성의 유무에 따라 방정식의 형태와 풀이 방식이 달라지며, 이는 우리가 현실 세계의 물리적 현상을 얼마나 정밀하게 모방하느냐의 문제와 직결됩니다. 두 학자의 협력으로 탄생한 이 식은 유체 연구의 근간이 되었습니다. 나비에-스토크스 방정식은 세계 7대 수학 난제 중 하나로 꼽힐 만큼 매우 어렵습니다. 3차원 공간에서 모든 시간 동안 매끄러운 해가 존재하는지를 증명하는 문제는 여전히 미해결 상태로 남아 있습니다. 짧은 시간 동안은 해의 안정성을 증명할 수 있지만, 시간이 길어질수록 비선형성과 점성 사이의 복잡한 상호작용으로 인해 해의 성질을 파악하기가 불가능에 가까워집니다. 이는 수학적 엄밀함과 현실적 응용 사이의 거대한 도전 과제이며, 수많은 수학자가 백만 달러의 상금을 넘어 진리 탐구를 위해 도전하는 분야입니다. 오일러 방정식은 기체의 압축성을 다루며 초음속 비행 시 발생하는 소닉 붐이나 로켓 엔진 내부의 충격파 현상을 연구하는 데 활용됩니다. 기체는 액체와 달리 수축과 팽창이 자유롭기 때문에 밀도를 상수가 아닌 함수로 다루어야 하며, 이로 인해 계산의 복잡성이 극대화됩니다. 비선형성과 압축성이 결합하여 나타나는 불연속적인 변이 현상을 수학적으로 증명하고 그 안정성을 분석하는 작업은 공학적 안전성을 확보하는 데 매우 중요한 역할을 합니다. 이는 컴퓨터 시뮬레이션조차 쉽지 않은 고도의 학문적 영역입니다. 수학적 성취는 단순히 문제를 빨리 푸는 능력이 아니라 깊은 호기심과 끈기에서 비롯됩니다. 필즈상 수상자인 알레시오 피갈리처럼 대학에 진학해서야 미적분학을 처음 접하고도 위대한 업적을 남긴 사례는 우리에게 시사하는 바가 큽니다. 선행 학습의 압박에서 벗어나 자신만의 방식으로 생각하고 실패를 두려워하지 않는 태도가 중요합니다. 결과에 대한 걱정보다는 순수한 열정을 따라 도전하는 용기가 세상을 이해하는 진정한 수학적 사고의 시작이며, 이러한 마음가짐이 난제 해결의 열쇠가 될 것입니다.

[강연] 미분방정식과 충격파? 그 충격적인 관계 2_by 배명진 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 2강 두 번째 이야기

배명진

  • 수학

3강

조화해석학, 음의 세계를 해부하다 | 3강 ①

조화해석학은 세상에 존재하는 모든 함수를 삼각함수, 즉 사인과 코사인 함수의 결합으로 표현할 수 있다는 가설에서 출발합니다. 이 학문은 고대 그리스 철학자 데모크리토스가 모든 물질이 원자로 이루어져 있다고 주장한 것처럼, 함수의 세계에서도 삼각함수가 일종의 '원자' 역할을 한다고 볼 수 있습니다. 이러한 조화해석학의 기본 아이디어는 수학뿐 아니라 공학, 음악, 의료, 금융 등 다양한 분야에 응용되고 있습니다. 예를 들어, 피타고라스는 현악기의 진동을 통해 협화음의 원리를 밝혔고, 오늘날 전자악기는 단순음들의 결합 원리를 완전히 이해함으로써 개발될 수 있었습니다. 조화해석학의 응용은 음악을 넘어 지진파 분석, 의료 영상, 인공지능, 주식 시장 분석 등 실생활의 다양한 영역에서 발견됩니다. 예를 들어, 지진파를 사인 함수로 분해하면 지진의 발생 위치와 방식을 파악할 수 있고, CT 촬영에서는 여러 방향에서 얻은 정보를 조화해석학적으로 분해·합성하여 인체의 단면을 재구성합니다. 주식 시장의 가격 변동 역시 시간의 함수로 볼 수 있으며, 이를 사인 함수의 합으로 분해하면 시장의 본질적인 트렌드를 파악하는 데 도움이 됩니다. 이처럼 조화해석학은 복잡한 신호나 데이터를 단순한 구성 요소로 분해해 본질을 드러내는 강력한 도구입니다. 수학적으로는 입력값의 집합을 정의역, 출력값의 집합을 공역이라고 부르며, 함수는 이 두 집합 사이의 관계로 설명됩니다. 함수의 개념을 그래프로 시각화하면, 추상적인 수학적 관계를 보다 직관적으로 이해할 수 있습니다. 예를 들어, 섭씨 온도를 화씨로 변환하는 공식 역시 함수의 한 예로, 이를 그래프로 나타내면 두 변수 사이의 선형 관계를 쉽게 파악할 수 있습니다. 삼각함수는 직각삼각형의 변의 길이와 각도의 관계에서 출발한 함수로, 사인과 코사인 함수가 대표적입니다. 이 함수들은 파동이나 진동 현상을 수학적으로 표현하는 데 매우 유용하며, 실제로 밧줄의 진동이나 용수철의 움직임 등 일상에서 쉽게 관찰할 수 있습니다. 삼각함수의 역사적 기원은 고대 알렉산드리아의 히파르코스까지 거슬러 올라가며, 대항해시대에는 항해술의 필수 도구로 활용되었습니다. 삼각함수의 이러한 특성은 조화해석학에서 복잡한 신호를 단순한 파동의 합으로 분해하는 데 핵심적인 역할을 합니다. 삼각함수의 합성은 소리의 세계에서 흥미로운 현상을 만들어냅니다. 예를 들어, 440Hz와 441Hz의 소리를 동시에 들으면 맥놀이 현상이 발생하여 소리가 주기적으로 세졌다 약해졌다를 반복합니다. 이는 두 사인 함수를 더했을 때 나타나는 파형의 변화로 설명할 수 있습니다. 또한, 옥타브와 같은 음악적 개념도 진동수의 배수 관계에서 비롯되며, 이러한 원리는 공진 현상과도 연결됩니다. 공진은 외부에서 주기적인 힘이 가해질 때 시스템의 고유 주파수와 일치하면 진폭이 크게 증가하는 현상으로, 실제로 다리 붕괴와 같은 사고의 원인이 되기도 합니다. 조화해석학의 현대적 발전에는 프랑스 수학자 푸리에의 업적이 큰 역할을 했습니다. 푸리에는 열의 이동을 연구하면서 모든 함수를 사인과 코사인 함수의 합으로 표현할 수 있다는 가설을 세웠고, 이를 바탕으로 열 방정식을 풀 수 있었습니다. 열 방정식은 위치와 시간에 따라 온도가 어떻게 변하는지를 설명하는 편미분방정식으로, 조화해석학적 분해를 통해 복잡한 열의 이동을 단순한 파동의 합으로 분석할 수 있습니다. 푸리에의 이론은 이후 신호 처리, 잡음 제거, 데이터 분석 등 다양한 분야에서 핵심적인 도구로 자리 잡았습니다. 조화해석학은 단순히 수학적 난제를 푸는 데 그치지 않고, 실생활의 복잡한 현상을 이해하고 예측하는 데 필수적인 역할을 합니다. 음악, 의료, 금융, 공학 등 다양한 분야에서 신호나 데이터를 분해하고 본질을 파악하는 데 활용되며, 현대 과학과 기술의 발전에 큰 기여를 하고 있습니다. 앞으로도 조화해석학은 새로운 문제를 해결하고, 세상을 더 깊이 이해하는 데 중요한 열쇠가 될 것입니다.

조화해석학, 음의 세계를 해부하다

오창근

  • 수학

[강연] 조화해석학, 음의 세계를 해부하다 2_by 오창근 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 3강 두 번째 이야기 | 3강 ②

조화해석학의 핵심은 복잡해 보이는 모든 함수가 단순한 삼각함수들의 결합으로 이루어져 있다는 통찰에서 시작됩니다. 이는 정수론에서 모든 자연수가 소수들의 곱으로 분해되는 원리와 매우 유사합니다. 예를 들어 숫자 6이 2와 3의 곱으로 표현되듯, 우리가 마주하는 복잡한 파동이나 데이터 역시 기본적인 원자인 사인과 코사인 함수의 합으로 쪼개어 이해할 수 있습니다. 이러한 관점은 수학적 대상을 개별적인 단위로 분석하고 재구성할 수 있게 해주는 강력한 도구가 됩니다. 푸리에 급수는 이러한 철학을 수식으로 구현한 것입니다. 급수란 수열을 무한히 더해가는 과정을 의미하며, 푸리에 급수는 특정 함수를 나타내기 위해 다양한 주파수를 가진 삼각함수들을 차례로 쌓아 올립니다. 이때 각 삼각함수 앞에 붙는 계수들은 해당 성분이 전체 함수에서 차지하는 비중을 결정합니다. 기하학적으로 이 계수들은 함수 그래프와 축 사이의 면적을 계산하는 적분 과정을 통해 얻어지며, 이는 복잡한 전체 형상에서 특정 주파수의 에너지가 얼마나 포함되어 있는지를 정밀하게 측정하는 작업과 같습니다. 푸리에의 가설은 당시로서는 매우 파격적이었습니다. 어떤 형태의 함수라도 삼각함수의 합으로 표현할 수 있다는 그의 주장은 이후 100년이 넘는 시간 동안 수학자들의 도전 과제가 되었습니다. 결국 20세기 중반 카를레손에 의해 이 가설은 '거의 모든 곳'에서 성립한다는 사실이 증명되었습니다. 비록 극히 예외적인 경우를 제외하더라도, 우리가 일상에서 접하는 대부분의 연속적인 신호와 현상들이 푸리에의 원리 안에서 완벽하게 설명될 수 있다는 점은 현대 과학기술의 든든한 기초가 되었습니다. 이 이론은 현대의 디지털 생활에 깊숙이 침투해 있습니다. 대표적인 사례가 음성 파일의 압축과 노이즈 캔슬링 기술입니다. 인간의 귀가 듣지 못하는 고주파 성분을 푸리에 해석으로 찾아내어 제거함으로써 음질의 저하 없이 파일 용량을 획기적으로 줄일 수 있습니다. 또한 외부 소음의 파형을 분석하고 그와 반대되는 위상의 파동을 만들어 상쇄시키는 방식 역시 함수를 개별 주파수 성분으로 분해할 수 있다는 푸리에의 아이디어가 있었기에 가능했습니다. 수학적 추상이 실질적인 편의로 전환된 것입니다. 함수와 방정식의 관계를 이해하는 것 또한 중요합니다. 함수가 입력과 출력 사이의 유기적인 관계를 나타내는 자판기와 같다면, 방정식은 그 함수가 반드시 만족해야 하는 특정한 제약 조건이나 문제라고 할 수 있습니다. 푸리에는 열이 시간에 따라 어떻게 확산되는지를 설명하는 열방정식을 풀기 위해 고심했습니다. 복잡한 미분 방정식의 형태를 띤 이 문제를 해결하기 위해 그는 함수를 삼각함수의 합으로 분해하는 방식을 택했고, 이는 난해한 조건을 단순한 계산의 영역으로 끌어내리는 결정적인 계기가 되었습니다. 열방정식의 해결 과정은 조화해석학의 위력을 잘 보여줍니다. 온도 함수를 사인과 코사인의 무한 합으로 치환하면, 복잡한 미분 연산이 각 성분별 비교 작업으로 단순화됩니다. 이를 통해 특정 시간이 흐른 뒤의 온도 분포를 정확하게 예측할 수 있게 됩니다. 풀기 불가능해 보였던 물리적 현상을 우리가 잘 알고 있는 삼각함수들의 성질을 이용해 정복한 것입니다. 이러한 접근법은 오늘날 전자공학이나 물리학에서 복잡한 시스템의 변화를 예측하고 제어하는 데 필수적인 방법론으로 자리 잡았습니다. 마지막으로 푸리에 변환은 시간의 영역에서 관찰되던 신호를 주파수의 영역으로 옮겨놓는 마법을 부립니다. 이는 단순히 함수를 표현하는 방식을 바꾸는 것을 넘어, 현상을 바라보는 차원 자체를 이동시키는 작업입니다. 시간의 흐름에 따라 변하는 복잡한 파동을 주파수 공간에서의 단순한 점이나 선으로 변환함으로써, 우리는 데이터의 본질적인 특징을 더욱 명확하게 파악할 수 있습니다. 결국 푸리에 해석은 세상을 구성하는 보이지 않는 리듬을 읽어내고, 이를 수학이라는 언어로 재해석하여 인류의 지평을 넓힌 위대한 유산입니다.

[강연] 조화해석학, 음의 세계를 해부하다 2_by 오창근 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 3강 두 번째 이야기

오창근

  • 수학

4강

[강연] 곡면의 수학, 미분기하학 1_by 최범준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 │4강 첫 번째 이야기 | 4강 ①

미분기하학은 우리가 흔히 아는 직선이나 원을 넘어, 일반적인 곡선과 곡면의 성질을 미분이라는 도구로 분석하는 학문입니다. 단순히 모양을 관찰하는 것을 넘어 곡선이 얼마나 휘어 있는지, 공간이 어떤 구조를 갖추고 있는지를 수학적 언어로 설명합니다. 특히 2차원 평면을 넘어 우리가 살고 있는 3차원 공간, 혹은 그 이상의 고차원 세계를 이해하는 데 필수적인 역할을 합니다. 기하학적 대상을 미분의 관점에서 바라봄으로써 우리는 공간의 본질에 한 걸음 더 다가갈 수 있습니다. 곡률은 곡선이 굽은 정도를 나타내는 핵심 개념으로, 수학적으로는 반지름의 역수로 정의됩니다. 반지름이 작은 원일수록 더 급격하게 휘어지므로 곡률이 크고, 반지름이 무한대인 직선은 곡률이 0이 됩니다. 이를 물리적으로 해석하면 단위 속력으로 움직일 때 발생하는 가속도와도 깊은 관련이 있습니다. 곡선을 따라 이동하며 속도의 방향이 얼마나 빠르게 변하는지를 측정함으로써, 우리는 눈에 보이는 형태를 수치화된 데이터로 변환하여 정밀하게 분석할 수 있게 됩니다. 곡면에서의 곡률은 곡선보다 복잡하여, 한 점에서 수직인 법선을 포함하는 평면으로 자를 때 나타나는 무수히 많은 곡선 중 최댓값과 최솟값을 주목합니다. 이를 주곡률이라 부르며, 이 두 값은 곡면의 국소적인 형태를 결정짓는 중요한 지표가 됩니다. 예를 들어 평면은 모든 방향의 곡률이 0이지만, 원통이나 구는 방향에 따라 서로 다른 곡률 값을 가집니다. 이러한 주곡률의 개념을 통해 우리는 복잡한 곡면이 공간 속에서 어떻게 배치되어 있는지 체계적으로 이해할 수 있습니다. 가우스는 곡면을 구부려도 변하지 않는 성질인 '놀라운 정리(Theorema Egregium)'를 발견했습니다. 종이를 둥글게 말아 원통을 만들어도 각 점에서의 주곡률 곱인 가우스 곡률은 변하지 않는다는 것이 핵심입니다. 이는 곡면이 3차원 공간에 어떻게 놓여 있는가와 상관없이, 곡면 내부의 거리 정보만으로 결정되는 내재적인 성질임을 의미합니다. 가우스 스스로도 이 발견이 너무나 놀라워 직접 '놀라운 정리'라는 이름을 붙였을 만큼, 이는 현대 기하학의 패러다임을 바꾼 혁명적인 사건이었습니다. 가우스의 '놀라운 정리'는 실생활에서도 중요한 의미를 갖는데, 대표적인 예가 바로 지도 제작입니다. 구 형태인 지구를 평면 지도로 옮길 때 거리나 각도, 면적 중 일부가 왜곡되는 이유는 구와 평면의 가우스 곡률이 다르기 때문입니다. 가우스 곡률이 양수인 구를 곡률이 0인 평면으로 완벽하게 펼치는 것은 수학적으로 불가능합니다. 따라서 메르카토르 도법처럼 특정 목적에 맞춰 왜곡을 감수하는 다양한 지도 제작법이 등장하게 되었으며, 이는 기하학적 원리가 현실의 제약을 설명하는 좋은 사례입니다. 가우스-보네 정리는 국소적인 기하학적 정보인 곡률과 전체적인 구조를 다루는 위상수학을 연결하는 가교 역할을 합니다. 곡면 전체에서 가우스 곡률을 모두 더하면, 그 결과는 곡면의 구멍 개수와 관련된 오일러 표수에 의해 결정됩니다. 즉, 토러스(도넛 모양)를 아무리 찌그러뜨려도 전체 곡률의 합은 변하지 않습니다. 이는 미시적인 측정값들의 합이 거시적인 형태의 본질을 규정한다는 놀라운 통찰을 제공하며, 수학의 서로 다른 분야가 어떻게 하나로 통합될 수 있는지를 보여줍니다. 가우스의 제자인 리만은 이러한 곡률의 개념을 고차원 공간으로 확장하여 리만 기하학을 창시했습니다. 그는 공간을 규정하는 핵심 요소가 점들 사이의 거리라는 철학적 제안을 던졌으며, 이는 훗날 아인슈타인의 일반 상대성 이론의 수학적 토대가 되었습니다. 중력에 의해 시공간이 휘어진다는 물리적 직관은 리만이 정립한 곡률의 언어를 통해 비로소 정교하게 기술될 수 있었습니다. 결국 미분기하학은 우리가 우주를 이해하는 방식을 근본적으로 바꾸어 놓은 현대 과학의 근간이라 할 수 있습니다.

[강연] 곡면의 수학, 미분기하학 1_by 최범준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 │4강 첫 번째 이야기

최범준

  • 수학

[강연] 곡면의 수학, 미분기하학 탐험 2_by 최범준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 │4강 두 번째 이야기 | 4강 ②

기하학의 역사는 땅을 측정하는 것에서 시작되었지만, 현대 수학에서는 이를 최적화라는 개념과 연결하여 깊이 있게 다룹니다. 최적화란 특정 조건 아래에서 함수의 최댓값이나 최솟값을 찾는 과정을 의미합니다. 평면 위의 두 점을 잇는 가장 짧은 경로가 직선이라는 자명한 사실부터, 정해진 둘레 안에서 가장 넓은 면적을 차지하는 도형을 찾는 문제까지 모두 기하학적 최적화의 범주에 속합니다. 이러한 문제를 해결하기 위해 수학자들은 변분법이라는 도구를 사용하여 복잡한 도형의 성질을 분석하고 증명해 왔습니다. 정해진 둘레를 가진 도형 중 면적이 가장 넓은 것은 원입니다. 이는 직관적으로 대칭성이 높은 도형이 최적의 해가 될 가능성이 크다는 점을 시사합니다. 수학적으로는 오목한 부분을 볼록하게 펴거나 대칭화하는 과정을 통해 면적을 넓힐 수 있는데, 이를 슈타이너 대칭화라고 부릅니다. 모든 방향에서 동일하게 볼록한 원은 더 이상 면적을 넓힐 수 없는 극한의 상태에 도달한 결과물입니다. 이러한 기하학적 통찰은 단순히 계산을 넘어 공간이 가진 본질적인 효율성과 대칭의 아름다움을 이해하는 중요한 열쇠가 됩니다. 변분법은 미세한 변화를 주어도 전체적인 상태가 변하지 않는 지점을 찾는 학문입니다. 이는 마치 함수의 그래프에서 기울기가 0인 극점을 찾는 것과 유사합니다. 이 원리를 3차원 공간으로 확장하면 비누막과 같은 극소 곡면의 개념이 등장합니다. 비누막은 표면 장력에 의해 주어진 경계 안에서 면적을 최소화하려는 성질을 가집니다. 자연은 스스로 에너지를 최소화하는 방향으로 형태를 결정하며, 수학자들은 이를 통해 무한 차원의 공간에서도 최적의 해가 존재함을 증명해 냈습니다. 이는 자연의 효율성을 수학적으로 입증한 사례입니다. 극소 곡면의 대표적인 예로는 두 원형 철사 사이에 생기는 현수면이 있습니다. 이는 단순히 원통형을 이루는 것이 아니라, 허리 부분이 잘록하게 들어간 형태를 띱니다. 면적을 줄이려는 성질과 경사로 인해 면적이 늘어나는 성질 사이에서 절묘한 균형을 찾은 결과입니다. 수학적으로 극소 곡면은 두 주곡률의 합인 평균 곡률이 0이 되는 지점으로 정의됩니다. 한쪽은 위로, 다른 쪽은 아래로 볼록한 안장 형태를 띠며 어느 방향으로도 치우치지 않는 평형 상태를 유지하는 것입니다. 이러한 정교한 계산은 자연이 선택한 최적의 비율을 보여줍니다. 기하학적 최적화는 현대 수학의 난제를 해결하는 데에도 결정적인 역할을 했습니다. 대표적으로 푸앵카레 추측은 리치 흐름이라는 방정식을 통해 해결되었습니다. 이는 불규칙한 공간을 시간이 흐름에 따라 점점 균일하고 대칭적인 형태로 변화시켜 최적화하는 과정과 닮아 있습니다. 열이 퍼져 평형을 이루듯, 공간의 곡률을 고르게 펴서 구의 형태로 수렴시키는 이 방식은 미분 기하학의 강력한 힘을 증명했습니다. 결국 기하학은 단순한 측량을 넘어, 우주의 구조와 자연의 원리를 최적화라는 관점에서 바라보는 거대한 틀을 제공합니다.

[강연] 곡면의 수학, 미분기하학 탐험 2_by 최범준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 │4강 두 번째 이야기

최범준

  • 수학

5강

[강연] 수치해석학, 근사와 과학계산의 예술 1_by 홍영준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 5강 첫 번째 이야기 | 5강 ①

수치해석학은 현실의 복잡한 문제를 해결하기 위해 정확한 해 대신 근사해를 구하는 학문입니다. 우리가 흔히 수학이라고 하면 단 하나의 정답만을 떠올리기 쉽지만, 실제 세상의 문제들은 너무나 방대하고 복잡하여 수식만으로 완벽한 답을 내기 어려운 경우가 많습니다. 이때 수치해석학은 우리가 허용할 수 있는 오차 범위 내에서 가장 정답에 가까운 값을 찾아내는 길잡이 역할을 합니다. 단순히 값을 구하는 것에 그치지 않고, 그 근삿값이 실젯값과 얼마나 차이가 나는지 엄밀하게 분석하는 과정까지 포함하는 것이 이 학문의 본질입니다. 무리수인 루트 2를 예로 들면, 이는 소수점 아래로 무한히 이어지는 숫자입니다. 이를 이해하기 위해 수치해석에서는 점화식과 같은 알고리즘을 활용합니다. 특정 수식에 초기값을 대입하고 그 결과를 다시 대입하는 과정을 반복하면, 결괏값은 점차 루트 2의 실젯값에 무한히 가까워집니다. 이러한 반복적인 계산 과정은 수치해석의 가장 기초적이면서도 핵심적인 원리입니다. 현대에는 이러한 방대한 반복 계산을 컴퓨터가 대신 수행함으로써 과거에는 상상할 수 없었던 정밀한 수치 계산이 가능해졌으며, 이는 모든 공학적 설계의 기초가 됩니다. 수치해석학의 응용 분야는 우리 실생활과 밀접하게 맞닿아 있습니다. 포탄의 궤적을 계산하거나 인공위성을 쏘아 올릴 때, 혹은 심장의 혈류 흐름을 분석할 때도 수치해석적 기법이 필수적으로 사용됩니다. 특히 분야에 따라 허용되는 오차의 범위가 다르다는 점이 흥미롭습니다. 포탄의 경우 수십 센티미터의 오차가 큰 문제가 되지 않을 수 있지만, 의료 분야나 정밀 공학에서는 아주 미세한 오차도 치명적인 결과를 초래할 수 있습니다. 따라서 수치해석학은 상황에 맞는 정밀도를 확보하기 위해 오차의 크기를 수학적으로 엄격하게 관리하고 예측합니다. 기상 예보의 역사는 수치해석학의 발전 과정을 잘 보여주는 대표적인 사례입니다. 과거 아리스토텔레스 시대에는 구름의 모양을 보고 날씨를 예측하는 패턴 매칭 방식이 주를 이루었습니다. 하지만 19세기 이후 물리 법칙을 담은 방정식이 등장하면서 수치적인 접근이 시작되었습니다. 루이스 리처드슨은 6만 4천 명의 사람이 동시에 계산한다면 날씨를 예측할 수 있을 것이라는 거대한 상상을 하기도 했습니다. 이는 오늘날 슈퍼컴퓨터가 수행하는 복잡한 기상 수치 모델링의 원형이 되었으며, 현대 기상학이 과학적 예측의 영역으로 들어오는 결정적인 계기가 되었습니다. 현대 기상 예보의 핵심인 슈퍼컴퓨터는 폰 노이만의 에니악 등장 이후 비약적으로 발전했습니다. 우리나라도 독자적인 기상 예측 모델인 '한국형 수치예보모델(KIM)'을 개발하여 한국 지형의 특성에 최적화된 예보를 수행하고 있습니다. 기상 모델링은 자연계의 복잡한 현상을 수많은 변수로 표현해야 하기에 매우 난도가 높습니다. 관측 데이터의 오차와 모델 자체의 한계를 극복하며 정확도를 높여가는 과정은 수치해석학이 직면한 거대한 도전이자 성과입니다. 이는 단순한 계산을 넘어 국가적 기술력의 상징이자 재난 대비를 위한 필수적인 과학적 자산이라 할 수 있습니다. 구체적인 기법으로는 뉴턴-랩슨 방법과 수치 적분이 대표적입니다. 뉴턴-랩슨 방법은 비선형 방정식의 해를 찾기 위해 접선을 이용해 정답에 빠르게 접근하는 방식입니다. 반복할수록 오차가 제곱 단위로 줄어드는 놀라운 수렴 속도를 자랑합니다. 또한, 복잡한 곡선의 면적을 구하는 적분 역시 사다리꼴 공식이나 가우스-르장드르 구적법을 통해 효율적으로 계산할 수 있습니다. 이러한 기법들은 무한한 연속의 세계를 컴퓨터가 처리할 수 있는 유한한 이산의 세계로 변환하는 핵심 기술이며, 가성비 높은 계산을 가능하게 하여 공학적 효율성을 극복합니다. 마지막으로 오일러 방법은 미분 방정식을 푸는 가장 직관적인 수치 해법입니다. 시간의 흐름에 따른 변화를 작은 단위로 쪼개어 다음 단계의 상태를 예측하는 이 방식은 현대 인공지능의 기계 학습 원리와도 깊은 연관이 있습니다. 수치해석학은 정답이 없는 것이 아니라, 정답을 향해 끊임없이 다가가는 역동적인 학문입니다. 복잡한 현실 세계를 수학이라는 언어로 번역하고, 이를 다시 컴퓨터가 이해할 수 있는 수치로 바꾸는 이 과정은 미래 과학 기술 발전의 든든한 뿌리가 되고 있습니다. 수치해석은 결국 인간의 지혜를 컴퓨터의 연산력으로 치환하는 가교입니다.

[강연] 수치해석학, 근사와 과학계산의 예술 1_by 홍영준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 5강 첫 번째 이야기

홍영준

  • 수학

[강연] 수치해석학, 근사와 과학계산의 예술 2_by 홍영준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 5강 두 번째 이야기 | 5강 ②

공학 분야에서 비행기의 날개나 유체의 흐름처럼 복잡한 물리 현상을 시뮬레이션할 때 가장 널리 쓰이는 기법 중 하나가 바로 유한요소법(FEM)입니다. 이는 복잡한 편미분 방정식을 컴퓨터가 풀 수 있는 형태로 변환하는 방법론으로, 1960년대부터 폭발적으로 발전하며 현대 공학의 필수적인 도구가 되었습니다. 유한요소법의 핵심은 문제를 아주 작은 '유한한' 요소들로 쪼개어 분석하는 데 있으며, 이는 우리가 흔히 접하는 거대한 구조물부터 미세 유체 역학까지 광범위하게 적용되어 현대 문명의 안전과 효율을 지탱하고 있습니다. 미분 방정식을 푼다는 것은 연속적인 변화를 이해하는 과정이지만, 수치해석적 관점에서는 이를 인접한 항들 사이의 관계로 치환하여 바라봅니다. 오일러의 통찰처럼 미분을 없애고 변수를 잘게 쪼개어 인접한 점들이 어떤 관계를 맺는지 정의하면, 복잡한 미분 문제는 결국 우리가 익숙한 연립방정식의 형태로 바뀝니다. 현미경으로 들여다보듯 국소적인 영역에서의 관계를 규정하고 이를 전체로 확장하여 행렬 방정식으로 풀어내는 과정이 바로 수치 선형대수학의 핵심적인 원리이며, 이를 통해 인간이 풀기 힘든 난제들을 컴퓨터로 해결할 수 있게 됩니다. 유한요소법에서는 '기저 함수'라고 불리는 작은 조각들을 활용하여 전체 함수를 형성합니다. 각각의 기저 함수는 자신이 담당하는 특정 영역에서만 값을 가지고 나머지 영역에서는 0이 되는 특성을 지니는데, 이 뾰족뾰족한 기저 함수들에 적절한 상수를 곱해 모두 더하면 우리가 원하는 연속 함수의 근삿값을 얻을 수 있습니다. 1차원에서는 삼각형 모양의 기저 함수를 사용하지만, 차원이 높아지면 삼각뿔 형태의 기저 함수를 활용하여 2차원이나 3차원의 복잡한 문제도 유연하게 해결할 수 있습니다. 이는 실생활의 연속적인 현상을 디지털 환경에서 정교하게 구현하는 강력한 도구가 됩니다. 이러한 수치해석 기법은 건축물의 안전 진단부터 기상 예측에 이르기까지 우리 삶의 도처에 스며들어 있습니다. 다리를 건설할 때 어느 부분에 하중이 집중되는지 정확히 계산하여 설계를 보강하거나, 비행기 설계 시 공기 저항을 최소화하기 위한 난류 시뮬레이션에도 유한요소법이 필수적으로 사용됩니다. 최근에는 구글이나 마이크로소프트 같은 빅테크 기업들이 기존의 수치해석 방식에 인공지능을 결합하여 태풍의 경로를 예측하거나 기상 정보를 분석하는 등, 더욱 정교하고 빠른 예측 모델을 선보이며 과학 기술의 새로운 지평을 열고 있습니다. 인공지능과 수치해석학은 서로의 발전을 견인하는 상호보완적인 관계에 있습니다. 인공지능의 계산 능력을 빌려 수 주가 걸리던 복잡한 시뮬레이션 시간을 획기적으로 단축하는 연구가 진행 중이며, 반대로 수치해석적 기법을 통해 인공지능 모델의 수학적 근거를 마련하려는 움직임도 활발합니다. 특히 생성형 딥러닝 모델의 핵심 원리에 확률 편미분 방정식이 포함되어 있다는 점은 두 분야의 깊은 연관성을 잘 보여줍니다. 현대의 복잡한 고차원 문제를 해결하고 기술적 신뢰성을 확보하기 위해 두 학문의 하이브리드 협업은 앞으로 더욱 중요해질 전망입니다.

[강연] 수치해석학, 근사와 과학계산의 예술 2_by 홍영준 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 5강 두 번째 이야기

홍영준

  • 수학

6강

[강연] 문제를 어떻게 뒤집어요? 역문제, 결과에서 원인 찾기 1_by 임미경 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 6강 첫 번째 이야기 | 6강 ①

수학에서 '역문제'란 결과로부터 원인을 추론하는 과정을 의미합니다. 보통의 수학 문제가 주어진 조건에서 답을 구하는 '순문제'라면, 역문제는 측정값을 바탕으로 그 결과를 만들어낸 원래의 상태나 규칙을 찾아내는 방식입니다. 일상 속의 스도쿠나 네모로직 같은 퍼즐도 일종의 역문제로 볼 수 있습니다. 제한된 정보를 조합하여 전체의 그림을 완성해 나가는 과정이 역문제의 본질과 맞닿아 있기 때문입니다. 역문제는 현대 과학에서 '비침습 탐지'라는 중요한 역할을 수행합니다. 직접 땅을 파거나 물체를 부수지 않고도 내부 구조를 파악할 수 있게 해주는 것입니다. 예를 들어 지진이 발생했을 때 관측된 지진파를 분석하여 진앙의 위치를 역으로 추적하거나, 지표면 아래의 싱크홀 유무를 판단하는 연구가 대표적입니다. 이는 우리가 직접 눈으로 볼 수 없는 영역의 진실을 수학적 추론을 통해 밝혀내는 강력한 도구가 됩니다. 우주 탐사 분야에서도 역문제는 빛을 발합니다. 태양계의 행성인 해왕성의 발견은 관찰보다 수학적 계산이 앞선 '기획된 발견'의 사례입니다. 천왕성의 궤도가 이론적 예측과 다르게 움직이는 것을 보고, 그 바깥에 영향을 주는 또 다른 행성이 존재해야만 한다는 결론을 내린 것입니다. 수학자들은 계산을 통해 새로운 행성이 나타날 위치와 시간을 정확히 예측했고, 실제 관측을 통해 그 존재가 증명되면서 수학적 확신의 힘을 보여주었습니다. 의료 현장에서 필수적인 CT나 MRI 촬영 역시 역문제의 원리를 이용합니다. 신체 외부에서 엑스레이나 자기장을 쏘아 투과된 정보를 수집하고, 이를 바탕으로 몸속 장기의 단면 이미지를 재구성하는 것입니다. 여러 각도에서 측정값들을 모아 3차원 형상으로 만들어내는 과정에는 고도의 수학적 알고리즘이 필요합니다. 이를 통해 의사들은 환자의 몸에 칼을 대지 않고도 내부의 질병이나 이상 유무를 정밀하게 진단할 수 있게 되었습니다. 이러한 의료 영상 기술의 핵심에는 '라돈 변환'이라는 수학적 개념이 자리 잡고 있습니다. 엑스레이가 인체를 통과할 때 각 지점의 밀도에 따라 에너지가 줄어드는 정도를 적분하여 측정값으로 변환하는 과정입니다. 수학자들은 이렇게 얻은 측정값에 푸리에 변환과 같은 기법을 적용하여 원래의 밀도 분포를 역으로 계산해 냅니다. 복잡한 수식과 기호들로 이루어진 이 과정은 보이지 않는 내부의 밀도 지도를 그리는 정교한 설계도와 같습니다. 하지만 결과로부터 원인을 찾는 과정이 항상 완벽한 것은 아닙니다. 때로는 서로 다른 원인이 동일한 결과를 만들어낼 수도 있기 때문입니다. 예를 들어 특정 방향에서 본 그림자가 사람의 형상일지라도, 실제 물체는 전혀 다른 금속 조각들의 조합일 수 있습니다. 따라서 정확한 해답을 얻기 위해서는 충분한 양의 정보와 함께 현상을 정확하게 설명할 수 있는 정교한 모델링이 필수적입니다. 이론과 기술의 병행 발전이 역문제 해결의 열쇠가 되는 이유입니다. 역문제 연구는 경제적으로도 큰 가치를 지닙니다. 고가의 의료 장비를 새로 구입하는 대신, 기존 장비에 적용되는 수학적 알고리즘을 개선함으로써 영상의 선명도를 획기적으로 높일 수 있기 때문입니다. 하드웨어의 한계를 소프트웨어적인 수학적 접근으로 극복하는 방식은 가성비 높은 혁신을 가능하게 합니다. 이처럼 수학은 순수 학문을 넘어 공학, 의학 등 다양한 분야와 협업하며 실생활의 문제를 해결하는 실천적인 학문으로 진화하고 있습니다.

[강연] 문제를 어떻게 뒤집어요? 역문제, 결과에서 원인 찾기 1_by 임미경 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 6강 첫 번째 이야기

임미경

  • 수학

[강연] 문제를 어떻게 뒤집어요? 역문제, 결과에서 원인 찾기 2_by 임미경 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 6강 두 번째 이야기 | 6강 ②

수학적 이론이 실제 기술로 구현되기까지는 종종 오랜 시간이 걸립니다. 오스트리아의 수학자 요한 라돈이 1917년에 발표한 '라돈 변환'이 대표적인 사례입니다. 그는 내부 구조를 알 수 없는 대상의 단면을 수학적으로 재구성하는 이론을 정립했지만, 당시에는 이를 실현할 기술이 없었습니다. 하지만 수십 년 뒤 이 이론은 CT 스캔의 핵심 원리가 되어 현대 의학의 혁명을 일으켰습니다. 이는 수학자의 상상력이 시대를 앞서가며 미래 기술의 토대를 마련한다는 점을 잘 보여줍니다. 라돈의 뒤를 이어 역문제 분야에 큰 족적을 남긴 인물로 아르헨티나의 수학자 알베르토 칼데론을 꼽을 수 있습니다. 엔지니어 출신이었던 그는 '칼데론 문제'를 제시하며 전기 임피던스 단층 촬영(EIT) 기술의 이론적 기초를 닦았습니다. EIT는 인체에 미세한 전류를 흘려보내 전압 변화를 측정함으로써 내부 장기의 상태를 실시간으로 파악하는 기술입니다. 방사선 노출 위험이 적고 연속적인 모니터링이 가능하다는 점에서 CT나 MRI와는 차별화된 강점을 지닙니다. 칼데론 문제는 라돈 변환보다 훨씬 복잡한 수학적 해결 과정을 요구합니다. 엑스레이는 직진성이 강해 직선상의 변화를 측정하기 용이하지만, 전류는 매질에 따라 휘어져 이동하기 때문입니다. 이를 해결하기 위해 칼데론은 편미분 방정식을 활용하여 경계면의 전압과 전류 밀도 데이터를 통해 내부의 전도율을 역산하는 모델을 구축했습니다. 이러한 해석학적 접근은 이후 수많은 수학자가 역문제 연구에 뛰어드는 계기가 되었으며, 암세포 탐지 등 다양한 실생활 응용으로 이어졌습니다. 역문제를 다룰 때 가장 까다로운 지점은 문제가 '부적절하게 정립된(ill-posed)' 경우가 많다는 것입니다. 이는 해가 유일하지 않거나 존재하지 않을 수 있고, 작은 측정 오차에도 결과값이 크게 요동치는 불안정성을 의미합니다. 실제 측정 데이터에는 항상 노이즈가 포함되어 있기 때문에, 수학자들은 이를 보정하기 위해 정칙화와 같은 고도의 기법을 사용합니다. 원인으로부터 결과를 도출하는 순방향 문제와 달리, 결과에서 원인을 찾는 과정은 이처럼 수많은 변수와 불확실성을 극복해야 하는 도전적인 과제입니다. 역문제의 불가능성을 보여주는 흥미로운 사례로 '드럼의 소리를 듣고 그 모양을 알 수 있는가'라는 질문이 있습니다. 직관적으로는 모양이 다르면 소리도 다를 것 같지만, 수학적으로는 완전히 다른 모양임에도 불구하고 동일한 고유 진동수를 갖는 도형들이 존재합니다. 즉, 소리라는 결과값만으로는 원래의 드럼 모양을 유일하게 특정할 수 없는 상황이 발생하는 것입니다. 이는 역문제가 가진 본질적인 한계를 시사하며, 특정 조건이나 제약 사항을 추가하여 해의 유일성을 확보하는 연구의 중요성을 일깨워줍니다. 최근 역문제 연구는 단순히 내부를 들여다보는 것을 넘어, 외부 파동을 제어하는 디자인 문제로 확장되고 있습니다. '뉴트럴 인클루전(Neutral Inclusion)' 개념은 특정 물질을 코팅하여 외부 물리장의 변화를 상쇄함으로써 마치 아무것도 없는 것처럼 보이게 만드는 기술입니다. 이는 투명 망토나 스텔스기 설계의 핵심 원리와 맞닿아 있습니다. 파동의 반사를 최소화하거나 흡수하도록 구조를 설계함으로써 탐지를 피하는 방식은, 역문제의 원리를 역이용하여 우리가 원하는 물리적 효과를 창출하는 현대 과학의 정수를 보여줍니다. 역문제는 우리가 직접 볼 수 없는 세계를 이해하게 해주는 강력한 도구입니다. 지구 내부의 구조를 파악하는 지질 탐사부터 우주 먼 곳의 행성을 발견하는 천문학, 그리고 인체 내부를 진단하는 의료 기술에 이르기까지 그 활용 범위는 무궁무진합니다. 추상적인 수학 이론이 정교한 알고리즘과 컴퓨터의 계산 능력을 만나 실생활의 난제들을 해결해 나가는 과정은 경이롭기까지 합니다. 보이지 않는 것을 보이게 만드는 이 수학적 마술은 앞으로도 과학 기술의 한계를 넓히는 데 핵심적인 역할을 할 것입니다.

[강연] 문제를 어떻게 뒤집어요? 역문제, 결과에서 원인 찾기 2_by 임미경 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 6강 두 번째 이야기

임미경

  • 수학

7강

[강연] 불확실과 확실, 그 사이의 외줄타기 : 확률 1_by 서인석 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 7강 첫 번째 이야기 | 7강 ①

확률은 일상에서 흔히 쓰이는 친숙한 개념처럼 보이지만, 사실 수학적으로 정립된 지는 100년도 채 되지 않은 생소한 분야입니다. 우리는 동전을 던지거나 일기예보를 볼 때 직관적으로 확률을 이해한다고 믿지만, 인류가 이 개념을 명확히 깨닫기까지는 수천 년의 시간이 필요했습니다. 확률의 역사는 단순히 숫자를 계산하는 법을 배운 과정이 아니라, 세상을 바라보는 관점이 근본적으로 변화해 온 과정이라 할 수 있습니다. 고대 유적에서는 기원전 6000년경의 주사위가 발견될 정도로 인류는 오래전부터 우연을 이용한 놀이를 즐겼습니다. 하지만 놀랍게도 16세기 이전까지는 확률이라는 개념 자체가 존재하지 않았습니다. 당시 사람들은 주사위 눈이 나오는 결과를 우연이 아닌 신의 뜻이나 운명으로 여겼기 때문입니다. 불확실한 미래를 계량화하려는 시도 대신 신앙에 의존했던 사회적 분위기가 확률의 등장을 늦추는 결정적인 요인이 되었습니다. 르네상스 시대를 거치며 상업과 보험이 발달하자 인류는 위험을 회피하기 위해 우연을 과학적으로 분석하기 시작했습니다. 확률론의 본격적인 시작은 17세기 파스칼과 페르마가 주고받은 편지에서 비롯되었습니다. 중단된 도박의 상금을 어떻게 배분할 것인가라는 지극히 현실적인 고민이 수학적 논의로 이어졌고, 이를 통해 '전체 경우의 수 대비 해당 경우의 수'라는 확률의 기초적인 정의가 인류 역사상 처음으로 정립되었습니다. 19세기에 이르러 라플라스는 확률을 인간의 지식 부족을 보완하는 도구로 정의했습니다. 그는 우주의 모든 입자의 위치와 운동량을 아는 존재가 있다면 미래는 확정되어 있지만, 인간은 그 복잡한 상호작용을 모두 계산할 수 없기에 확률을 사용한다고 보았습니다. 이러한 관점은 우연을 신의 영역에서 떼어내 세속화하는 계기가 되었으며, 수많은 데이터를 다루는 통계학이 확률과 함께 비약적으로 발전하는 토대가 되었습니다. 확률이 어려운 이유는 우리의 직관과 충돌하는 경우가 많기 때문입니다. 예를 들어 두 자녀 중 한 명이 딸이라는 정보가 있을 때 모두 딸일 확률을 구하는 문제는 조건에 따라 결과가 판이하게 달라집니다. 특히 '월요일에 태어난 딸'과 같은 추가 정보가 주어지면 확률이 예상치 못한 수치로 변하는 현상은 전문가들조차 직관적으로 설명하기 힘들어합니다. 이는 인간의 직관이 얼마나 허약한지를 보여주며, 왜 엄밀한 수학적 접근이 필요한지를 증명합니다. 몬티 홀 문제나 두 개의 봉투 역설 역시 확률적 사고가 얼마나 까다로운지를 잘 보여줍니다. 선택을 바꾸는 것이 유리하다는 결론이나 기댓값이 무한히 증폭되는 논리적 오류는 단순한 계산 이상의 깊은 통찰을 요구합니다. 20세기에 들어서야 확률이 수학적 공리계 위에서 정의될 수 있었던 이유는, 이처럼 직관을 배제하고 논리적 엄밀함을 갖추는 과정이 그만큼 험난했기 때문입니다. 확률은 단순한 운이 아니라 정교한 논리의 산물입니다. 확률에 대한 오해는 때로 사회적 비극을 초래하기도 합니다. 영국의 샐리 클락 사건처럼 독립적이지 않은 사건의 확률을 잘못 계산하여 무고한 사람에게 유죄를 선고한 사례는 확률적 문해력의 중요성을 일깨워줍니다. 우리는 확률을 잘 안다고 착각하기 쉽지만, 사실은 여전히 낯설고 생소한 영역임을 인정해야 합니다. 불확실한 세상에서 확실한 판단을 내리기 위해 수학이라는 도구로 우리의 빈약한 직관을 끊임없이 보강해야 하는 이유가 여기에 있습니다.

[강연] 불확실과 확실, 그 사이의 외줄타기 : 확률 1_by 서인석 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 7강 첫 번째 이야기

서인석

  • 수학

[강연] 불확실과 확실, 그 사이의 외줄타기 : 확률 2_by 서인석 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 7강 두 번째 이야기 | 7강 ②

확률은 17세기부터 논의되어 왔으나 20세기 초까지도 독립된 수학 분야로 온전히 자리 잡지 못했습니다. 1900년 수학자 힐베르트는 인류가 해결해야 할 주요 과제 중 하나로 확률을 수학적 공리에 의해 정의할 것을 제안했습니다. 이에 응답한 인물이 바로 콜모고로프입니다. 그는 1933년 측도론을 기반으로 확률론의 기틀을 세웠으며, 이는 파스칼과 페르마 이후 약 300년 만에 확률이 엄밀한 수학적 체계를 갖추게 된 역사적인 순간이었습니다. 콜모고로프의 공리적 정의는 의외로 단순한 철학에서 시작됩니다. 전체 사건이 발생할 확률을 1로 두고, 서로 겹치지 않는 사건들의 확률을 합산하는 등 우리가 당연하게 여기는 성질들을 수학적 언어로 정리한 것입니다. 이러한 접근은 확률을 해석학의 틀 안에서 설명할 수 있게 했으며, 덕분에 확률론은 편미분 방정식이나 조화 해석과 같은 고등 수학 도구들을 활용하며 폭발적으로 발전할 수 있는 토대를 마련하게 되었습니다. 하지만 수학적 정의와 현실 세계의 구현 사이에는 괴리가 존재합니다. 우리는 동전 던지기의 확률을 흔히 절반이라고 생각하지만, 퍼시 다이아코니스 교수의 연구에 따르면 물리적인 동전 던지기는 처음에 위를 향했던 면이 다시 나올 확률이 약 50.8%로 더 높습니다. 이는 완벽한 무작위성을 현실에서 구현하는 것이 얼마나 어려운지를 시사하며, 우리가 당연하게 믿어왔던 확률적 공정성에 대해 다시금 질문을 던지게 만듭니다. 진정한 무작위성을 만들기 어려운 현실에서 인류가 고안한 해결책은 '마르코프 체인 몬테카를로(MCMC)' 기법입니다. 이는 특정 지점에서 시작해 서서히 확률을 퍼뜨려 목표하는 분포에 도달하게 만드는 방식입니다. 처음에는 무작위가 아니더라도 반복적인 과정을 통해 점차 정교한 확률 분포를 만들어내는 이 철학은, 오늘날 복잡한 데이터를 처리하는 딥러닝과 인공지능 알고리즘의 핵심적인 기반 기술로 자리 잡고 있습니다. MCMC의 흥미로운 특성 중 하나는 '컷오프 현상'입니다. 카드 섞기를 예로 들면, 카드는 섞을 때마다 조금씩 무작위해지는 것이 아니라 다섯 번까지는 거의 섞이지 않다가 일곱 번이 되는 순간 급격하게 무작위 상태에 도달합니다. 이러한 비선형적인 변화는 우리의 직관을 크게 벗어납니다. 수학적으로 증명된 이 '위닝 넘버'는 단순히 많이 반복하는 것보다 임계점을 넘어서는 것이 확률적 균형을 이루는 데 얼마나 중요한지를 보여줍니다. 컷오프 현상은 카드 섞기뿐만 아니라 사다리 타기, 구글의 검색 엔진, 딥러닝 알고리즘 등 다양한 분야에서 보편적으로 관찰됩니다. 전혀 다른 메커니즘을 가진 시스템들이 특정 지점에서 갑자기 균형 상태로 전이되는 공통된 법칙을 따르는 것입니다. 수학자들은 이를 '보편성'이라 부르며 우주의 섭리로 이해하려 노력하고 있습니다. 비록 그 근본적인 원인이 완벽히 밝혀지지는 않았으나, 이는 불확실성 속에 숨겨진 확실한 질서를 상징합니다. 인류는 오랜 시간 불확실성을 두려워하며 예측의 대상으로만 여겨왔으나, 이제는 이를 이해하고 활용하는 단계에 이르렀습니다. 인공지능의 발전은 불확실성을 도구로 삼아 문명을 꽃피운 대표적인 사례입니다. 하지만 우리는 여전히 그 작동 원리를 완벽히 통제하지 못하고 있습니다. 불확실한 세계 속에서 수학이라는 확실한 도구를 통해 보편적 원리를 찾아내는 과정은, 인류가 더 안전하고 정교한 미래를 설계하기 위해 반드시 걸어가야 할 길입니다.

[강연] 불확실과 확실, 그 사이의 외줄타기 : 확률 2_by 서인석 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 7강 두 번째 이야기

서인석

  • 수학

8강

[강연] 최적화 이론, 인공지능 시대에 비상하다 1_by 권도현 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 첫 번째 이야기 | 8강 ①

인공지능은 현대 과학의 정점으로 불리며, 최근 노벨 물리학상과 화학상을 인공지능 연구자들이 휩쓴 사건은 그 위상을 단적으로 보여줍니다. 과거에는 연구 성과가 인정받기까지 수십 년이 걸리기도 했으나, 인공지능 분야는 불과 몇 년 만에 세계적인 인정을 받을 만큼 혁신적인 속도로 발전하고 있습니다. 이러한 인공지능의 놀라운 퍼포먼스 이면에는 복잡한 문제를 효율적으로 해결하기 위한 수학적 원리가 숨어 있는데, 그 핵심이 바로 최적화 이론입니다. 최적화 이론이란 주어진 제약 조건 아래에서 목적 함수가 최솟값이나 최댓값을 가지는 지점을 찾는 과정을 의미합니다. 예를 들어, 특정 예산과 시간 내에 가장 멀리 이동할 수 있는 경로를 찾는 것이 실생활의 최적화 문제입니다. 수학적으로는 변수와 제약 조건을 설정하고, 이를 만족하는 최적의 해를 구하는 수식으로 표현됩니다. 인공지능 역시 방대한 데이터 속에서 가장 정확한 답을 내놓기 위해 이 최적화 과정을 끊임없이 반복하며 학습을 진행합니다. 최적화의 역사에서 중요한 이정표 중 하나는 18세기 몽주가 제안하고 20세기 칸토로비치가 일반화한 최적 운송 이론입니다. 이는 물류 비용을 최소화하기 위해 자원을 어떻게 배분할 것인가를 다루는 학문으로, 칸토로비치는 이 공로로 노벨 경제학상을 수상했습니다. 오늘날 아마존이나 쿠팡 같은 거대 물류 기업들이 효율적인 배송 시스템을 구축할 수 있는 것도 바로 이 이론 덕분입니다. 자원 배분의 효율성을 극대화하는 수학적 모델은 현대 산업 전반의 수익성과 직결됩니다. 최적화는 물리적 현상을 설명하는 데에도 필수적입니다. 중력이 작용하는 상황에서 공이 가장 빠르게 내려오는 경로를 찾는 '최단 강하 곡선' 문제는 변분법이라는 수학 분야를 탄생시켰습니다. 오일러와 라그랑주는 이 곡선을 나타내는 미분 방정식을 찾아내어 복잡한 함수의 최적점을 구하는 기틀을 마련했습니다. 이러한 고전 역학의 수학적 도구들은 오늘날 인공지능이 복잡한 데이터 분포를 이해하고 예측 모델을 설계하는 데 있어 강력한 기반이 되고 있습니다. 인공지능 모델에서 최적화는 '손실 함수'를 최소화하는 과정으로 구체화됩니다. 손실 함수란 인공지능이 예측한 값과 실제 정답 사이의 오차를 나타내는 지표입니다. 모델이 학습한다는 것은 결국 이 오차를 줄여나가는 과정을 의미하며, 수학적으로는 함수의 기울기를 이용해 최저점을 찾아가는 여정입니다. 오차가 작을수록 인공지능은 더 정확한 판단을 내리게 되며, 이를 위해 수학자들은 더 정교한 목적 함수를 설계하고 효율적인 계산 알고리즘을 개발하는 데 매진하고 있습니다. 오차를 줄이는 대표적인 방법은 '경사하강법'입니다. 이는 마치 안대를 쓴 채 그랜드 캐니언의 가장 깊은 골짜기를 찾아가는 과정과 비슷합니다. 현재 위치에서 지면의 경사를 파악해 가장 가파르게 내려가는 방향으로 한 걸음씩 이동하는 방식입니다. 이때 한 번에 이동하는 거리를 '학습률'이라고 부르는데, 이 값이 너무 작으면 학습 속도가 지나치게 느려지고, 너무 크면 최적점을 지나쳐버리는 문제가 발생합니다. 따라서 적절한 학습률을 설정하는 것이 인공지능 성능의 핵심입니다. 현실의 데이터는 매우 복잡하여 함수의 모양이 단순한 볼록 형태가 아닌 경우가 많습니다. 골짜기를 내려가다 보면 중간에 작은 웅덩이에 빠져 더 이상 내려가지 못하는 '지역 최솟값' 문제에 직면하기도 합니다. 이를 극복하기 위해 현대 인공지능은 무작위성을 도입한 '확률적 경사하강법'과 같은 고도화된 기법을 사용합니다. 수학적 엄밀함과 실험적 최적화가 결합된 이러한 노력들은 인공지능이 인간의 지능을 모방하고 초월하는 데 결정적인 역할을 수행하고 있습니다.

[강연] 최적화 이론, 인공지능 시대에 비상하다 1_by 권도현 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 첫 번째 이야기

권도현

  • 수학

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기 | 8강 ②

인공지능 학습의 핵심은 최적의 해를 찾는 과정이며, 이를 위해 확률적 경사하강법(SGD)이라는 기법이 널리 사용됩니다. 기존의 경사하강법이 단순히 가장 가파른 내리막길만을 따라갔다면, 확률적 경사하강법(SGD)은 약간의 무작위성을 부여하여 탐험을 시도합니다. 이러한 무작위성은 학습 과정에서 마주치는 지역 최소해라는 웅덩이에서 벗어날 수 있는 기회를 제공합니다. 때로는 조금 돌아가거나 오르막을 오르는 선택이 결국 더 깊고 낮은 최적점을 찾는 열쇠가 되기도 하며, 이는 복잡한 함수 구조를 가진 인공지능 모델에서 필수적인 전략입니다. 방대한 데이터를 다루는 현대 인공지능에게 효율성은 필수적인 요소입니다. 모든 데이터를 한꺼번에 계산하여 미분하는 방식은 시간과 자원 면에서 불가능에 가깝기 때문입니다. 확률적 경사하강법(SGD)은 데이터를 작은 단위로 쪼개어 학습시키는 방식을 통해 이 문제를 해결합니다. 예를 들어 백만 개의 데이터가 있다면 이를 만 개씩 나누어 순차적으로 학습하며 모델을 업데이트합니다. 이러한 방식의 학습은 연산 속도를 획기적으로 높일 뿐만 아니라, 실제 성능 면에서도 매우 우수한 결과를 보여준다는 것이 여러 사례를 통해 증명되었습니다. 생성형 인공지능의 비약적인 발전 뒤에는 적대적 생성 신경망(GAN)과 같은 정교한 구조가 자리 잡고 있습니다. 이는 생성자와 판별자라는 두 개의 네트워크가 서로 경쟁하며 발전하는 방식입니다. 생성자가 실제와 유사한 이미지를 만들어내면, 판별자는 그것이 진짜인지 가짜인지 구분하려 노력합니다. 이 과정에서 생성자는 판별자를 속이기 위해 더욱 정교한 결과물을 만들어내고, 판별자는 이를 더 잘 잡아내기 위해 날카로워집니다. 이러한 상호 작용은 결국 인공지능이 실사에 가까운 고품질의 데이터를 생성할 수 있게 만드는 강력한 원동력이 됩니다. 수학적 관점에서 생성 모델의 목표는 실제 데이터의 확률 분포와 모델이 생성한 분포 사이의 차이를 최소화하는 것입니다. 이를 위해 최적 운송 이론에서 유래한 '와서스타인 거리'라는 개념이 활용됩니다. 이는 진흙을 구멍에 채우는 택배 문제처럼, 한 분포를 다른 분포로 옮기는 데 드는 최소 비용을 계산하는 방식입니다. 2017년경 정립된 이 이론적 토대는 인공지능이 단순히 데이터를 흉내 내는 수준을 넘어, 수학적으로 정교하게 최적화된 상태에 도달할 수 있도록 돕는 중요한 이정표가 되었으며 대학원생의 연구가 혁신을 일으킨 사례로도 유명합니다. 최근에는 노이즈 상태에서 단계적으로 이미지를 복원해 나가는 확산 모델(Diffusion Model)이 생성형 인공지능의 대세로 떠오르고 있습니다. 이는 한 번에 결과를 내기보다 시간을 쪼개어 미세하게 조정해 나가는 방식으로, 더욱 정밀한 제어가 가능하다는 장점이 있습니다. 인공지능은 이제 아기가 세상을 배우듯 비지도 학습에서 언어 학습으로, 그리고 더 복잡한 추론의 단계로 진화하고 있습니다. 이러한 발전은 인간의 고유 영역이라 여겨졌던 창작과 전문 지식의 영역까지 확장되며 우리 삶의 패러다임을 근본적으로 바꾸고 있으며, 로보틱스와 같은 물리적 영역으로의 확장도 기대되고 있습니다.

[강연] 최적화 이론, 인공지능 시대에 비상하다 2_by 권도현 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 8강 두 번째 이야기

권도현

  • 수학

9강

[강연] 다시 돌아본 2024년 "세상에 나쁜 수학은 없다" 1 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 9강 첫 번째 이야기 | 9강 ①

인류 문명의 근간을 이룬 수학적 발견 중 피타고라스 정리는 가장 오래되고도 강력한 도구입니다. 직각삼각형의 세 변 사이의 관계를 정의한 이 정리는 고대 메소포타미아와 이집트 시절부터 건축과 토지 측량에 필수적으로 활용되었습니다. 단순히 도형의 성질을 넘어, 이 정리는 현대 수학에서 거리라는 개념을 정의하는 기초가 되었습니다. 2차원 평면을 넘어 n차원 공간에서도 두 점 사이의 거리를 계산할 수 있게 함으로써, 기하학의 지평을 무한히 확장했습니다. 피타고라스 정리는 수학 역사상 가장 많은 증명법이 존재하는 정리로도 유명합니다. 유클리드의 기하학적 증명부터 미국의 가필드 대통령이 고안한 방식까지, 현재까지 알려진 증명만 400여 가지가 넘습니다. 수학자들은 단순히 정답을 찾는 것에 그치지 않고, 가장 우아하고 단순한 증명을 찾기 위해 노력해 왔습니다. 이러한 과정은 수학적 아이디어가 어떻게 서로 연결되어 있는지를 보여주며, 변하지 않는 절대적 진리를 향한 인류의 지적 열망을 증명합니다. 피타고라스 정리의 지수를 확장한 페르마의 마지막 정리는 358년 동안 수학계의 거대한 난제로 남아 있었습니다. 17세기 페르마가 남긴 짧은 메모에서 시작된 이 문제는 수많은 천재 수학자들을 좌절과 도전으로 이끌었습니다. 앤드루 와일즈에 의해 마침내 해결되기까지, 이 난제는 단순히 수의 성질을 탐구하는 것을 넘어 정수론과 타원곡선 이론이라는 새로운 수학적 영토를 개척하는 원동력이 되었습니다. 이는 미해결 난제가 학문 발전에 얼마나 큰 기여를 하는지 보여주는 사례입니다. 미적분학의 기본 정리는 서로 무관해 보이던 미분과 적분을 하나의 틀로 묶어준 혁명적인 발견입니다. 미분이 찰나의 변화를 포착한다면, 적분은 그 변화들을 쌓아 전체의 양을 구하는 과정입니다. 이 정리는 작은 변화들의 합이 결국 경계에서의 유출입량과 같다는 원리를 통해 복잡한 물리 현상을 명쾌하게 설명합니다. 물탱크에 물이 차고 빠지는 단순한 원리에서 시작해, 현대 과학의 수많은 보존 법칙을 설명하는 핵심적인 언어로 자리 잡았습니다. 미적분학의 기본 정리는 고차원으로 확장되면서 가우스의 발산 정리와 같은 강력한 도구로 진화했습니다. 이는 3차원 공간에서의 흐름을 2차원 표면의 정보만으로 파악할 수 있게 해 줍니다. 중력장이나 전자기장과 같은 물리적 현상을 이해하는 데 필수적이며, 현대 공학의 유체 역학 시뮬레이션에서도 근사해를 구하는 중요한 제약 조건으로 활용됩니다. 수학적 이론이 실제 세상을 설계하고 예측하는 데 얼마나 깊숙이 관여하고 있는지를 잘 보여주는 대목입니다. 대수학의 기본 정리는 수의 체계에 대한 인류의 관점을 근본적으로 바꾸어 놓았습니다. 자연수에서 시작해 정수, 유리수, 실수를 거쳐 복소수에 이르기까지, 인류는 방정식을 풀기 위해 수의 범위를 끊임없이 확장해 왔습니다. 이 정리는 n차 복소 다항식이 반드시 n개의 복소수 근을 가진다는 사실을 선언함으로써, 더 이상의 수 체계 확장이 필요 없는 완결성을 부여했습니다. 이는 수학적 탐구의 여정에서 하나의 거대한 종착역을 발견한 것과 같습니다. 상상의 수로 여겨졌던 허수와 복소수는 이제 현대 과학기술의 필수적인 요소가 되었습니다. 푸리에 해석을 통한 신호 처리부터 양자역학에 이르기까지, 복소수가 없다면 현대 문명의 정교한 계산은 불가능했을 것입니다. 대수학의 기본 정리는 우리가 세상을 이해하기 위해 만든 추상적인 도구가 어떻게 실제 세계의 문제를 해결하는 강력한 열쇠가 되는지를 보여줍니다. 일곱 가지 방정식은 단순한 수식을 넘어 인류가 우주의 질서를 읽어내는 위대한 문법입니다.

[강연] 다시 돌아본 2024년 "세상에 나쁜 수학은 없다" 1 / 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 9강 첫 번째 이야기

박형주

  • 수학

[강연] 다시 돌아본 2024년 "세상에 나쁜 수학은 없다" 2 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 9강 두 번째 이야기 | 9강 ②

열 방정식은 열이라는 물리적 대상이 시간에 따라 공간 속에서 어떻게 확산되는지를 정교하게 묘사하는 도구입니다. 초승달 모양의 열판에 열이 가해졌을 때 시간이 흐르며 열이 고르게 퍼져나가는 현상을 수식으로 나타낸 것이죠. 이 방정식의 핵심은 온도의 시간적 변화율이 공간에 대한 이계도함수와 연결된다는 점에 있습니다. 이는 단순히 열의 이동을 설명하는 것을 넘어 입자의 운동이나 현대 인공지능의 확산 모델에까지 응용되는 기초 원리가 됩니다. 확산 현상을 바라보는 관점은 거시적일 수도, 미시적일 수도 있습니다. 미시적 관점에서는 입자가 무작위로 움직이는 '무작위 행보'나 '브라운 운동'으로 설명됩니다. 동전을 던져 앞면이 나오면 왼쪽, 뒷면이 나오면 오른쪽으로 가는 무작위 행보의 확률을 미분의 정의와 테일러 전개를 통해 계산하면 놀랍게도 거시적인 열 방정식이 유도됩니다. 이는 개별 입자의 불확실한 움직임이 모여 전체적인 확산이라는 규칙적인 흐름을 만들어냄을 보여주는 수학적 증거입니다. 최근 주목받는 인공지능의 확산 모델 역시 열 방정식의 원리를 활용합니다. 이미지에 무작위 노이즈를 추가하는 과정은 열이 퍼지는 순방향 확산 과정과 닮아 있으며, 이를 역방향 확산 과정으로 추적해 노이즈를 제거하면 새로운 이미지가 생성됩니다. 이러한 복잡한 수학적 원리를 시각적으로 이해하기 위해 '이매지너리'와 같은 플랫폼이 활용되기도 합니다. 수식 속에 숨겨진 정보의 흐름을 눈으로 확인하며 화산재의 확산이나 바람의 방향 같은 실제 자연 현상을 시뮬레이션할 수 있습니다. 정보의 시대를 지탱하는 또 다른 강력한 도구는 특이값 분해(SVD)입니다. 행렬은 하나의 벡터를 다른 벡터로 변환하는 연산자 역할을 하는데, 특이값 분해(SVD)는 이 복잡한 변환을 회전과 늘림, 그리고 다시 회전이라는 세 가지 단계로 쪼개어 분석합니다. 임의의 행렬을 세 개의 특수한 행렬 곱으로 분해함으로써 데이터가 가진 본질적인 구조를 파악할 수 있게 됩니다. 이는 복잡하게 얽힌 정보들 사이에서 핵심적인 기저가 무엇인지 찾아내는 과정이라 할 수 있습니다. 특이값 분해(SVD)의 가장 대표적인 응용 분야는 데이터 압축과 차원 축소입니다. 이미지의 픽셀 정보를 행렬로 나타낸 뒤 특이값 분해(SVD)를 적용하면, 중요도가 낮은 정보들을 과감히 제거하고 핵심적인 특이값들만 남겨 원래 이미지를 효율적으로 재구성할 수 있습니다. 또한 주성분 분석(PCA)을 통해 고차원의 데이터를 저차원으로 축소함으로써 복잡한 데이터 속에 내재된 패턴을 찾아냅니다. 예를 들어 여러 과목의 성적 데이터에서 학생의 문과적 혹은 이과적 성향이라는 핵심 지표를 추출하는 식입니다. 코시-슈바르츠 부등식은 벡터 공간을 이해하는 가장 기본적인 관계식입니다. 두 벡터의 내적값이 각 벡터의 길이의 곱을 절대 넘을 수 없다는 이 절대 부등식은 기하학적으로 두 벡터 사이의 각도와 투영의 개념을 담고 있습니다. 내적을 통해 두 벡터가 얼마나 같은 방향을 향하고 있는지, 혹은 서로 독립적인지를 수치화할 수 있습니다. 이는 단순히 수학적 정리를 넘어 데이터 사이의 유사도를 측정하는 핵심적인 척도가 되어 현대 과학의 다양한 분야에서 활용됩니다. 이러한 내적의 개념과 코시-슈바르츠 부등식은 오늘날 OTT 서비스의 영화 추천 알고리즘이나 챗GPT 같은 자연어 처리 모델의 근간이 됩니다. 사용자의 선호도 벡터와 콘텐츠 벡터 사이의 상관관계를 분석하여 최적의 결과를 도출해내는 것이죠. 열 방정식부터 특이값 분해(SVD), 그리고 코시-슈바르츠 부등식에 이르기까지, 이들은 서로 다른 형태를 띠고 있지만 복잡한 세상을 단순화하고 그 속에 숨겨진 근본적인 질서를 찾아낸다는 공통점을 가집니다. 수학은 이처럼 보이지 않는 곳에서 세상을 움직이고 있습니다.

[강연] 다시 돌아본 2024년 "세상에 나쁜 수학은 없다" 2 | 2024 카오스강연 '세상에 나쁜 수학은 없다' 시즌2 9강 두 번째 이야기

박형주

  • 수학