네트워크분석

9 Contents

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

현대 데이터 과학의 핵심은 단순히 정보를 수집하는 것을 넘어, 데이터 이면에 숨겨진 복잡한 관계를 파악하는 데 있습니다. 특히 그래피컬 모델과 네트워크 분석은 변수들 사이의 함수 관계나 인과관계를 규명하는 데 초점을 맞춥니다. 기존의 인공지능이 주로 상관관계에 기반하여 미래를 예측했다면, 이 연구 분야는 원인이 바뀌었을 때 결과가 어떻게 변하는지 그 시스템 자체를 이해하고자 합니다. 이러한 접근은 인공지능이 인간의 의사결정 과정을 보다 정교하게 보조하고 대체할 수 있는 지식의 토대가 됩니다. 현재 우리가 사용하는 인공지능은 여러 한계점을 지니고 있습니다. 가장 큰 문제는 데이터의 편향성으로, 주로 선진국 위주의 데이터가 수집되다 보니 보편적인 판단을 내리는 데 어려움이 있습니다. 또한 모델이 지나치게 복잡해지면서 결과가 도출된 이유를 인간이 이해하지 못하는 '블랙박스' 현상이 발생합니다. 이는 고성능 컴퓨팅 자원의 과도한 사용으로 이어져 환경 문제까지 야기하고 있습니다. 따라서 다음 세대의 인공지능은 이러한 불투명성과 비효율성을 극복하는 방향으로 진화해야 합니다. 미래의 인공지능은 단순히 예측 성능을 높이는 것을 넘어, '설명 가능한 AI'를 지나 '해석 가능한 AI' 혹은 '인과관계 AI'로 나아가야 합니다. 이는 특정 변수가 결과에 어떤 영향을 미쳤는지 단순히 나열하는 수준을 넘어, 왜 그런 결과가 초래되었는지 논리적으로 설명할 수 있는 능력을 의미합니다. 데이터가 생성되는 시스템 자체를 이해하는 방법론이 개발된다면, 인공지능은 단순한 도구를 넘어 인간의 논리적 사고를 뒷받침하는 강력한 파트너로서 그 역할을 수행하게 될 것입니다. 인과관계를 추론하는 그래피컬 모델은 다양한 실무 분야에서 혁신적인 변화를 이끌어낼 수 있습니다. 신약 개발 과정에서는 약물이 인체 면역 시스템에 미치는 영향을 분석하여 치료 효과를 극대화하고, 예상치 못한 부작용을 사전에 예측하는 데 활용됩니다. 사회 정책 분야에서도 특정 정책이 사회 전반에 미치는 파급 효과를 분석하여 의도한 목표를 달성할 수 있는지, 혹은 예기치 못한 사회적 부작용이 발생하지는 않을지 미리 판단할 수 있게 해줍니다. 이는 데이터 기반의 정밀한 의사결정을 가능케 합니다. 과학자의 길을 걷기 위해서는 연구가 세상을 어떻게 바꿀지에 대한 거시적인 시각을 갖는 것이 중요합니다. 하지만 장기적인 레이스를 완주하기 위해서는 자신만의 스트레스 관리법 또한 필수적입니다. 운동이나 등산과 같은 신체 활동은 연구 과정에서 쌓인 스트레스를 해소하고 다시 몰입할 수 있는 에너지를 제공합니다. 결국 좋아하는 일을 지속할 수 있는 힘은 학문적 열정과 건강한 생활 습관의 균형에서 비롯됩니다. 이러한 균형은 과학자로서의 삶을 더욱 풍요롭고 지속 가능하게 만들어 줄 것입니다.

[인터뷰] 박건웅_예측을 넘어 인과관계를 해석하는 데이터 사이언스🧑‍💻📊🖥️|제31회 서울대 자연과학 공개강연_"세상을 바꾼 과학, 과학이 여는 미래"

박건웅

카오스재단서울대자연과학공개강연
  • 수학

[연구뭐하지?] 설명력에 강점을 둔 통계적 인공지능, 그래피컬 모델 연구_박건웅 교수 | 서울대학교 “데이터사이언스&머신러닝 연구실”

데이터 분석 분야에서 그래프를 활용한 연구는 복잡한 변수 간의 관계를 시각화하고 분석하는 데 탁월한 도구입니다. 특히 방향성 비순환 그래프(DAG)는 변수들 사이의 인과관계나 기능적 연결성을 파악하는 데 중점을 둡니다. 이는 단순히 특정 타겟 변수를 예측하는 일반적인 통계 모델을 넘어, 전체 변수를 동등한 위치에서 바라보며 그들 사이의 구조적 메커니즘을 학습하는 과정입니다. 연구자는 동일한 표본 크기에서도 최적의 학습 결과를 도출할 수 있는 알고리즘을 개발하며 데이터 생성의 원리를 탐구합니다. 이러한 그래피컬 모델은 사회과학이나 의학 분야에서 실질적인 가치를 발휘합니다. 새로운 정책이 시행될 때 그 정책이 목표한 효과를 거두는지 분석할 뿐만 아니라, 예상치 못한 부작용이나 연쇄 반응을 미리 가늠해 볼 수 있는 지표가 됩니다. 신약 개발 과정에서도 약물이 질병 치료에 미치는 직접적인 효능과 더불어 간접적으로 발생할 수 있는 부작용을 예측함으로써 연구의 정밀도를 높이는 데 기여합니다. 이는 복잡하게 얽힌 현대 사회의 문제들을 체계적으로 이해하는 데 중요한 역할을 합니다. 연구의 여정은 긴 시간과 노력이 필요한 고된 작업입니다. 아무리 뛰어난 지능을 가졌더라도 난해한 문제를 해결하기 위해서는 수년의 시간이 필요하며, 이 과정에서 인내심과 체력, 그리고 끊임없는 도전 정신이 필수적입니다. 지도 교수는 학생들이 연구의 기초를 다질 수 있도록 세심하게 이끌어주는 역할을 수행하며, 학생들이 스스로 한계를 극복하고 독립적인 연구자로 성장할 수 있는 환경을 조성해야 합니다. 이러한 세밀한 지도는 학생들이 연구의 방향을 잃지 않고 나아갈 수 있는 나침반이 되어줍니다. 대학원 과정에 입문한 학생들은 단순히 기존의 논문을 이해하는 수준에 머물러서는 안 됩니다. 읽은 내용을 바탕으로 해당 연구의 한계점이 무엇인지, 어떤 부분을 개선할 수 있을지 비판적으로 사고하는 습관을 기르는 것이 중요합니다. 생소한 분야일지라도 새로운 지식을 습득하려는 의지와 그래프 이론에 대한 거부감 없는 태도는 연구 역량을 확장하는 밑거름이 됩니다. 지식을 수동적으로 수용하기보다 능동적으로 의문을 제기하고 대안을 찾는 과정이 진정한 학문적 성장의 시작입니다. 그래피컬 모델과 같은 희소성 있는 분야는 연구 커뮤니티가 넓지 않지만, 그만큼 개척할 수 있는 영역이 무궁무진하다는 장점이 있습니다. 석사 과정을 통해 연구의 기초를 경험하고 전문성을 쌓은 뒤 박사 과정으로 진학하는 경로는 자신의 적성을 확인하고 깊이 있는 학문적 성취를 이루는 합리적인 선택이 될 수 있습니다. 통계학적 사고를 바탕으로 끈기 있게 연구에 몰입하는 시간은 전문가로 성장하는 소중한 자산이 되며, 이는 곧 해당 분야의 발전을 이끄는 원동력이 됩니다.

[연구뭐하지?] 설명력에 강점을 둔 통계적 인공지능, 그래피컬 모델 연구_박건웅 교수 | 서울대학교 “데이터사이언스&머신러닝 연구실”

박건웅

카오스재단연구뭐하지
  • 수학

[카오스 짧강] 인류와 함께 공존하는 감염병과 수리모델링_by정은옥|2018 봄 카오스 강연 '모든 것의 수數다' 7강

4차 산업혁명 시대에 접어들었음에도 불구하고 인류는 여전히 신종 인플루엔자의 위협으로부터 자유롭지 못합니다. 2009년의 신종 인플루엔자 대유행과 2015년의 메르스 사태는 현대 사회에서 감염병 관리가 얼마나 중요한 과제인지를 여실히 보여주었습니다. 이러한 위기 상황에서 수리 생물학자들은 감염병의 확산 양상을 예측하고 효과적인 대응 방안을 마련하기 위해 수학적 모델링을 활용합니다. 특히 미분방정식을 이용한 모델은 시간에 따른 감염자 수의 변화를 정교하게 계산하여 방역 정책의 과학적 근거를 제시하는 핵심적인 역할을 수행하고 있습니다. 감염병 모델링은 단순히 수학적 수식만으로 완성되는 것이 아니라 역학자들과의 긴밀한 협력이 필수적입니다. 수학자들은 질병관리청의 감염 역학 전문가들과 소통하며 잠복기, 유병 환자, 회복자 등 의학적 개념을 수식에 반영하는 과정을 거칩니다. 대표적인 모델인 SEIR 모델은 인구 집단을 감수성자, 잠복기 감염자, 증상 유무에 따른 감염자, 그리고 회복자 그룹으로 세분화하여 분석합니다. 이러한 다학제적 접근은 복잡한 감염병의 전파 경로를 정확하게 파악하고 현실의 데이터를 모델에 투영하여 예측의 신뢰도를 높이는 근간이 됩니다. 2009년 신종 인플루엔자 확산 당시, 연구진은 전국적인 지역 확산 모델을 구축하기 위해 한국 특유의 통근 및 통학 데이터를 적극적으로 활용했습니다. 우리나라는 인구의 60% 이상이 지역 간 이동을 하는 특성을 가지고 있어 이를 반영한 네트워크 모델링이 무엇보다 중요했습니다. 연구자들은 사인 함수를 이용해 하루 중 출퇴근 시간에 따른 인구 흐름을 모델링하였고, 이를 미분방정식과 결합하여 수도권 각 지역 간의 감염 확산 양상을 매우 정교하게 재현해냈습니다. 이는 단순한 통계 수치를 넘어 질병이 지리적으로 어떻게 이동하는지를 시각화하는 성과를 거두었습니다. 수리 모델링의 진정한 가치는 과거의 데이터를 재현하는 것에 그치지 않고 다양한 방역 정책의 효과를 미리 시뮬레이션해 볼 수 있다는 점에 있습니다. 백신이나 치료제가 충분하지 않은 초기 단계에서는 격리나 이동 제한과 같은 비약물적 중재 전략이 매우 중요합니다. 정책 입안자들은 모델을 통해 제한된 예산과 자원을 어디에 집중할 때 가장 큰 효과를 거둘 수 있는지 판단할 수 있습니다. 이는 막대한 사회적 비용을 절감하고 인명 피해를 최소화하기 위한 전략적 의사결정 도구로서, 과학적 방역 체계의 핵심적인 요소로 자리 잡고 있습니다. 연구 결과에 따르면 감염병 확산을 막기 위해 교통망의 중심지인 허브 지역을 통제하는 것보다 최초 발생지인 소스 지역을 집중적으로 관리하는 것이 훨씬 효과적이었습니다. 예를 들어 유동 인구가 많은 강남 지역보다 최초 환자가 발생한 소도시의 이동을 제한했을 때 전국적인 감염자 감소 효과가 더 크게 나타났습니다. 또한 중재 시점은 빠를수록 좋으며 일정 기간 이상의 과도한 통제는 오히려 효율성이 떨어진다는 점도 확인되었습니다. 이러한 정밀한 분석 결과는 미래의 신종 인플루엔자 위기 상황에서 자원을 효율적으로 배분하고 최적의 방역 타이밍을 결정하는 데 중요한 지침이 됩니다.

[카오스 짧강] 인류와 함께 공존하는 감염병과 수리모델링_by정은옥|2018 봄 카오스 강연 '모든 것의 수數다' 7강
카오스재단질토과 + 짧강

[코로나TALK-19] 전문가가 12월 코로나 대유행을 예측한 이유 _김기훈 대표 | 19강

바이러스의 전파는 단순히 병원체 자체의 특성만으로 결정되지 않습니다. 그것이 퍼져나가는 소셜 네트워크의 구조와 인간 사회의 상호작용이 결합하여 하나의 거대한 무늬를 그려내는 과정입니다. 코로나19를 깊이 있게 이해하기 위해서는 확진자 개개인의 임상적 특징을 넘어, 누가 누구에게 어떻게 바이러스를 전달하고 있는지 그 확산의 네트워크를 면밀히 살펴봐야 합니다. 이는 우리 사회가 그리는 보이지 않는 연결망을 분석함으로써 감염병의 실체에 다가가는 인문학적이고도 과학적인 접근이라 할 수 있습니다. 네트워크 분석의 핵심은 방역 당국이 수집한 접촉자 추적 조사 데이터를 정교하게 모델링하는 데 있습니다. 확진자가 발생했을 때 그들의 동선을 파악하고 밀접 접촉자를 분류하여 추가 검사를 진행하는 과정에서 방대한 '링크 테이블'이 만들어집니다. 이를 통해 감염의 시작점과 종착점을 잇는 전파 경로를 시각화하고 수치화할 수 있습니다. 특히 수작업에 의존하던 데이터를 자동화된 프로그램으로 처리함으로써, 복잡하게 얽힌 수천 명의 감염 관계를 단 몇 분 만에 분석하여 유의미한 구조적 특징을 도출해낼 수 있게 되었습니다. 집단 감염 사례를 분석해 보면 우리가 흔히 알고 있는 상식과는 다른 결과가 나타나기도 합니다. 데이터에 따르면 수도권 집단 감염의 절반 가까이가 종교 시설에서 발생했으나, 정작 방역 당국의 고위험 시설 지정 기준에서는 비중이 낮은 다른 시설들이 더 엄격하게 관리되는 경향이 있었습니다. 이는 방역 정책이 실제 발생 빈도와 위험도에 근거하여 더욱 정밀하게 타깃팅되어야 함을 시사합니다. 특정 시설의 위험성을 선입견으로 판단하기보다, 실제 데이터가 가리키는 감염 취약 지점을 정확히 파악하여 사회적 거리 두기의 효율성을 높이는 노력이 필요합니다. 개인 간 전파인 n차 감염은 평균적으로 약 3.8일이라는 짧은 주기로 진행되며, 최대 8차 전파까지 이어지는 사례도 관찰되었습니다. 특히 감염원을 알 수 없는 소위 '감염원 불명'은 n차 전파율이 월등히 높고 전파 속도도 빨라 방역망에 큰 위협이 됩니다. 해외 유입 사례가 국내 지역 사회 전파에 미치는 영향이 상대적으로 미미한 것과 대조적으로, 이러한 감염원 불명은 꼬리에 꼬리를 무는 연쇄 감염을 일으키며 새로운 집단 감염의 도화선이 되기도 합니다. 따라서 전파의 골든타임을 놓치지 않기 위한 신속한 추적 조사가 무엇보다 중요합니다. 네트워크 과학의 관점에서 볼 때, 감염망은 소수의 허브가 대다수의 연결을 독점하는 불평등한 구조를 띱니다. 실제로 상위 1%의 확진자가 전체 개인 감염의 60% 이상을 일으키는 '슈퍼 전파' 현상이 뚜렷하게 나타납니다. 이러한 슈퍼 전파자들은 대개 두 개 이상의 고위험 시설이나 집단에 중복으로 소속되어 활동하는 특징을 보입니다. 예를 들어 콜센터와 교회, 혹은 밀집 시설과 소모임을 연결하는 위치에 있는 개인들이 바이러스 확산의 가교 역할을 하게 됩니다. 이들을 사전에 특정하기는 어렵지만, 활동 반경이 겹치는 지점을 집중 관리함으로써 확산세를 꺾을 수 있습니다. 수도권의 감염 양상은 시기에 따라 해외 유입 중심에서 국내 집단 감염과 n차 감염의 악순환 구조로 진화해 왔습니다. 초기에는 외부로부터의 유입이 주된 원인이었으나, 시간이 흐를수록 집단 감염이 불똥이 되어 개인 간 전파로 번지고, 이것이 다시 새로운 집단 감염을 유발하는 복합적인 메커니즘이 정착되었습니다. 특히 감염 소요 일수가 점차 짧아지는 추세는 방역 당국이 대응할 수 있는 시간적 여유가 줄어들고 있음을 의미합니다. 이는 바이러스의 변이나 사회적 접촉 양상의 변화에 따라 방역의 난도가 급격히 높아지고 있음을 보여주는 지표입니다. 효과적인 방역을 위해서는 데이터 사이언스에 기반한 전략적 접근과 사회적 투자가 병행되어야 합니다. 집단 감염을 막기 위해 발생 빈도가 높은 부문에 대한 정밀한 사회적 거리 두기 합의가 필요하며, n차 감염의 고리를 끊기 위해 역학 조사관 확충과 분석 시스템 고도화에 과감히 투자해야 합니다. 현재의 방역 시스템은 인력의 헌신에 크게 의존하고 있지만, 네트워크 분석과 같은 과학적 도구를 적극 도입한다면 더욱 효율적인 대응이 가능할 것입니다. 결국 감염병과의 싸움은 데이터를 어떻게 해석하고 우리 사회의 연결망을 어떻게 관리하느냐에 달려 있습니다.

[코로나TALK-19] 전문가가 12월 코로나 대유행을 예측한 이유  _김기훈 대표

김기훈2

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나TALK-16] 잘못된 뉴스, 인포데믹은 어떻게 확대재생산되는가?_윤신영 기자 | 16강

코로나19 사태 초기부터 과학 기자의 시선으로 현장을 지켜보며 느낀 점은 정보의 전파 양상이 매우 복잡하다는 것입니다. 영남대 박한우 교수의 네트워크 분석에 따르면, 트위터상에서 '신천지'나 '대구' 같은 키워드는 폐쇄적인 집단 내에서 반복되는 경향을 보인 반면, 과학 뉴스는 대중적으로 널리 퍼지는 강력한 정보원이었습니다. 이는 과학적 사실이 대중의 대화에서 일차적인 소스가 된다는 점을 시사하며, 동시에 잘못된 정보가 섞일 경우 인포데믹의 위험성이 얼마나 커질 수 있는지를 보여줍니다. 언론이 과학 데이터를 다루는 방식에서 가장 큰 문제는 자극적인 해석입니다. 최근 항체 유지 기간에 관한 연구에서 4개월간 항체가 유지된다는 긍정적인 결과가 나왔음에도, 일부 매체는 '4개월밖에 안 된다'는 식으로 공포를 조장했습니다. 이는 재감염 이슈와 무리하게 연결하려는 시도에서 비롯된 왜곡입니다. 논문의 본질보다는 대중의 불안감을 자극하여 클릭을 유도하려는 상업적 목적이 과학적 사실을 가리는 안타까운 사례라고 할 수 있습니다. 바이러스 변이에 대한 보도 역시 비슷한 양상을 띱니다. 과학적으로는 아직 전파력을 획기적으로 높이는 치명적인 변이가 확인되지 않았음에도, '감염성 10배'와 같은 근거 없는 수치가 헤드라인을 장식하곤 합니다. 이러한 자극적인 뉴스는 네트워크를 타고 빠르게 확산되며 대중에게 불필요한 공포를 심어줍니다. 뉴스 생산자가 클릭 수라는 이득을 쫓는 구조적 악순환 속에서, 정확한 과학적 근거는 뒷전으로 밀려나고 인포데믹의 메커니즘이 강화되는 결과를 초래합니다. 공포뿐만 아니라 근거 없는 희망을 심어주는 보도도 경계해야 합니다. 국내 치료제 개발 소식 중 '하루 만에 바이러스 사멸'이라는 자극적인 제목이 큰 인기를 끌었지만, 실제로는 구체적인 데이터가 부족한 한 문장짜리 보도자료에 기반한 경우가 많았습니다. 과학 기자로서 데이터를 요청해 확인해보면 보도된 내용만큼의 확실한 근거를 찾기 어려운 사례가 빈번합니다. 정확한 검증 없이 희망적인 메시지만을 대량 양산하는 것은 결국 언론에 대한 신뢰를 떨어뜨리는 행위입니다. 신종 감염병의 특성상 초기에는 전문가들조차 정보가 부족하여 혼란을 겪었습니다. 하이드록시클로로퀸 사례처럼 유명 인사의 발언과 불완전한 논문이 결합하여 잘못된 복용 사고로 이어진 것이 대표적입니다. 당시에는 그것이 최선의 지식이었을지라도, 경쟁적인 보도 속에서 검증되지 않은 정보가 확산되었습니다. 이후 많은 논문이 철회되는 과정을 거치며 기자들과 과학자들은 더 정교한 보도의 필요성을 절감하게 되었습니다. 지식의 한계를 인정하고 신중하게 접근하는 태도가 무엇보다 중요합니다. 해외 사례 중 뉴욕타임스의 '백신 트래커'는 훌륭한 과학 커뮤니케이션의 모델을 보여줍니다. 단순히 일회성 기사를 쏟아내는 것이 아니라, 방대한 데이터를 체계적으로 취합하여 대중이 언제든 신뢰할 수 있는 정보원으로 활용하게 했습니다. 또한 복잡한 바이러스의 원리를 평이한 언어와 정교한 인포그래픽으로 설명하여 대중의 이해를 도왔습니다. 우리 언론도 단독 경쟁에서 벗어나 데이터를 가공하고 맥락을 풍성하게 전달하는 정보의 허브 역할을 수행해야 할 시점입니다. 코로나19는 여전히 미지의 영역이 많으며, 우리는 매일 새로운 반전의 상황을 맞이하고 있습니다. 이러한 불확실성 속에서 과학적 대전환을 넘어 도시 계획, 윤리, 문화 등 다양한 분야의 전문가들이 모여 대안을 제시하는 노력이 필요합니다. 단순히 현상을 보고하는 수준을 넘어, 합리적인 데이터와 증거를 기반으로 소통하는 플랫폼이 구축되어야 합니다. 연구자와 전달자가 함께 데이터 기반의 소통을 이어갈 때, 우리는 비로소 감염병이라는 거대한 재난에 현명하게 대응할 수 있을 것입니다.

[코로나TALK-16] 잘못된 뉴스, 인포데믹은 어떻게 확대재생산되는가?_윤신영 기자

윤신영

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[COVID-19_talk_12] An Analysis of COVID-19 Transmission Network in South Korea _Dukjin Chang | 12강

감염병의 확산은 바이러스 자체의 생물학적 특성과 이를 전파하는 사회적 네트워크의 결합으로 이루어집니다. 현재 많은 관심이 집중되는 백신과 치료제는 바이러스라는 변수에 대한 직접적인 대응책이지만, 이것이 완성되어 대중화되기 전까지는 네트워크라는 또 다른 변수에 주목해야 합니다. 네트워크 분석은 감염병의 아웃브레이크나 팬데믹 양상을 결정짓는 핵심적인 요소이며, 이에 기반한 방역 전략은 바이러스의 확산을 효과적으로 저지하는 데 필수적인 역할을 수행합니다. 서울, 경기, 인천 지역의 코로나19 확진자 데이터를 분석한 결과, 전파 네트워크는 '멱함수 분포(Power Law)'라는 특정한 형태를 따르는 것으로 나타났습니다. 이는 소수의 노드가 대다수의 연결을 독점하는 '척도 없는 네트워크(Scale-free network)'의 전형적인 특징을 보여줍니다. 즉, 대부분의 확진자는 추가 전파를 거의 일으키지 않지만, 극소수의 '슈퍼 전파자' 혹은 '허브'가 수많은 사람에게 바이러스를 옮기며 전체 확산세를 주도하고 있다는 구조적 원리를 시사합니다. 이러한 네트워크의 주요 특징 중 하나는 '작은 세상(Small World)' 현상입니다. 과거 미국의 심리학자 스탠리 밀그램은 평균 6단계만 거치면 모든 사람이 연결된다는 사실을 발견했으나, 한국 사회는 이보다 훨씬 좁은 3.6단계의 분리를 보여주는 것으로 분석되었습니다. 이는 감염병 확산 시기에 매우 위협적인 요소로 작용할 수 있습니다. 지역사회 감염이 단 몇 단계만 진행되어도 바이러스가 전국적으로 무작위하게 퍼져나갈 수 있는 고도의 연결성을 내포하고 있기 때문입니다. 네트워크의 또 다른 특징은 '무작위 공격에 대한 강건성'입니다. 인터넷망처럼 멱함수 분포를 따르는 구조는 무작위적인 노드 제거에는 쉽게 붕괴하지 않는 특성을 가집니다. 소규모 감염이 끊이지 않고 지속되는 이유도 이러한 네트워크의 강건함과 관련이 있습니다. 그러나 이 구조는 '조준 공격'에는 매우 취약합니다. 연결선이 가장 많은 상위 노드들을 집중적으로 찾아내어 차단할 경우, 전체 네트워크의 상당 부분을 효과적으로 무력화하여 바이러스의 전파 경로를 봉쇄할 수 있습니다. 실제 데이터를 바탕으로 모의실험을 진행한 결과, 전파 수 기준 상위 1%의 노드만 제거해도 확진자 수는 약 46% 감소하는 것으로 나타났습니다. 만약 상위 5%를 제어할 수 있다면 확진자 수는 70%, 전파 횟수는 무려 78%까지 줄어듭니다. 이는 백신이나 치료제가 부족한 상황에서도 네트워크의 핵심 허브를 찾아내어 관리하는 것만으로도 감염병의 확산을 극적으로 저지할 수 있음을 입증합니다. 과학적 데이터 분석에 기반한 정밀한 방역 체계 구축이 무엇보다 시급한 이유입니다. 효율적인 백신 투여 전략에서도 네트워크 분석은 중요한 통찰을 제공합니다. '우정의 역설'에 따르면, 무작위로 선택된 사람보다 그 사람의 친구가 더 많은 친구를 가질 확률이 높습니다. 따라서 제한된 수량의 백신을 무작위로 배분하기보다, 선택된 사람의 지인에게 투여하는 방식이 전파 허브를 타격할 확률을 수 배 이상 높여줍니다. 이는 팬데믹이라는 위기 상황에서 타인에게 백신을 양보하는 행위가 결국 공동체 전체를 보호하는 과학적 연대가 될 수 있음을 보여주는 흥미로운 사례입니다. 기초 감염 재생산 지수인 R0는 유용한 지표지만, 네트워크의 다이내믹스에 따라 현실을 과대평가할 가능성이 존재합니다. 멱함수 분포 하에서는 바이러스 역시 전파를 위해 허브를 찾아야 하는 전략적 어려움을 겪기 때문입니다. 따라서 향후 방역 정책은 단순한 일률적 거리두기를 넘어, 전파 네트워크 데이터를 실시간으로 구축하고 분석하는 방향으로 진화해야 합니다. 고위험 집단과 장소를 정밀하게 식별하는 과학 기반 방역만이 사회적 비용을 최소화하고 일상을 지키는 길입니다.

[COVID-19_talk_12] An Analysis of COVID-19 Transmission Network in South Korea _Dukjin Chang

장덕진

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나TALK-12] Small World!, 코로나도 네트워크 문제였어! _장덕진 교수 | 12강

감염병의 확산은 단순히 바이러스의 생물학적 특징에만 의존하지 않습니다. 모든 종류의 감염은 바이러스와 그것이 퍼져나가는 통로인 네트워크의 결합으로 이루어집니다. 백신이나 치료제가 바이러스를 직접 겨냥하는 대책이라면, 네트워크 분석은 바이러스가 확산되는 경로를 차단하는 전략적 토대가 됩니다. 특히 백신 개발과 보급에 상당한 시간이 소요되는 상황에서, 전파 네트워크의 역동성을 이해하고 이에 기반한 방역 정책을 병행하는 것은 감염병 통제의 핵심적인 열쇠가 됩니다. 네트워크를 통한 전파는 비단 코로나19만의 문제가 아닙니다. 과거 사스나 메르스 유행 당시에도 소수의 슈퍼 전파자가 전체 감염의 절반 이상을 차지하는 양상이 관찰되었습니다. 심지어 비만이나 말 독감 같은 현상조차 네트워크를 통해 확산된다는 연구 결과가 존재합니다. 이러한 선행 연구들은 감염병의 양상이 네트워크 구조에 따라 달라지며, 그에 맞춰 방역 전략도 수정되어야 함을 시사합니다. 따라서 전파 네트워크를 분석하는 것은 단순한 학술적 호기심을 넘어 실질적인 방역 효율성을 높이는 과정입니다. 서울과 경기, 인천 지역의 데이터를 분석한 결과, 코로나19 전파 네트워크는 '멱함수 분포'를 따르는 '척도 없는 네트워크'의 특성을 보입니다. 이는 대부분의 노드는 연결선이 적지만, 극소수의 노드가 수많은 연결선을 가진 '허브' 역할을 한다는 의미입니다. 실제로 상위 30개의 노드가 수백 명에게 바이러스를 전파하는 구조가 확인되었습니다. 이러한 수학적 구조를 이해하면 감염병이 단순히 무작위로 퍼지는 것이 아니라, 특정한 법칙 아래 움직이고 있음을 알 수 있으며 이는 정밀한 방역의 근거가 됩니다. 척도 없는 네트워크의 주요 특징 중 하나는 '작은 세상 현상'입니다. 미국 사회가 평균 6단계를 거치면 모두 연결된다는 연구가 있듯이, 한국 사회는 그보다 더 좁은 3.6단계의 분리 구조를 가지고 있습니다. 이러한 높은 연결성은 감염병 확산 시기에 매우 위협적인 요소로 작용합니다. 지역사회 감염이 발생할 경우 단 몇 단계만 거쳐도 전국적으로 무작위 확산이 일어날 수 있기 때문입니다. 따라서 우리 사회의 촘촘한 네트워크 구조는 방역 당국이 더욱 신속하고 선제적인 대응을 해야 하는 이유를 뒷받침합니다. 네트워크 구조는 외부 공격에 대해 이중적인 면모를 보입니다. 무작위적인 노드 제거에는 전체 시스템이 붕괴하지 않고 견디는 강한 내성을 지니지만, 연결망의 핵심인 허브를 겨냥한 '조준 공격'에는 매우 취약합니다. 현재 소규모 집단 감염이 끊이지 않고 지속되는 이유는 네트워크가 무작위 공격에 강한 특성을 가졌기 때문일 수 있습니다. 반대로 상위 1%의 핵심 전파 경로만 정확히 찾아내어 차단할 수 있다면, 전체 네트워크의 절반 이상을 무력화하여 바이러스의 확산을 극적으로 저지하는 것이 가능해집니다. 시뮬레이션 결과에 따르면 전파 수 기준 상위 5%의 노드만 제어해도 전체 확진자 수를 약 70%까지 줄일 수 있습니다. 이는 한정된 자원을 효율적으로 배분해야 하는 방역 현장에서 매우 중요한 시사점을 줍니다. 예를 들어 백신이 부족한 상황에서는 무작위 추첨보다 '우정의 역설' 원리를 이용해 네트워크의 허브에 위치한 이들에게 우선 투여하는 것이 훨씬 효과적입니다. 이러한 선택적 면역 전략은 수학적 효율성을 넘어, 공동체의 안전을 위해 서로가 연결되어 있음을 확인하는 사회적 연대의 계기가 되기도 합니다. 효과적인 방역을 위해서는 바이러스 자체에 대한 대응만큼이나 정밀한 네트워크 통제가 필요합니다. 특정 집단이나 지역을 통째로 격리하는 방식에서 벗어나, 전파 위험이 높은 구체적인 조건과 장소를 데이터로 식별하여 정밀 타격하는 방식으로 진화해야 합니다. 이를 위해서는 파편화된 확진자 정보를 실시간으로 통합하고 체계적인 전파 네트워크 데이터를 구축하는 국가적 노력이 시급합니다. 과학적 근거에 기반한 정밀 방역 체계야말로 포스트 코로나 시대에 우리가 나아가야 할 진정한 복지 국가의 모습입니다.

[코로나TALK-12] Small World!, 코로나도 네트워크 문제였어! _장덕진 교수

장덕진

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[과학자가 쓴 과학책#5] 관계의 과학 by김범준 | KAOS X 공원생활 특집 | 김태훈의 게으른 책읽기

과학은 세상의 아름다움을 이해하는 또 하나의 창입니다. 물리학자는 붉은 노을과 쪽빛 하늘을 보며 빛의 산란이라는 원리를 떠올리지만, 이는 자연의 경이로움을 해치기보다 오히려 더 깊은 감동을 선사합니다. 특히 통계물리학은 수많은 입자가 모여 전체를 이루는 방식을 연구하는 학문으로, 그 대상을 사람과 사회로 확장하면 우리 삶의 복잡한 관계망을 분석하는 훌륭한 도구가 됩니다. 무엇이든 많이 모여 있는 곳에 관심을 갖는 이 학문은 현대 사회를 이해하는 새로운 틀을 제시하며 우리 삶을 더 자세히 들여다보게 합니다. 과학자가 논문이 아닌 책을 쓰는 이유는 주관적인 가치관이나 세상을 바라보는 시선을 더 자유롭게 담기 위해서입니다. 논문은 명확한 증거 없이는 단 한 문장도 쓰기 어렵지만, 책은 과학적 사실에서 출발해 사회적 함의로 나아가는 사유의 확장을 허용합니다. 예를 들어 꿀벌 집단이 의견을 조율하는 과정에서 민주주의의 원리를 발견하는 식입니다. 이러한 시도는 과학적 진술에 개인의 통찰을 더해, 독자들이 미처 생각하지 못했던 새로운 영역으로 사고를 넓힐 수 있도록 돕는 역할을 합니다. 이는 과학이 상아탑을 넘어 대중과 소통하는 방식이기도 합니다. 우리 사회에는 혈액형과 성격의 상관관계처럼 과학적 근거가 부족한 믿음이 종교처럼 자리 잡기도 합니다. 통계물리학적 관점에서 보면 수만 가지 요인이 얽힌 인간의 심리를 단 네 가지 혈액형으로 분류하는 것은 불가능에 가깝습니다. 하지만 사람들은 어떤 사건이 벌어진 뒤에 그 이유를 끼워맞추려는 경향이 있으며, 이는 때로 특정 집단을 배제하는 위험한 기준으로 작동하기도 합니다. 과학은 이러한 편견을 데이터로 검증함으로써 우리가 세상을 보다 객관적이고 냉철하게 바라볼 수 있도록 이끌어주며, 막연한 공포 대신 합리적인 이해를 제공합니다. 자본주의 시스템 내에서의 부의 불평등 역시 개인의 능력 차이보다는 구조적인 결과로 이해할 수 있습니다. 시뮬레이션에 따르면 시장의 원리에만 맡겨둘 경우 부는 자연스럽게 소수에게 집중되며, 한 번 빈곤의 늪에 빠진 이들은 재기의 기회조차 얻기 힘든 구조가 고착화됩니다. 따라서 기본소득과 같은 사회 보장 제도는 단순히 부를 나누는 차원을 넘어, 실패한 이들에게 '두 번째 기회'를 제공하는 장치가 됩니다. 이는 사회 전체의 역동성을 유지하고 건강한 공동체를 만드는 필수적인 과학적 해법이며, 구성원 모두가 평화로운 삶을 영위하기 위한 기반이 됩니다. 정치권의 법안 발의 데이터를 네트워크 분석으로 살펴보면, 국회의원들이 주로 소속 정당 내에서만 협력하는 폐쇄적인 구조를 확인할 수 있습니다. 이는 초당적인 협력이나 전문성에 기반한 연대보다는 정당 논리가 우선시되는 현실을 보여줍니다. 결국 과학이란 단순히 지식을 암기하는 것이 아니라, 세상을 합리적으로 이해하고 비판적으로 사고하는 태도 그 자체입니다. 이러한 과학적 사고방식이 사회 전반에 확산될 때, 우리는 복잡한 세상 속에서 더 현명한 판단을 내리고 더 나은 미래를 향한 동력을 얻을 수 있습니다. 과학은 우리 사회를 더 나은 방향으로 바꾸는 힘이 됩니다.

[과학자가 쓴 과학책#5]  관계의 과학 by김범준 | KAOS X 공원생활 특집 | 김태훈의 게으른 책읽기

김범준

카오스재단읽다과학
  • 물리학

[강연] 디지털인문학과 데이터과학 (2) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 4강 ②

예술과 문학의 진위를 가리거나 특징을 분석하는 방법으로 '양식 측정학'이 주목받고 있습니다. 이는 단어의 길이나 빈도, 색상의 사용 패턴 등을 정량적으로 분석하여 작품의 유사도나 작가의 고유한 스타일을 찾아내는 학문입니다. 19세기 토마스 멘덴홀이 단어 길이 빈도를 조사하며 시작된 이 분야는, 오늘날 구텐베르크 프로젝트와 같은 대규모 디지털 도서관의 등장으로 비약적인 발전을 이루었습니다. 이제 데이터는 단순한 기록을 넘어 과거의 진실을 밝히는 강력한 도구가 되었습니다. 우리나라의 대표적인 기록 유산인 조선왕조실록 역시 이러한 데이터 과학의 훌륭한 연구 대상입니다. 태조부터 철종까지 약 470년간의 방대한 기록은 현재 모두 디지털화되어 한글로 번역되어 있습니다. 연구자들은 텍스트 마이닝 기법을 활용해 왕들의 통치 스타일을 분석하기도 합니다. 예를 들어, 신하들의 의견을 경청했던 세종대왕과 독단적인 결정을 내렸던 연산군의 차이는 실록에 등장하는 특정 단어의 빈도 그래프를 통해 명확하게 드러납니다. 이는 역사가 주관적인 서술을 넘어 객관적인 수치로 재해석될 수 있음을 보여줍니다. 실록의 기사에는 수많은 인물이 등장하며, 한 기사에 함께 언급된 인물들은 서로 밀접한 관계가 있다고 볼 수 있습니다. 이를 바탕으로 인물 간의 네트워크를 재구성하면 당시의 정치적 지형도를 그릴 수 있습니다. 이는 현대의 국회의원들이 공동으로 법안을 발의하는 관계를 분석하는 것과 유사한 원리입니다. 네트워크 분석을 통해 우리는 단순히 기록에 남겨진 관계를 넘어, 보이지 않는 곳에서 영향력을 행사했던 숨은 실력자나 인물들 사이의 복잡한 연결 고리를 정량적으로 파악할 수 있게 되었습니다. 현종 시기의 예송 논쟁은 서인과 남인 사이의 치열한 정치적 갈등을 보여주는 대표적인 사례입니다. 네트워크 분석의 다양한 중심성 지표를 활용하면, 이 시기 권력의 흐름이 어떻게 변화했는지 추적할 수 있습니다. 특히 2차 예송 논쟁 전후로 집권 세력이 교체되는 과정에서 인물들의 연결 중심성이 급격히 변화하는 양상이 관찰됩니다. 이를 통해 특정 인물이 언제 당적을 변경했는지, 혹은 어떤 인물이 중립적인 위치에서 가교 역할을 했는지 등 문헌만으로는 파악하기 힘든 세밀한 정치적 변화를 포착할 수 있습니다. 이러한 정량적 분석 기법은 동양의 역사 기록뿐만 아니라 서양 문학 연구에도 활발히 적용됩니다. 셰익스피어의 작품 전집을 분석하여 그가 실제로 사용한 어휘의 규모를 추정하거나, 새로 발견된 작품이 그의 진작인지 판별하는 연구가 대표적입니다. 통계적 모델링을 통해 작가가 알고 있었으나 작품에 쓰지 않은 잠재적 어휘량까지 계산해내는 것입니다. 이처럼 데이터 과학과 인문학의 만남은 과거의 유산을 현대적인 시각으로 재조명하며, 우리가 미처 알지 못했던 역사의 이면을 밝혀내는 새로운 지평을 열어주고 있습니다.

[강연] 디지털인문학과 데이터과학 (2) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강

장원철

카오스재단카오스강연
  • 수학