설명

6 Contents

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래" | 1강

데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소량의 데이터를 얻었지만, 이제는 누구나 정보를 생산하는 빅데이터 시대에 살고 있습니다. 유튜브와 SNS를 통해 쏟아지는 방대한 데이터는 인공지능이 더 똑똑하게 판단할 수 있는 기반이 됩니다. 마치 자동차가 휘발유를 동력 삼아 앞으로 나아가듯, 인공지능 역시 양질의 데이터를 바탕으로 우리 삶의 생산성을 높이고 새로운 가치를 창출하고 있습니다. 데이터의 힘은 스포츠 분야에서도 증명됩니다. 과거 농구 선수들은 직관에 의존해 슛을 던졌지만, 이제는 기대 득점 데이터를 기반으로 전략을 짭니다. 스테픈 커리와 같은 선수는 성공 확률이 낮더라도 기대 득점이 높은 3점 슛에 집중하여 현대 농구의 패러다임을 바꾸었습니다. 데이터를 통해 중거리 슛보다 골밑이나 3점 라인이 효율적임을 깨달은 팀들은 승리 확률을 높이기 위해 철저히 계산된 위치에서 경기를 운영하고 있습니다. 인공지능은 아이가 학습하듯 수많은 시행착오를 거치며 발전합니다. 자율 주차 프로그램이 수십만 번의 사고를 겪으며 주차 방식을 익히는 과정은 인공지능의 학습 원리를 잘 보여줍니다. 하지만 데이터의 양만큼이나 중요한 것이 맥락의 이해입니다. 단순히 색상이나 형태만으로 사물을 인식하면, 특정 상황에서 사람을 초밥으로 오인하는 오류를 범할 수 있습니다. 따라서 기계가 인간처럼 사고하기 위해서는 단순한 인식을 넘어선 고도화된 지능이 필요합니다. 최근 인공지능의 비약적인 성공은 하드웨어와 데이터 규모의 승리라고 볼 수 있습니다. 과거에는 최적의 모델을 설계하는 데 집중했다면, 지금은 엄청난 양의 데이터와 고성능 컴퓨터, 그리고 막대한 전력을 투입해 모델의 복잡도를 높이는 방식이 주를 이룹니다. GPT 시리즈처럼 모델이 거대해질수록 인공지능은 더욱 정교한 결과물을 내놓습니다. 하지만 이러한 방식은 데이터 생산의 한계와 에너지 소비 문제라는 현실적인 벽에 부딪히고 있습니다. 인공지능의 신뢰성은 입력되는 데이터의 질에 좌우됩니다. '쓰레기를 넣으면 쓰레기가 나온다'는 말처럼, 편향되거나 오염된 데이터는 잘못된 결과를 초래합니다. 인터넷 데이터의 대부분이 특정 국가나 계층에 집중되어 있다면, 인공지능은 전 세계의 다양한 문화를 공정하게 반영하지 못합니다. 또한 의도적으로 조작된 데이터는 구글 맵의 교통 정보를 왜곡하듯 시스템 전체를 혼란에 빠뜨릴 수 있으므로 데이터의 신뢰성 확보는 매우 중요한 과제입니다. 현재 인공지능이 직면한 가장 큰 숙제 중 하나는 인과 관계 추론입니다. 인공지능은 기저귀와 맥주가 함께 팔린다는 상관관계는 잘 찾아내지만, '왜' 그런 현상이 발생하는지에 대한 근본적인 이유는 설명하지 못합니다. 아이스크림 소비량과 익사 사고의 상관관계를 보고 아이스크림 판매를 금지하는 오류를 범하지 않으려면, 단순한 예측을 넘어 원인과 결과를 분석하는 능력이 필요합니다. 이를 위해 우리는 인공지능이 내린 판단의 근거를 이해할 수 있어야 합니다. 미래의 인공지능은 단순히 예측의 정확도를 높이는 것을 넘어, 데이터 오염과 개인정보 침해, 에너지 문제 등을 해결하는 방향으로 나아가야 합니다. 이를 위해서는 통계학이나 수학 같은 기초 과학의 역할이 무엇보다 중요합니다. 기초 지식을 바탕으로 인공지능의 한계를 극복하고 해석 가능한 모델을 만들어낼 때, 인공지능은 비로소 인간과 공존하며 진정한 도움을 주는 존재가 될 것입니다. 끊임없는 연구와 도전을 통해 우리는 더 나은 인공지능 시대를 열어갈 수 있습니다.

[강연] 세상을 바꾼 데이터와 인공지능_by박건웅 l 제 31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[연구뭐하지?] 과학이란 무엇인가? 과학에 대한 철학적 탐구_천현득 교수 | 서울대학교 “과학철학 연구실”

과학학은 과학을 직접 실험하거나 수학적으로 연구하는 대신, 인문학적이고 사회과학적인 관점에서 과학의 본성을 탐구하는 학문입니다. 과학철학자는 나무가 모여 있는 숲을 보듯 한 걸음 물러나 과학사, 과학철학, 과학사회학의 관점에서 과학을 분석합니다. 유전자가 무엇인지와 같은 개념적 질문부터 과학과 사이비 과학을 구분하는 기준, 그리고 생물학이 물리학으로 환원될 수 있는지와 같은 방법론적 문제까지 폭넓게 다룹니다. 이러한 탐구는 우리가 당연하게 받아들이는 과학적 지식의 근간을 다시 생각하게 합니다. 현대 과학철학에서는 토마스 쿤의 철학을 재해석하고 과학적 이해의 조건을 연구하며, 특히 인공지능이 사회에 미치는 영향을 탐구하는 작업이 중요하게 다뤄집니다. 과학적 이해란 단순히 설명을 듣는 것을 넘어 세계를 파악하는 상태를 의미하며, 인공지능 연구에서는 기술의 급격한 발전이 가져올 윤리적 쟁점들을 분석합니다. 이는 과학이 단순히 기술적 진보에 그치지 않고 인간 사회와 어떻게 상호작용하는지를 철학적으로 성찰하는 과정입니다. 복잡한 현대 과학의 흐름 속에서 철학은 길을 잃지 않게 돕는 나침반 역할을 수행합니다. 과학에서 사용하는 과학적 모형은 실제와는 다른 일종의 '거짓말'을 포함하고 있습니다. 예를 들어 물리 문제를 풀 때 마찰력이 없다고 가정하는 것은 현실과 다르지만, 우리는 이 과학적 모형을 통해 정확한 예측과 설명을 수행합니다. 과학철학은 이처럼 과학적 모형이 사실이 아님에도 불구하고 어떻게 우리에게 유용한 과학적 이해를 제공하는지 그 메커니즘을 추적합니다. 추상적인 철학적 논증과 실제 과학 현장의 활동을 연결하는 작업은 과학철학만이 가진 독특한 매력이며, 현실과 밀접하게 맞닿아 있는 철학의 면모를 잘 보여줍니다. 인공지능 윤리는 기술의 자율성과 불투명성에서 비롯되는 다양한 문제를 다룹니다. 자율주행차나 살상 무기 시스템처럼 인간의 직접적인 통제를 벗어난 기술은 책임의 소재를 묻게 하며, 방대한 데이터를 학습하는 과정에서 발생하는 프라이버시 침해나 편향성 문제도 심각합니다. 특히 챗봇이 특정 집단을 차별하거나 사회적 편견을 그대로 반영하는 현상은 기술이 결코 가치 중립적이지 않음을 시사합니다. 이러한 쟁점들을 분석하고 대안을 모색하는 것은 현대 과학기술 사회에서 필수적인 과제입니다. 철학적 사고를 명료하게 만드는 가장 좋은 방법은 자신의 언어로 글을 쓰는 것입니다. 단순히 정보를 습득하는 것을 넘어 질문을 던지며 읽고, 타인의 주장을 합리적으로 재구성해 비판하는 훈련이 필요합니다. 현대 사회는 이미 과학기술이 지배하는 시대이기에, 기술의 활용법을 익히는 것만큼이나 그 근본 원리와 사회적 파급력을 고민하는 철학적 태도가 중요합니다. 과학이 무엇인지 더 근본적으로 질문하는 사람들이 많아질 때, 우리는 기술의 속도에 매몰되지 않고 더 나은 미래를 설계할 수 있을 것입니다.

[연구뭐하지?] 과학이란 무엇인가? 과학에 대한 철학적 탐구_천현득 교수 | 서울대학교 “과학철학 연구실”

천현득

카오스재단연구뭐하지
  • 융합

[인터뷰] 남세동_ 인공지능과 딥러닝이 세상을 바꿀 것이라 믿습니다 | 2020 가을 카오스강연 'Ai X'

인공지능과 딥러닝은 현대 사회에 막대한 영향을 미치고 있는 기술입니다. 하지만 이 중요한 기술이 대중에게 어렵게만 느껴지는 것은 큰 문제라고 생각합니다. 기술을 단순히 개발하는 것에 그치지 않고, 대중이 이해하기 쉽게 설명하는 과정에서 큰 보람을 느끼며 이를 선도하고자 합니다. 인공지능이 세상을 바꿀 흐름인 만큼, 대중이 이를 제대로 이해할 수 있도록 돕는 것이 전문가의 중요한 역할이라고 믿습니다. 최근 가장 주목받는 인공지능 기술 중 하나는 언어 모델인 GPT-3입니다. 언어 모델은 인터넷상의 수많은 문서를 수집하여 문장 속의 빈칸에 들어갈 단어를 예측하는 방식으로 학습합니다. 예를 들어 '나는 학교에 갔습니다'라는 문장에서 '학교'를 가리고 인공지능에게 정답을 맞히게 하는 식입니다. 이 과정을 반복하면서 인공지능은 문법적 구조뿐만 아니라 단어 사이의 의미적 관계를 스스로 깨우치게 됩니다. 결과적으로 인공지능은 어떤 말이 자연스러운지 판단할 수 있는 능력을 갖추게 됩니다. 방대한 데이터를 학습한 GPT-3는 단순히 문장을 만드는 수준을 넘어 놀라운 상식과 창의성을 보여줍니다. 사용자가 짧은 문장을 제시하면 그 뒤를 이어 자연스러운 소설을 써 내려가기도 합니다. 특히 흥미로운 점은 축구공이 사과보다 크다는 식의 상식을 갖추게 되었다는 것입니다. 누구도 직접 가르쳐 준 적 없지만, 수많은 텍스트를 통해 사물 간의 관계와 크기를 유추해낸 결과입니다. 이러한 능력은 인공지능이 인간의 언어를 깊이 있게 이해하고 있음을 보여주며, 대중에게 기술적 경이로움을 선사하고 있습니다. 스타트업을 시작하려는 분들에게는 현실적인 조언이 필요합니다. 먼저 선배나 투자자의 조언은 절반만 듣는 태도가 중요합니다. 그들의 경험은 가치 있지만, 시대가 변하고 상황이 다를 수 있기 때문입니다. 또한 스타트업의 90%는 실패한다는 냉혹한 현실을 직시해야 합니다. 경제적으로 빚을 견딜 수 있는지, 수년간 수입이 없어도 버틸 정신력이 있는지를 스스로 점검해야 합니다. 자신의 한계를 명확히 알고 준비된 상태에서 도전하는 것이 성공 확률을 높이는 길입니다. 슬럼프를 극복하는 가장 좋은 방법은 더 중요하고 시급한 다른 일에 몰입하는 것입니다. 고민한다고 해결되지 않는 문제에 매몰되기보다, 당장 해야 할 일을 처리하다 보면 자연스럽게 슬럼프에서 벗어날 수 있습니다. 인공지능 역시 막연히 어렵게만 생각할 필요가 없습니다. 딥러닝의 기초 원리는 중학교 수준의 수학 지식만 있다면 누구나 충분히 이해할 수 있는 영역입니다. 기술의 겉모습에 압도되기보다 그 이면의 원리를 차근차근 이해하려 노력한다면, 인공지능이 주도하는 미래를 더욱 명확하게 바라볼 수 있을 것입니다.

[인터뷰] 남세동_ 인공지능과 딥러닝이 세상을 바꿀 것이라 믿습니다   | 2020 가을 카오스강연 'Ai X'

남세동

카오스재단카오스강연
  • 뇌인지과학

[강연] AI / 머신러닝 _ by오혜연, 강명주 | 2020 봄 카오스강연 '첨단기술의 과학' 3강 | 3강

인공지능은 인간이 어렵게 느끼는 복잡한 지식 탐색이나 독해 능력에서 놀라운 성과를 보여줍니다. IBM의 왓슨이 퀴즈쇼에서 우승하거나 머신러닝 모델이 고난도 독해 평가에서 인간을 앞서는 사례가 이를 증명합니다. 하지만 정작 인간에게 너무나 쉬운 일상적인 대화나 사진 속 상황을 파악하는 일에는 서툰 모습을 보이기도 합니다. 이러한 역설은 인공지능이 언어를 이해하는 방식이 인간의 직관이나 경험과는 근본적으로 다르다는 점을 시사하며, 기술 발전의 새로운 과제를 던져줍니다. 일상적인 대화가 인공지능에게 어려운 이유는 데이터의 부재와 상황의 모호성에 있습니다. 우리가 나누는 대화는 대부분 기록되지 않는 사적인 영역이며, 그 안에는 대화 상대와의 관계나 장소, 계절 같은 수많은 외부 맥락이 생략되어 있습니다. 인공지능은 방대한 데이터를 학습하여 확률적으로 다음 단어를 예측하지만, 데이터에 명시되지 않은 인간의 본능적인 사회적 감각까지 완벽히 따라 하기는 어렵습니다. 결국 문제 정의가 명확하지 않은 영역에서 인공지능의 한계가 드러나는 것입니다. 최신 언어 모델인 BERT는 문맥을 양방향으로 파악하며 비약적인 발전을 이루었지만, 여전히 데이터에 내재된 편향성 문제를 안고 있습니다. 인공지능은 인터넷상의 방대한 문서를 학습하며 인간의 고정관념이나 당연하게 여겨지는 상식의 부재를 그대로 흡수합니다. 예를 들어 '노란 바나나'라는 표현이 드문 이유는 바나나가 당연히 노랗기 때문이지만, 인공지능은 이를 학습하지 못해 편향된 결과를 낼 수 있습니다. 이는 기술적 완성도를 넘어 윤리적이고 사회적인 성찰이 필요한 지점입니다. 인공지능과 딥러닝의 눈부신 발전 밑바탕에는 견고한 수학적 토대 자리 잡고 있습니다. 흔히 인공지능을 전산학의 전유물로 생각하기 쉽지만, 사실 미분과 선형대수학 같은 수학적 원리가 없었다면 현대의 인공지능은 존재할 수 없었을 것입니다. 과거 뉴턴이나 오일러가 정립한 이론들이 수 세기를 지나 오늘날 데이터를 처리하고 최적의 해를 찾는 핵심 도구로 부활한 셈입니다. 산업이 고도화될수록 복잡한 현상을 모델링하고 해결하는 수학의 역할은 더욱 중요해지고 있습니다. 수학의 힘은 영화 산업의 시뮬레이션 기술에서도 명확히 드러납니다. '겨울왕국'의 자연스러운 눈 입자나 '아이언맨'의 역동적인 물의 흐름은 모두 나비에-스토크스 방정식과 같은 복잡한 물리 법칙을 수학적으로 풀어낸 결과입니다. 슈퍼컴퓨터조차 직접 풀기 어려운 거대한 행렬 방정식을 수치적인 방법으로 근사하여 해결함으로써, 우리는 가상 세계에서 실제와 다름없는 물리적 현상을 구현할 수 있게 되었습니다. 이는 수학이 추상적인 이론을 넘어 현실을 재창조하는 도구임을 보여줍니다. 딥러닝의 핵심은 수많은 데이터를 통해 최적의 가중치를 찾아내는 최적화 과정에 있습니다. 수백만 차원의 복잡한 함수에서 오차를 최소화하는 지점을 찾는 일은 마치 거대한 산맥에서 가장 낮은 골짜기를 찾는 것과 같습니다. 이 과정에서 인공지능은 행렬 연산을 반복하며 스스로 특징을 학습하지만, 왜 그런 결과가 도출되었는지 논리적으로 설명하기는 여전히 어렵습니다. 이러한 '블랙박스' 문제를 해결하고 시스템의 신뢰성을 확보하기 위해 수학자들은 지금도 치열한 연구를 이어가고 있습니다. 미래의 인공지능은 단순히 높은 정확도를 기록하는 것을 넘어, 자신의 판단 근거를 인간에게 논리적으로 설명할 수 있는 '설명 가능한 AI(XAI)'로 진화해야 합니다. 이를 위해서는 데이터 기반의 학습과 수학적 논리가 완벽하게 통합되어야 하며, 다양한 분야의 전문가들이 소통하며 창의적인 해결책을 모색해야 합니다. 인공지능이 인간의 언어를 완벽히 이해하고 수학적으로 투명해지는 날, 우리는 기술이 주는 혜택을 더욱 안전하고 풍요롭게 누리게 될 것입니다.

[강연]  AI / 머신러닝 _ by오혜연, 강명주 | 2020 봄 카오스강연 '첨단기술의 과학' 3강

강명주, 오혜연

카오스재단카오스강연
  • 뇌인지과학

[강연] 과학, 세계를 이해하는 그 특별한 방식에 관하여 _ by천현득, 이강영, 송민령|2019 가을 카오스강연 '도대체 都大體' | 10강

과학이라는 용어는 본래 라틴어 '스키엔티아(Scientia)'에서 유래했으며, 이는 특별한 분과학문이 아닌 보편적인 지식 일반을 의미했습니다. 우리가 오늘날 이해하는 독립된 학문으로서의 과학과 '과학자'라는 명칭은 19세기에 이르러서야 비로소 정착되었습니다. 그 이전의 뉴턴이나 갈릴레오 같은 인물들은 스스로를 자연철학자로 규정하며 세계의 근본 원리를 탐구했습니다. 이처럼 과학의 역사는 어머니 학문인 철학으로부터 독립해 나가는 과정이었으며, 물리학, 화학, 생물학이 차례로 자신만의 방법론과 체계를 갖추며 분화되었습니다. 과학이 다른 세계 이해 방식과 차별화되는 지점은 현상을 체계적으로 설명하여 진정한 이해를 제공한다는 데 있습니다. 단순히 현상을 관찰하고 데이터를 수집하는 것에 그치지 않고, '왜'라는 물음에 답할 수 있는 이론을 제시하는 것이 핵심입니다. 칼 헴펠과 같은 철학자들은 과학적 설명이 성립하기 위해 일반적인 법칙과 시험가능성이 필요하다고 강조했습니다. 어떤 주장이 경험적 내용을 담고 있다면, 그것은 반드시 틀릴 가능성인 반증가능성을 내포해야 합니다. 이러한 엄밀한 논리적 구조를 통해 과학은 신화나 예술과는 다른 방식으로 세계의 패턴을 드러냅니다. 과학의 방법론에 대해서는 칼 포퍼의 반증주의와 토마스 쿤의 패러다임 이론이 대표적인 시각을 제공합니다. 포퍼는 과학자가 대담하게 추측하고 혹독하게 시험함으로써 오류로부터 배워야 한다고 주장했습니다. 반면 쿤은 과학이 단순히 지식을 누적하는 과정이 아니라, 패러다임이라는 거대한 틀이 전환되는 혁명적 변화를 거친다고 보았습니다. 과학자들은 때로 반증 사례가 나타나도 기존 이론을 고수하는 합리적 고집을 부리기도 하는데, 이는 과학이 개인의 활동이 아닌 공동체의 합의를 바탕으로 한 정상과학의 단계를 거치기 때문입니다. 위대한 과학적 발견은 어느 날 갑자기 하늘에서 떨어진 것이 아니라, 당대의 수많은 논의와 통찰이 쌓여 만들어진 결과물입니다. 뉴턴의 운동 법칙이나 보어의 원자 모형 역시 이전 학자들의 연구와 아이디어를 통합하고 체계화하는 과정을 통해 탄생했습니다. 무언가를 진정으로 알게 된 후에는 그 이전의 무지한 상태로 돌아갈 수 없듯이, 과학 지식은 분명한 방향성을 가지고 누적적으로 발전하며 진보합니다. 이러한 지식의 통합은 서로 다른 영역의 법칙들을 하나로 묶어줌으로써 우리가 세계를 더욱 깊고 넓게 이해할 수 있도록 돕는 강력한 도구가 됩니다. 과학 공동체와 일반 사회 사이에는 자율적인 연구를 보장받는 대신 객관적인 지식을 생산한다는 암묵적인 사회적 계약이 존재해 왔습니다. 하지만 과학이 과연 가치중립적인가에 대해서는 비판적인 성찰이 필요합니다. 역사적으로 우생학이나 정치적 이데올로기에 왜곡된 과학의 사례들이 존재하며, 현대 사회의 복잡한 정책 결정 과정에서도 과학적 증거의 충분성을 판단할 때 사회적 가치가 개입될 수밖에 없습니다. 따라서 과학은 단순히 데이터와 확률만을 제시하는 중립적 위치를 넘어, 인권이나 환경과 같은 보편적 가치를 지향하는 방향으로 나아갈 필요가 있습니다. 우리 사회에서 과학은 오랫동안 국가 경쟁력이나 경제 발전을 위한 도구로만 인식되어 온 경향이 있습니다. 그러나 과학의 진정한 가치는 인간의 근본적인 호기심을 충족시키고 세상을 바라보는 새로운 관점을 제공하는 문화적 측면에 있습니다. 예술이 우리에게 영감을 주듯, 과학 역시 자연의 아름다움을 발견하고 인간과 세계의 상호작용을 이해하는 기쁨을 줍니다. 과학은 실험실 안의 전문적인 활동에 국한되지 않으며, 시민의 삶과 밀착되어 사회적 문제를 해결하고 공공의 이익을 도모하는 살아있는 인간 활동으로서 기능해야 합니다. 현대 과학은 거대화되고 전문화되면서 대중과의 거리가 멀어지는 도전에 직면해 있습니다. 인공지능과 같은 첨단 기술이 인간의 지능을 위협하는 시대에, 과학의 발전 방향을 결정하는 것은 결국 깨어 있는 시민들의 몫입니다. 우리가 어떤 가치를 중시하고 어떤 세상을 꿈꾸느냐에 따라 과학기술의 쓰임새와 사회적 모습은 달라질 수 있습니다. 과학에 대한 지속적인 관심과 질문을 멈추지 않는 태도는 과학이 소수의 전유물이 아닌 우리 모두의 지적 자산이 되게 합니다. 세상을 이해하려는 순수한 열정이 모일 때, 과학은 비로소 우리 삶을 풍요롭게 만드는 진정한 힘을 발휘할 것입니다.

[강연] 과학, 세계를 이해하는 그 특별한 방식에 관하여 _ by천현득, 이강영, 송민령|2019 가을 카오스강연 '도대체 都大體'

천현득

카오스재단카오스강연
  • 융합

[강연] 물리학이 사회 현상을 설명하는 데 도움을 줄 수 있을까? | 2017 카오스 토론회 : '과학vs과학철학' 3부 1강 | 3부 ①

물리학은 흔히 무생물의 법칙을 다루는 학문으로 여겨지지만, 그 범위를 넓히면 인간 사회의 복잡한 사회 현상을 설명하는 강력한 도구가 됩니다. 사회는 결국 사람들의 모임이며, 사람은 물리적인 구성 요소로 이루어진 존재라는 점에서 사회 현상 또한 물리학의 연구 대상이 될 수 있습니다. 이러한 관점은 사회를 거시적인 시스템으로 파악하고, 그 안에서 흐르는 일정한 패턴과 규칙성을 찾아내려는 시도로 이어집니다. 이는 단순한 비유를 넘어 데이터와 수식을 통해 사회의 구조를 분석하는 새로운 지평을 열어줍니다. 구체적인 사례로 커피숍과 학교의 분포 방식을 살펴보면 사회물리학적 접근의 유용성이 드러납니다. 영리를 추구하는 커피숍은 고객의 수가 중요하기 때문에 인구 밀도에 비례하여 분포하는 경향을 보입니다. 반면, 공공성을 띠는 학교는 학생들의 통학 거리를 최소화하는 방향으로 배치됩니다. 이러한 차이는 인구 밀도와 시설 밀도 사이의 상관관계를 나타내는 지표인 '알파 값'의 차이로 명확히 규명됩니다. 이는 복잡해 보이는 도시의 시설 배치가 사실은 효율성과 이윤이라는 명확한 물리적 원리에 기반하고 있음을 시사합니다. 물리학이 사회를 바라보는 방식의 핵심은 '단순화'에 있습니다. 복잡한 사회적 변수들을 모두 고려하기보다는, 현상을 결정짓는 가장 핵심적인 동기나 원리를 추출하여 모델을 만듭니다. 누구나 동의할 수 있는 상식적인 가정에서 출발하여 수학적 결론을 도출하는 과정은 물리학적 접근의 강력한 힘입니다. 이러한 방식은 복잡한 현상 뒤에 숨겨진 보편적인 질서를 발견하게 하며, 중고등학생도 이해할 수 있는 명쾌한 논리로 사회 구조를 설명할 수 있게 해줍니다. 하지만 물리학적 설명이 모든 사회 현상을 완벽히 포괄할 수 있는지에 대해서는 철학적인 의문이 제기됩니다. 물리학의 모델은 수치적 예측에는 탁월할 수 있지만, 그 수치가 갖는 깊은 사회적 맥락이나 인문학적 통찰을 제공하는 데에는 한계가 있을 수 있습니다. 예측이 성공적이라고 해서 그 현상의 본질을 완전히 이해했다고 단정하기는 어렵기 때문입니다. 사회 현상은 단순히 데이터의 일치만으로 설명되지 않는, 인간의 의도와 가치가 개입된 복잡한 영역이라는 점을 간과해서는 안 됩니다. 자연 현상과 사회 현상의 결정적인 차이는 인과 관계의 위계에 있습니다. 물리학이 다루는 자연계는 주요한 원인과 부차적인 원인이 비교적 명확히 구분되어 근사적인 접근이 잘 들어맞습니다. 그러나 사회 현상은 비슷한 크기의 다양한 요인들이 서로 경쟁하며 시간에 따라 끊임없이 변화합니다. 정치, 경제, 심리적 요인들이 복잡하게 얽혀 있는 상황에서 특정 변수만을 추출하여 일반화하는 것은 외적 타당성을 확보하는 데 어려움을 겪게 만듭니다. 또한, 물리학의 대상인 입자들은 개별성이 없는 '동일 입자'로 취급되지만, 사회의 구성원인 인간은 저마다의 고유한 개성과 비합리성을 지닌 존재입니다. 집단으로서의 인간이 보여주는 '예측 가능한 비합리성'은 통계적인 패턴으로 나타날 수 있지만, 그것이 개개인의 삶이 가진 절실함이나 특수한 사정을 모두 반영하지는 못합니다. 거시적인 정책 수립에는 통계적 모델이 유용할지라도, 개별 사례의 구체적인 진실을 파악하기 위해서는 인문학적 통찰과의 상호 보완이 필수적입니다. 결국 물리학과 사회과학의 만남은 서로의 한계를 인정하고 보완하는 과정이어야 합니다. 물리학은 사회 현상을 정량적으로 분석하고 거시적인 규칙성을 제시함으로써 정책적 판단의 근거를 마련해 줍니다. 동시에 철학적 성찰은 그러한 데이터가 놓치기 쉬운 인간적 가치와 인문학적 통찰의 중요성을 일깨워줍니다. 과학이 끊임없이 발전하듯, 사회를 이해하려는 노력 또한 고정된 틀에 머물지 않고 다양한 학문적 경계를 넘나들며 더욱 깊어질 것입니다.

[강연] 물리학이 사회 현상을 설명하는 데 도움을 줄 수 있을까? | 2017 카오스 토론회 : '과학vs과학철학' 3부 1강

김범준, 이상욱

카오스재단마스터클래스
  • 물리학
  • 융합