통계학

46 Contents

AI 관상,손금 어플을 믿어도 괜찮을까? | 심심할 땐 과학 시즌6 EP.03

관상이 과학이라는 말은 현대 과학의 관점에서도 충분히 흥미로운 주제입니다. 아리스토텔레스 시절부터 외모와 성격의 상관관계에 대한 논의는 존재해 왔으며, 최근에는 인공지능을 통해 동물의 얼굴 표정만으로 건강 상태나 반응을 분석하는 기술이 실제 실험에 활용되고 있습니다. 인간은 타인의 얼굴을 단 0.2초 만에 분석할 수 있는 특화된 신경 회로를 가지고 있어, 첫인상이나 눈빛을 통해 상대의 상태를 직관적으로 파악하는 것이 전혀 근거 없는 일은 아닙니다. 얼굴의 골격이나 이목구비의 위치는 유전적으로 결정되지만, 그것이 한 사람의 인생 전체를 규정하지는 않습니다. 일란성 쌍둥이라 할지라도 살아가는 환경과 마음가짐에 따라 인상이 달라지며, 이는 생물학적인 본성과 양육 환경이 상호작용하며 개인을 완성해가는 과정과 같습니다. 타고난 조건이 삶의 기초가 될 수는 있겠으나, 결국 그 위에서 어떤 모습으로 변화해 나갈 것인지는 주어진 환경과 스스로의 태도에 따라 얼마든지 달라질 수 있는 영역입니다. 손금 또한 운명의 기록이라기보다 신체적 움직임의 흔적에 가깝습니다. 손금은 태아 시기에 손을 움직이며 접히는 과정에서 형성되는 선으로, 미래를 예언하는 신비로운 기표라기보다는 발달 과정의 자연스러운 산물입니다. 그럼에도 사람들이 손금이나 별자리, MBTI 등에 열광하는 것은 불확실한 미래 속에서 심리적 안정감을 찾기 위함입니다. 완벽한 모델은 존재하지 않지만, 다양한 수단을 동원해 삶에 질서를 부여하고 예측하려는 시도는 인간의 본능적인 생존 전략 중 하나입니다. 인공지능 기술의 발전은 관상과 사주를 방대한 통계학적 영역으로 확장하고 있습니다. 과거에는 특정 문파의 비전으로 여겨졌던 지식들이 이제는 데이터를 학습한 알고리즘을 통해 객관화되고 있으며, 미세한 얼굴 근육의 움직임을 분석해 의사결정의 방향을 예측하는 연구도 진행 중입니다. 이러한 변화는 명리학이나 관상을 단순한 미신에서 벗어나, 전 세계적인 데이터를 기반으로 한 확률적 적중성을 갖춘 현대적인 서비스이자 분석 도구로 진화하게 만들고 있습니다. 결국 운명을 탐구하려는 노력은 불확실한 삶 속에서 자기 이해와 치유의 의미를 찾으려는 간절함에서 비롯됩니다. 과학자들에게도 이러한 영역은 증명되지 않았을 뿐, 탐구할 가치가 있는 인문학적 지혜의 대상이 될 수 있습니다. 미래를 미리 아는 것보다 중요한 것은 현재의 자신을 깊이 이해하고 공동체의 행복을 위한 통찰을 얻는 것입니다. 예측할 수 없는 미래에 매몰되기보다는 지금 이 순간에 집중하며 충실한 삶을 꾸려가는 태도가 우리에게 가장 필요한 지혜입니다.

AI 관상,손금 어플을 믿어도 괜찮을까? | 심심할 땐 과학 시즌6 EP.03
국립과천과학관과학예능😆
  • 생명과학
  • 뇌인지과학
  • 융합

우리는 무엇을 믿어야 하는가? 숫자로 보는 대한민국|『숫자 한국』 저자 북토크|박한슬

숫자는 단순한 수치가 아니라 그 이면에 숨겨진 맥락을 읽어낼 때 비로소 진정한 가치를 드러냅니다. 데이터 분석의 핵심은 단순한 나열이 아닌 관계를 규명하는 일이며, 이를 위해서는 추세와 범주화라는 두 가지 틀을 깊이 이해해야 합니다. 시간에 따른 변화를 살피는 추세는 사회 현상의 흐름을 명확히 보여주고, 데이터를 성별이나 소득 등으로 나누어 보는 범주화는 동일한 숫자 안에서도 전혀 다른 사회적 진실을 포착하게 해줍니다. 이러한 도구들을 통해 우리는 왜곡된 정보를 걸러내고 세상의 본질에 한 걸음 더 가까이 다가갈 수 있습니다. 숫자의 맥락을 읽는 첫 번째 방법인 추세는 시간의 흐름 속에서 의미를 찾습니다. 단순히 현재의 결핵 사망자 수라는 단편적인 정보만 보면 방역 체계가 잘 작동하는지 알 수 없지만, 수십 년 전부터 이어져 온 그래프를 통해 비교하면 우리가 얼마나 성공적으로 질병을 통제해 왔는지 맥락이 생깁니다. 대부분의 사회 현상은 조건이 크게 변하지 않는 한 일정한 변화율을 유지하므로, 여기서 벗어난 지점을 발견하는 것이 곧 분석의 시작입니다. 이처럼 추세는 정지된 숫자에 생명력을 불어넣어 우리 사회가 나아가고 있는 방향을 제시합니다. 범주화는 숫자를 세밀하게 분해하여 보이지 않던 불평등과 사회적 필요를 드러내는 과정입니다. 예를 들어 지난 10년간의 전체 강력 범죄 건수가 일정해 보이더라도, 이를 살인, 강도, 성범죄 등으로 범주화하여 분석하면 성범죄 비중이 급격히 늘어난 추세를 발견할 수 있습니다. 이러한 분석 결과는 여성 경찰 채용 확대와 같은 구체적이고 실질적인 정책 수립의 근거가 됩니다. 데이터를 적절한 축으로 나누어 보는 것만으로도 우리는 단순 수치 뒤에 숨은 구체적인 사람들의 삶과 그들이 겪는 갈등의 양상을 입체적으로 읽어낼 수 있습니다. 우리가 일상에서 접하는 다양한 통계 수치는 누군가의 경제적 의도와 욕망이 반영된 결과물이라는 점을 항상 염두에 두어야 합니다. 숫자를 만드는 과정에는 막대한 시간과 비용이 소모되기에, 생산 주체는 자신들에게 유리한 일부의 진실만을 포착하여 보여줄 가능성이 큽니다. 대표적으로 1인당 쌀 소비량 통계는 가정 내 소비만 집계하여 농지 감축의 논리로 사용되곤 하지만, 가공용 쌀까지 포함한 전체 소비량은 이미 일정 수준에 수렴했음을 보여줍니다. 숫자의 심층적인 맥락을 이해하기 위해서는 그 숫자를 생산한 주체가 누구인지 질문하는 비판적 태도가 필요합니다. 대한민국의 저출산 현상은 단순한 개인의 가치관 변화가 아니라 세계화 과정에서 발생한 경제적 상흔으로 이해해야 합니다. 과거 제조업 중심의 비약적인 성장은 가정 내 재생산 노동, 즉 돌봄과 양육의 비용을 재생산 노동으로 처리하며 얻어낸 결과였습니다. 하지만 맞벌이가 보편화되고 돌봄 비용이 외주화되면서 출산은 개인에게 매우 비합리적인 경제적 선택이 되었습니다. 선진국들이 저출산의 압박을 제조업 중심의 개발도상국으로 수출하던 시대가 끝나고 이제 동아시아에 그 부담이 집중된 것은, 우리가 누려온 성장의 이면에 거대한 비용 누락이 있었음을 시사합니다. 데이터는 개인의 프라이버시 보호를 넘어 공공 정책을 혁신하고 사회적 편익을 극대화하는 강력한 도구가 될 수 있습니다. 차량 내비게이션의 이동 데이터나 택시 호출 앱의 전수 기록을 활용하면 대중교통 노선을 최적화하고 교통 약자의 접근성을 획기적으로 높일 수 있습니다. 특정 구간에서 반복되는 차량 흐름을 파악하여 맞춤형 버스 노선을 신설하거나, 외진 마을에 저렴한 비용으로 이용 가능한 공공 택시 서비스를 도입하는 식입니다. 민간 기업의 방대한 데이터를 공공의 이익과 결합할 때, 우리는 더욱 효율적이고 차별 없는 사회 기반 시설을 구축할 수 있습니다. 최근의 급격한 최저임금 상승은 서비스업 전반의 자동화와 무인화를 촉진하며 노동과 자본의 관계를 근본적으로 재편하고 있습니다. 인건비 부담을 줄이기 위해 도입된 무인 매장은 운영의 효율성을 제공하지만, 동시에 10대들 사이에서 절도 범죄가 놀이처럼 확산되는 의도치 않은 부작용을 낳기도 합니다. 이는 범죄가 사회적 환경과 우호적인 규범을 통해 학습된다는 이론을 뒷받침하며, 장기적으로는 경찰력 낭비와 같은 사회적 비용을 증가시킵니다. 기술의 발전이 인간의 노동력을 대체하는 과정에서 발생하는 이러한 사회적 균열을 어떻게 관리할지가 미래 사회의 핵심 과제입니다.

우리는 무엇을 믿어야 하는가? 숫자로 보는 대한민국|『숫자 한국』 저자 북토크|박한슬
(주)사이언스북스사이언스북스 북토크&강연
  • 수학
  • 융합
  • 공학·기술

[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

카오스재단카오스강연
  • 수학

[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

카오스재단카오스강연
  • 수학

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이

통계학은 데이터를 분석할 때 명확한 목표를 설정하는 것에서부터 시작합니다. 분석가는 평균이나 분산을 확인하거나, 두 집단 사이에 차이가 있는지를 파악하기 위해 구체적인 가설을 수립합니다. 예를 들어 특정 데이터군에 여러 포지션이 존재할 것이라는 가정을 하고, 실제 데이터를 통해 그 가정이 통계적으로 타당한지를 확인하는 방식입니다. 이러한 접근은 데이터의 활용 목적을 미리 정의하고 이를 입증해 나가는 과정이라 할 수 있으며, 수치적인 신뢰도를 확보하는 데 주력합니다. 위상수학적 데이터 분석(TDA)은 데이터 과학의 관점에서 접근 방식이 근본적으로 다릅니다. 특별한 목적을 미리 정해두지 않고, 일단 방대한 데이터를 확보한 뒤 그 안에서 어떤 형태가 나타나는지를 살핍니다. 이전에는 전혀 인지하지 못했던 데이터의 구조를 새롭게 포착하는 것에 초점을 맞추는 것입니다. 이는 미리 정해진 정답을 찾는 과정이 아니라, 데이터 자체가 스스로 보여주는 숨겨진 형상을 찾아내는 탐색과도 같으며 기존의 분석 틀을 깨는 새로운 시각을 제공합니다. 결국 통계학과 위상수학적 데이터 분석(TDA)의 차이는 입증과 탐색이라는 지향점에 있습니다. 통계학이 세워진 가설의 진위 여부를 확인하며 실용적인 결과를 도출한다면, 위상수학적 데이터 분석(TDA)은 데이터의 흐름을 통해 예상치 못한 통찰을 얻는 과정을 중시합니다. 처음부터 특정 용도를 염두에 두지 않았더라도, 데이터를 살피는 과정에서 결과적으로 유용한 가치가 도출되기도 합니다. 이러한 두 분야의 상호보완적인 성격은 현대 데이터 분석에서 매우 중요한 역할을 수행하며 복잡한 데이터 세상을 이해하는 열쇠가 됩니다.

[카오스 짧강] 통계학과 위상수학의 데이터 접근법 차이
카오스재단질토과 + 짧강

[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

[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

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단 | 1부

서울대학교 자연과학 공개 강연은 1994년부터 시작된 대표적인 과학 나눔 프로그램으로, 올해 31회를 맞이했습니다. 이번 강연의 주제인 '과학자의 꿈과 도전'은 세상을 바꾼 과거의 과학적 성취를 돌아보고, 앞으로 다가올 미래를 과학이 어떻게 열어갈지 탐구하는 데 목적이 있습니다. 인공지능부터 전염병, 탄소 중립, 초전도체에 이르기까지 현대 과학의 핵심 화두를 다루며 청중들에게 과학적 설렘을 전달합니다. 특히 이번 강연은 단순한 지식 전달을 넘어, 과학적 사고가 우리 삶과 사회를 어떻게 변화시키는지 깊이 있게 성찰하는 기회를 제공합니다. 데이터는 현대 인공지능을 움직이는 핵심 원료입니다. 과거에는 실험을 통해 소수의 데이터를 얻었지만, 이제는 매분 엄청난 양의 정보가 쏟아지는 빅데이터 시대에 살고 있습니다. 이러한 데이터는 스마트 팩토리의 생산성을 높이고 마케팅 전략을 최적화하며, 심지어 스포츠 경기에서 승리 확률이 높은 위치를 예측하는 데 활용됩니다. 농구 선수 스테픈 커리의 사례처럼, 데이터를 기반으로 한 기대 득점 분석은 현대 스포츠의 패러다임을 완전히 바꾸어 놓았습니다. 결국 데이터는 인공지능이 올바른 판단을 내릴 수 있도록 돕는 가장 중요한 기반이 됩니다. 인공지능은 인간의 지적 능력을 컴퓨터로 구현하는 기술로, 시행착오를 거치며 스스로 학습하는 과정을 통해 발전합니다. 자율 주차 프로그램이 수만 번의 사고를 겪으며 완벽한 주차 방법을 익히는 것처럼, 인공지능은 방대한 데이터를 바탕으로 인간의 업무를 효과적으로 대체해 나가고 있습니다. 현재의 인공지능은 시각과 청각을 넘어 후각, 미각, 촉각 등 오감을 정복하려 시도하고 있으며, 이는 궁극적으로 인간과 소통하고 공감하는 자율주행 시스템으로 이어질 것입니다. 이러한 기술적 진보는 인류의 노동을 획기적으로 줄여줄 것으로 기대됩니다. 하지만 현재의 인공지능은 데이터 편향성과 예측의 신뢰성이라는 한계에 직면해 있습니다. 특정 지역이나 문화권에 치우친 데이터는 잘못된 결과를 도출할 수 있으며, 복잡한 모델은 결과의 원인을 설명하지 못하는 '블랙박스 문제'를 야기합니다. 단순히 상관관계를 파악하는 것을 넘어, 사건의 인과관계를 추론하고 인간이 납득할 수 있는 설명을 제공하는 '해석 가능한 AI'의 개발이 시급합니다. 이를 위해서는 수학과 통계학 같은 기초 과학의 발전이 필수적이며, 미래의 인공지능 연구자들은 이러한 근본적인 문제들을 해결하는 데 도전해야 합니다. 인류의 역사는 전염병과의 끊임없는 전쟁이었습니다. 흑사병이나 천연두 같은 질병은 제국의 몰락을 가져오고 세계 지도를 바꾸는 결정적인 역할을 했습니다. 과거에는 과학적 지식의 부재로 기도나 무속 신앙에 의존했지만, 존 스노의 콜레라 역학 조사와 코흐의 세균 발견을 기점으로 전염병 대처 방식은 과학적으로 변모했습니다. 제너의 백신과 파스퇴르의 미생물학 연구는 인류의 평균 수명을 획기적으로 연장하는 기틀이 되었습니다. 이러한 과학적 성취 덕분에 인류는 보이지 않는 적에 맞서 싸울 수 있는 강력한 무기를 갖게 되었습니다. 현대 과학은 mRNA 기술을 통해 코로나19와 같은 팬데믹에 신속하게 대응할 수 있는 플랫폼을 구축했습니다. 하지만 기후 변화와 생태계 파괴로 인해 동물의 바이러스가 인간에게 전파되는 인수공통감염병의 위협은 더욱 커지고 있습니다. 앞으로의 과학은 변이 바이러스에도 대응할 수 있는 범용 백신과 코에 뿌리는 점막 백신 개발에 집중해야 합니다. 팬데믹은 더 이상 예기치 못한 사건이 아니라 충분히 예상 가능한 '회색 코뿔소'와 같습니다. 따라서 기초 과학 연구를 통해 새로운 병원체를 조기에 탐지하고 대응하는 능력을 기르는 것이 무엇보다 중요합니다. 과학의 발전은 단순히 기술의 진보를 의미하는 것이 아니라, 인류가 직면한 거대한 문제를 해결하려는 꿈과 도전의 과정입니다. 인공지능의 한계를 극복하고 새로운 전염병에 맞서기 위해서는 탄탄한 기초 과학 지식과 더불어 세상을 바라보는 넓은 시야가 필요합니다. '코이'라는 물고기가 환경에 따라 크기가 달라지듯이, 과학자의 꿈의 크기가 곧 인류 미래의 한계를 결정합니다. 미래를 이끌어갈 세대들이 기초 과학에 관심을 가지고 끊임없이 질문하며 도전할 때, 과학이 여는 미래는 더욱 밝고 풍요로워질 것입니다.

[강연] 제 31회 서울대 자연과학 공개강연_'세상을 바꾼 과학, 과학이 여는 미래' (1) by 박건웅, 안광석 l 서울대학교&카오스재단

박건웅, 안광석

카오스재단서울대자연과학공개강연
  • 생명과학
  • 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

[강연] 배달앱 안의 과학: 데이터과학과 경영과학의 만남 _ by채민우|제30회 서울대 자연과학대학 공개강연 | 2강

현대 과학에서 혁신적인 성과는 기존 지식의 틀을 벗어나 전혀 다른 분야 사이의 연결고리를 찾아낼 때 발생하곤 합니다. 데이터 과학과 경영과학의 만남이 바로 그러한 사례 중 하나입니다. 데이터 과학은 방대한 데이터로부터 유용한 지식을 추출하는 학문이며, 경영과학은 복잡한 경영 문제에서 최적의 의사결정을 내리기 위한 분석적 방법을 다룹니다. 이 두 분야가 결합하면 배달 서비스와 같은 일상적인 플랫폼 비즈니스에서 발생하는 복합적인 문제들을 과학적으로 해결할 수 있는 강력한 도구가 됩니다. 데이터 과학은 현대 산업과 과학 전반에 걸쳐 막대한 영향을 미치고 있는 핵심 분야입니다. 특히 인공지능 기술의 발전과 함께 데이터 과학의 중요성은 더욱 커졌는데, 이는 수억 건의 데이터를 효과적으로 분석하여 유의미한 패턴을 찾아내는 기술 덕분입니다. 단순히 데이터를 쌓아두는 것에 그치지 않고, 하드웨어의 발전과 정교한 알고리즘을 통해 데이터 속에 숨겨진 가치를 발견함으로써 기업은 새로운 부가가치를 창출하고 서비스의 질을 획기적으로 개선할 수 있게 되었습니다. 경영과학은 제2차 세계대전 당시 군사 작전을 효율적으로 수행하기 위해 발달한 '경영과학'에 뿌리를 두고 있습니다. 이는 한정된 자원을 어떻게 배치해야 최소의 비용으로 최대의 효과를 낼 수 있을지 고민하는 최적화의 학문입니다. 복잡한 현실 문제를 수학적 함수로 변환하여 최댓값이나 최솟값을 구하는 과정은 오늘날 기업 경영의 핵심적인 의사결정 수단이 되었습니다. 특히 배달원 배치나 물류 운송 선단 편성 등 효율성이 생명인 분야에서 경영과학은 필수적인 역할을 수행합니다. 배달 앱 서비스 내부에는 수많은 과학적 요소가 숨어 있습니다. 주문이 발생했을 때 어떤 배달원에게 업무를 할당할지, 예상 배달 시간을 어떻게 산출할지, 그리고 마케팅 프로모션의 할인 폭을 어느 정도로 설정할지 등의 문제는 모두 정교한 의사결정을 필요로 합니다. 이러한 문제들은 배달원, 식당, 고객이라는 세 주체의 이해관계가 복합적으로 얽혀 있어 단순한 직관만으로는 해결하기 어렵습니다. 따라서 각 요소 간의 상관관계를 분석하고 전체 시스템의 효율을 높이는 과학적 접근이 요구됩니다. 과학의 핵심은 복잡한 현상을 간단한 수식으로 모델링하여 우리가 풀 수 있는 형태로 만드는 것입니다. 배달 수요와 배달원의 가용 인원, 지역별 교통 상황 등을 변수로 설정하여 선형계획법과 같은 수학적 모델을 구축하면 최적의 해답을 찾을 수 있습니다. 1940년대 개발된 단체법(Simplex Method)과 같은 알고리즘은 수만 개의 변수가 얽힌 복잡한 최적화 문제도 해결할 수 있게 해주었습니다. 이러한 모델링 과정은 현실의 중요한 성질만을 추출하여 논리적인 해법을 제시하는 공학적 사고의 정수라고 할 수 있습니다. 하지만 현실 세계에는 항상 불확실성이 존재합니다. 갑작스러운 기상 변화나 예상치 못한 수요 폭증은 고정된 수식만으로는 대응하기 어렵습니다. 이를 해결하기 위해 확률적 최적화 기법이 도입됩니다. 비가 올 확률이나 요일별 수요 변동을 확률 변수로 설정하여 기대 수익을 최대화하는 방향으로 모델을 확장하는 것입니다. 데이터가 부족한 신규 지역의 경우에도 베이지안 방법론과 같은 통계적 기법을 활용하면 기존의 사전 지식과 결합하여 나름의 합리적이고 과학적인 추정을 내릴 수 있습니다. 데이터 과학자는 단순히 수치를 계산하는 사람이 아니라 데이터 이면에 숨겨진 진실을 파악하는 전문가입니다. 여러 변수가 복합적으로 작용할 때 나타나는 '심슨의 역설'과 같은 통계적 오류를 피하고, 데이터의 불확실성을 정량화하여 의사결정의 리스크를 줄이는 역할을 합니다. 비록 하루아침에 수익을 두 배로 올리는 마법은 아닐지라도, 이탈률을 단 1%만 줄이는 작은 변화가 장기적으로는 시장 점유율을 두 배로 벌리는 거대한 결과로 이어집니다. 결국 데이터와 경영과학의 융합은 지속 가능한 성장을 위한 필수 조건입니다.

[강연] 배달앱 안의 과학: 데이터과학과 경영과학의 만남 _ by채민우|제30회 서울대 자연과학대학 공개강연

채민우

카오스재단서울대자연과학공개강연
  • 수학
  • 융합

[인터뷰] 채민우 _ 배달을 많이 시키는 날은 언제?🏍️🍔🍕🥗🍣|제30회 서울대 자연과학대학 공개강연

현대 산업에서 통계학은 데이터의 흐름을 읽고 미래를 예측하는 핵심적인 도구로 자리 잡았습니다. 특히 배달 서비스 분야에서는 과거의 주문 이력뿐만 아니라 주말, 스포츠 경기, 기상 조건 등 다양한 변수를 고려하여 수요를 정확히 예측하는 것이 매우 중요합니다. 이러한 예측 데이터는 기업이 자원을 효율적으로 배분하고 운영 전략을 수립하는 데 기초가 되며, 데이터 과학의 여러 기법이 실질적인 경영 효율화로 이어지는 가교 역할을 수행하게 됩니다. 온라인 쇼핑몰에서 흔히 접하는 추천 알고리즘 역시 통계학적 원리가 깊게 투영된 분야입니다. 사용자의 클릭 패턴과 선호도를 분석하여 구매 욕구를 자극할 만한 아이템을 제안하는 과정에는 고도의 데이터 과학적 요소가 포함됩니다. 이는 단순히 기술적인 분석에 그치지 않고 소비자의 심리와 경영학적 관점을 결합한 경영과학의 영역으로 확장됩니다. 정교한 알고리즘을 통해 개인화된 경험을 제공함으로써 기업은 고객 만족도를 높이고 실질적인 매출 증대를 꾀할 수 있습니다. 베이지안 통계학은 우리가 흔히 알고 있는 전통적 통계학과는 차별화된 관점을 제시합니다. 기존 통계학이 불량률과 같은 미지의 값을 하나의 고정된 값으로 보고 이를 정확히 추정하는 데 집중한다면, 베이지안 방식은 이를 확률 분포로 표현합니다. 즉, 미지의 값에 대한 우리의 '믿음의 정도'를 확률로 나타내는 것입니다. 이러한 접근법은 불확실성이 존재하는 상황에서 보다 유연하고 입체적인 분석을 가능하게 하며, 현대 데이터 과학의 복잡한 문제들을 해결하는 강력한 이론적 토대가 됩니다. 서로 다른 분야의 전문가들이 협력할 때 가장 큰 걸림돌은 소통의 차이에서 발생합니다. 각 전공마다 사용하는 용어와 문제에 접근하는 방식이 다르기 때문에, 현장의 문제를 통계학적 언어로 치환하는 과정이 무엇보다 중요합니다. 특히 산업 현장에서는 예측의 정확도에 민감하지만, 통계학적으로 존재하는 본질적인 변동성과 불확실성을 이해시키는 과정은 쉽지 않은 과제입니다. 이러한 간극을 좁히고 상호 이해를 바탕으로 협력할 때 비로소 실효성 있는 연구 결과가 도출될 수 있습니다. 진정한 과학적 혁신은 완전히 새로운 무언가를 창조하는 것보다, 서로 다른 분야 사이의 연결고리를 발견할 때 일어나는 경우가 많습니다. 기존의 지식 체계 안에서 머물지 않고 전혀 이질적인 분야와 접점을 찾아낼 때 획기적인 연구 성과가 탄생하곤 합니다. 다양한 학문적 배경을 가진 이들이 소통하며 지식의 경계를 허무는 과정 자체가 현대 과학이 지향해야 할 방향입니다. 이러한 연결을 통해 우리는 세상을 바라보는 새로운 시각을 얻고, 복잡한 사회 문제를 해결할 실마리를 찾을 수 있습니다.

[인터뷰] 채민우 _ 배달을 많이 시키는 날은 언제?🏍️🍔🍕🥗🍣|제30회 서울대 자연과학대학 공개강연

채민우

카오스재단서울대자연과학공개강연
  • 수학
  • 융합

[카오스 짧강] 과학도구로서의 통계학_ by 임채영 |2018 봄 카오스 강연 '모든 것의 수數다' 4강

통계학은 다양한 학문 분야에서 현상을 객관적으로 파악하기 위해 사용하는 필수적인 수단입니다. 자연과학뿐만 아니라 인문학, 사회과학, 공학에 이르기까지 데이터를 요약하고 가설을 검증하며, 그 과정에 내재된 불확실성을 측정하는 핵심적인 역할을 수행합니다. 우리는 통계를 통해 복잡한 데이터 속에서 유의미한 특징을 추출하고, 보이지 않는 진실에 한 걸음 더 다가갈 수 있습니다. 이는 단순히 숫자를 다루는 것을 넘어, 세상의 복잡성을 체계적으로 정리하는 과정이라 할 수 있습니다. 인문학 분야에서도 통계학은 매우 흥미로운 역할을 수행합니다. 영국의 작가 제인 오스틴이 미완성으로 남긴 소설 '샌디톤'의 사례가 대표적입니다. 다른 작가들이 오스틴의 문체를 흉내 내어 작품을 완성했을 때, 통계적 분석을 통해 실제 오스틴의 스타일과 일치하는지 검증할 수 있습니다. 특정 단어의 사용 빈도나 문장 부호의 활용 패턴을 수치화하여 비교함으로써, 주관적인 감상을 넘어 객관적인 데이터로 저자의 고유한 문체를 판별해 내는 것입니다. 이는 통계가 예술의 영역에서도 강력한 분석 도구가 됨을 보여줍니다. 자연과학의 최전선인 물리 실험에서도 통계는 결정적인 근거를 제공합니다. 2016년 전 세계를 놀라게 했던 중력파 탐지 성공의 이면에는 정밀한 통계적 검정이 자리 잡고 있었습니다. 이론적으로만 존재하던 중력파를 실제 관측 데이터로 증명하기 위해 연구진은 '4시그마'라는 매우 높은 신뢰도를 기준으로 삼았습니다. 이는 관측된 신호가 단순한 오차나 잡음일 확률을 극도로 낮추어, 발견의 확실성을 통계적으로 보증한 것입니다. 이처럼 거대한 우주의 비밀을 밝혀내는 과정에서도 통계학은 과학적 발견의 신뢰성을 뒷받침하는 든든한 버팀목이 됩니다. 실생활과 밀접한 응용 과학 분야인 지문 인식 기술 역시 통계적 모델링에 기반합니다. 지문의 골짜기가 끊기거나 갈라지는 특징점인 '미뉴셔'의 위치와 각도를 수치화하여 두 지문이 동일인의 것인지 판단합니다. 단순히 전문가의 직관에 의존하는 것이 아니라, 여러 개의 특징점이 일치할 확률을 계산하여 정확도를 측정합니다. 13개 이상의 특징점이 겹칠 때 이것이 우연일 가능성이 얼마나 낮은지를 확률로 제시함으로써, 판정의 불확실성을 관리하고 과학적인 증거로서의 가치를 높이는 것입니다. 이는 현대 보안 기술을 지탱하는 핵심 원리입니다. 통계적 분석에서 가장 중요한 요소 중 하나는 불확실성을 인정하고 이를 수치화하는 것입니다. 법정에서 쓰이는 DNA 증거가 범인의 것일 확률을 계산할 때나, 임신 진단 시약의 정확도를 판단할 때 '베이즈 정리'를 활용하여 조건부 확률을 따져보는 것이 그 예입니다. 또한 여론조사에서 흔히 접하는 신뢰구간과 유의수준은 통계 결과가 완벽하지 않을 수 있음을 전제로 합니다. 5%의 유의수준은 스무 번의 테스트 중 한 번은 오류가 발생할 수 있음을 의미합니다. 통계는 절대적인 정답을 제시하기보다, 데이터의 한계 내에서 최선의 판단을 돕는 가이드라인입니다.

[카오스 짧강] 과학도구로서의 통계학_ by 임채영 |2018 봄 카오스 강연 '모든 것의 수數다' 4강
카오스재단질토과 + 짧강

[질문과 토론의 과학 #11] 🤔데이터과학이란?

수학과 통계학은 뿌리는 같지만 발전해 온 방향에서 뚜렷한 차이를 보입니다. 수학이 공리적 체계와 엄밀한 증명을 통해 지식을 쌓아 올리는 학문이라면, 통계학은 실제 세상의 문제를 해결하기 위한 실용성에서 출발했습니다. 현대의 데이터 과학은 이러한 수학적 토대 위에 컴퓨터 과학의 계산 능력과 도메인 지식이 결합된 융합 학문입니다. 단순히 이론에 머물지 않고 다양한 학문과 소통하며 실질적인 답을 찾아가는 과정이 데이터 과학의 진정한 핵심이라 할 수 있습니다. 데이터 과학을 요리에 비유하자면, 고가의 조리 기구와 완벽한 레시피가 없어도 훌륭한 음식을 만들 수 있는 것과 같습니다. 수학, 프로그래밍, 도메인 지식이라는 세 가지 축을 모두 완벽하게 갖춘 전문가는 드뭅니다. 대신 자신이 가진 강점을 바탕으로 부족한 부분을 보완하며 문제에 접근하는 유연함이 필요합니다. 중요한 것은 도구의 화려함이 아니라, 주어진 재료인 데이터를 어떻게 해석하고 가공하여 우리 삶에 가치 있는 결과물을 만들어내느냐에 달려 있습니다. 통계학자의 중요한 임무는 세상의 복잡한 현상을 분석 가능한 통계 모형으로 정립하는 것입니다. 예를 들어 우주의 팽창 속도나 질병의 위험도 같은 거대하고 추상적인 질문을 받았을 때, 이를 정교한 통계 모형으로 설계하고 데이터를 대입하여 구체적인 해답을 도출해냅니다. 이 과정에서 다른 분야의 전문가들과 협력하며 그들의 언어를 이해하고 설득하는 과정이 필수적입니다. 통계학은 결국 서로 다른 학문적 영역을 연결하고 문제를 구체화하는 가교 역할을 수행합니다. 최근 빅데이터와 인공지능의 발달로 선거 예측이나 범죄 예방 분야에서 통계학의 위상이 더욱 높아졌습니다. 하지만 단순히 데이터의 양이 많다고 해서 항상 정확한 예측이 가능한 것은 아닙니다. 2016년 미국 대선 사례처럼 데이터 이면의 구조와 메커니즘을 오해하면 잘못된 결론에 도달할 수 있습니다. 진정한 통계적 분석은 결과의 맞고 틀림을 넘어, 예측의 오차를 어떻게 줄이고 데이터의 공백을 어떻게 과학적으로 메울 것인지 고민하는 비판적인 태도에서 비롯됩니다. 미래 사회에서 통계학은 불확실성을 완화하는 가장 강력한 도구가 될 것입니다. 넷플릭스의 추천 시스템부터 범죄 발생 지역 예측에 이르기까지, 통계는 이미 우리 삶 깊숙이 들어와 의사결정을 돕고 있습니다. 완벽한 예측은 불가능할지라도, 데이터를 통해 오류의 가능성을 조금씩 줄여나가는 노력은 인류가 미래의 불안감을 극복하는 데 큰 도움을 줍니다. 융합적 사고를 바탕으로 한 통계학적 접근은 앞으로도 제4차 산업혁명 시대의 중추적인 역할을 수행할 것입니다.

[질문과 토론의 과학 #11] 🤔데이터과학이란?
카오스재단질토과 + 짧강

[질문과 토론의 과학 #10] 📊모든 것은 통계다!

통계학의 세계에서 시공간 자료는 자료가 관측된 공간 정보와 시간 정보를 동시에 포함하는 특별한 형태를 의미합니다. 단순히 숫자의 나열을 넘어, 특정 현상이 '어디서' 그리고 '언제' 발생했는지를 함께 기록함으로써 자료의 맥락을 풍부하게 만듭니다. 이러한 자료를 분석하는 대표적인 방법 중 하나인 '크리깅'은 미관측 지점의 값을 주변 자료를 통해 예측하는 기법입니다. 예를 들어, 서울 시내 일부 지역에만 설치된 측정 장비의 자료를 활용해 장비가 없는 미관측 지점의 미세먼지 농도를 정밀하게 추정하는 것이 가능해집니다. 시공간 자료 분석의 활용 범위는 기상 관측을 넘어 경제와 사회 분야까지 광범위하게 뻗어 있습니다. 각 지역의 범죄 발생률이나 실업률 같은 경제 지표는 물론, 독감 확진자의 거주지 분포를 분석하여 질병의 확산 경로를 파악하는 데에도 유용하게 쓰입니다. 흥미롭게도 이러한 분석은 거대한 우주의 신비를 푸는 천문학 연구에도 적용됩니다. 멀리 떨어진 별의 빛이 지구에 도달하기까지 걸리는 시간과 공간 정보를 결합하면 우주의 지도를 그릴 수 있으며, 이를 통해 초기 우주의 구조나 우주의 나이를 추정하는 기초 과학적 성과를 거둘 수 있습니다. 통계학은 단순히 수학적인 증명에 머무르는 학문이 아니라, 현실 세계의 복잡한 질문에 답을 내놓는 과정에서 그 진가를 발휘합니다. 이론 통계학이 분석 결과의 타당성을 검증하는 수학적 토대를 마련한다면, 응용 통계학은 구체적인 사회적 문제를 해결하는 실천적인 도구가 됩니다. 뉴욕시의 노후화된 전기 배선으로 인한 맨홀 뚜껑 폭발 사고를 예측하여 사전에 방지한 사례는 통계학의 실용성을 잘 보여줍니다. 위험 요소를 미리 파악하고 관리함으로써 인명 피해를 줄이는 성과를 거둔 이 연구는 자료가 어떻게 시민의 안전을 지키는 기술로 변모하는지 증명합니다. 역사적인 사건 속에서도 통계학은 결정적인 통찰을 제공해 왔습니다. 제2차 세계대전 당시 독일군이 런던을 향해 발사한 미사일이 정밀한 유도 기능을 갖췄는지를 판단하기 위해 통계적 검정이 활용되었습니다. 당시 영국군은 미사일이 떨어진 위치 자료를 수집하여 이것이 특정 목표를 겨냥한 군집 형태인지, 아니면 무작위적인 분포인지를 분석했습니다. 분석 결과 미사일의 낙하 지점은 무작위적인 것으로 밝혀졌고, 이를 통해 당시 독일군의 기술 수준을 정확히 파악할 수 있었습니다. 이처럼 통계는 불확실한 상황에서 객관적인 결론을 도출하는 강력한 무기가 됩니다. 최근 통계학은 인문학과의 결합을 통해 '디지털 인문학'이라는 새로운 영역을 개척하고 있습니다. 과거의 기록을 디지털화하여 시공간 자료로 재구성하면, 19세기 샌프란시스코의 마구간 위치를 통해 도시의 팽창 과정을 시각화하거나 미국 우체국의 개폐 이력을 분석해 인구 이동의 흐름을 추적할 수 있습니다. 문헌 기록이 부족한 시대라도 우체국 위치와 같은 간접적인 지표를 통계적으로 분석하면 역사의 숨겨진 맥락을 읽어낼 수 있습니다. 이처럼 통계학은 과거와 현재를 잇고 미래를 예측하는 무궁무진한 가능성을 지닌 학문으로 진화하고 있습니다.

[질문과 토론의 과학 #10] 📊모든 것은 통계다!
카오스재단질토과 + 짧강

[질문Q] 우리나라 여론조사는 대개 1000명 정도인데 이 정도로 유의미한 결과가 나올까? | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 디지털인문학과 데이터과학

데이터 과학의 시대가 도래하면서 인문계와 자연계의 경계가 점차 허물어지고 있습니다. 현재 많은 대학에서는 문과 학생들도 통계학이나 데이터 과학을 깊이 있게 공부하고 있으며, 이 과정에서 수학적 사고와 프로그래밍 능력은 필수적인 기초가 됩니다. 단순히 수학이 싫어서 문과를 선택했다면 통계학적 접근이 다소 버거울 수 있으나, 최근에는 인문 데이터 과학과 같은 연계 전공이나 복수 전공 제도가 잘 마련되어 있습니다. 따라서 전공의 벽에 갇히기보다 본인의 의지에 따라 융합적인 역량을 쌓으려는 노력이 무엇보다 중요합니다. 데이터 분석을 통한 예측은 희귀 질병 진단이나 의료 서비스 향상에 큰 도움을 주지만, 동시에 개인정보 침해라는 위험성을 내포하고 있습니다. 예를 들어 특정 개인의 건강 정보가 보험사에 유출될 경우 보험 가입 거절과 같은 불이익으로 이어질 수 있습니다. 따라서 데이터를 비식별화하는 작업이 매우 중요하며, 정보를 어떻게 활용하느냐에 따라 사회적 이익이 될 수도, 혹은 누군가에게 피해를 주는 양날의 검이 될 수도 있습니다. 이를 조화롭게 관리할 수 있는 통계적 분석 방법과 윤리적 가이드라인을 마련하는 것이 현대 데이터 과학의 핵심 과제입니다. 데이터는 그 자체로도 가치가 있지만, 서로 다른 성격의 데이터가 결합될 때 폭발적인 정보를 제공합니다. 하지만 이는 프라이버시 문제와 직결되기도 합니다. 과거 넷플릭스의 사례처럼, 비식별화된 평점 데이터라 할지라도 실명이 포함된 다른 데이터베이스와 연동되면 개인의 신원이 노출될 위험이 큽니다. 비식별화 처리를 거친 자료라 하더라도 추가적인 정보가 결합되면서 예상치 못한 개인정보가 드러날 수 있다는 점은 데이터 활용에 있어 우리가 항상 경계해야 할 대목입니다. 이러한 프라이버시 이슈는 데이터 경제 시대에 해결해야 할 가장 큰 숙제 중 하나로 꼽힙니다. 통계 조사에서 표본의 크기보다 훨씬 중요한 것은 그 표본이 전체를 얼마나 잘 대변하느냐 하는 대표성입니다. 과거 미국의 대선 예측 사례를 보면, 수백만 명의 응답을 얻고도 편향된 표본 추출로 인해 실패한 사례가 있는 반면, 단 1,000명의 확률 표본만으로 정확한 결과를 맞힌 사례도 있습니다. 현대의 여론조사 역시 유선 전화와 무선 전화의 비율을 어떻게 설정하느냐에 따라 결과가 크게 달라질 수 있습니다. 결국 데이터의 양에 집착하기보다는, 모집단의 특성을 정확하게 반영할 수 있는 정교한 설계가 통계적 신뢰도를 결정짓는 핵심 요소라고 할 수 있습니다. 과학 연구의 이면에는 수많은 실패와 시행착오가 숨겨져 있습니다. 대중에게는 성공한 연구 결과만이 출판되어 알려지지만, 실제 연구 현장에서는 통계적 검정을 통과하지 못해 머리를 싸매는 날이 훨씬 많습니다. 통계적 검정은 결코 완벽한 정답을 제시하는 것이 아니라, 해당 결과가 틀릴 확률인 유의 수준이 어느 정도인지를 함께 보여주는 과정입니다. 과학자들은 유의 수준을 최소화하고 결과의 신뢰성을 확보하기 위해 끊임없이 검증하며, 이러한 엄밀한 과정을 거쳐 도출된 수치들이 모여 비로소 세상에 빛을 발하는 과학적 성과가 됩니다.

[질문Q] 우리나라 여론조사는 대개 1000명 정도인데 이 정도로 유의미한 결과가 나올까? | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 디지털인문학과 데이터과학
카오스재단명강리뷰&질문Q

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

현대 사회는 바야흐로 빅데이터의 시대입니다. 2003년까지 인류가 축적한 정보량이 이제는 단 이틀 만에 생성될 정도로 정보의 홍수 속에 살고 있습니다. 뉴욕 타임스 하루 치 기사가 17세기 성인 남성이 평생 소비한 정보량과 맞먹는다는 사실은 데이터의 폭발적 증가를 실감케 합니다. 이제 데이터는 21세기의 원유와 같으며, 수많은 정보 속에서 유용한 가치를 찾아내는 분석 능력이 무엇보다 중요해졌습니다. 단순히 양이 많은 것을 넘어, 이를 어떻게 해석하고 활용하느냐가 현대 과학의 핵심 과제로 떠오르고 있습니다. 빅데이터는 구조에 따라 크게 두 가지 형태로 나뉩니다. 첫 번째는 '길쭉한 자료'로 불리는 대용량 데이터입니다. 이는 신용카드 소비 패턴처럼 수백만 명의 고객 정보를 담고 있지만 분석 항목은 상대적으로 적은 형태를 말합니다. 반면 '뚱뚱한 자료'는 고차원 데이터를 의미하며, 유전자 발현 정보처럼 분석 대상은 적으나 변수가 수만 개에 달하는 비정형 데이터를 뜻합니다. 과거의 통계학으로는 분석하기 어려웠던 이러한 복잡한 데이터들은 기술의 발전을 통해 질병 예측이나 개인 맞춤형 서비스 등 다양한 분야에서 혁신을 일으키고 있습니다. 데이터 과학은 기존의 인과관계를 넘어 상관관계와 연관성 분석에 주목합니다. 예를 들어 트위터에 올라오는 사람들의 기분 변화와 주가 변동 사이의 상관관계를 분석하여 예측 모델을 만드는 식입니다. 비록 명확한 원인을 설명하기 어려울 때도 있지만, 방대한 데이터를 통해 유의미한 패턴을 찾아내는 능력은 데이터 과학자를 21세기 가장 매력적인 직업으로 만들었습니다. 통계학이 다소 딱딱하고 이론적인 학문으로 인식되었다면, 데이터 과학은 실생활의 복잡한 문제들을 유연하고 흥미롭게 풀어내는 실천적인 학문으로 자리 잡고 있습니다. 이러한 데이터 분석 기법은 인문학 영역과 결합하여 '디지털 인문학'이라는 새로운 분야를 개척했습니다. 양식 측정학을 통해 셰익스피어 작품의 진위 여부를 가려내거나, 조선왕조실록에 텍스트 마이닝 기법을 활용해 역대 왕들의 통치 스타일을 정량적으로 파악하는 것이 가능해졌습니다. 예를 들어 세종대왕은 신하들의 의견을 경청하는 스타일이었음이 데이터로 증명되며, 연산군은 독단적인 결정을 내리는 경향이 뚜렷하게 나타납니다. 이는 숫자가 감히 침범할 수 없다고 여겨졌던 인문학적 통찰을 보완하고 확장하는 강력한 도구가 됩니다. 데이터를 다룰 때는 '심슨의 역설'이나 '평균으로의 회귀'와 같은 통계적 함정을 주의해야 합니다. 겉으로 보이는 수치만으로는 제3의 요인을 놓쳐 잘못된 결론에 도달할 수 있기 때문입니다. 미세먼지 농도와 사망률의 관계를 분석할 때 계절적 요인을 고려해야 하듯, 데이터 과학은 단순한 숫자 계산이 아닌 맥락에 대한 깊은 이해를 필요로 합니다. 결국 데이터 과학은 컴퓨터 과학과 통계학, 그리고 각 분야의 전문 지식이 만나는 접점에서 완성됩니다. 데이터와 함께하는 통찰력이 우리 시대의 새로운 지혜가 될 것입니다.

[명강리뷰] 디지털인문학과 데이터과학 _ by장원철|2018 봄 카오스 강연 '모든 것의 수數다' 4강
카오스재단명강리뷰&질문Q

[강연] 도박사님, 백년 후 인구는 얼마나 될까요? by 송성주ㅣ 제29회 서울대 자연과학대학 공개강연 '과학 동행' | 1부 ②

확률론의 역사는 흥미롭게도 도박사들의 호기심에서 시작되었습니다. 고대 신라의 14면체 주사위나 전통 윷놀이에서 볼 수 있듯이, 인류는 아주 오래전부터 놀이 속에 숨겨진 우연의 법칙을 탐구해 왔습니다. 17세기 프랑스의 도박사 슈발리에 드 메레가 던진 질문은 당시 수학자 파스칼에게 전달되었고, 이는 단순한 유흥을 넘어 수학적 확률이라는 새로운 학문의 문을 여는 계기가 되었습니다. 주사위 눈의 합이나 승률을 계산하려는 시도가 현대 과학의 기초가 된 셈입니다. 파스칼과 페르마는 서신을 교환하며 중단된 게임의 상금을 어떻게 나눌 것인가라는 '분배 문제'를 해결했습니다. 이 과정에서 기댓값이라는 혁신적인 개념이 등장했으며, 이는 확률론 역사에서 매우 중요한 전환점이 되었습니다. 또한 파스칼의 삼각형을 이용한 이항계수 계산법과 '도박사의 파산 문제' 등은 후대 학자들에게 깊은 영감을 주었습니다. 이러한 연구들은 단순한 사건의 발생 확률을 구하는 연역적 계산을 넘어, 무작위 행보나 확산 모형 같은 복잡한 확률 과정의 시초가 되었습니다. 18세기에 접어들어 확률론은 천문학이나 측지학 같은 자연과학의 오차 분석과 결합하며 통계학적 분석 방법으로 진화했습니다. 베르누이의 큰 수의 법칙은 표본의 크기가 커질수록 평균이 모집단에 수렴한다는 사실을 증명했고, 가우스와 라플라스는 정규분포를 통해 오차의 분포를 수학적으로 확립했습니다. 이제 확률은 불확실성을 양적으로 표현하고 추론하는 강력한 도구가 되었으며, 오늘날 우리가 접하는 여론조사의 신뢰도나 오차 범위 해석 역시 이러한 확률적 토대 위에서 이루어지고 있습니다. 19세기에는 확률에 기초한 통계가 사회학, 인구학 등 다양한 분야로 확산되었습니다. 케틀레는 '평균인' 개념을 통해 사회 현상에 정규분포를 적용했고, 존 그랜트는 런던의 사망표를 분석하여 인구 통계의 기틀을 마련했습니다. 그랜트는 남아와 여아의 출생 비율이나 연령별 사망률 같은 데이터를 정리하며 최초의 통계학적 분석을 시도했습니다. 이러한 역사적 흐름은 국가가 인적 자원을 파악하고 정책을 수립하는 데 있어 통계가 얼마나 필수적인 요소인지를 잘 보여줍니다. 현대 사회에서 인구 통계는 국가의 지속 가능성을 결정짓는 핵심 지표입니다. 우리나라는 과거 산아 제한 정책을 펴던 시기를 지나, 현재는 저출산과 고령화라는 심각한 인구 구조 변화에 직면해 있습니다. 생산 가능 인구의 감소와 지역 소멸 위기는 경제 성장 둔화와 복지 재정 부담으로 이어지며 사회 전반에 구조적인 문제를 야기합니다. 따라서 정확한 인구 조사와 미래 예측은 연금, 보험, 이민 정책 등 국가의 주요 정책을 설계하는 데 있어 가장 기본적이면서도 중요한 작업이라 할 수 있습니다. 장래 인구를 예측하는 인구 추계는 출생, 사망, 국제 이동이라는 세 가지 요인을 바탕으로 이루어집니다. UN과 통계청은 코호트 요인법을 사용하여 연령별 인구 변화를 계산하며, 미래의 불확실성을 반영하기 위해 다양한 시나리오를 설정합니다. 최근에는 베이지안 방법과 같은 확률적 추계 모델을 도입하여 장래 인구의 변동 범위를 확률 분포로 제시하기도 합니다. 이는 단순히 하나의 수치를 예측하는 것을 넘어, 발생 가능한 위험을 정량적으로 표현함으로써 정책 결정자들에게 보다 신뢰도 높은 정보를 제공합니다. 도박사의 궁금증에서 시작된 확률론은 이제 인류의 미래를 설계하는 장래 인구 예측의 핵심 도구가 되었습니다. 통계 모형을 통해 분석한 2061년의 인구 구조는 우리 사회에 커다란 경종을 울리고 있으며, 이는 우리가 지속 가능한 미래를 위해 어떤 대책을 세워야 할지 고민하게 만듭니다. 확률과 통계는 불확실한 미래를 계량적으로 파악하고 대비할 수 있게 해주는 과학적인 언어입니다. 이러한 학문적 노력이 인류가 더 나은 방향으로 나아가는 데 기여하고, 우리 사회의 위기를 기회로 바꾸는 밑거름이 되기를 기대합니다.

[강연] 도박사님, 백년 후 인구는 얼마나 될까요? by 송성주ㅣ 제29회 서울대 자연과학대학 공개강연 '과학 동행'

송성주

카오스재단서울대자연과학공개강연
  • 수학

[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] 제29회 서울대 자연과학대학 공개강연_'과학동행'1 by정충원, 송성주 l 서울대학교&카오스재단 | 1부

서울대학교 자연과학대학이 주최한 제29회 자연과학 공개 강연은 '과학자의 꿈과 도전: 과학 동행'이라는 주제 아래 인류와 과학이 걸어온 긴밀한 여정을 깊이 있게 조명했습니다. 1994년 첫 발을 내디딘 이래 대중과 소통하며 자연과학의 원리와 첨단 기술의 발전 경향을 알기 쉽게 전달해 온 이 강연은 우리 사회의 미래를 견인할 혁신적 가치 창출의 장으로 자리매김했습니다. 이번 행사는 환경, 인구 예측, 양자 세계, 기후 변화 등 현대 사회가 직면한 복잡하고 어려운 문제들을 과학적 시각에서 함께 고민하고 해결책을 모색하는 소중한 기회가 되었습니다. 첫 번째 강연에서는 집단 유전학이라는 학문적 도구를 통해 인류의 역사가 환경과 어떻게 상호작용하며 변화해 왔는지 살펴보았습니다. 과거 플라이스토세의 시베리아는 현재와 달리 '매머드 초원'이라 불리는 풍요로운 생태계를 유지하고 있었으며, 인류는 이러한 독특한 환경에 적응하며 자신들만의 생활 양식을 구축했습니다. 유전자 염기서열 분석 기술의 비약적인 발전은 화석과 유적 속에 숨겨진 고대 인류의 이동 경로와 혼합 과정을 정밀하게 추적할 수 있게 함으로써, 문헌에 기록되지 않은 잊힌 역사의 퍼즐을 맞추는 강력하고 객관적인 수단이 되어주고 있습니다. 특히 타림 분지의 미라 집단이나 보타이 문화의 말 사육 사례는 유전적 정보가 기존의 고고학적 가설을 어떻게 검증하고 때로는 반박할 수 있는지 명확히 보여줍니다. 외형적으로는 서구적 특징을 가졌으나 유전적으로는 주변 집단과 섞이지 않은 고립된 수렵채집인의 후손이었던 타림 분지 사람들의 사례는 문화적 교류와 유전적 계통이 반드시 일치하지 않음을 시사합니다. 이러한 연구 결과들은 인류가 급격한 기후 변화와 환경적 제약 속에서도 어떻게 생존을 도모하고 외부 문화를 수용하며 자신들만의 독자적인 문명을 발전시켰는지에 대한 깊은 통찰을 제공합니다. 이어지는 강연에서는 도박사의 소박한 호기심에서 시작된 확률론이 어떻게 현대 통계학으로 진화하여 사회의 불확실성을 관리하는 핵심 기술이 되었는지 논의되었습니다. 17세기 파스칼과 페르마의 서신 교환에서 싹튼 확률 개념은 오늘날 인구 조사와 미래 예측을 가능하게 하는 이론적 토대가 되었습니다. 통계학은 단순히 흩어진 숫자를 집계하는 것을 넘어, 방대한 데이터 속에 숨겨진 일정한 패턴을 읽어내고 미래의 위험을 정량적으로 평가함으로써 국가 정책 수립과 합리적인 사회적 의사결정을 내리는 데 있어 없어서는 안 될 필수적인 역할을 수행하고 있습니다. 인구 추계는 출생, 사망, 국제 이동이라는 세 가지 핵심 요인을 바탕으로 미래 사회의 구조적 변화를 그려내는 정교한 작업입니다. UN과 통계청은 코호트 요인 추계법과 확률적 모형을 활용하여 저출산과 고령화라는 인류 공통의 과제를 분석하고 대응 방안을 마련하고 있습니다. 미래 인구에 대한 정확한 예측은 식량, 자원, 환경 문제뿐만 아니라 연금이나 복지 정책의 방향성과도 직결됩니다. 따라서 통계적 불확실성을 과학적으로 이해하고 대비하는 과정은 우리 사회의 지속 가능성을 확보하기 위해 반드시 거쳐야 하는 가장 기본적인 준비 단계라 할 수 있습니다. 과학의 발전은 단일 학문의 고립된 성과에 그치지 않고 다양한 분야 간의 긴밀한 협력과 동행을 통해 완성됩니다. 인류 유전학이 진화의 수리 모형을 정립하기 위해 통계학을 필수적으로 활용하듯, 현대 과학은 학제 간 경계를 허물며 복잡한 현상을 다각도에서 분석하고 있습니다. 과학자들은 자신의 연구가 사회에 미칠 영향을 깊이 고민하며 진실한 태도로 연구에 임해야 하며, 대중 또한 과학적 탐구 과정에 지속적인 관심을 두고 참여해야 합니다. 이러한 상호 작용은 과학과 사회가 서로를 신뢰하며 더 나은 방향으로 나아가는 건강한 동행을 가능하게 합니다. 기초과학은 인류와 지구의 지속 가능한 발전을 가능하게 하는 가장 강력한 원동력이자 미래를 여는 열쇠입니다. 순수한 호기심에서 시작된 탐구는 수많은 시행착오와 인내의 시간을 거쳐 인류의 지평을 넓히는 위대한 발견으로 이어집니다. 이번 공개 강연은 과학이 단순히 교과서 속의 어려운 지식이 아니라, 우리의 삶과 역사를 이해하고 더 나은 미래를 설계하기 위한 필수적인 동반자임을 다시 한번 확인시켜 주었습니다. 과학과의 슬기로운 동행을 통해 우리는 직면한 위기를 새로운 기회로 바꾸며, 인류 사회를 위한 혁신적인 가치를 끊임없이 창출해 나갈 것입니다.

[강연]  제29회 서울대 자연과학대학 공개강연_'과학동행'1 by정충원, 송성주 l 서울대학교&카오스재단

송성주, 정충원

카오스재단서울대자연과학공개강연
  • 생명과학
  • 수학

[과학자가 쓴 과학책 #24] 이종필_빛의 전쟁 ㅣ과학자가 SF를 쓴다면?

이종필 교수는 물리학자이자 저술가로서 대중에게 과학의 즐거움을 전해온 인물입니다. 그는 스스로를 '글 쓰는 물리학자'라고 정의하며, 과학적 사실을 넘어선 서사의 힘에 주목해 왔습니다. 최근 그가 선보인 소설 '빛의 전쟁'은 단순한 교양 과학서를 넘어 추리 소설의 형식을 빌려 과학적 상상력을 극대화한 작품입니다. 물리학자의 시선으로 그려낸 이 이야기는 독자들에게 현대 과학의 최전선이 어디인지, 그리고 그 너머에 무엇이 있을지를 생생하게 보여줍니다. 과학을 소재로 한 소설을 집필하게 된 계기는 과학의 대중화에 대한 깊은 고민에서 비롯되었습니다. 기존의 교양 과학 도서들이 다소 딱딱하고 사실 전달에 치중했다면, 소설이라는 장르는 독자들이 페이지를 넘기는 즐거움을 느끼게 합니다. 저자는 학창 시절부터 이어온 문학적 감수성과 물리학자로서의 전문성을 결합하여, 과학이 단순한 지식의 나열이 아닌 흥미진진한 엔터테인먼트가 될 수 있음을 증명하고자 했습니다. 이는 과학 문화 활동의 새로운 지평을 여는 시도이기도 합니다. 소설 속에는 인공지능, 양자 컴퓨터, 중성자별 등 현대 물리학의 핵심 소재들이 등장합니다. 저자는 현재의 과학 기술 단계와 상상력의 지점을 매끄럽게 연결하는 데 가장 큰 공을 들였습니다. 딥러닝의 원리나 구글의 양자 컴퓨터 실험 같은 실제 사례들을 출발점으로 삼아, 그것이 극한으로 발달했을 때 벌어질 수 있는 상황을 설득력 있게 묘사했습니다. 이러한 정교한 설정은 독자로 하여금 어디까지가 현실이고 어디서부터가 허구인지 경계를 넘나드는 지적 유희를 제공합니다. 물리학에서 '5시그마'라는 개념은 단순한 숫자를 넘어 과학적 발견을 인정하는 엄격한 기준이 됩니다. 통계학적으로 표준편차의 5배를 의미하는 이 수치는, 어떤 현상이 우연히 발생할 확률이 약 350만분의 1에 불과할 때 사용됩니다. 즉, 이 기준을 통과했다는 것은 해당 발견이 통계적 오류가 아닌 실재하는 물리적 현상임을 보증하는 것입니다. 소설은 이러한 과학적 방법론을 서사 속에 녹여내어, 진실을 추적하는 과정에 객관성과 긴장감을 부여합니다. 양자역학의 역사에서 아인슈타인과 코펜하겐 학파 사이의 논쟁은 빼놓을 수 없는 대목입니다. 아인슈타인은 '신은 주사위 놀이를 하지 않는다'며 양자역학의 확률론적 성격을 부정했고, EPR 역설을 통해 이론의 불완전성을 주장했습니다. 그러나 이후 벨의 부등식 실험 등을 통해 양자역학의 정당성이 입증되었고, 이는 현대 물리학의 공고한 토대가 되었습니다. 소설은 이러한 철학적, 과학적 대립을 인물들의 갈등과 사건의 배경으로 활용하여 이야기의 깊이를 더합니다. 정보 보존은 현대 물리학의 중요한 화두 중 하나입니다. 스티븐 호킹은 한때 블랙홀에서 정보가 사라진다고 주장했으나, 결국 양자역학의 원리에 따라 정보는 보존된다는 사실을 인정하며 자신의 오류를 바로잡았습니다. 소설에서는 광자로부터 정보를 추출하거나 사건의 흔적을 재구성하는 설정을 통해 이러한 물리적 원리를 극대화합니다. 이는 마치 범죄 현장에서 증거를 수집해 진실을 밝혀내는 과정과도 닮아 있어, 과학이 지닌 탐구의 본질을 효과적으로 드러냅니다. 마지막으로 이 작품은 과학 기술과 국가주의의 관계에 대해 묵직한 질문을 던집니다. 과학적 성과가 국가 경쟁력이나 안보의 수단으로만 소비되는 현실 속에서, 과학의 본질적 가치와 사회적 책임 사이의 갈등을 조명합니다. 뛰어난 기술이 인류를 위해 어떻게 쓰여야 하는지, 그리고 그 과정에서 필요한 사회적 합의는 무엇인지에 대한 고민이 인물들의 행보를 통해 투영됩니다. 이는 과학이 실험실을 넘어 우리 삶과 역사 속에서 어떤 의미를 지녀야 하는지를 다시금 생각하게 합니다.

[과학자가 쓴 과학책 #24] 이종필_빛의 전쟁 ㅣ과학자가 SF를 쓴다면?

이종필

카오스재단읽다과학
  • 물리학

[질문Q] 구글신도 남신과 여신이 있을까?? | 2017 가을 카오스 강연 '미래과학' 1강 | 구글 신은 아직도 모든 것을 알고 있다?

우리가 인터넷을 사용할 때 남기는 흔적은 생각보다 정교하게 기록됩니다. 단순히 글을 쓰거나 좋아요를 누르는 행위뿐만 아니라, 화면을 내리다 멈추는 지점이나 특정 제목을 읽는 시간까지도 모두 데이터가 됩니다. 이러한 정보들은 알고리즘을 통해 분석되어 개인화된 서비스를 제공하는 기초가 됩니다. 누군가 우리를 직접 감시하는 것은 아니지만, 시스템은 끊임없이 우리의 행동을 관찰하며 취향을 파악하고 있습니다. 이는 현대 사회에서 데이터가 어떻게 수집되고 활용되는지를 보여주는 중요한 단면입니다. 과거의 통계학이 정형화된 데이터를 다루는 데 집중했다면, 현대의 데이터 과학은 비정형 데이터를 분석하는 데 주력하고 있습니다. 1990년대 후반부터 시작된 이러한 변화는 빅데이터 시대를 열었으며, 통계학자의 역할 또한 데이터 과학자라는 이름으로 새롭게 정의되고 있습니다. 단순히 데이터의 양이 많은 것이 중요한 것이 아니라, 기존의 방식으로는 풀 수 없었던 복잡한 정보들을 어떻게 해석하느냐가 핵심입니다. 이러한 변화에 발맞추어 학계와 산업계 모두 새로운 분석 기법을 도입하며 사회적 요구에 적응하고 있습니다. 데이터 분석에서 기술적인 능력만큼 중요한 것은 해당 분야에 대한 전문성, 즉 도메인 지식입니다. 컴퓨터 프로그램을 통해 데이터를 처리할 수는 있지만, 그 결과에서 진정한 가치를 뽑아내고 해석하는 것은 결국 전문가의 몫입니다. 예를 들어 미술 작품이나 역사적 문헌을 분석할 때, 데이터 기법만으로는 맥락을 완전히 이해하기 어렵습니다. 따라서 데이터 과학자는 통계나 프로그래밍 지식뿐만 아니라, 자신이 다루는 데이터가 속한 분야에 대한 깊은 이해를 갖추어야만 오류를 줄이고 유의미한 통찰을 얻을 수 있습니다. 알고리즘에 의한 추천 서비스는 편리함을 제공하지만, 동시에 사회적 다양성을 해칠 위험도 내포하고 있습니다. 사용자의 취향에 완벽하게 맞춘 정보만 제공되다 보면, 사람들은 점차 비슷한 생각과 취향을 공유하게 되어 사회 전체의 다양성이 사라질 수 있습니다. 가끔은 의도하지 않은 우연한 발견이나 취향에 맞지 않는 경험이 새로운 영감을 주기도 합니다. 따라서 추천 시스템이 주는 안락함에만 의존하기보다는, 알고리즘이 만들어낸 틀 밖의 세상을 보려는 경계심을 가지는 태도가 현대인에게 필요합니다. 데이터 분석의 정확도는 단순히 표본의 크기에만 좌우되지 않습니다. 2천 명 정도의 표본으로도 충분히 예측이 가능하지만, 더 중요한 것은 그 표본이 전체 집단을 얼마나 잘 대표하느냐 하는 문제입니다. 과거 선거 여론조사에서 발생했던 오차들은 대개 표본 추출 과정에서의 편향 때문이었습니다. 유선 전화와 무선 전화의 비율을 어떻게 설정하느냐와 같은 세세한 보정 작업이 결과의 성패를 가릅니다. 결국 데이터 과학의 핵심은 숫자의 크기가 아니라, 현실을 왜곡 없이 반영할 수 있는 정교한 설계와 분석 노하우에 있습니다.

[질문Q] 구글신도 남신과 여신이 있을까??  | 2017 가을 카오스 강연 '미래과학' 1강  | 구글 신은 아직도 모든 것을 알고 있다?
카오스재단명강리뷰&질문Q

[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

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실' | 이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

서울대학교 통계계산연구실은 고성능 컴퓨팅(HPC)을 활용하여 통계학의 복잡한 계산 문제를 해결하는 데 집중하고 있습니다. 기존의 방식으로는 예측 모델을 구동하는 데 약 1,000시간이 소요되던 작업을 알고리즘 최적화를 통해 단 30분에서 1시간 내외로 단축하는 것이 이들의 주요 목표입니다. 단순히 계산 속도를 높이는 것을 넘어, 하드웨어의 제약과 수학적 복잡성을 동시에 고려하며 실용적인 통계 문제의 해답을 찾아가는 과정을 연구의 핵심으로 삼고 있습니다. 이곳은 스스로를 '문제를 만드는 곳'이라 정의할 만큼 도전적인 연구를 수행합니다. 일반적인 통계 분석으로는 다루기 힘든 MRI 데이터와 같은 고차원 대용량 자료를 직접 처리하는 것이 특징입니다. 일반 컴퓨터의 메모리에 담기조차 어려운 방대한 데이터를 다루기 위해 빠른 알고리즘을 개발하고, 이를 뒷받침할 수 있는 강력한 컴퓨팅 자원과 기술을 활용합니다. 수학적 기반 위에서 데이터의 한계를 극복해 나가는 과정은 연구실만의 독보적인 경쟁력이 됩니다. 연구실의 분위기는 매우 자유롭고 수평적입니다. 정해진 출퇴근 시간 없이 구성원들이 각자의 리듬에 맞춰 연구에 몰입하며, 교수와 학생 사이에도 존댓말을 사용하며 서로를 존중하는 문화를 유지하고 있습니다. 다만, 일주일씩 걸리는 긴 계산 결과를 확인하기 위해 새벽까지 모니터를 지켜보는 열정 때문에 밤낮이 바뀌는 경우도 종종 발생합니다. 언제 어디서든 결과를 확인할 수 있는 시스템 덕분에 연구에 대한 몰입도가 자연스럽게 높아지는 환경이 조성되어 있습니다. 소수 정예로 운영되는 연구실 공간은 학생들의 창의적인 아이디어와 개성으로 채워져 있습니다. 코딩 중 쌓이는 스트레스를 해소하기 위해 아두이노를 활용한 '빅 엔터키' 쿠션을 직접 제작해 사용하는 등 유쾌한 실험 정신이 돋보입니다. 첨단 기술에 관심이 많은 학생들이 모여 있기에 연구실 곳곳에는 새로운 기술적 시도들이 스며들어 있습니다. 이러한 유연한 사고방식은 복잡한 이론적 문제를 해결해 나가는 과정에서 중요한 원동력이 되어 줍니다. 통계계산연구실은 수리적 이론에 대한 깊은 관심과 함께 뛰어난 코딩 능력을 갖춘 인재를 기다리고 있습니다. 특히 일반적인 노트북으로는 해결하기 어려운 대규모 데이터를 통계적으로 다뤄보고 싶어 하는 도전 정신이 필수적입니다. 데이터의 크기가 기하급수적으로 커지는 현대 사회에서, 계산 과정의 중복성을 줄이고 효율적인 알고리즘을 설계하는 능력은 매우 중요합니다. 방대한 자료 속에서 빠르게 통찰을 얻어내는 과정은 연구자에게 큰 희열을 선사할 것입니다.

[연구뭐하지] 원중호 교수_서울대학교 '통계계산연구실'  |  이렇게나 고차원적인 대용량 자료를 다룬다고요?! 이런 연구실 흔치 않습니다

원중호

카오스재단연구뭐하지
  • 수학

[연구뭐하지?] 정성규 교수_서울대학교 '통계적학습이론 연구실' | 통계에도 차원이 있다!?

21세기에 들어서며 데이터의 질과 양이 폭발적으로 증가함에 따라 통계학은 새로운 국면을 맞이했습니다. 과거에는 흔치 않았던, 변수의 수는 방대하지만 표본의 수는 상대적으로 적은 고차원 데이터 분석이 중요해진 것입니다. 특히 데이터가 일반적인 수치 형태를 넘어 이미지나 영상과 같은 복잡한 구조를 가질 때, 이를 '다양체(Manifold)'라는 기하학적 개념 위에서 분석하는 방법론과 이론적 토대를 마련하는 연구가 활발히 진행되고 있습니다. 현대 통계학의 핵심 분야 중 하나인 다변량 통계학에서는 수많은 변수 사이의 관계를 효과적으로 파악하는 것이 관건입니다. 연구자들은 주성분 분석(PCA)을 중심으로, 다양한 조건에서도 데이터의 특성을 합리적이고 효율적으로 추출할 수 있는 모델을 개발하고 있습니다. 이는 단순히 데이터를 요약하는 수준을 넘어, 복잡한 데이터 구조 속에 숨겨진 유의미한 패턴을 찾아내고 분석의 정확도를 높이는 데 필수적인 역할을 수행합니다. 이러한 통계적 이론은 실제 응용 분야에서 강력한 힘을 발휘합니다. 예를 들어 유전체 데이터 분석에서는 방대한 양의 유전 정보를 효과적으로 통합하거나 분류하여 질병의 원인을 규명하는 데 기여합니다. 또한 고차원 데이터의 군집화(Clustering) 연구를 통해 유사한 특성을 가진 집단을 정교하게 구분해내기도 합니다. 이론적 연구와 실무적 응용이 조화를 이루며, 막연하게 느껴질 수 있는 데이터 분석의 과정을 구체적이고 과학적인 방법론으로 바꾸어 나가는 과정입니다. 최근 인공지능과 딥러닝 기술이 급격히 발전하면서 통계학의 중요성은 더욱 강조되고 있습니다. 전문가의 직관이나 감에 의존하던 과거의 방식에서 벗어나, 철저히 데이터 근거 중심의 분석을 수행하기 위해서는 통계적 기초가 탄탄해야 합니다. 딥러닝 모델의 결과나 성능을 객관적으로 평가하고 개선하는 과정에서도 통계적 관점은 필수적입니다. 따라서 통계학은 학술적인 깊이를 더할 뿐만 아니라 실전에서도 매우 유용한 도구로 자리매김하고 있습니다. 통계학은 그 자체로 독립된 학문이면서도 다른 어떤 분야와도 유연하게 결합할 수 있는 확장성을 지니고 있습니다. 생물통계나 경제통계처럼 다양한 학문 뒤에 '통계'라는 이름을 붙여도 어색하지 않은 이유는, 통계학이 데이터를 다루는 보편적인 언어이기 때문입니다. 수학적 엄밀함부터 컴퓨터를 활용한 실전 분석까지 넓은 스펙트럼을 가진 학문인 만큼, 한 가지 분야에 매몰되지 않고 다양한 시각으로 자료를 바라보는 태도가 현대의 연구자들에게 요구됩니다.

[연구뭐하지?] 정성규 교수_서울대학교 '통계적학습이론 연구실'  |  통계에도 차원이 있다!?

정성규

카오스재단연구뭐하지
  • 수학

[연구뭐하지?] 이상훈 교수_서울대학교 '인지 및 시스템 신경과학 연구실' | 신경과학을 연구하는 융합인재들의 플랫폼!(찡긋)

서울대학교 인지 및 시스템 신경과학 연구실은 인간의 마음과 뇌의 메커니즘을 잇는 '연결'을 핵심 가치로 삼고 있습니다. 마음은 행동을 통해 관찰되는 현상적인 영역이며, 뇌는 생물학적인 현상이 발생하는 물리적 영역입니다. 서로 다른 차원에서 기술되는 이 두 도메인을 하나로 통합하여 이해하는 것이 연구의 본질입니다. 이를 통해 보이지 않는 마음의 작용이 어떻게 구체적인 뇌 활동으로 발현되는지를 심도 있게 탐구하며 인간 이해의 지평을 넓히고 있습니다. 불확실한 정보와 제한된 시간 속에서 인간이 내리는 합리적인 의사결정 과정을 연구하기 위해 수리 모델을 적극적으로 활용합니다. 마음의 활동을 수학적으로 정립하여 뇌 활동을 설명하고, 반대로 뇌의 신호를 통해 마음의 작용을 역추적하는 방식입니다. 이러한 수리 모델링은 서로 다른 언어를 사용하는 심리학과 생물학 사이의 가교 역할을 합니다. 단순한 관찰을 넘어 시스템적인 이해를 가능하게 함으로써 복잡한 인지 과정을 정교하게 분석해 냅니다. 연구실에서는 시각 자극에 따른 행동과 뇌 현상을 측정하기 위해 다양한 최첨단 기술을 동원합니다. 뇌파(EEG) 측정 장비부터 안구 추적 데이터, 뇌 영상 분석, 그리고 인과 관계 파악을 위한 전기적 자극까지 폭폭넓은 방법론을 사용합니다. 다양한 전공 배경을 가진 연구자들이 모여 수평적인 분위기 속에서 협력하며, 인공지능과 신경과학의 접점을 찾는 융합 연구도 활발히 진행 중입니다. 이는 인간의 지각과 심리 정보처리를 다각도에서 조명하는 토대가 됩니다. 뇌인지과학 분야를 깊이 있게 연구하기 위해서는 탄탄한 기초 역량이 필수적입니다. 통계학이나 수학과 같은 양적인 방법론에 대한 이해는 물론, 매트랩(MATLAB)이나 파이썬(Python) 같은 프로그래밍 언어를 다루는 능력도 중요하게 요구됩니다. 또한 최신 연구 동향을 파악하고 국제적인 학술 교류를 원활히 하기 위해 영어 의사소통 능력도 갖추어야 합니다. 인턴십 과정을 통해 실제 연구 현장을 미리 경험해 보는 것은 자신의 적성을 확인하고 연구자로서의 길을 준비하는 데 큰 도움이 됩니다. 훌륭한 연구자가 되기 위해서는 열정과 역량, 그리고 확고한 직업 윤리가 조화를 이루어야 합니다. 특히 스스로 문제를 정의하고 해결책을 찾아야 하는 신생 학문의 특성상, 어려움에 직면했을 때 더욱 몰입하는 태도가 중요합니다. 자신의 연구가 왜 중요한지 타인을 설득하고 정립되지 않은 길을 개척해 나가는 과정은 결코 쉽지 않습니다. 하지만 인간의 행동과 신경 과정의 관계를 밝혀내겠다는 강한 의지가 있다면, 뇌과학의 미래를 이끄는 주역으로 성장할 수 있을 것입니다.

[연구뭐하지?] 이상훈 교수_서울대학교 '인지 및 시스템 신경과학 연구실'  |  신경과학을 연구하는 융합인재들의 플랫폼!(찡긋)

이상훈

카오스재단연구뭐하지
  • 뇌인지과학

[COVID-19_talk_18] The most important reason that data is important _Woncheol Jang | 18강

코로나19라는 전례 없는 위기 상황에서 데이터는 방역의 나침반 역할을 해왔습니다. 인도의 사례를 보면, 확진자가 수백 명에 불과하던 초기 단계에서 데이터 과학자들의 예측을 근거로 13억 인구의 전국 봉쇄라는 과감한 결정을 내렸습니다. 이는 단순히 감에 의존한 것이 아니라, 기하급수적인 확산 가능성을 수치로 확인했기에 가능한 선제적 대응이었습니다. 초기 대응의 시점이 방역의 성패를 가르는 핵심임을 인도의 사례는 데이터 기반의 의사결정을 통해 명확히 보여줍니다. 정보의 홍수 속에서 데이터를 올바르게 해석하는 시각화의 중요성도 커졌습니다. 단순히 누적 검사 수만 보면 검사가 원활히 늘어나는 것처럼 보일 수 있지만, 일일 신규 검사 수를 분석하면 실질적인 방역 속도를 더 정확히 파악할 수 있습니다. 또한, 감염병 확산처럼 폭발적으로 증가하는 데이터는 로그 스케일을 활용해야 그 추세를 명확히 읽어낼 수 있습니다. 잘못된 시각화는 대중에게 왜곡된 정보를 전달할 위험이 있기에, 데이터를 다루는 통계적 전문성이 반드시 뒷받침되어야 합니다. 뉴욕타임스와 파이낸셜 타임스 같은 주요 언론들은 정교한 데이터 시각화를 통해 전 세계의 코로나 현황을 일목요연하게 전달했습니다. 국가별 확진자 추이를 색상과 그래프로 표현하여 위험 지역을 식별하고, 바이러스가 대도시를 거쳐 어떻게 전역으로 확산되었는지 시각적으로 묘사했습니다. 이러한 시각화 작업은 복잡한 통계 수치를 직관적인 정보로 변환하여, 일반 대중이 팬데믹의 심각성과 흐름을 이해하는 데 결정적인 기여를 했습니다. 이는 데이터가 소통의 도구로서 얼마나 강력한지 증명합니다. 대규모 인원을 효율적으로 검사하기 위한 방안으로 '집단 검사' 방식이 다시 주목받고 있습니다. 1943년 도프만 교수가 제안한 이 방법은 여러 명의 샘플을 하나로 섞어 검사한 뒤, 양성이 나올 경우에만 세분화하여 재검사하는 원리입니다. 이 방식은 검사 횟수를 획기적으로 줄여 비용과 시간을 절약할 수 있게 해줍니다. 과거의 아이디어가 현대의 기술 및 통계적 기법과 결합하여 감염병 확산을 막는 강력한 도구로 재탄생한 셈입니다. 이는 효율적인 자원 배분이 필요한 방역 현장에서 매우 유용합니다. 미국의 코넬 대학교와 스탠퍼드 대학병원은 집단 검사를 실제 방역 시스템에 도입하여 캠퍼스와 병원의 안전을 지키고 있습니다. 모든 구성원을 5일에 한 번씩 주기적으로 검사함으로써 지역사회 내 무증상 감염자를 조기에 발견하는 것이 핵심입니다. 특히 유병률이 낮은 집단에서 집단 검사는 그 효율성이 극대화됩니다. 이는 추적과 격리가 어려운 환경에서 대규모 인원을 상시 모니터링할 수 있는 현실적인 대안으로 평가받고 있으며, 경제 활동을 유지하면서도 방역을 지속할 수 있는 기반이 됩니다. 데이터 시각화는 단순히 예쁜 그림을 그리는 작업이 아니라, 깊이 있는 통계적 통찰력이 필요한 전문 영역입니다. 뉴욕타임스의 사례처럼 통계적 배경지식을 갖춘 전문가들이 데이터를 가공하고 해석할 때 비로소 가치 있는 정보가 탄생합니다. 자동화된 툴이 발전하더라도 응급 상황에서 데이터를 올바르게 판단하고 대응하는 것은 결국 인간의 몫입니다. 따라서 데이터 과학자는 수치 뒤에 숨겨진 진실을 읽어내는 안목을 갖추어야 하며, 이는 정책 결정의 신뢰도를 높이는 중요한 요소가 됩니다. 통계학자는 이제 모든 분야의 뒤뜰에서 함께 뛰어노는 존재가 되었습니다. 코로나19의 실시간 치사율을 예측하거나 집단 검사의 효율적인 알고리즘을 연구하는 등, 데이터 기반의 의사결정은 우리 사회의 안전을 지키는 핵심 동력이 되었습니다. 쏟아지는 데이터 속에서 유의미한 가치를 찾아내고 이를 정책에 반영하는 과정은 앞으로 더욱 중요해질 것입니다. 슬기로운 통계학자의 시선으로 데이터를 바라보는 것은 팬데믹 이후의 세상을 준비하고 더 나은 미래를 설계하는 중요한 밑거름이 됩니다.

[COVID-19_talk_18]  The most important reason that data is important _Woncheol Jang

장원철

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나TALK-18] 트럼프는 틀렸다! 지금 데이터가 가장 중요한 이유 _장원철 교수 | 18강

코로나19라는 전 지구적 위기 상황에서 데이터는 단순한 숫자를 넘어 방역의 핵심 지표로 활용되었습니다. 인도의 사례를 보면, 확진자가 수백 명에 불과하던 초기 단계에서 데이터 과학자들의 예측 모델을 근거로 13억 인구에 대한 전국 봉쇄라는 과감한 결단을 내렸습니다. 이는 감염병의 기하급수적인 증가 추세를 미리 파악하고 선제적으로 대응한 결과로, 만약 이러한 데이터 기반의 의사결정이 없었다면 인도의 확진자 수는 예측치인 2,000만 명을 훨씬 상회하며 통제 불능의 재앙으로 이어졌을 것입니다. 데이터는 정책의 효과를 검증하고 미래를 설계하는 데에도 결정적인 역할을 합니다. 인도의 전국 봉쇄는 단기적인 확산 억제를 넘어 사회적 거리두기와 여행 금지 등 다양한 방역 전략이 결합되었을 때 비로소 장기적인 효과를 거둘 수 있음을 보여주었습니다. 특히 누적 확진자 수의 증가 폭을 완만하게 조절하는 '플래트닝 더 커브(Flattening the curve)' 전략은 의료 시스템의 붕괴를 막는 핵심이 되었으며, 이는 정교한 데이터 분석을 통해 각국 정부가 방역의 강도를 조절하는 과학적 근거가 되었습니다. 정보의 홍수 속에서 올바른 정보를 선별하기 위해 데이터 시각화의 중요성은 더욱 커지고 있습니다. 단순히 누적 검사 횟수만을 강조하는 그래프는 실제 방역 현황을 왜곡할 수 있으며, 매일 시행되는 신규 검사 수와 양성률을 함께 살펴봐야 정확한 진단이 가능합니다. 시각화는 복잡한 통계 수치를 직관적인 그림이나 지도로 변환하여 대중이 감염병의 확산 경로와 위험도를 쉽게 이해하도록 돕습니다. 이는 잘못된 정보로 인한 혼란을 방지하고 사회적 합의를 이끌어내는 강력한 도구가 됩니다. 뉴욕 타임스와 파이낸셜 타임스 같은 주요 언론들은 로그 스케일과 스무딩 스플라인 기법을 활용해 국가별 확진 추세를 정교하게 시각화했습니다. 로그 스케일은 확진자 수가 급격히 차이 나는 국가들을 동일한 선상에서 비교할 수 있게 해주며, 변동성이 큰 일일 데이터를 매끄러운 곡선으로 표현함으로써 전체적인 유행의 흐름을 명확히 보여줍니다. 이러한 시각적 분석은 바이러스가 특정 도시에서 시작해 비행기 경로를 타고 전 세계로 퍼져나가는 과정을 입체적으로 묘사하여 방역의 사각지대를 찾아내는 데 기여합니다. 대규모 인원을 효율적으로 검사하기 위한 방안으로 1943년에 제안된 '집단 검사(Group Testing)' 기법이 다시 주목받고 있습니다. 이는 여러 사람의 샘플을 하나로 섞어 검사한 뒤, 양성이 나올 경우에만 해당 그룹을 세분화하여 재검사하는 방식입니다. 이 방법은 감염자가 적은 집단에서 검사 횟수를 획기적으로 줄여 시간과 비용을 절감할 수 있게 합니다. 과거 성병 검사를 위해 고안된 오래된 통계적 아이디어가 현대의 분자 진단 기술과 결합하여 팬데믹 상황을 타개할 새로운 해결책으로 부활한 셈입니다. 미국의 코넬 대학교와 스탠퍼드 대학교 병원은 이러한 집단 검사 시스템을 도입하여 캠퍼스 정상화를 시도하고 있습니다. 수만 명의 구성원을 주기적으로 검사하기 위해서는 막대한 비용이 발생하지만, 집단 검사 알고리즘을 적용하면 검사 효율을 극대화할 수 있습니다. 특히 유병률이 낮은 환경에서는 한 번에 수십 명의 샘플을 섞어 검사함으로써 전체 검사 비용을 10분의 1 수준으로 낮추는 것이 가능합니다. 이는 경제 활동을 유지하면서도 감염원을 조기에 발견하여 격리할 수 있는 현실적인 대안이 되고 있습니다. 현대 통계학자와 데이터 과학자들은 이제 연구실이라는 '뒤뜰'을 벗어나 사회의 중요한 의사결정이 이루어지는 '앞뜰'에서 활약하고 있습니다. 코로나19 대응 과정에서 보여준 데이터 기반의 예측과 시각화, 그리고 효율적인 검사 알고리즘은 공공보건 정책의 신뢰도를 높이는 데 결정적인 역할을 했습니다. 시시각각 변하는 데이터 속에서 숨겨진 진실을 찾아내고 이를 바탕으로 최선의 선택을 내리는 과정은, 앞으로 우리가 마주할 수많은 사회적 난제를 해결하는 데 있어 가장 강력한 무기가 될 것입니다.

[코로나TALK-18] 트럼프는 틀렸다! 지금 데이터가 가장 중요한 이유  _장원철 교수

장원철

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[코로나 인터뷰] 장원철_ 코로나19는 새로운 형태로 전파되고 있어서...

과거에는 데이터를 단순히 수치로 표현되는 결과물로만 한정하여 생각하곤 했습니다. 하지만 현대 데이터 과학의 영역은 이를 넘어 이미지나 사물과 같은 비정형 데이터까지 폭넓게 포괄하고 있습니다. 한국인의 평균적인 얼굴형을 분석하거나 특정 집단의 대표적인 특성을 도출하는 과정 모두가 이제는 데이터의 영역에 들어온 것입니다. 이처럼 예전에는 미처 인식하지 못했던 다양한 형태의 정보들을 분류하고, 그 안에서 유의미한 대푯값을 찾아내어 공유하는 것이 데이터 과학이 수행해야 할 핵심적인 임무라고 할 수 있습니다. 데이터 과학은 코로나19와 같은 팬데믹 상황에서 그 진가를 발휘합니다. 감염병의 2차 유행 시점을 예측하거나 바이러스의 전파력을 분석하는 일은 모두 정교한 데이터 기반 연구를 통해 이루어집니다. 특히 실시간 치사율을 계산하거나 사회적 거리두기가 실제 방역에 미치는 효과를 측정하는 작업은 매우 실용적인 가치를 지닙니다. 치료 중인 환자 수와 사망자 수의 변화 추이를 데이터로 추적함으로써, 우리는 막연한 공포에서 벗어나 객관적인 지표를 바탕으로 현재의 위기 상황을 진단하고 대응 전략을 수립할 수 있게 됩니다. 전 세계 국가들이 각기 다른 방역 정책을 시행함에 따라, 역설적으로 연구자들에게는 사회적 개입의 효과를 비교 분석할 수 있는 방대한 데이터가 축적되었습니다. 각국 자치단체별로 다르게 나타나는 데이터들은 사회적 거리두기와 같은 변수들이 실제 감염 확산에 어떤 영향을 주는지 파악할 수 있는 흥미로운 기초 자료가 됩니다. 이러한 데이터들을 면밀히 분석한다면 각 정책이 지닌 실질적인 영향력을 정밀하게 측정할 수 있으며, 이는 향후 더욱 효율적인 방역 전략을 수립하는 데 있어 매우 중요한 근거가 될 것입니다. 방역 당국이 매일 업데이트하는 확진자와 검사자 수 등은 매우 방대한 가치를 지닌 자산입니다. 그러나 연구자의 관점에서는 이러한 자료들이 일목요연하게 정리되어 공개되지 않는 점에 대해 아쉬움이 남기도 합니다. 데이터가 일반 연구자들에게 보다 체계적이고 투명하게 공유되었다면, K-방역의 성과를 넘어 과학 기술 분야에서도 더욱 혁신적인 연구 결과들이 쏟아져 나왔을 것입니다. 전 세계적으로 흩어져 있는 다양한 형태의 데이터를 하나로 모으고 정제하는 과정은 향후 발생할 수 있는 또 다른 위기에 대비하기 위해서라도 반드시 선행되어야 할 과제입니다. 데이터는 정책의 효율성을 국민에게 설득력 있게 전달하는 강력한 도구가 됩니다. 사회적 거리두기와 같은 정책이 왜 필요한지, 그리고 그것이 얼마나 실질적인 효과를 거두고 있는지를 데이터를 통해 증명할 때 비로소 대중의 자발적인 호응을 얻을 수 있기 때문입니다. 또한 코로나19가 초래한 사회적 파급력은 단순히 의학적 차원을 넘어 개인정보 보호와 사회 정책 전반에 걸쳐 있습니다. 따라서 통계학뿐만 아니라 다양한 학문적 배경을 가진 전문가들이 협력하는 융합적인 시각이 필요하며, 이러한 다학제적 연구팀의 노력이 복합적인 사회 문제를 해결하는 열쇠가 될 것입니다.

[코로나 인터뷰] 장원철_ 코로나19는 새로운 형태로 전파되고 있어서...

장원철

카오스재단코로나19 과학토크
  • 생명과학
  • 융합

[강연] 데이터 과학과 CSI by임채영|2019 서울대 자연과학대학 공개강연 '과학 선율' | 2강

현대 사회에서 과학수사는 범죄 현장의 증거를 객관적으로 분석하여 사건의 진실을 밝히는 핵심적인 역할을 수행합니다. 흔히 CSI로 알려진 과학수사는 단순히 범인을 찾는 것에 그치지 않고, 데이터 과학의 원리를 활용하여 현장에서 발견된 다양한 흔적들을 논리적으로 재구성합니다. 드라마나 영화를 통해 대중에게 친숙해진 과학수사는 이제 단순한 호기심의 대상을 넘어, 법적 정의를 실현하기 위한 정밀한 학문적 토대 위에 서 있습니다. 데이터 과학은 이러한 과학수사의 객관성을 담보하는 강력한 도구가 되며, 복잡한 사건의 실타래를 푸는 결정적인 열쇠가 됩니다. 법과학은 의학, 유전학, 통계학 등 여러 분야의 지식이 융합된 종합 학문입니다. 과거에는 목격자의 진술이나 자백에 의존하는 비중이 높았으나, 최근에는 DNA 분석이나 디지털 포렌식과 같은 과학적 기법이 결정적인 증거로 채택되고 있습니다. 특히 미국에서 나타난 'CSI 효과'는 배심원들이 과학적 증거 없이는 유죄 판결을 내리지 않으려는 경향을 보여주며, 수사 과정에서 객관적인 데이터 분석이 얼마나 중요한지를 시사합니다. 이는 수사 기관이 더 정교한 분석 기법을 도입하게 만드는 계기가 되었으며, 법정에서의 증거 능력을 강화하는 데 기여하고 있습니다. 하지만 과학수사가 항상 완벽한 것은 아닙니다. 과거의 분석 기법은 현재보다 정확도가 낮아 억울한 누명을 쓰는 사례가 발생하기도 했으며, 증거물의 오차 범위가 너무 넓어 법적 효력을 잃는 경우도 있었습니다. 이러한 한계를 극복하기 위해 미국 한림원 등 학계에서는 법과학 분야에 통계 확률적 방법론을 도입해야 한다고 강조해 왔습니다. 분석 결과의 오류 가능성을 객관적인 수치로 제시함으로써 증거의 타당성을 높이고, 법정에서 더욱 신뢰할 수 있는 근거를 마련하기 위한 노력이 지속되고 있습니다. 이는 과학적 증거가 가진 불확실성을 인정하고 이를 관리하려는 학문적 의지입니다. 범죄 현장의 패턴 증거물인 지문, 족흔적, 혈흔 등은 사건 당시의 상황을 재구성하는 데 중요한 정보를 제공합니다. 예를 들어 족흔적이나 타이어 흔적은 데이터베이스와의 비교를 통해 특정 브랜드나 모델을 식별할 수 있게 하며, 혈흔의 모양과 비산 각도를 분석하면 가해자의 위치나 피해자의 자세를 추정할 수 있습니다. 이러한 분석 과정에는 기하학적 계산과 이미지 처리 기술이 동원되며, 여러 표본을 통해 오차 범위를 계산함으로써 추정의 정확도를 높이는 통계적 접근이 필수적으로 요구됩니다. 데이터는 흩어진 흔적들을 하나의 일관된 이야기로 엮어내는 힘을 가지고 있습니다. 지문 감식은 가장 오래된 과학수사 기법 중 하나이지만, 현대 데이터 과학을 통해 더욱 정밀해졌습니다. 지문의 융선이 끊기거나 갈라지는 지점인 '미뉴샤'를 추출하여 좌표와 각도로 데이터화하고, 이를 기존 데이터베이스와 대조하여 일치 여부를 판단합니다. 단순히 눈으로 비교하는 것이 아니라, 두 지문이 우연히 일치할 확률을 통계 모형으로 계산하여 객관적인 매칭 점수를 산출합니다. 우리나라의 경우 수천만 명의 지문 정보를 시스템화하여 운영하고 있으며, 이는 생체 정보 분석의 방대한 데이터베이스 역할을 합니다. 이러한 시스템은 수만 건의 대조 작업을 순식간에 처리하여 수사의 효율성을 극대화합니다. 지문이나 혈흔 분석에서 도출된 매칭 점수가 실제 증거로서 가치를 가지려면 '매칭 확률'에 대한 심층적인 분석이 필요합니다. 공간 점 과정 모형과 같은 복잡한 통계 모형을 활용하여, 두 증거가 서로 다른 대상에서 나왔음에도 우연히 유사할 확률이 얼마나 낮은지를 증명해야 합니다. 만약 우연히 일치할 확률이 극히 낮다면, 이는 두 증거가 동일한 출처에서 기인했다는 강력한 근거가 됩니다. 이러한 확률적 접근은 주관적인 판단을 배제하고 수사 결과에 과학적 신뢰성을 부여하는 핵심 과정입니다. 통계적 유의성을 확보하는 것이야말로 법과학이 추구하는 객관성의 정점이라 할 수 있습니다. 결국 현대의 과학수사관은 데이터 과학자의 면모를 갖추어야 합니다. 증거물에서 유의미한 특징을 추출하는 분석 능력, 이를 설명할 수 있는 통계적 모형 설계, 그리고 방대한 데이터를 처리할 수 있는 컴퓨터 활용 능력이 조화를 이루어야 합니다. 데이터 과학은 범죄 수사뿐만 아니라 실생활의 추천 알고리즘이나 경제 활동 분석 등 우리 삶의 모든 영역에 깊숙이 침투해 있습니다. 각자의 분야에서 데이터를 분석하고 해석하는 능력을 키운다면, 누구나 복잡한 현상 속에서 진실을 찾아내는 데이터 과학자가 될 수 있습니다. 데이터는 우리가 세상을 바라보고 이해하는 방식을 근본적으로 변화시키고 있습니다.

[강연] 데이터 과학과 CSI  by임채영|2019 서울대 자연과학대학 공개강연 '과학 선율'

임채영

카오스재단서울대자연과학공개강연
  • 수학

[석학인터뷰] 임채영_ 통계는 근사한 답을 찾아나가는 과정| 2019 서울대 자연과학대 공개강연 '과학자의 꿈과 도전 : 과학 선율'

임채영 교수는 어린 시절부터 남다른 호기심을 가진 학생이었습니다. 초등학교 시절 B형 간염 예방주사는 B형 혈액형만 맞아야 하는지 질문했던 일화는 그의 엉뚱하면서도 탐구적인 면모를 잘 보여줍니다. 그는 본래 수학을 전공했으나, 공리로부터 이론을 쌓아가는 수학과 달리 현실의 불확실성 속에서 답을 찾아가는 통계학의 매력에 이끌려 진로를 변경하게 되었습니다. 관측된 데이터와 정보를 바탕으로 사람들이 납득할 수 있는 최선의 답을 도출하는 과정이 그에게 큰 흥미를 주었습니다. 통계학은 단순히 숫자를 다루는 학문을 넘어 다양한 전문 분야와의 협업이 필수적인 학문입니다. 임 교수는 혼자 해결할 수 없는 문제들을 다른 분야의 전문가들과 함께 풀어나가는 과정에서 통계학의 진정한 가치를 느낀다고 말합니다. 특히 인공지능 시대에 접어들면서 통계학의 역할은 더욱 중요해지고 있습니다. 방대한 데이터를 활용해 자동화를 구현하는 인공지능의 핵심 원리에는 데이터를 체계적으로 다루는 통계학적 방법론이 깊이 자리 잡고 있기 때문입니다. 이번 강연에서 임채영 교수는 통계학이 실생활, 특히 범죄 현장에서 어떻게 활용되는지 구체적으로 소개합니다. 범죄 현장에서 수집된 다양한 증거물들을 하나의 데이터로 간주하고, 이를 통계적으로 분석하여 유의미한 정보를 추출하는 과정을 다룹니다. 이는 추상적인 이론에 머물지 않고 실제 사회 문제를 해결하는 데 기여하는 통계학의 실천적 측면을 보여줍니다. 구체적인 사례를 통해 데이터 분석이 진실을 밝히는 강력한 도구가 될 수 있음을 강조할 예정입니다.

[석학인터뷰] 임채영_ 통계는 근사한 답을 찾아나가는 과정| 2019 서울대 자연과학대 공개강연 '과학자의 꿈과 도전 : 과학 선율'

임채영

카오스재단석학인터뷰
  • 수학
  • 융합

[카오스 술술과학] 카사노바의 과학

우리는 인간관계부터 인터넷, 도로 교통에 이르기까지 모든 것이 촘촘하게 연결된 네트워크 세상 속에 살고 있습니다. 이러한 네트워크는 크게 두 가지 형태로 나뉘는데, 모든 지점이 고르게 연결된 고속도로망 구조와 특정 지점에 연결이 집중된 항공망 구조가 그것입니다. 인간의 사회적 관계는 후자인 항공망 구조를 띠며, 유독 많은 연결을 가진 '허브'가 존재하기 마련입니다. 성적인 관계에서도 이러한 허브가 존재하며, 이들은 전염병 확산의 핵심 경로가 되기도 합니다. 따라서 에이즈와 같은 질병을 효과적으로 차단하기 위해서는 무작위적인 방역보다 이러한 네트워크의 허브를 공략하는 전략이 훨씬 효율적입니다. 그렇다면 정체를 드러내지 않는 네트워크의 허브를 어떻게 찾아낼 수 있을까요? 데이터 과학자들은 '친구'라는 연결을 활용하라고 조언합니다. 임의의 개인에게 백신을 전달하며 친구에게도 나누어 주라고 권하면, 통계적으로 연결망이 넓은 허브에게 백신이 도달할 확률이 비약적으로 높아지기 때문입니다. 이러한 원리는 현대의 마케팅에서도 활발히 이용됩니다. 수많은 팔로워를 보유한 인플루언서들이 정보를 공유하면 전염병이 퍼지듯 순식간에 확산되는 것과 같은 이치입니다. 2015년의 메르스 사태처럼 단 한 명의 허브 환자가 수십 명을 감염시킨 사례는 네트워크 관리의 중요성을 일깨워 줍니다. 21세기에 들어서며 복잡계 과학과 데이터 과학은 현대 학문의 새로운 중심축으로 급부상했습니다. 물리학, 전산학, 통계학 등 여러 분야가 데이터 과학의 주도권을 두고 경쟁하고 있지만, 중요한 것은 이 학문이 가진 융합적 성격입니다. 빅데이터를 분석하기 위한 알고리즘과 인프라, 그리고 통계적 방법론이 결합하여 이전에는 보지 못했던 새로운 통찰을 제공하고 있습니다. 이제 데이터 과학은 단순한 학문을 넘어 하나의 거대한 산업으로 성장했으며, 모든 학문 분야를 연결하는 '과학계의 허브' 역할을 수행하고 있습니다. 데이터라는 강력한 도구는 앞으로도 우리 삶의 방식을 근본적으로 바꾸어 놓을 것입니다.

[카오스 술술과학] 카사노바의 과학
카오스재단술술과학
  • 융합

[강연] 세상을 바꾼 알고리즘 - 알파고와 블록체인을 넘어 미래로 (2) _ by이준엽 | 2018 봄 카오스 강연 '모든 것의 수數다' 8강 | 8강 ②

수학은 복잡한 현실 세계의 문제를 추상화하여 해결하는 핵심적인 도구입니다. 심장의 박동이나 자동차의 움직임처럼 서로 전혀 다른 분야의 현상이라도, 이를 미분 방정식이라는 수학적 언어로 표현하면 동일한 논리 체계 안에서 해답을 찾을 수 있습니다. 수학자는 특정 분야에서 이룬 놀라운 성취를 다른 분야로 전파하는 매개체 역할을 수행하며, 모든 공학적 설계와 과학적 발견의 근간이 되는 알고리즘의 혁신을 이끌어냅니다. 이러한 수학적 기초는 현대 문명을 지탱하는 가장 강력한 힘입니다. 금융 시장의 복잡한 변화를 예측하는 데에도 수학은 결정적인 기여를 했습니다. 1940년대 일본의 수학자 이토 기요시가 정립한 '이토 미분'은 당시에는 추상적인 이론에 불과했으나, 30년 뒤 주식과 파생상품의 가치를 계산하는 금융공학의 핵심 도구로 재발견되었습니다. 이는 순수 수학적 아이디어가 고속 계산 알고리즘과 결합하여 거대한 산업적 변화를 일으킨 대표적인 사례로, 수학적 통찰이 시대를 앞서 새로운 경제적 가치를 창출할 수 있음을 보여주는 증거라고 할 수 있습니다. 구글의 성공 신화 뒤에는 선형대수학의 '고유치 문제'라는 수학적 원리가 숨어 있습니다. 초기 검색 엔진들이 단순히 단어의 유사성을 비교할 때, 구글은 웹페이지 간의 연결 관계를 수치화하여 정보의 권위와 중요도를 정량적으로 계산했습니다. 수많은 웹페이지를 이동하는 사용자의 확률적 분포를 계산하여 가장 가치 있는 정보를 상단에 배치하는 이 혁신적인 알고리즘은, 복잡한 네트워크 데이터를 수학적 관점으로 재해석함으로써 정보 검색의 패러다임을 완전히 바꾸어 놓았습니다. 블록체인 기술은 수학적 암호화와 검증 과정을 통해 데이터의 신뢰성을 확보합니다. 각 블록은 이전 블록의 정보를 담은 해시값으로 연결되어 있으며, 복잡한 수학 문제를 풀어야만 새로운 블록을 생성할 수 있는 구조를 가집니다. 거래 내역을 직접 노출하지 않으면서도 공개키 암호와 해시 함수를 활용해 데이터의 무결성을 증명하는 이 방식은, 중앙 집중식 관리 없이도 전 세계 사용자가 동시에 정보를 신뢰하고 공유할 수 있는 새로운 디지털 생태계를 구축하는 기반이 되었습니다. 인공지능의 역사는 인간의 사고 과정을 기계로 구현하려는 수학적 도전에서 시작되었습니다. 앨런 튜링이 제안한 튜링 테스트부터 체스 챔피언을 이긴 딥 블루, 퀴즈 쇼에서 승리한 왓슨에 이르기까지 인공지능은 끊임없이 진화해 왔습니다. 특히 최근의 인공지능은 인간의 뇌 신경망을 모방한 인공 신경망 구조를 통해 데이터를 학습하며, 단순한 규칙 기반의 시스템을 넘어 스스로 패턴을 찾아내고 판단하는 수준에 도달하여 우리 삶의 모든 영역에 깊숙이 침투하고 있습니다. 알파고의 등장은 지식 기반 전문가 시스템과 데이터 기반 인공 신경망이 결합하여 이룬 놀라운 성취였습니다. 바둑의 방대한 경우의 수를 모두 계산하는 대신, 고수들의 기보를 학습한 정책망으로 유망한 수를 선택하고 가치망을 통해 승률을 예측하는 병렬 계산 방식을 도입했습니다. 하지만 이러한 딥러닝 기술이 왜 뛰어난 성능을 내는지, 얼마나 많은 데이터가 필요한지에 대한 수학적 이론은 여전히 미지의 영역으로 남아 있으며, 이는 현대 수학자들이 풀어야 할 새로운 과제가 되었습니다. 인류 문명의 발전 단계마다 그 시대를 이끄는 새로운 수학이 존재해 왔습니다. 농경 시대에는 기하학이, 산업 혁명기에는 해석학이 과학 기술의 발전을 견인했다면, 4차 산업 혁명 시대에는 비정형 데이터를 다루는 위상수학이나 확률 최적화 이론이 핵심적인 역할을 할 것입니다. 미래의 불확실한 세계를 탐험하기 위해서는 기존의 알고리즘을 넘어선 수학적 상상력이 필요하며, 이러한 학문적 탐구는 인공지능과 양자 컴퓨팅 등 미래 기술의 한계를 극복하는 열쇠가 될 것입니다.

[강연] 세상을 바꾼 알고리즘 - 알파고와 블록체인을 넘어 미래로 (2) _ by이준엽 | 2018 봄 카오스 강연 '모든 것의 수數다' 8강

이준엽

카오스재단카오스강연
  • 수학

[강연] 게임이론 - 인간의 행동을 예측하다 (4) _ by한순구 | 2018 봄 카오스 강연 '모든 것의 수數다' 6강 | 6강 ④

경제학은 본질적으로 인간의 행복을 탐구하는 학문입니다. 행복이라는 광범위한 주제 중에서도 경제학자들은 특히 물질적 풍요에 집중하여, 어떻게 하면 인간을 더 풍요롭고 행복하게 만들 수 있을지 연구합니다. 인간의 행동 중 약 97~98%가 물질적 욕구에 의해 움직인다는 관점에서 볼 때, 경제학은 인간의 행동을 이해하고 예측하는 가장 강력한 도구가 됩니다. 결국 경제학은 우리 삶 그 자체를 분석하고 더 나은 방향을 제시하는 학문이라 할 수 있습니다. 경제학은 크게 미시경제학과 거시경제학으로 나뉩니다. 미시경제학이 인간의 장기 하나하나를 살피는 정밀 검진이라면, 거시경제학은 몸 전체의 열을 내리는 응급 처치와 같습니다. 국가 단위의 경제성장률이나 실업률을 다루는 거시경제학은 주식이나 부동산 투자와 같은 실생활에 유용한 정보를 제공하며, 개별 주체의 행동을 분석하는 미시경제학은 사회의 세밀한 작동 원리를 밝혀냅니다. 이 두 관점은 서로 보완하며 우리 사회의 건강 상태를 진단하고 적절한 처방을 내리는 역할을 수행합니다. 경제학에서 가정하는 '합리성'은 현실과 동떨어진 개념처럼 보일 수 있지만, 사실 우리 일상에 깊이 뿌리박혀 있습니다. 당구 선수가 복잡한 물리 법칙을 계산하지 않아도 기막힌 각도로 공을 보내듯, 사람들은 경제학 이론을 몰라도 자신의 삶에서 최선의 선택을 내리며 경제적 명제들을 구현해 나갑니다. 경제학자들은 이처럼 일상에서 이루어지는 합리적인 행동들을 수학적 모형으로 기술하여, 사회가 어떻게 효율적으로 작동하는지 설명하고 경쟁에서 도태되지 않는 방법을 연구합니다. 경제학적 사고의 유용성은 스포츠나 국가 경영 등 다양한 분야에서 증명됩니다. 영화 '머니볼'의 사례처럼, 적은 예산으로도 통계적 분석을 통해 저평가된 선수를 발굴함으로써 거대 자본을 가진 팀과 대등하게 경쟁할 수 있습니다. 이는 단순히 돈을 버는 문제를 넘어, 한정된 자원을 어떻게 배분해야 최소의 비용으로 최대의 효과를 낼 수 있는지에 대한 해답을 제시합니다. 국가의 성패 역시 이러한 경제학적 원리를 얼마나 적절히 적용하느냐에 따라 그 격차가 벌어지게 됩니다. 현대 경제학은 게임 이론을 통해 기업 간 경쟁이나 국가 간 외교 전략 등 복잡한 의사결정 과정을 분석합니다. 비록 현실의 모든 변수를 수학적으로 완벽하게 통제하기는 어렵지만, 게임 이론은 전략적 상황에서 발생할 수 있는 경우의 수를 체계적으로 열거하고 예측하는 데 큰 도움을 줍니다. 수학이라는 정교한 도구와 인간 사회에 대한 깊은 통찰이 결합할 때, 경제학은 불확실한 미래를 대비하고 더 나은 사회를 설계하는 나침반이 되어줄 것입니다. 학문의 발전은 계속해서 새로운 영역을 탐구하며 진화하고 있습니다.

[강연] 게임이론 - 인간의 행동을 예측하다 (4) _ by한순구 | 2018 봄 카오스 강연 '모든 것의 수數다' 6강

김두얼, 한순구

카오스재단카오스강연
  • 수학
  • 융합

[강연] 고차원 비유클리드 공간으로의 초대 (3) _ by황준묵 | 2018 봄 카오스 강연 '모든 것의 수數다' 5강 | 5강 ③

현대 과학에서 뇌의 평균적인 모양을 구하는 과정은 매우 정교한 수학적 설계를 필요로 합니다. 뇌의 가능한 모양들을 무한 차원의 공간으로 상상한 뒤, 이를 유한하지만 수천 차원에 달하는 고차원 비유클리드 공간으로 근사하여 계산합니다. 각 뇌의 모양을 이 공간상의 점으로 치환하고, 그 안에서의 거리와 각도 개념을 적용해 평균을 산출하면 비로소 의학적으로 유의미한 표준 모델이 완성됩니다. 이러한 기하학적 통계학은 과거에는 계산의 한계로 불가능했으나, 현대 컴퓨팅 기술의 발전 덕분에 최신 기하학 이론을 실생활에 응용하는 핵심 분야로 자리 잡았습니다. 우리가 매일 마주하는 3차원 세상 역시 뇌가 수행하는 고차원 기하학적 연산의 결과물입니다. 왼쪽 눈과 오른쪽 눈이 각각 받아들이는 2차원 영상 정보를 뇌는 수평 선분의 쌍으로 인식하여 하나의 입체적인 공간으로 재구성합니다. 처음 접하면 매우 추상적이고 복잡하게 느껴지는 논리적 과정이지만, 우리는 태어나서부터 이 과정을 끊임없이 반복해 왔기에 이를 본능적이고 당연한 실재로 받아들입니다. 결국 고차원 비유클리드 기하학에 익숙해진다는 것은 추상적인 데이터를 일상의 감각으로 변환하는 과정과 맞닿아 있다고 볼 수 있습니다. 로봇 팔의 정밀한 제어 원리에도 비유클리드 기하학의 정수가 담겨 있습니다. 수많은 마디와 관절로 이루어진 로봇이 물체를 떨어뜨리지 않고 움직이려면 각 부분의 위치와 각도를 동시에 조절해야 합니다. 이때 수학자들은 각 마디를 개별적으로 계산하는 대신, 로봇 전체의 상태를 수만 차원 비유클리드 공간 속의 단 하나의 점으로 표현하여 다룹니다. 관절의 가동 범위나 물리적 제약이 곡률로 작용하는 이 복잡한 공간에서 점의 움직임을 계산하는 방식은, 복잡한 시스템을 효율적으로 통제하는 현대 제어 이론의 근간이 되고 있습니다. 야구 선수가 날아오는 공을 몸을 던져 잡아내는 경이로운 동작은 뇌가 신체와 공의 정보를 하나의 고차원 비유클리드 공간으로 통합했기에 가능합니다. 뇌는 수많은 근육의 움직임과 공의 궤적을 따로 분리해 명령을 내리는 것이 아니라, 모든 변수가 합쳐진 공간에서 단 하나의 점을 이동시키듯 전신을 조절합니다. 흔히 말하는 '물아일체'의 경지는 수학적으로 보면 분산된 데이터들이 하나의 고차원 비유클리드 공간상의 점으로 수렴하는 상태를 의미합니다. 반복적인 연습은 뇌 속에 이러한 전용 기하학적 공간을 구축하여 복잡한 동작을 직관적인 한 점의 움직임으로 만듭니다. 기하학의 본질은 흩어져 있는 방대한 데이터를 융합하여 하나의 일관된 관점으로 바라보는 데 있습니다. 복잡한 수식이나 추상적인 고차원 비유클리드 기하학 이론들은 결국 세상을 더 단순하고 명확하게 이해하기 위한 도구입니다. 우리가 일상에서 사물을 입체적으로 보고 운동을 수행하는 모든 순간에 이미 고차원 비유클리드 기하학이 작동하고 있다는 사실은 매우 흥미롭습니다. 기하학은 단순히 상상력의 산물을 넘어, 인간의 인지 능력을 확장하고 복잡한 현실 세계를 하나의 질서 정연한 체계로 묶어주는 강력한 통합의 학문이라 할 수 있습니다.

[강연] 고차원 비유클리드 공간으로의 초대 (3) _ by황준묵 | 2018 봄 카오스 강연 '모든 것의 수數다' 5강

황준묵

카오스재단카오스강연
  • 수학

[강연] 디지털인문학과 데이터과학 (6)_ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 4강 ⑥

통계학에서 표본의 크기보다 중요한 것은 그 표본이 전체를 얼마나 잘 대변하느냐 하는 대표성입니다. 1930년대 미국 대선 당시 한 잡지사는 1,000만 명이라는 대규모 조사를 시행하고도 예측에 실패해 파산에 이르렀습니다. 반면 갤럽은 단 1,000명의 표본만으로도 정확한 결과를 맞혔는데, 이는 당시 전화기나 잡지 구독권을 소유한 부유층에 편중된 표본 추출의 오류를 극복했기 때문입니다. 현대의 여론조사 역시 유무선 비율 설정 등 대표성을 확보하기 위한 정교한 설계가 핵심적인 역할을 수행합니다. 단순히 빈도를 세는 것을 넘어, 통계학은 복잡한 수학적 모형을 통해 인문학적 데이터를 분석합니다. 문학 작품 속 단어 길이의 분포는 '멱함수 법칙(Power Law)' 모델을 따르며, 이를 분석하기 위해 푸아송 분포나 카이제곱 분포 같은 고등 통계 지식이 활용됩니다. 야구와 같은 스포츠 데이터 분석에서도 누적된 기록을 바탕으로 승률을 예측하는 등 통계는 실생활의 다양한 영역에 깊숙이 침투해 있습니다. 이러한 과학적 방법론은 미래의 불확실성을 완화하고 합리적인 의사결정을 내리는 데 중추적인 역할을 수행합니다. 데이터의 결합은 강력한 힘을 발휘하지만, 동시에 심각한 프라이버시 침해 문제를 야기할 수 있습니다. 익명화된 정보라 할지라도 다른 데이터베이스와 연동되면 개인의 신원이 노출될 위험이 크기 때문입니다. 특히 범죄 예측이나 희귀 질병 정보의 경우, 특정 개인에게 불이익을 주는 도구로 악용될 소지가 있어 도덕적 논란이 뒤따릅니다. 따라서 통계학자들은 데이터를 비식별화하면서도 분석의 유효성을 유지할 수 있는 정교한 방법론을 개발하는 데 매진하며, 기술 활용의 윤리적 가이드라인을 끊임없이 고민하고 있습니다. 학문적 성과 뒤에는 수많은 실패의 과정이 숨겨져 있습니다. 대중에게 공개되는 성공적인 연구 결과는 빙산의 일각일 뿐이며, 실제 연구 현장에서는 가설이 틀리거나 유의미한 결과를 얻지 못해 머리를 맞대고 고민하는 날이 훨씬 더 많습니다. 통계적 검정 역시 완벽한 진리를 보장하는 것이 아니라, 결론이 틀릴 확률을 함께 제시함으로써 객관성을 확보합니다. 중력파 탐지와 같은 정밀 과학 분야에서는 오차 확률을 극도로 낮추어 검증의 신뢰도를 높이는 등, 통계는 끊임없는 자기 검증의 과정을 거치며 발전해 나갑니다. 통계학은 문과와 이과의 경계를 허무는 융합 학문으로서 독특한 매력을 지닙니다. 이론적 토대는 수학에 두고 있지만, 그 응용 범위는 유전공학부터 천문학, 인문학에 이르기까지 사실상 모든 학문 분야를 아우릅니다. 수학적 역량이 기본이 되어야 하는 것은 사실이나, 다양한 데이터를 해석하고 가치를 창출하려는 의지만 있다면 누구나 도전할 수 있는 길입니다. 복잡한 현대 사회에서 데이터를 읽어내는 능력은 필수적인 소양이며, 통계학은 세상을 바라보는 가장 과학적이고 객관적인 창이 되어줄 것입니다.

[강연] 디지털인문학과 데이터과학 (6)_ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강

임채영, 장원철

카오스재단카오스강연
  • 수학

[강연] 디지털인문학과 데이터과학 (5) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 4강 ⑤

통계적 분석에서 불확실성을 관리하는 것은 매우 중요한 과제입니다. 특정 저자의 집필 습관을 분석할 때처럼 복잡한 문제에서도 통계적 검증은 유의 수준이라는 기준을 활용하여 결론의 신뢰도를 평가합니다. 예를 들어 유의 수준을 5%로 설정한다는 것은 동일한 테스트를 스무 번 반복했을 때 한 번 정도는 다른 결과가 나올 수 있는 불확실성을 허용한다는 의미입니다. 이는 통계학이 완벽한 정답을 제시하는 학문이라기보다, 데이터 속에 숨겨진 패턴을 발견하면서도 그 과정에 수반되는 오류의 가능성을 수치적으로 정의하고 관리하는 실용적인 학문임을 보여줍니다. 데이터 과학은 현대 사회의 복잡한 문제를 해결하기 위해 수학, 컴퓨터 과학, 그리고 도메인 지식이 결합된 융합 학문입니다. 전통적인 수학이 공리적 체계를 바탕으로 증명을 쌓아 올리는 방식이라면, 통계학은 실제 현장의 문제로부터 출발하여 실용적인 해결책을 모색하는 데 초점을 맞춥니다. 훌륭한 데이터 과학자가 되기 위해 모든 분야에서 완벽할 필요는 없지만, 자신의 강점을 바탕으로 타 분야 전문가와 소통할 수 있는 능력이 필수적입니다. 마치 좋은 요리 기구가 없어도 창의적인 레시피로 맛있는 음식을 만들 수 있듯이, 데이터 과학 역시 주어진 환경에서 최선의 통계적 통찰을 끌어내는 과정이라 할 수 있습니다. 통계학자의 핵심적인 역할 중 하나는 다양한 학문 분야의 거대한 질문을 통계적인 언어로 번역하는 것입니다. 천문학자가 우주의 팽창 속도에 대해 질문하거나 의사가 질병의 위험성을 예측하고자 할 때, 통계학자는 이를 시공간 데이터 분석이나 베이지안 모델링 같은 구체적인 수리적 문제로 변환합니다. 이 과정에서 통계학자는 다른 분야의 전문가들과 끊임없이 소통하며 데이터의 형태를 조율하고 모델의 적합성을 설득하는 과정을 거칩니다. 이러한 협업은 통계학이 단순히 숫자를 다루는 기술을 넘어, 현대 과학의 여러 분야를 연결하고 실질적인 의사결정을 돕는 중추적인 역할을 수행하게 합니다. 빅데이터 시대에 접어들면서 사회 현상 분석에 대한 기대가 높아지고 있지만, 예측의 성공 여부를 판단하는 기준은 매우 신중해야 합니다. 인공지능이나 구글 트렌드 같은 새로운 도구들이 주목받기도 하지만, 여전히 정교한 통계적 방법론을 활용한 분석이 더 높은 신뢰성을 보여주는 경우가 많습니다. 수많은 데이터 속에서 유의미한 신호를 찾아내는 것은 건초더미에서 바늘을 찾는 것과 같으며, 이 과정에서 발생하는 수많은 '거짓 경보'를 걸러내는 것이 통계학의 본질적인 과제입니다. 단순히 표면적인 결과를 맞혔느냐보다 분석 모델이 얼마나 정밀하게 현상을 설명하느냐가 중요합니다. 예측 모델의 오류를 완전히 제거하는 것은 불가능에 가깝기에, 통계학에서는 오차를 최소화하고 모델의 성능을 객관적으로 검증하는 방법을 사용합니다. 데이터를 학습 및 테스트 데이터로 나누어 모델의 예측력을 확인하는 교차 검증 방식이 대표적입니다. 이러한 방법론은 넷플릭스의 영화 추천 시스템부터 범죄 발생 가능 지역을 예측하는 치안 서비스에 이르기까지 우리 생활 곳곳에 적용되고 있습니다. 특히 시간과 공간이 결합된 범죄 패턴을 분석하여 순찰 경로를 최적화하는 사례는 통계학이 사회 안전을 지키는 실천적인 도구로 어떻게 진화하고 있는지를 잘 보여줍니다.

[강연] 디지털인문학과 데이터과학 (5) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강

임채영, 장원철

카오스재단카오스강연
  • 수학

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

통계학은 우리 삶의 안전을 지키는 실질적인 도구로 활용됩니다. 뉴욕시의 노후화된 전기 배선으로 인한 맨홀 뚜껑 폭발 사고를 예측하는 사례가 대표적입니다. 복잡한 배선에서 발생하는 가스로 인해 맨홀 뚜껑이 날아가는 위험한 상황을 방지하기 위해, 통계적 모델을 통해 위험도가 높은 지역을 미리 파악합니다. 이를 통해 사고가 발생하기 전 선제적으로 수리를 진행함으로써 인명 피해를 줄이는 데 성공했습니다. 이처럼 통계는 보이지 않는 위험을 수치화하여 도시의 안전 시스템을 구축하는 데 핵심적인 역할을 수행하고 있습니다. 역사적 사건과 인문학적 자료를 해석하는 데에도 통계학은 강력한 힘을 발휘합니다. 제2차 세계대전 당시 영국은 독일군 미사일의 낙하 지점을 통계적으로 분석하여 적의 기술 수준을 파악했습니다. 또한, 디지털 인문학 분야에서는 1800년대 샌프란시스코의 마구간 위치나 미국 전역의 우체국 개폐 데이터를 시각화하여 도시의 팽창과 인구 이동 경로를 추적합니다. 직접적인 기록이 부족한 과거의 사회적 변화를 우체국의 흥망성쇠라는 간접 지표를 통해 과학적으로 재구성해내는 과정은 통계학이 가진 인문학적 가치를 잘 보여줍니다. 통계학은 모든 학문의 도구로서 자연과학뿐만 아니라 인문학적 의문을 해결하는 데 기여합니다. 영국의 작가 제인 오스틴의 미완성 소설 '샌디턴'을 다른 작가가 완성했을 때, 문체 분석을 통해 원작자의 스타일을 얼마나 잘 재현했는지 검증하는 것이 가능합니다. 특정 단어의 사용 빈도나 문장 부호의 배치 패턴을 수치화하여 비교함으로써 주관적인 감상을 넘어 객관적인 데이터로 저자를 판별합니다. 이는 통계가 단순한 숫자 계산을 넘어 언어와 예술의 영역에서도 현상을 설명하고 이해하는 정교한 분석 도구로 쓰일 수 있음을 증명합니다. 첨단 과학의 발견과 범죄 수사 현장에서도 통계는 필수적입니다. 2016년 중력파 탐지 성공의 이면에는 '4시그마'라는 높은 통계적 신뢰도가 있었으며, 이는 이론적 가설을 확고한 사실로 입증하는 근거가 되었습니다. 또한, 지문 인식 기술은 손가락의 특징점인 '미뉴셔'의 위치와 각도를 비교하여 일치 확률을 계산하는 통계 모델링을 기반으로 합니다. 단순히 전문가의 직관에 의존하는 것이 아니라, 수집된 데이터를 바탕으로 불확실성을 측정하고 정확도를 수치로 제시함으로써 과학적 증거의 객관성을 담보하는 역할을 수행합니다. 법정에서 제시되는 DNA 증거의 신뢰성을 평가할 때도 통계적 사고가 중요합니다. 흔히 범인일 경우 DNA가 일치할 확률과 증거가 일치할 때 범인일 확률을 혼동하는 '검사의 오류'가 발생하곤 합니다. 이를 바로잡기 위해 베이즈 정리를 활용하여 실제 범인일 확률을 정교하게 계산해야 합니다. 또한, 여론조사에서 제공되는 신뢰 구간과 오차 범위는 데이터에 내재된 불확실성을 투명하게 공개하는 방식입니다. 이처럼 통계학은 완벽하지 않은 데이터 속에서 진실에 가까운 결론을 도출하고, 그 과정의 한계를 명확히 제시하는 정직한 학문입니다.

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

임채영, 장원철

카오스재단카오스강연
  • 수학

[강연] 디지털인문학과 데이터과학 (3) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 4강 ③

통계학은 단순히 숫자를 나열하는 학문이 아니라, 보이지 않는 존재를 예측하는 강력한 도구입니다. 영국의 곤충학자 알렉산더 코벳은 말레이시아에서 나비를 수집하며 아직 발견되지 않은 종의 수를 궁금해했습니다. 이를 해결하기 위해 통계학자 R.A. 피셔는 '미발견 종 문제' 모델을 고안했습니다. 흥미롭게도 이 모델은 문학 연구에도 적용됩니다. 1985년 발견된 시가 셰익스피어의 작품인지 판별할 때, 통계학은 작가가 평소 쓰지 않았던 새로운 단어가 얼마나 등장할지 예측함으로써 진위 여부를 판단하는 보완적 근거를 제시했습니다. 데이터를 해석할 때 전체 합계만 보는 것은 위험할 수 있는데, 이를 '심슨의 역설'이라고 부릅니다. 예를 들어 두 농구 선수의 2점슛과 3점슛 성공률을 각각 비교했을 때는 한 선수가 앞서더라도, 이를 합치면 결과가 뒤바뀌는 현상이 발생합니다. 이는 각 항목의 시도 횟수라는 가중치가 다르기 때문입니다. 과거 버클리 대학교의 입학 허가율을 두고 벌어진 성차별 논란도 이와 유사했습니다. 전공별로는 여학생의 합격률이 높았음에도, 전체 합계에서는 낮게 나타난 이유는 여학생들이 경쟁률이 훨씬 높은 학과에 주로 지원했기 때문이었습니다. 심슨의 역설은 일상적인 건강 데이터 분석에서도 중요한 시사점을 줍니다. 미세먼지 농도와 사망률의 관계를 단순 비교하면 농도가 높을 때 오히려 사망률이 낮아지는 기현상이 관찰되기도 합니다. 하지만 여기에 '계절'이라는 제3의 요인을 추가하여 분석하면 결론은 완전히 달라집니다. 봄이나 겨울처럼 미세먼지가 심한 계절 내에서는 농도가 높을수록 사망률이 명확하게 증가하는 경향을 보입니다. 이처럼 데이터 뒤에 숨겨진 변수를 고려하지 않으면, 미세먼지가 건강에 이롭다는 식의 잘못된 결론에 도달할 수 있으므로 주의가 필요합니다. 성적이 갑자기 오르거나 떨어지는 현상은 '평균으로의 회귀'라는 개념으로 설명할 수 있습니다. 키가 매우 큰 부모의 자녀가 부모보다는 조금 작고, 반대로 작은 부모의 자녀는 부모보다 조금 더 큰 경향이 있는 것과 같은 원리입니다. 이는 시험 성적에서도 나타나는데, 실력 이상의 운이 작용해 중간고사를 아주 잘 본 학생은 기말고사에서 자신의 원래 실력인 평균치로 돌아올 가능성이 큽니다. 반대로 운이 없어 성적이 낮았던 학생은 다음 시험에서 성적이 오를 확률이 높습니다. 이는 실력이 변한 것이 아니라 통계적인 확률 분포에 따른 자연스러운 현상입니다. 현대 통계학은 시공간 데이터 분석을 통해 더욱 정밀해지고 있습니다. 특정 위치와 시간에서 관측된 데이터를 바탕으로, 관측 장비가 없는 지역의 미세먼지 농도를 예측하는 '크리깅' 기법이 대표적입니다. 또한 통계학은 천문학에서 우주의 지도를 그리거나 인문학에서 텍스트를 분석하는 등 거의 모든 학문 분야의 '앞마당'에서 활약하고 있습니다. 데이터 과학은 통계학, 컴퓨터 과학, 그리고 해당 분야의 전문 지식이 만나는 접점에서 탄생합니다. 복잡한 현대 사회에서 데이터를 올바르게 읽어내는 능력은 세상을 이해하는 필수적인 열쇠가 되었습니다.

[강연] 디지털인문학과 데이터과학 (3) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강

장원철

카오스재단카오스강연
  • 수학

[강연] 디지털인문학과 데이터과학 (1) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강 | 4강 ①

현대 사회는 그야말로 정보의 홍수 속에 살고 있습니다. 2003년까지 인류가 축적한 전체 데이터의 양이 이제는 단 이틀 만에 생성될 정도로 그 규모가 거대해졌습니다. 이러한 빅데이터 시대에 무엇보다 중요한 것은 단순히 데이터의 양이 아니라, 그 속에서 유용한 정보를 찾아내는 분석 능력입니다. 과거에는 정보가 부족해서 문제였다면, 이제는 너무 많은 정보 중에서 우리에게 진짜 필요한 가치를 추출하는 데이터 과학의 역할이 강조되고 있습니다. 이는 마치 거대한 원석에서 보석을 찾아내는 과정과도 같습니다. 통계학적 관점에서 데이터는 구조에 따라 크게 두 가지 형태로 나뉩니다. 수많은 고객의 소비 패턴을 분석하는 신용카드 데이터처럼 항목보다 관측치가 압도적으로 많은 '길쭉한 자료'가 그 첫 번째입니다. 반대로 유전자 분석처럼 대상은 적지만 분석해야 할 항목이 수만 개에 달하는 '뚱뚱한 자료', 즉 고차원 데이터가 존재합니다. 이러한 데이터의 구조적 차이를 명확히 이해하는 것은 현대 데이터 과학이 직면한 복잡한 문제들을 해결하는 출발점이자, 상황에 맞는 효율적인 분석 모델을 설계하는 데 있어 가장 핵심적인 기초가 됩니다. 빅데이터 분석의 가장 흥미로운 점 중 하나는 인과관계보다 연관성에 주목한다는 것입니다. 트위터에 올라오는 사람들의 기분 변화가 주가 흐름과 높은 상관관계를 보이거나, 검색어 빈도를 통해 독감 유행을 예측하는 사례가 대표적입니다. 물론 구글 독감 예측의 실패 사례처럼 데이터의 구조 변화나 알고리즘의 한계로 인해 오류가 발생하기도 합니다. 하지만 이러한 시행착오를 거쳐 모델을 보정하고 정교화하는 과정 자체가 데이터 과학이 더욱 정밀한 학문으로 발전해 나가는 중요한 동력이 되고 있습니다. 최근 '데이터 사이언티스트'는 21세기 가장 매력적인 직업으로 꼽히며 큰 주목을 받고 있습니다. 과거의 통계학자가 다소 딱딱하고 지루한 이미지로 인식되었다면, 데이터 사이언티스트는 방대한 자료 속에서 새로운 가치를 창출하는 창의적인 전문가로 받아들여집니다. 실제로 구글 트렌드 분석을 보면 통계학자라는 용어의 사용은 점차 줄어드는 반면, 데이터 사이언티스트에 대한 대중의 관심은 급증하고 있습니다. 이는 데이터 분석이 단순한 수치 계산을 넘어 사회 전반의 문제를 해결하는 핵심 도구로 자리 잡았음을 보여줍니다. 데이터 과학의 영역은 이제 숫자의 세계를 넘어 인문학의 영역까지 확장되고 있습니다. '디지털 인문학'은 구글 도서관 프로젝트처럼 방대한 문헌을 디지털화하여 정량적으로 분석하는 새로운 학문 분야입니다. 이를 통해 셰익스피어 작품의 진위 여부를 가리거나 이름 없는 연설문의 작성자를 추론하는 '양식 측정학' 연구가 가능해졌습니다. 숫자로 검증할 수 없을 것 같던 인문학적 가치들이 데이터를 만나면서, 우리는 인류의 문화적 유산을 더욱 객관적이고 다각적인 시각으로 바라볼 수 있는 새로운 창을 갖게 되었습니다.

[강연] 디지털인문학과 데이터과학 (1) _ by장원철 | 2018 봄 카오스 강연 '모든 것의 수數다' 4강

장원철

카오스재단카오스강연
  • 수학

[강연] 2012 카오스 콘서트 '유리알유희' 3강 | 3강 ①

수학은 오랫동안 고립된 학문으로 여겨져 왔으나, 최근에는 상아탑을 넘어 세상과 대화하려는 시도가 늘고 있습니다. 헤르만 헤세의 소설 '유리알 유희'처럼 지적인 나눔을 통해 현실과 교류하려는 노력은 수학계에서도 중요한 흐름이 되었습니다. 혼자만의 공부에서 벗어나 다양한 분야와 소통할 때, 수학은 비로소 살아 있는 학문으로서의 가치를 증명하게 됩니다. 이러한 지적 나눔은 공부하는 이들에게 고립감을 해소해 주고 새로운 가능성을 열어 주는 소중한 기회가 됩니다. 수학의 '짝짓기 문제'는 경제학에서 매우 중요한 위치를 차지하고 있습니다. 실제로 이 주제는 노벨 경제학상 수상으로 이어질 만큼 그 가치를 인정받았습니다. 겉보기에는 단순한 짝짓기처럼 보이지만, 그 이면에는 자원을 효율적으로 배분하기 위한 정교한 수학적 알고리즘이 숨어 있습니다. 이는 구체적인 상황을 넘어 보편적인 구조를 탐구하는 수학의 특성을 잘 보여줍니다. 추상적인 수학적 관점이 현실의 복잡한 경제 문제를 해결하는 강력한 열쇠가 되는 셈입니다. 짝짓기 알고리즘은 실생활의 다양한 영역에 적용되고 있습니다. 뉴욕의 고등학교 배정 시스템이나 병원의 레지던트 배치, 심지어 장기 이식 대기자와 기증자를 연결하는 과정에서도 수학이 사용됩니다. 어떻게 하면 모든 참여자가 가장 만족할 수 있는 결과를 얻을 수 있을지를 수학적으로 증명하고 이를 실제 시스템에 도입하는 것입니다. 이는 수학이 단순히 숫자를 다루는 학문을 넘어, 사회 구성원들의 행복을 극대화하는 실천적인 도구로 활용될 수 있음을 시사합니다. 게임 이론은 현대 경제학의 근간을 이루는 수학적 이론 중 하나입니다. 영화 '뷰티풀 마인드'의 모델인 존 내쉬가 정립한 '내쉬 평형'은 개별 주체들이 서로의 전략을 고려할 때 도달하게 되는 안정적인 상태를 설명합니다. 노벨 경제학상 수상자 중 상당수가 게임 이론 분야에서 배출되었다는 사실은 수학과 경제학의 밀접한 관계를 잘 보여줍니다. 복잡한 사회적 상호작용을 수학적 모델로 분석함으로써, 우리는 인간의 의사결정 구조를 더욱 깊이 있게 이해할 수 있게 되었습니다. 데이터와 통계의 힘은 정치와 스포츠 분야에서도 혁신을 일으키고 있습니다. 미국의 선거 전문가 네이트 실버는 통계학적 방법론을 통해 50개 주의 선거 결과를 완벽하게 예측하며 세상을 놀라게 했습니다. 또한 야구계의 '머니볼' 사례처럼, 철저한 통계 분석을 통해 저평가된 선수를 발굴하고 팀을 승리로 이끄는 방식도 수학의 승리라고 할 수 있습니다. 과거의 방대한 데이터를 가공하고 조건부 확률을 적용하여 미래를 예측하는 일은 현대 사회에서 수학이 가진 가장 강력한 힘 중 하나입니다. 현대 마케팅 분야에서도 수학적 알고리즘의 중요성은 날로 커지고 있습니다. 특히 소셜 미디어 시대에 파워 블로거의 영향력을 분석하고, 제한된 자원으로 홍보 효과를 극대화할 수 있는 대상을 찾는 과정에 그래프 이론과 알고리즘이 활용됩니다. 단순히 친구가 많은 사람을 찾는 것이 아니라, 네트워크 구조 내에서 정보의 확산 기댓값이 가장 높은 지점을 수학적으로 찾아내는 것입니다. 이러한 연구는 기업의 마케팅 전략을 더욱 정교하게 만들며 사회적 현상을 수치화하여 분석하는 토대가 됩니다. 수학 교육의 본질은 단순한 문제 풀이의 반복이 아니라, 논리적 사고를 통해 세상을 이해하는 능력을 기르는 데 있습니다. 많은 학생이 수학을 실생활과 동떨어진 과목으로 느끼며 어려움을 겪지만, 수학은 경제, 정치, 스포츠, 마케팅 등 우리 삶의 모든 곳에 스며들어 있습니다. 수학을 하나의 놀이이자 세상을 바라보는 창으로 받아들일 때, 학생들은 비로소 수학의 진정한 가치를 발견할 수 있습니다. 융합의 시대에 수학적 사고력은 미래를 설계하는 가장 기초적이면서도 강력한 무기가 될 것입니다.

[강연]  2012 카오스 콘서트 '유리알유희' 3강

김민형, 박형주

카오스재단카오스콘서트
  • 수학

[강연] 구글 신은 아직도 모든 것을 알고 있다? (4) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강 | 1강 ④

과학적 탐구는 단순히 정답을 찾는 과정이 아니라, 끊임없이 질문을 던지고 그에 대한 해답을 모색하는 여정입니다. 복잡한 이론이 실제 현상과 만날 때 발생하는 수많은 의문은 과학을 발전시키는 핵심 동력이 됩니다. 우리는 이러한 과정을 통해 기존의 지식을 재검토하고, 더 나은 이해를 위한 발판을 마련하게 됩니다. 학술적인 논의가 깊어질수록 우리가 마주하는 질문의 깊이 또한 깊어지며, 이는 곧 새로운 발견의 시작점이 되기도 합니다. 전문가들 사이의 토의는 개별적인 연구 결과를 하나의 거대한 지식 체계로 통합하는 역할을 수행합니다. 각자의 관점에서 바라본 데이터와 해석이 충돌하고 융합되는 과정에서, 이론의 허점은 보완되고 강점은 더욱 뚜렷해집니다. 이러한 집단 지성의 발현은 현대 과학이 직면한 복잡한 문제들을 해결하는 데 필수적인 요소입니다. 활발한 소통은 연구의 투명성을 높이고, 결과의 신뢰성을 확보하는 데 기여하며 과학 공동체의 건강한 발전을 이끕니다. 비판적 사고는 과학적 방법론의 근간을 이룹니다. 제시된 가설이 타당한지, 실험 설계에 오류는 없었는지 면밀히 검토하는 과정은 과학의 객관성을 유지하는 방패와 같습니다. 타인의 의견을 수용하면서도 논리적 근거를 바탕으로 의구심을 제기하는 태도는 연구자에게 요구되는 가장 중요한 덕목 중 하나입니다. 이러한 엄격한 검증 과정을 거친 지식만이 비로소 인류의 공통된 자산으로 자리 잡을 수 있으며, 이는 기술적 진보를 이루는 튼튼한 토대가 됩니다. 전문적인 연구 성과가 대중에게 전달되는 과정에서는 언어의 장벽을 넘는 노력이 필요합니다. 복잡한 수식과 전문 용어를 일상의 언어로 번역하여 전달하는 것은 과학의 대중화라는 측면에서 매우 중요합니다. 지식이 상아탑 안에만 머물지 않고 사회 전반으로 확산될 때, 과학은 비로소 세상을 변화시키는 실질적인 힘을 발휘하게 됩니다. 이는 과학자와 대중 사이의 신뢰를 구축하고, 합리적인 사회적 합의를 이끌어내는 밑거름이 되어 우리 사회를 풍요롭게 만듭니다. 강연이나 발표 후에 이어지는 질의응답 시간은 발표자와 청중이 직접적으로 교감하는 소중한 기회입니다. 발표자가 미처 생각하지 못했던 사각지대를 청중의 날카로운 질문이 파고들 때, 새로운 통찰이 탄생하곤 합니다. 질문은 단순히 모르는 것을 묻는 행위를 넘어, 논의의 지평을 넓히고 주제를 다각도에서 조명하게 합니다. 이러한 상호작용은 일방향적인 정보 전달을 양방향적인 지식 공유의 장으로 탈바꿈시키며 학습의 효과를 극대화하는 역할을 합니다. 때로는 예상치 못한 질문이 연구의 방향을 완전히 바꾸어 놓기도 합니다. 기초적인 의문에서 시작된 논의가 예상치 못한 변수를 발견하게 하거나, 전혀 다른 분야와의 접점을 찾아내는 계기가 되기 때문입니다. 과학의 역사에서 위대한 발견 중 상당수는 우연한 질문이나 사소한 의구심에서 비롯되었습니다. 따라서 모든 질문은 그 자체로 가치를 지니며, 정답만큼이나 질문의 질이 연구의 수준을 결정짓는 중요한 척도가 된다는 점을 우리는 항상 유념하며 탐구에 임해야 합니다. 미래의 과학은 더욱 개방적이고 참여적인 형태로 진화할 것입니다. 정보 통신 기술의 발달로 전 세계 연구자들이 실시간으로 의견을 나누고 데이터를 공유하는 환경이 조성되었습니다. 이러한 변화 속에서 소통의 중요성은 더욱 강조될 것이며, 열린 마음으로 타인의 비판을 수용하는 자세가 혁신을 주도할 것입니다. 끊임없는 질문과 토론이 살아 숨 쉬는 과학 생태계야말로 우리가 꿈꾸는 지속 가능한 미래를 만드는 가장 확실한 열쇠가 될 것이라 확신합니다.

[강연] 구글 신은 아직도 모든 것을 알고 있다? (4) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강

장원철, 정하웅, 차미영

카오스재단카오스강연
  • 물리학

[강연] 구글 신은 아직도 모든 것을 알고 있다? (3) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강 | 1강 ③

현대 사회에서 데이터는 새로운 시대의 원유로 비유되곤 합니다. 우리가 일상에서 마주하는 수많은 정보 속에서 의미 있는 가치를 찾아내는 과정은 이제 선택이 아닌 필수가 되었습니다. 통계학은 이러한 방대한 데이터의 바다에서 길을 찾아주는 나침반 역할을 하며, 복잡한 현상을 객관적인 숫자로 변환하여 현상의 본질을 꿰뚫어볼 수 있게 돕는 학문입니다. 단순히 숫자를 나열하는 것을 넘어, 그 속에 숨겨진 패턴과 상관관계를 분석함으로써 우리는 미래를 예측하고 더 나은 의사 결정을 내릴 수 있는 근거를 마련하게 됩니다. 이는 현대인이 갖추어야 할 가장 기초적이면서도 강력한 지적 도구라고 할 수 있습니다. 최근 인공지능과 빅데이터 기술의 비약적인 발전은 통계학의 영역을 더욱 확장시키고 있습니다. 과거의 통계가 제한된 표본을 통해 전체를 추론하는 데 집중했다면, 현대의 데이터 과학은 실시간으로 생성되는 막대한 양의 데이터를 처리하고 학습하는 데 주력합니다. 이는 머신러닝과 딥러닝이라는 강력한 도구를 통해 구현되며, 의료, 금융, 제조 등 산업 전반에 걸쳐 혁신적인 변화를 이끌어내고 있습니다. 데이터 과학은 이제 단순한 기술적 도구를 넘어, 사회적 문제를 해결하고 새로운 비즈니스 모델을 창출하는 핵심 동력으로 자리매김하고 있으며, 우리 삶의 질을 높이는 데 기여하고 있습니다. 하지만 데이터가 많아진다고 해서 반드시 정답에 가까워지는 것은 아닙니다. 데이터의 양보다 중요한 것은 그것을 어떻게 해석하고 활용하느냐에 달려 있습니다. 잘못된 데이터 수집이나 편향된 분석은 오히려 왜곡된 결과를 초래하여 잘못된 판단을 유도할 수 있기 때문입니다. 따라서 데이터를 다루는 전문가들에게는 기술적인 숙련도뿐만 아니라, 데이터의 맥락을 이해하고 비판적으로 사고할 수 있는 인문학적 통찰력이 동시에 요구됩니다. 숫자의 이면에 숨겨진 진실을 파악하려는 노력이야말로 진정한 데이터 분석의 시작이며, 이는 데이터의 홍수 속에서 우리가 잃지 말아야 할 본질적인 태도입니다. 통계는 전문가들만의 전유물이 아니며 우리의 일상 곳곳에 깊숙이 스며들어 있습니다. 일기예보의 강수 확률부터 선거철의 지지율 조사, 그리고 온라인 쇼핑몰의 상품 추천 알고리즘에 이르기까지 우리는 매 순간 통계적 사고의 결과물을 접하며 살아갑니다. 이러한 일상적인 통계 정보들을 올바르게 이해하는 능력, 즉 '통계 리터러시'는 현대 시민이 갖추어야 할 필수 역량 중 하나가 되었습니다. 정보를 맹목적으로 수용하기보다 그 근거가 되는 수치의 타당성을 따져보는 습관은 정보 과잉 시대에서 자신을 지키는 강력한 무기가 되며, 합리적인 사회를 만드는 밑거름이 됩니다. 과학적 방법론으로서의 통계학은 가설을 검증하고 이론을 정립하는 데 있어 객관적인 기준을 제시합니다. 실험 설계 단계부터 결과 분석에 이르기까지 통계적 원칙을 준수함으로써 연구의 신뢰성과 재현성을 확보할 수 있습니다. 특히 생명 과학이나 의학 분야에서는 임상 시험 결과를 분석하여 신약의 효능을 입증하는 등 인류의 건강과 직결되는 중요한 결정을 내리는 데 결정적인 역할을 수행합니다. 엄격한 통계적 검증 과정을 거친 지식만이 보편적인 진리로 인정받을 수 있으며, 이는 과학 기술의 진보를 지탱하는 견고한 토대가 되어 인류 문명의 발전을 이끌어가는 핵심적인 역할을 담당합니다. 앞으로의 데이터 환경은 더욱 복잡해지고 개인 정보 보호와 같은 윤리적 이슈가 더욱 중요해질 전망입니다. 데이터의 활용 가치를 극대화하면서도 개인의 권리를 침해하지 않는 균형 잡힌 접근이 필요합니다. 또한, 비정형 데이터의 증가와 초연결 사회의 도래는 기존의 통계적 모델만으로는 설명하기 어려운 새로운 도전 과제들을 던져주고 있습니다. 이러한 변화에 대응하기 위해 통계학은 수학, 컴퓨터 공학, 사회과학 등 다양한 학문 분야와의 융합을 통해 끊임없이 진화하고 있으며, 이는 더 정교하고 예측 가능한 미래 사회를 설계하는 데 있어 없어서는 안 될 중요한 자산이 될 것입니다. 결론적으로 통계와 데이터 과학은 불확실한 미래를 대비하는 가장 강력한 도구입니다. 우리는 데이터를 통해 과거를 돌아보고 현재를 진단하며 미래를 설계합니다. 숫자가 들려주는 이야기에 귀를 기울일 때, 우리는 비로소 복잡한 세상의 질서를 이해하고 더 나은 방향으로 나아갈 수 있는 용기를 얻게 됩니다. 데이터가 주도하는 시대에 통계적 사고방식을 갖추는 것은 단순히 지식을 습득하는 것을 넘어, 세상을 바라보는 새로운 시각을 갖는 것과 같습니다. 끊임없이 변화하는 세상 속에서 변하지 않는 가치를 찾아내는 여정은 바로 데이터와 함께 시작되며, 이는 우리 모두가 함께 걸어가야 할 길입니다.

[강연] 구글 신은 아직도 모든 것을 알고 있다? (3) _ by정하웅 | 2017 가을 카오스 강연 '미래과학' 1강

장원철, 정하웅, 차미영

카오스재단카오스강연
  • 물리학

[강연] 통계적인 예측과 동역학적 예측은 다른 것인가? | 2017 카오스 토론회 : '과학vs과학철학' 3부 2강 | 3부 ②

물리학에서 동역학적 예측은 고전 역학이나 양자역학의 슈뢰딩거 방정식을 통해 입자의 미래 상태를 기술하는 방식입니다. 이는 특정 입자의 현재 위치와 운동량 정보를 입력값으로 삼아, 아주 짧은 시간 뒤의 상태를 결정론적으로 추적합니다. 미시적인 정보에서 시작하여 다시 미시적인 결과를 도출하는 과정이라 할 수 있습니다. 개별 개체의 움직임에 집중하여 그 인과 관계를 명확히 규명하려는 시도가 이 예측의 핵심이며, 입자 하나하나의 미래를 정밀하게 들여다보는 것을 목표로 합니다. 반면 통계적 예측은 수많은 입자가 모인 전체 시스템의 거시적인 변화에 주목합니다. 개별 입자의 구체적인 경로를 일일이 추적하는 대신, 온도나 압력과 같이 시스템 전체를 대표하는 소수의 변수를 통해 현상을 설명합니다. 이는 미시적인 복잡함 속에서 질서 있는 패턴을 찾아내는 과정이며, 개별 요소의 세세한 정보보다는 전체가 보여주는 통계적 성질이 무엇인지를 파악하는 데 목적이 있습니다. 수많은 기체 분자가 상호작용하며 만들어내는 거시적 상태를 이해하는 것이 통계 물리학의 주요 과제입니다. 이러한 통계적 관점은 사회 현상을 분석할 때도 유용하게 활용됩니다. 특정 학교나 커피숍이 정확히 어디에 위치할지 개별적으로 예측하기는 어렵지만, 이들이 모여 형성하는 전체적인 분포 패턴은 일정한 규칙성을 띱니다. 통계 물리학자들은 구체적인 개별 사례보다는 전체적인 데이터가 그리는 기준선을 제시함으로써, 현상이 적절한 범위 내에 있는지 판단할 근거를 마련합니다. 이는 개별 예측을 넘어선 거시적 통찰을 제공하며, 복잡한 사회 시스템 속에서 우리가 무엇에 주목해야 하는지를 알려주는 이정표가 됩니다. 철학적 관점에서 보면, 전체는 단순히 부분의 합이 아니라는 '창발 현상'이 중요하게 다루어집니다. 나무 하나하나를 볼 때와 숲 전체를 볼 때 나타나는 현상이 다르듯, 통계적 서술은 개별 동역학적 서술이 주지 못하는 새로운 층위의 정보를 제공합니다. 다만 집단의 평균적 특징을 개별 구성원에게 무분별하게 적용하는 '평균화의 오류'를 경계해야 합니다. 이는 통계적 지식과 개체 단위의 지식을 혼동할 때 발생하는 인식론적 위험이며, 과학적 권위를 빌려 사회적 편견을 조장하지 않도록 주의가 필요한 지점이기도 합니다. 확률의 존재 의미에 대해서도 고전 역학과 양자역학은 서로 다른 해석을 내놓습니다. 고전 역학에서의 확률은 우리가 모든 정보를 알지 못하는 '무지'에서 비롯된 도구적 성격이 강하지만, 양자역학에서는 세계의 본질적인 속성으로 이해되기도 합니다. 이러한 존재론적 차이는 우리가 세상을 기술하는 방식에 깊은 영향을 미칩니다. 결국 통계적 서술과 동역학적 서술은 단순히 방법의 차이를 넘어, 세계를 바라보는 근본적인 시각의 차이를 반영합니다. 우리가 세상을 얼마나 정확히 알 수 있는지에 대한 겸손한 성찰이 필요한 이유입니다. 과학적 연구는 종종 허공에 화살을 쏘고 그 자리에 과녁을 그리는 과정에 비유됩니다. 복잡한 현실을 단순화된 모형으로 만들고, 그 모형이 실제 데이터와 일치하는지 확인하며 이론을 정교화해 나가는 것입니다. 자연은 불연속적인 입자들로 구성되어 있지만, 물리학자들은 이를 연속적인 미분 방정식으로 기술하며 세상을 근사적으로 이해합니다. 이러한 모델링 과정은 완벽한 진리를 찾는 것이라기보다 세상을 이해하기 위한 유용한 도구를 만드는 작업입니다. 직관적인 가설에서 시작해 경험적 자료로 검증하는 과정이 과학의 본질입니다. 결론적으로 동역학적 예측과 통계적 예측은 서로 보완적인 관계에 있습니다. 지진의 정확한 시점을 예측할 수는 없어도 통계적 패턴을 통해 재난에 대비할 수 있듯이, 통계 물리학은 사회의 거시적 흐름을 이해하는 강력한 틀을 제공합니다. 다양한 학문적 접근이 경쟁하고 협력하며 세상의 인과 구조를 밝혀내는 과정은 인류의 지평을 넓혀줍니다. 우리는 이러한 다각적인 시선을 통해 복잡한 사회 현상을 더욱 깊이 있게 통찰할 수 있으며, 단순한 수치를 넘어 그 속에 담긴 의미를 해석하는 능력을 갖추게 됩니다.

[강연] 통계적인 예측과 동역학적 예측은 다른 것인가? | 2017 카오스 토론회 : '과학vs과학철학' 3부 2강

김범준, 이상욱

카오스재단마스터클래스
  • 물리학
  • 융합

[강연] 지니에게 물어봐 _장원철 교수| 2016 서울대 자연과학대학 공개강연 '무질서에서 질서로' (5) | 3강

우주는 끊임없이 무질서한 상태로 나아가려는 본질적인 경향을 가지고 있습니다. 이를 과학적으로는 열역학 제2법칙, 즉 엔트로피 증가의 법칙이라고 정의합니다. 뜨거운 커피가 식어 주변 온도와 같아지거나, 물속에 떨어진 잉크가 고르게 퍼져나가는 현상은 우리 주변에서 흔히 볼 수 있는 자연스러운 변화의 과정입니다. 이러한 변화는 결코 스스로 되돌아가지 않는 비가역적인 특성을 지닙니다. 한 번 흩어진 에너지는 외부의 개입 없이는 다시 모이지 않으며, 엔트로피는 단순한 혼란의 정도를 넘어 우주의 시간적 방향성을 결정짓는 중요한 척도가 됩니다. 루트비히 볼츠만은 눈에 보이지 않는 미시적 입자들의 배열 상태를 통해 엔트로피를 통계적으로 새롭게 정의했습니다. 그는 거시적인 상태가 가질 수 있는 미시적 상태의 가짓수가 많을수록 엔트로피가 높다는 사실을 수학적인 공식으로 증명해 냈습니다. 이는 무질서함이 단순히 인간의 주관적인 느낌이 아니라, 확률적으로 가장 일어날 법한 상태임을 과학적으로 입증한 것입니다. 볼츠만의 통계역학은 고전 물리학의 한계를 뛰어넘어 현대 물리학이 물질의 근본 원리를 이해하는 데 결정적인 토대를 마련해 주었으며, 원자의 존재를 확신하게 만든 계기가 되었습니다. 제임스 클러크 맥스웰은 엔트로피 법칙의 절대성에 도전하는 흥미로운 사고실험을 제안했습니다. 아주 작은 존재인 '맥스웰의 도깨비'가 기체 분자들의 속도를 하나하나 관찰하여 빠른 것과 느린 것을 분리할 수 있다면, 외부에서 에너지를 가하지 않고도 계의 엔트로피를 낮출 수 있다는 가설이었습니다. 이 도깨비의 존재는 오랫동안 물리학자들에게 거대한 지적 숙제를 안겨주었습니다. 만약 이 가설이 현실에서 가능하다면 열역학 제2법칙은 우주의 절대적인 진리가 아닌, 단지 확률적인 현상에 불과하게 되어 물리학의 근간이 흔들릴 수 있기 때문입니다. 맥스웰의 도깨비가 가진 모순은 20세기에 들어서 정보 이론과 열역학의 결합을 통해 명쾌하게 해결되었습니다. 도깨비가 분자를 선별하기 위해서는 반드시 정보를 수집하고 기억해야 하며, 이 정보를 지우는 과정에서 필연적으로 열이 발생한다는 사실이 밝혀진 것입니다. 즉, 정보를 처리하고 저장하는 과정 자체가 물리적인 비용을 수반하며, 전체 시스템의 엔트로피는 결과적으로 증가하게 됩니다. 이는 정보가 단순한 추상적 개념이 아니라 물리적인 실체와 긴밀하게 연결되어 있음을 시사하는 놀라운 발견이었으며, 현대 컴퓨터 공학의 기초 원리와도 맞닿아 있습니다. 생명체는 무질서로 향하는 우주의 거대한 흐름 속에서도 고도의 질서를 유지하고 만들어내는 경이로운 존재입니다. 우리는 외부로부터 끊임없이 에너지를 섭취하고 정교한 대사 과정을 거치며 스스로의 구조를 유지하고 복제합니다. 물리학자 슈뢰딩거는 생명이 '음의 엔트로피'를 섭취함으로써 생존한다고 표현하기도 했습니다. 비록 생명체 내부에서는 질서가 유지되는 것처럼 보이지만, 그 대가로 주변 환경의 엔트로피를 훨씬 더 크게 증가시킵니다. 결국 생명은 우주의 법칙을 거스르는 예외가 아니라, 그 법칙 안에서 에너지를 효율적으로 사용하여 꽃피운 정교한 결과물입니다. 엔트로피의 지속적인 증가는 왜 우리가 과거로 돌아갈 수 없는지, 즉 시간의 비가역성을 설명해 주는 유일한 물리적 근거가 됩니다. 우주의 초기 상태는 매우 낮은 엔트로피를 가지고 있었으며, 시간이 흐름에 따라 점차 높은 엔트로피 상태로 진화해 왔습니다. 이러한 변화의 흐름은 '시간의 화살'을 만들어내며, 우리가 과거와 미래를 명확히 구분 짓는 기준이 됩니다. 만약 엔트로피가 증가하지 않고 평형 상태에 머물러 있다면 세상은 어떠한 변화도 일어나지 않는 정적인 상태에 갇혔을 것입니다. 우리가 경험하는 모든 변화와 흐름은 무질서로 향하는 여정 그 자체입니다. 무질서 속에서 질서가 형성되는 원리를 이해하려는 노력은 현대 과학의 가장 본질적인 도전 중 하나입니다. 겉보기에 혼돈스러워 보이는 자연 현상 이면에는 정교한 물리 법칙이 숨어 있으며, 과학자들은 이를 통해 우주의 기원과 생명의 신비를 탐구해 왔습니다. 엔트로피 법칙은 우주의 종말을 예견하는 차가운 법칙처럼 느껴질 수 있지만, 동시에 복잡한 생명과 찬란한 문명이 탄생할 수 있었던 역동적인 배경이기도 합니다. 질서와 무질서가 끊임없이 상호작용하며 균형을 찾아가는 과정은 우주를 더욱 풍요롭고 아름답게 만드는 근원적인 원동력이라 할 수 있습니다.

[강연] 지니에게 물어봐 _장원철 교수| 2016 서울대 자연과학대학 공개강연 '무질서에서 질서로' (5)

장원철

카오스재단서울대자연과학공개강연
  • 수학

[석학인터뷰] 정하웅_과학의 대중화를 위한 조언을 주신다면?

빅데이터의 근간은 통계물리학과 전산물리학에 맞닿아 있습니다. 과거에는 데이터의 양이 방대해지면 계산의 한계로 인해 일부를 추출하는 샘플링 방식을 택해야 했습니다. 하지만 컴퓨팅 파워의 비약적인 발전과 저장 용량의 증가는 데이터 전체를 조망할 수 있는 시대를 열었습니다. 비록 미시적인 정확도는 다소 희생될지라도, 전체 데이터를 통해 거시적인 통찰력을 얻는 것이 현대 빅데이터 분석의 핵심입니다. 이는 단순히 숫자를 다루는 것을 넘어 세상의 흐름을 읽어내는 새로운 과학적 방법론으로 자리 잡고 있습니다. 과학의 가치를 대중에게 전달하는 과정은 연구만큼이나 보람찬 일입니다. 어려운 이론을 일상적인 언어로 풀어냈을 때 청중들이 보여주는 깨달음의 반응은 강연자에게 큰 동기부여가 됩니다. 사실 대중 강연은 타고난 재능보다는 끊임없는 연습과 청중의 눈높이에 맞추려는 노력의 산물입니다. 내성적인 성격을 극복하고 다양한 에피소드와 애드리브를 섞어가며 소통하는 과정은 과학이 상아탑을 넘어 대중의 삶 속으로 스며드는 중요한 통로가 됩니다. 청중이 흥미를 느낄 수 있는 지점을 정확히 파악하는 기획력이 좋은 강연을 만드는 열쇠입니다. 과학적 지식을 체계적으로 접하고 싶다면 전문가들이 엄선한 강연 시리즈를 참고하는 것이 큰 도움이 됩니다. 정보와 뇌, 수학 등 다양한 주제를 다루는 양질의 콘텐츠는 대중이 과학에 친숙해지는 훌륭한 가이드가 됩니다. 이러한 노력이 모여 과학이 하나의 문화 포털로 자리 잡는다면 우리 사회의 지적 토양은 더욱 풍성해질 것입니다. 과학 강연과 도서가 융합되어 대중에게 지속적으로 전달될 때, 과학은 비로소 전문가들만의 영역이 아닌 모두가 즐기고 향유할 수 있는 보편적인 문화로서 우리 곁에 깊이 뿌리내릴 수 있을 것입니다.

[석학인터뷰] 정하웅_과학의 대중화를 위한 조언을 주신다면?

정하웅

카오스재단석학인터뷰
  • 물리학
  • 융합