리스크관리

9 Contents

🎬 영화관에도 원소가 숨어있다고?! 🍿🔊💡 | AI 싸돌이와 배우는 원소 주기율표

기획은 단순히 미래의 일을 머릿속으로 구상하는 단계를 넘어, 목표를 달성하기 위한 구체적이고 체계적인 지도를 그리는 일련의 과정입니다. 모든 위대한 혁신과 성취의 이면에는 항상 치밀하게 설계된 기획이 자리 잡고 있으며, 이는 한정된 자원을 가장 효율적으로 배분하고 발생 가능한 잠재적 리스크를 선제적으로 관리하는 핵심적인 역할을 수행합니다. 현대 사회에서 기획은 비즈니스 영역뿐만 아니라 첨단 과학 기술의 발전과 사회적 시스템의 정교한 구축 등 거의 모든 분야에서 필수적인 기초 토대로 작용하며, 논리적 분석력과 창의적 영감이 결합하여 새로운 가치를 창출하는 고도의 지적 활동이라 정의할 수 있습니다. 효과적인 기획을 실현하기 위해서는 방대한 데이터에 기반한 객관적인 분석과 이를 뒷받침하는 체계적인 방법론이 반드시 동반되어야만 합니다. 단순히 참신한 아이디어를 나열하는 것에 그치지 않고, 현재 우리가 처한 상황을 정확하게 진단하며 앞으로 다가올 미래의 변화를 날카롭게 예측하는 통찰력이 필수적입니다. 이러한 과정에서 가설을 설정하고 실증적으로 검증하며 최적의 대안을 찾아가는 과정은 마치 엄밀한 과학 실험을 수행하는 것과도 매우 흡사한 구조를 지니고 있습니다. 잘 설계된 기획안은 실제 실행 단계에서 발생할 수 있는 혼선을 획기적으로 최소화하고, 조직의 역량을 한데 집중시켜 기대 이상의 성과를 도출할 수 있는 강력한 동력을 제공합니다. 오늘날처럼 급변하는 불확실성의 환경 속에서 기획의 형태 또한 더욱 유연하고 입체적인 방식으로 진화하고 있습니다. 과거의 경직된 계획 수립 방식에서 완전히 벗어나, 현장의 피드백을 실시간으로 수용하고 끊임없이 수정·보완해 나가는 애자일 방식의 기획이 그 어느 때보다 중요해지고 있습니다. 이는 단순히 계획을 세우는 것을 넘어 변화에 기민하게 대응하는 생존 전략이기도 합니다. 결국 훌륭한 기획이란 고정된 결과물이 아니라 최선의 결과를 향해 나아가는 역동적인 여정이며, 우리 사회가 직면한 복잡다단한 문제들을 해결하기 위해서는 보다 정교하고 다각적인 관점에서의 기획이 강력하게 요구됩니다. 이를 통해 우리는 비로소 더 나은 미래를 설계할 힘을 얻게 됩니다.

🎬 영화관에도 원소가 숨어있다고?! 🍿🔊💡 | AI 싸돌이와 배우는 원소 주기율표
국립과천과학관🤖AI싸돌이
  • 화학

"산업공학은 시스템의 불확실성을 관리하는 과학이다"|9명의 서울대 교수가 분석한 AI 시대 산업공학 가이드 #9|이재욱

150년 전 파리의 예술가들은 살롱이라는 거대한 전통에 안주하지 않고, 빛과 찰나의 순간을 포착하는 인상주의라는 새로운 흐름을 만들어냈습니다. 이러한 역사적 혁신은 오늘날 금융 시장의 변화와 매우 닮아 있습니다. 전통적인 금융 방식에 도전하며 창의적인 해결책을 제시하는 핀테크는 가히 '금융의 인상파'라 부를 만합니다. 인공지능과 블록체인, 사이버 보안을 핵심으로 하는 이 혁신은 특히 보험과 리스크 관리 전반을 자동화하며 금융의 패러다임을 근본적으로 바꾸고 있습니다. 우리가 일상에서 확률과 통계적 추론을 학습해야 하는 이유는 투자가 단순히 운에 맡기는 도박이 아니기 때문입니다. 투자는 과거 데이터를 바탕으로 미래의 기댓값과 리스크를 산출하는 치밀한 통계적 의사 결정 과정입니다. 노벨 경제학상을 받은 해리 마코위츠의 평균-분산 모델은 이러한 추론의 정수를 보여줍니다. 자산의 변동성을 계산하고 리스크를 관리하는 모든 과정은 탄탄한 수학적 기초 위에서 이루어지며, 결국 데이터로 미래를 읽는다는 것은 시장의 복잡한 흐름을 통계라는 언어로 해석하는 일입니다. 새로운 금융 시장은 자산 배분에 대한 기존의 고정 관념을 완전히 깨뜨리고 있습니다. ARK 인베스트의 보고서에 따르면, 과거 투기 자산으로 치부되던 비트코인은 통계적 최적화 과정을 거치며 포트폴리오에서 차지하는 비중이 비약적으로 상승했습니다. 2023년 기준으로 리스크 조정 수익을 극대화하기 위한 최적의 할당 비율이 19.4%에 달한다는 분석은 단순한 감이 아닌 데이터 기반의 결론입니다. 이는 변동성과 수익률의 상관관계를 면밀히 계산했을 때 비트코인이 리스크를 효율적으로 분산시키는 역할을 수행함을 시사합니다. 과거 1930년대부터 1960년대 사이의 금융권에는 복잡한 수식을 수기로 풀던 '인간 컴퓨터'들이 존재했습니다. 하지만 기술의 진보와 함께 거대한 메인프레임 컴퓨터가 그 자리를 대체했고, 이제는 그 기계를 다루던 전문가들조차 인공지능으로 대체되고 있습니다. 인공지능 켄쇼는 전문 애널리스트가 40시간 동안 수행할 분석 업무를 단시간에 처리하며 인간의 속도를 압도하고 있습니다. 과거 수백 명의 인력이 동원되어야 했던 복잡한 금융 수식 계산이 이제는 고도로 지능화된 알고리즘을 통해 순식간에 해결되는 시대가 온 것입니다. 기술의 진보는 우리가 준비해야 할 역량이 무엇인지에 대해 중대한 질문을 던집니다. 단순한 계산이나 데이터 분석의 영역은 이제 인공지능에게 맡겨야 하는 시대가 되었습니다. 따라서 우리는 알고리즘의 작동 원리를 깊이 이해하고, 방대한 데이터 이면에 숨겨진 본질을 꿰뚫어 볼 수 있는 전문성을 갖추는 데 집중해야 합니다. 변화의 파도에 휩쓸리지 않고 그 위에서 중심을 잡기 위해서는 기술을 도구로 활용하는 통찰력이 필수적입니다. 산업공학적 사고를 바탕으로 미래 금융의 지형도를 그려나가는 자세가 필요합니다.

"산업공학은 시스템의 불확실성을 관리하는 과학이다"|9명의 서울대 교수가 분석한 AI 시대 산업공학 가이드 #9|이재욱
(주)사이언스북스『미래를 만듭니다』AI 시대 산업공학 가이드
  • 수학
  • 융합
  • 공학·기술

오픈소스와 특허

지식재산권은 크게 특허청이 주관하는 산업재산권과 문화체육관광부가 관리하는 저작권으로 나뉩니다. 산업재산권은 등록을 통해 권리가 발생하는 반면, 저작권은 창작과 동시에 효력이 생기는 특성이 있습니다. 소프트웨어 분야에서 오픈 소스와 특허는 흔히 상반된 개념으로 인식되곤 합니다. 오픈 소스는 누구나 자유롭게 기술을 사용하도록 개방하는 것이 원칙이지만, 특허는 특정인에게 독점적인 권리를 부여하기 때문입니다. 이러한 두 영역은 현대 기술 생태계에서 필연적으로 공존할 수밖에 없으므로 이를 전략적으로 활용하는 것이 매우 중요합니다. 최근 소프트웨어와 게임 산업에서는 특허와 저작권을 둘러싼 법적 분쟁이 더욱 가속화되고 있습니다. 과거에는 소스 코드의 복제 여부를 따지는 저작권 소송이 주를 이루었으나, 이제는 게임의 규칙이나 독특한 플레이 방식까지 특허권의 보호 대상으로 인정받는 추세입니다. 예를 들어, 닌텐도와 같은 기업은 게임 방식에 대한 특허를 활용해 타사에 강력한 소송을 제기하기도 합니다. 이는 오픈 소스 기반의 소프트웨어 개발자들에게도 특허 리스크 관리가 이제 선택이 아닌 생존을 위한 필수적인 업무가 되었음을 시사하는 지점이라 할 수 있습니다. 오픈 소스 라이선스에는 생태계의 평화를 유지하기 위한 '특허 보복 조항'이라는 독특한 안전장치가 포함되어 있습니다. 이는 오픈 소스를 무료로 사용하도록 허가받은 사용자가 역으로 개발자나 다른 참여자에게 특허 소송을 제기할 경우, 부여받았던 특허 라이선스 효력을 즉시 정지시키는 장치입니다. 아파치나 GPL 3.0 같은 주요 라이선스들은 이러한 보복 조항을 명시하여 오픈 소스 특유의 상호 호혜적인 정신을 보호합니다. 이를 통해 개발자는 기술을 공개하면서도 사용자의 무분별한 특허 공격으로부터 스스로를 보호할 수 있는 최소한의 근거를 마련하게 됩니다. 기업이 오픈 소스를 배포하거나 활용할 때는 특허 관점에서의 면밀한 검토가 선행되어야 합니다. 자사의 핵심 기술이 포함된 소스 코드를 특허 라이선스 부여 조항이 있는 라이선스로 배포할 경우, 나중에 해당 특허로 수익화하거나 권리를 주장하는 데 제약이 생길 수 있기 때문입니다. 반대로 특허 소송을 준비하는 기업은 자사가 사용 중인 오픈 소스의 보복 조항을 사전에 점검하여 예상치 못한 역공을 차단해야 합니다. 전략적으로는 특허권을 별도 법인으로 이전하여 소송을 진행하거나, 경쟁사가 의존하는 프로젝트에 기여하여 방어권을 확보하는 등의 접근이 필요합니다. 성공적인 지식재산 전략을 위해서는 조직 내 오픈 소스 관리 부서와 특허 전담 부서 간의 긴밀한 협업 시스템 구축이 필수적입니다. 오픈 소스 조직은 라이선스의 법적 리스크를 특허 팀에 공유하고, 특허 팀은 이를 바탕으로 기업의 지식재산 포트폴리오를 최적화해야 합니다. 특히 오픈 소스 개발자는 억울한 분쟁에 휘말리지 않도록 관련 특허를 사전에 확보하여 방어력을 갖추는 노력이 필요합니다. 기술 공유와 독점권 사이의 균형을 맞추는 통합적인 거버넌스가 확립될 때, 기업은 오픈 소스 시대의 법적 리스크를 극복하고 지속적인 기술 경쟁력을 유지할 수 있습니다.

오픈소스와 특허
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

첨단 인공지능 안전 및 신뢰성 표준화 동향

인공지능 기술은 딥러닝 시대를 넘어 대규모 학습 기반의 거대 AI 시대로 빠르게 진입하고 있습니다. 최근에는 LLM이나 파운데이션 모델을 넘어, 인간의 통제 범위를 벗어날 수 있는 위험성을 강조한 '프론티어 AI'라는 용어가 등장하기 시작했습니다. 이러한 첨단 AI는 작업 시간을 획기적으로 단축하며 산업 전반의 효율성을 높이고 있지만, 동시에 우리가 과거에 인지하지 못했던 새로운 차원의 위험 요소를 내포하고 있습니다. 이는 단순한 기술 발전을 넘어 인류의 안전과 신뢰성에 대한 진지한 고민이 필요한 시점임을 시사합니다. 인공지능이 생성하는 영상과 이미지의 품질은 실사를 방불케 할 정도로 정교해졌습니다. 텍스트 몇 줄만으로 고화질 영상을 만들어내는 기술은 창작의 문턱을 낮추었지만, 딥페이크와 같은 기술은 범죄에 악용될 소지도 다분합니다. 특히 AI의 지능이 우수한 인간 수준인 IQ 120을 넘어서고 조만간 상위 5%의 인간 능력을 갖출 것으로 예측되면서, 기술적 신뢰를 넘어 인간 사회의 근간을 흔들 수 있는 잠재적 위험에 대한 우려가 커지고 있습니다. 이에 따라 단순한 성능 지표보다 AI 시스템이 인간의 통제를 벗어나지 않도록 보장하는 안전 장치 마련이 시급해졌습니다. AI가 초래할 수 있는 잠재적 위험은 국가 안보와도 직결되는 중대한 사안입니다. 첨단 AI 시스템이 무기화되거나 전력망 붕괴와 같은 재앙적 효과를 낼 수 있다는 경고에 따라 세계 각국은 국제적인 협력 체계를 구축하고 있습니다. 영국에서 열린 AI 안전 정상회의와 UN의 안전한 AI 협력 결의문 채택은 이러한 위기감의 반영입니다. 과거 산업 혁명 시기에 '안전 제일'을 외쳤던 것처럼, AI 분야에서도 기술 발전의 속도만큼이나 위험을 관리하고 통제하는 체계적인 안전 관리 프로세스를 정립하는 것이 인류의 생존을 위해 필수적인 과제가 되었습니다. 미국과 유럽을 중심으로 AI에 대한 법적 규제와 관리 체계가 구체화되고 있습니다. 미국 행정명령은 고성능 모델에 대한 보고 의무를 부여했으며, EU 인공지능법은 위험 등급에 따라 금지되거나 엄격히 관리되어야 할 시스템을 정의하고 있습니다. 이러한 흐름 속에서 주요국들은 'AI 안전 연구소(AISI)'를 설립하여 거버넌스를 총괄하고 있습니다. 한국 또한 ETRI를 중심으로 AI 안전 연구소 발족을 준비하며 국제적인 안전 표준화 흐름에 발맞추고 있으며, 이는 기술의 신뢰성과 국가 차원의 대응력을 확보하기 위한 중요한 제도적 기반이 될 것입니다. 오픈소스 생태계는 생성형 AI의 비약적인 발전에 기여하고 있지만, 동시에 보안과 안전 관리의 사각지대라는 위험을 안고 있습니다. 특정 기업의 관리를 받지 않는 모델은 예상치 못한 취약점을 내포한 채 배포될 가능성이 높기 때문입니다. 이에 대응하여 영국의 '인스펙'이나 미국의 '다이옵트라'와 같은 안전 검사 도구들이 오픈소스로 공개되어 누구나 모델의 신뢰성을 평가할 수 있도록 돕고 있습니다. 또한 MLCommons와 같은 민간 기구에서도 AI 안전 벤치마크를 수립하며 기술적 장치를 마련하고 있으며, 이는 안전한 인공지능 생태계 구축을 위한 필수적인 행보입니다.

첨단 인공지능 안전 및 신뢰성 표준화 동향
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

오픈소스 / 데이터 라이선스의 이해

소프트웨어 산업은 오랜 시간 지식재산권이라는 틀 안에서 권리자를 보호하고 로열티를 받는 방식으로 성장해 왔습니다. 하지만 오픈소스는 이러한 독점적 모델에서 벗어나 이용자에게 사용, 복제, 배포의 자유를 부여하는 혁신적인 철학을 제시합니다. 단순히 코드를 공개하는 것에 그치지 않고, 누구나 기술을 공부하고 수정하며 그 결과물을 다시 사회와 공유할 수 있도록 장려하는 것입니다. 이는 기술 혁신의 속도를 비약적으로 높이는 계기가 되었으며, 현재 클라우드와 인공지능 환경에서 그 가치가 더욱 주목받고 있습니다. 오픈소스 라이선스는 그 성격에 따라 크게 두 가지 방향으로 나뉩니다. 아파치나 MIT 라이선스처럼 저작자 표시와 같은 최소한의 규칙만 요구하는 '허용적 라이선스'가 있는 반면, GPL처럼 파생 저작물까지 동일한 라이선스로 배포하도록 강제하는 '카피레프트 라이선스'가 존재합니다. 1990년대 후반 오픈소스 이니셔티브(OSI)가 설립되면서 상업적 이용 허용과 소스 코드 제공 등 10가지 요건을 정의한 이후, 이러한 라이선스 체계는 개발자들이 자유롭게 협업하면서도 서로의 권리를 존중할 수 있는 법적 토대가 되었습니다. 인공지능 기술의 정점인 거대언어모델(LLM)은 방대한 학습 데이터를 필요로 하며, 이 과정에서 새로운 데이터 라이선스 쟁점이 발생합니다. GPT-3와 같은 모델의 학습 데이터를 분석해 보면 위키피디아와 같은 신뢰도 높은 자료와 더불어 방대한 웹페이지 데이터가 핵심적인 역할을 합니다. 그러나 현재 대다수 데이터가 영어에 편중되어 있어 특정 언어 중심의 사고가 AI에 투영되는 한계가 있습니다. 따라서 진정한 오픈소스 AI의 발전을 위해서는 소프트웨어 코드뿐만 아니라 학습 데이터의 투명성과 다양성을 확보하는 일이 매우 시급합니다. 국내 인공지능 생태계에서도 학습 데이터 확보는 기술 주권을 지키기 위한 핵심 과제입니다. 네이버의 하이퍼클로바X는 플랫폼 내의 블로그와 지식iN 자료를 활용해 한국어 특화 성능을 구축했습니다. 이는 이용 약관을 통해 데이터 활용에 대한 동의를 얻는 방식으로 법적 리스크를 관리하려는 시도입니다. 하지만 언론사 기사와 같이 저작권이 명확한 콘텐츠의 경우, 여전히 권리자와의 협상과 적절한 보상 체계 마련이 중요한 쟁점으로 남아 있습니다. 이는 기업이 기술 개발만큼이나 윤리적·법적 책임에 민감해야 함을 보여줍니다. 인터넷상의 방대한 콘텐츠를 허락 없이 학습하는 행위가 저작권 침해인지에 대해서는 '공정 이용' 원칙이 주요하게 논의됩니다. 과거 검색 엔진이 정보를 수집하고 인덱싱하는 과정이 원저작자의 권리를 해치지 않는 보완재로 인정받은 전례가 있기 때문입니다. 하지만 인공지능은 원저작물을 대체하거나 새로운 경쟁 관계를 형성할 가능성이 있어 법적 판단이 훨씬 복잡합니다. 현재로서는 합법과 불법의 경계가 명확하지 않기에, 기업들은 리스크를 상시 모니터링하며 감당 가능한 범위 내에서 사업을 전개하는 유연한 리스크 관리 전략이 필요합니다. 학습 데이터셋인 '더 파일(The Pile)'의 구성을 분석해 보면 데이터의 종류에 따라 법적 위험도가 천차만별임을 알 수 있습니다. 오픈 액세스로 공개된 논문이나 위키피디아 자료는 상대적으로 리스크가 낮지만, 무단 복제된 도서 데이터나 최근 유료화된 플랫폼 데이터는 심각한 저작권 소송의 원인이 되기도 합니다. 실제로 글로벌 거대 IT 기업들도 학습 데이터의 무단 사용으로 인해 권리자들로부터 소송을 당해 재판을 진행 중입니다. 따라서 앞으로의 AI 모델 개발은 투명한 데이터 출처 관리와 합법적인 확보 절차가 품질만큼이나 중요한 경쟁력이 될 것입니다. 최근 공개된 메타의 라마(Llama) 3.1과 같은 모델들은 뛰어난 성능을 자랑하지만, 이용자 수에 따라 사용을 제한하는 등 전통적인 오픈소스 정의(OSD)에서는 다소 벗어나 있습니다. 이는 인공지능 시대에 '오픈소스'라는 용어를 어떻게 재정의할 것인가에 대한 근본적인 질문을 던집니다. 이에 대응하여 오픈소스 이니셔티브(OSI)는 AI의 코드, 모델, 데이터를 아우르는 새로운 표준을 정립하는 작업을 진행 중입니다. 유럽의 AI 법안 등 국제적인 제도 변화와 맞물려, 공유와 협력이라는 오픈소스의 정신이 인공지능이라는 새로운 환경에서 어떻게 진화할지 주목해야 할 시점입니다.

오픈소스 / 데이터 라이선스의 이해
한국전자통신연구원오픈소스 테크데이
  • 융합
  • 공학·기술

[EOST2023] 안전한 오픈소스 생태계를 위한 오소리 프로젝트

삼성전자의 '오소리(OSORI) 프로젝트'는 오픈소스 라이선스 정보를 투명하게 공개하여 누구나 법적 의무 사항을 쉽게 준수할 수 있도록 돕는 공익적 목적의 활동입니다. 기존에는 사내 포털인 '삼성 오픈소스 허브'를 통해 개발자들이 특정 프로젝트를 사용해도 되는지 신호등 모델로 직관적으로 알려주는 서비스를 제공해 왔습니다. 이러한 서비스는 복잡한 라이선스 해석 과정을 획기적으로 줄여주고 개발 효율성을 높여준다는 점에서 내부 임직원들로부터 매우 긍정적인 호응을 얻었습니다. 하지만 개별 기업이 독자적으로 DB를 운영하는 데에는 현실적인 한계가 있었습니다. 매일같이 쏟아지는 새로운 오픈소스 프로젝트와 오픈소스 라이선스를 실시간으로 업데이트하기에는 리소스가 부족했고, 법적 판결 사례가 드문 영역 특성상 라이선스 판단의 신뢰성을 확보하는 일도 쉽지 않았기 때문입니다. 개발자들에게는 편리한 신호등 모델이 관리자들에게는 늘 불안함과 찝찝함을 남기는 요소였기에, 이를 해결하기 위한 근본적인 변화가 필요하다는 점을 깊이 통감하게 되었습니다. 이러한 고민을 해결하기 위해 삼성전자는 오픈소스의 핵심 가치인 공유와 협력을 선택했습니다. 국내 커뮤니티인 '오픈체인 코리아 워킹그룹'에서 아이디어를 제안했고, 이에 공감한 LG전자와 카카오가 초기 멤버로 합류하며 프로젝트가 구체화되었습니다. 특히 한국저작권위원회가 중립적인 전문 기관으로서 지원을 약속하며 삼성, LG, 카카오 3사와 함께 업무 협약을 체결하게 되었습니다. 이는 국내 기업들이 각자 쌓아온 노하우를 한곳에 모으는 중대한 전환점이 되었습니다. 프로젝트 팀은 정교한 통합 스키마를 설계하기 위해 제주도에서 합숙까지 감행하며 SPDX 라이선스 리스트를 전수 분석했습니다. 라이선스 전문을 읽으며 의무 사항을 정의하고, 기업 입장에서의 실질적인 리스크를 1~5단계의 레벨과 신호등 모델로 구조화하는 고된 작업을 진행했습니다. 이를 통해 사용자들은 단순한 텍스트 정보를 넘어, 특정 오픈소스를 활용할 때 주의해야 할 제약 조건과 위험 수치를 시각화된 데이터로 명확하게 파악할 수 있는 기반을 마련하게 되었습니다. 오소리 프로젝트는 향후 MySQL 기반의 통합 스키마와 API를 제공하여 누구나 정보를 쉽게 활용하고 기여할 수 있는 개방형 생태계를 구축할 예정입니다. 국내 제조사들이 수십 년간 축적해온 검증 노하우가 집약된 이 DB는 중소기업이나 개인 개발자들에게 실무적인 가이드라인이 될 것입니다. 오픈소스의 진정한 가치가 상생에 있듯이, 오소리 프로젝트가 국내외 오픈소스 컴플라이언스 문화를 선도하고 건강한 소프트웨어 생태계를 만드는 신뢰의 초석이 되기를 기대합니다.

[EOST2023] 안전한 오픈소스 생태계를 위한 오소리 프로젝트
한국전자통신연구원오픈소스 테크데이
  • 공학·기술

[인터뷰] 송성주_나이팅게일이 통계학자였다?! ㅣ 통계를 통해 사망률을 낮춘 간호사

통계학은 흩어진 자료 속에서 유의미한 정보를 찾아내고 새로운 지식을 창출하는 학문입니다. 특히 금융공학 분야에서는 수학과 통계, 전산 기술을 결합하여 파생상품의 가격을 결정하거나 효율적인 투자 전략을 수립하며, 시장의 리스크를 관리하는 데 핵심적인 역할을 수행합니다. 단순히 자료를 정리하고 요약하는 것만으로도 우리가 미처 알지 못했던 새로운 사실을 발견할 수 있으며, 이는 복잡한 금융 시장에서 최적의 의사결정을 내리는 든든한 기초가 됩니다. 변동성 추정이나 수익률 예측 역시 이러한 통계적 사고를 바탕으로 이루어집니다. 역사적으로 통계는 생명을 구하고 사회를 변화시키는 강력한 도구로 쓰였습니다. 간호사이자 통계학자였던 나이팅게일은 크림 전쟁 당시 야전병원의 위생 상태와 환자 데이터를 체계적으로 수집하여 분석했습니다. 그녀는 위생 개선이 사망률을 획기적으로 낮출 수 있다는 연관 관계를 밝혀냈고, 이를 '폴라 에어리어 다이어그램'이라는 시각적 그래프로 요약하여 보고함으로써 필요한 예산을 확보했습니다. 이는 통계가 단순한 숫자 나열을 넘어, 복잡한 현상을 명확하게 설명하고 정책적 변화를 이끌어낼 수 있음을 보여주는 대표적인 사례입니다. 통계적 유의성을 검증하는 가설검정은 현대 과학 연구의 핵심적인 방법론입니다. 1930년대 통계학자 피셔는 홍차에 우유를 넣는 순서에 따라 맛의 차이를 구별할 수 있다는 주장을 검증하기 위해 정교한 실험을 설계했습니다. 그는 우연히 정답을 맞힐 확률인 유의 확률(p-value)을 계산하여, 그 확률이 매우 낮을 때만 실제 능력이 있다고 판단하는 객관적인 기준을 제시했습니다. 이러한 방법론은 오늘날 법정의 증거 분석이나 금융권의 신용평가 모형 구축 등 고도의 객관성이 필요한 다양한 분야에서 의사결정의 신뢰도를 높이는 데 기여하고 있습니다. 인구 통계의 역사는 17세기 사망표 분석에서 시작되어 오늘날 국가 정책 수립의 필수적인 근거가 되었습니다. 현재 우리나라는 합계출산율이 0.84명에 불과할 정도로 심각한 저출산 단계에 진입해 있으며, 이는 세계적으로도 유례를 찾기 힘든 수준입니다. 인구학적으로는 인구가 유지되는 대체출산율인 2.1명 수준으로 수렴하며 안정화된다는 이론이 존재하지만, 실제 출산은 개인의 가치관과 의지적 선택이 강하게 작용하는 영역입니다. 따라서 통계적 추세를 면밀히 분석하고 이를 바탕으로 실효성 있는 사회적 지원책을 고민하는 것이 무엇보다 중요합니다. 최근 주목받는 암호화폐 시장은 높은 불확실성과 리스크가 공존하는 영역으로, 통계적 관점에서의 신중한 접근이 요구됩니다. 투자 성향에 따라 리스크를 감수하거나 헤지하는 전략이 달라지지만, 제도적 장치가 미비한 상황에서는 철저한 분석이 선행되어야 합니다. 한편, 통계적 사고는 일상 속 공정의 문제와도 연결됩니다. 여행 비용 분담 시 할인 혜택을 어떻게 나눌 것인지에 대한 고민처럼, 공정함이란 단순히 수치를 나누는 것이 아니라 상황의 맥락과 개인의 노력을 종합적으로 고려해야 하는 복잡한 문제입니다. 결국 통계는 세상을 보다 합리적으로 바라보는 틀을 제공합니다.

[인터뷰] 송성주_나이팅게일이 통계학자였다?! ㅣ 통계를 통해 사망률을 낮춘 간호사

송성주

카오스재단서울대자연과학공개강연
  • 수학

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강 | 10강

액체나 기체 속에 떠 있는 미세한 입자들이 불규칙하게 움직이는 현상을 브라운 운동이라고 합니다. 1827년 식물학자 로버트 브라운이 물 위의 꽃가루 알갱이를 관찰하며 발견한 이 운동은 초기에는 생명 현상으로 오해받기도 했으나, 이후 무생물에서도 나타나는 물리적 현상임이 밝혀졌습니다. 알베르트 아인슈타인은 이 불규칙한 움직임에 대한 수학적 모델을 제시하여 분자의 존재를 증명하는 데 기여했으며, 노버트 위너는 이를 엄밀하게 정의하여 '위너 과정'이라는 이름을 남겼습니다. 브라운 운동의 개념은 물리학적 증명보다 앞서 금융시장에 도입되었습니다. 1900년 프랑스의 수학자 루이 바슐리에는 주식 가격의 변동을 브라운 운동으로 모형화하여 옵션 가격을 결정하려는 시도를 담은 박사 학위 논문을 발표했습니다. 당시에는 수학자와 금융 전문가들 사이의 소통 부재로 큰 주목을 받지 못했으나, 이는 훗날 금융공학이라는 거대한 학문의 기원이 되었습니다. 주가의 무작위적인 움직임이 미세 입자의 충돌과 유사하다는 통찰은 현대 금융 이론의 기초가 되었습니다. 1960년대에 이르러 바슐리에의 이론은 새뮤얼슨에 의해 '기하 브라운 운동'으로 발전되었습니다. 이는 주가가 항상 양수여야 한다는 현실적인 조건을 반영한 모델로, 현대 금융공학의 정점인 블랙-숄즈 옵션 가격 결정 모형의 토대가 되었습니다. 블랙과 숄즈는 이 모형을 통해 옵션의 적정 가격을 산출하는 공식과 리스크를 회피할 수 있는 복제 전략을 제시했습니다. 이 공헌으로 그들은 노벨 경제학상을 수상했으며, 이후 파생상품 거래는 전 세계적으로 폭발적인 성장을 거듭하게 되었습니다. 옵션은 기초자산을 정해진 시기에 정해진 가격으로 사거나 팔 수 있는 '권리'를 의미합니다. 이는 의무가 수반되는 선물이나 선도 계약과는 차별화되는 특징을 가집니다. 옵션 투자자는 시장 상황이 자신에게 유리할 때만 권리를 행사하고, 불리할 때는 권리를 포기함으로써 손실을 제한할 수 있습니다. 그러나 적은 금액으로 큰 수익을 노리는 레버리지 효과가 크기 때문에, 예상과 반대로 시장이 움직일 경우 투자 원금 전체를 잃을 수 있는 높은 위험성도 동시에 내포하고 있습니다. 복잡한 옵션 구조가 초래한 대표적인 리스크 사례로 '키코(KIKO)' 계약을 들 수 있습니다. 이는 환율이 일정 범위 내에서 움직일 때는 기업이 이익을 보지만, 범위를 벗어나면 막대한 손실을 입는 배리어 옵션의 일종입니다. 2008년 금융위기 당시 환율이 급등하자 많은 수출 기업들이 예상치 못한 손실을 입으며 사회적 파장을 일으켰습니다. 이는 금융상품의 손익 구조가 비대칭적일 때 발생할 수 있는 위험을 보여주며, 투자자가 상품의 리스크를 충분히 파악하는 것이 얼마나 중요한지 시사합니다. 금융시장에는 예외적으로 발생하지만 일단 일어나면 엄청난 충격을 주는 '검은 백조(Black Swan)' 사건들이 존재합니다. 1987년의 블랙 먼데이, 2008년 글로벌 금융위기, 그리고 최근의 코로나19 팬데믹 등이 이에 해당합니다. 이러한 사건들은 과거의 데이터만으로는 예측하기 매우 어렵지만, 발생 이후에는 논리적인 설명이 가능하다는 특징이 있습니다. 통계학적으로는 분포의 꼬리 부분에서 발생하는 극단적인 사건들에 해당하며, 이를 관리하기 위해 극값 이론과 같은 고도의 통계적 기법이 동원됩니다. 현대 금융기관은 리스크 관리를 위해 'VaR(Value at Risk)'나 '기대 쇼트폴'과 같은 지표를 활용합니다. 이는 발생 가능한 최대 손실액을 통계적으로 산출하여 자본의 건전성을 유지하기 위한 도구입니다. 최근에는 머신러닝과 딥러닝 등 데이터 과학 기술이 발전하면서 방대한 데이터를 분석해 수익률을 예측하고 리스크를 정교하게 관리하려는 시도가 이어지고 있습니다. 통계적 사고를 기반으로 한 자료 분석과 해석은 불확실성이 가득한 금융시장에서 더욱 중요한 역할을 수행하게 될 것입니다.

[강연] 꽃가루의 움직임에서 검은 백조까지(금융시장에서의 확률과 통계) _ by송성주 ㅣ 2021 가을 카오스강연 '과학의 희열' 10강

송성주

카오스재단카오스강연
  • 수학

[인터뷰] 송성주_AI가 발달하면 주식을 예측할 수 있을까? | 2021 가을 카오스강연 '과학의 희열'

성취 중심의 삶에서 벗어나 현재 가진 것에 감사하며 이를 선한 일에 활용하려는 태도는 개인의 평안뿐만 아니라 주변에도 긍정적인 영향을 미칩니다. 통계학이라는 전공 역시 처음부터 확고한 목표가 있었던 것은 아니었습니다. 컴퓨터 과학에 대한 막연한 동경으로 시작해 계산통계학과에 진학했지만, 공부 과정에서 통계학의 매력을 발견하며 전공을 선택하게 되었습니다. 이처럼 어린 시절에 하고 싶은 일이 명확하지 않더라도 다양한 경험을 쌓다 보면 자신에게 맞는 길을 찾을 수 있다는 사실은 많은 이들에게 위로와 용기를 줍니다. 박사 학위 취득 직후 시작된 교수 생활과 육아는 시간적 여유를 허락하지 않았지만, 그 과정에서 가족과 함께하는 소박한 일상의 소중함을 깨달았습니다. 아이들과 함께 야외를 산책하거나 등산을 즐기며 에너지를 발산하는 시간은 바쁜 일상 속에서 큰 활력소가 되었습니다. 특히 실력과 상관없이 아이들과 함께 악기를 연주하고 노래하며 신앙을 표현하는 활동은 가족 간의 유대감을 강화하는 소중한 경험이 됩니다. 이러한 소소한 취미와 가족과의 시간은 연구와 교육에 매진할 수 있는 든든한 정서적 기반이 되어줍니다. 금융공학과 금융통계는 현대 자본시장을 이해하는 핵심적인 도구입니다. 금융수학이 파생상품의 가격 결정이나 투자 전략 수립에 수학을 적용하는 응용수학 분야라면, 금융공학은 이를 통계 분석이나 모의 실험 등의 기법으로 실제 문제에 적용하는 실용적인 성격을 띱니다. 금융통계는 시장에 넘쳐나는 방대한 자료를 수집하고 분석하여 적절한 의사결정을 돕는 일련의 과정을 의미합니다. 변동성 추정이나 리스크 측정, 수익률 예측 등 금융시장의 주요 과제들은 모두 이러한 학문적 토대 위에서 다루어지며 시장의 효율성을 높이는 데 기여합니다. 주가 수익률 예측은 많은 이들의 관심사이지만, 전통적인 통계적 방법론으로는 유의미한 성과를 거두기 어려운 난제 중 하나입니다. 과거에는 설명 변수를 제한적으로 사용하거나 랜덤워크 모형에 의존하는 경향이 있었으나, 최근에는 인공지능과 빅데이터 기술의 발전으로 새로운 국면을 맞이하고 있습니다. 방대한 데이터를 처리할 수 있는 고급 예측 기법들이 등장하면서 더욱 정교한 연구가 가능해진 것입니다. 비록 시장의 불확실성을 완전히 제거하는 것은 불가능에 가깝지만, 기술적 진보는 금융 데이터 분석의 정확도를 높이는 데 중요한 역할을 할 것으로 기대됩니다. 교육 현장에서는 복잡한 수식의 나열보다 '왜 이 공부를 하는가'에 대한 근본적인 이유를 설명하는 것이 무엇보다 중요합니다. 계산의 목적과 개념 간의 연관성을 명확히 전달할 때 학생들은 학문의 본질을 더 깊이 이해할 수 있습니다. 연구 측면에서는 수익률 극대화보다 리스크를 효과적으로 관리하고 측정하는 데 집중하고자 합니다. 이해하기 쉽고 실용적인 리스크 측도를 개발하여 복잡한 금융상품의 리스크를 정확히 평가함으로써, 시장 참여자들이 보다 안전하고 합리적인 선택을 할 수 있도록 돕는 가교 역할을 수행하는 것이 궁극적인 목표입니다.

[인터뷰] 송성주_AI가 발달하면 주식을 예측할 수 있을까? | 2021 가을 카오스강연 '과학의 희열'

송성주

카오스재단카오스강연
  • 수학