제가 정기적으로 듣는 질문입니다. 사람들은 인간의 성격을 동물에서 찾고 반려동물을 의인화하기를 상당히 좋아합니다. 그리고 많은 사람은 반려동물이 오래오래 건강하게 살기를 바랍니다.

반려동물에 대한 보호자들의 사랑과 인간-동물 간의 유대감을 고려해 볼 때 이런 생각은 바보 같아 보일 수도 있습니다. 그러나 반려동물의 “실제 나이”를 생각해보는 일은 사실 중요한 일입니다. 저와 같은 수의사가 삶의 단계에 맞는 건강 관리를 동물 환자에게 추천하는 데 도움이 되기 때문입니다.

사람의 1년은 개와 고양이의 7년과 같다는 통설이 있습니다. 보통 체격을 가진 중형 개가 최적의 건강 관리를 받았을 때 평균적으로 보호자 수명의 약 1/7을 산다는 관찰 기록이 쌓여, 인간의 1년은 개의 7년과 같다는 것이 어느덧 정설이 되었습니다.

하지만 모든 개의 체격이 보통 체격이 아니며 소위 7년의 법칙은 처음부터 지나치게 단순화되었습니다. 개와 고양이는 사람과 나이를 다르게 먹을 뿐 아니라 개와 고양이 사이에도 부분적으로 품종의 특징과 크기에 따라 나이를 다르게 먹습니다. 더 큰 동물일수록 작은 동물보다 수명이 대개 더 짧습니다. 고양이는 크기 면에서 그다지 다르지 않지만, 개의 크기와 기대 수명은 상당히 다를 수 있습니다. 그레이트데인과 치와와의 차이를 생각하면 쉽게 이해가 될 것입니다.

인간의 기대 수명은 몇 년간 변화했습니다. 수의사들은 10년 전에 제공할 수 있었던 의료 서비스보다 더 나은 서비스로 건강을 관리해 줄 수 있습니다. 따라서 이제는 1년을 ‘동물 나이’ 7년으로 계산하는 오래된 방법보다 더 나은 방법으로 동물의 나이를 정의할 수 있습니다.

미국 동물병원협회가 마련한 개의 삶의 단계 가이드라인에 따라 오늘날 수의사들은 개의 삶의 단계를 강아지, 청년견, 성견, 원숙견, 노견, 고령견과 같이 6개의 범주로 나눕니다. 삶의 단계는 숫자를 부여하는 것보다 나이를 생각하는 더 실용적인 방법입니다. 인간 건강에 대한 권장 사항도 사람이 정확하게 몇 살인지보다 성장 단계를 바탕으로 합니다. ‘신체 나이’라는 말이 그래서 있는 거죠.

개의 기대 수명에 가장 큰 영향을 주는 것은 견종과 (견종에 따른) 크기이고, 영양 상태와 체중은 다음으로 중요한 요소입니다.

그러나 이런 사실만으로 당신의 반려동물이 몇 살인지 정확히 측정할 수는 없습니다. “개의 나이”로 몇 살인지에 따라 고등학교를 졸업할 나이인지 아니면 은퇴를 준비할 나이인지를 꼭 알아내고 싶다면, 이 삶의 단계가 도움이 될 수 있습니다. 개와 인간의 성장 이정표를 평균 기대수명 동안 비교하면 대략적인 수치를 알 수 있습니다.

비슷한 방법으로 미국 고양이수의사협회와 미국 동물병원협회 고양이의 삶의 단계 가이드라인은 고양이의 삶의 단계를 역시 아기 고양이, 청년기, 장년기, 성숙기, 노묘, 고령묘 6개의 범주로 나눕니다. 대부분의 건강한 고양이는 크기가 비슷해서 각 삶의 단계에서 나이 변동은 개보다 더 적습니다.

당신의 개 코코가 개의 나이로 몇 살인지, 아니면 당신의 고양이 나비가 고양이 나이로 몇 살인지 알아낼 수 있다면 수의사는 그들의 삶의 단계를 결정할 수 있게 됩니다. 이 정보는 삶의 단계에 맞는 의료를 제안하여 삶을 연장할 뿐만 아니라 체계적으로 건강을 관리해 삶의 질도 더 높일 수 있기 때문에 상당히 중요합니다.

의사들은 인간 나이에 맞는 의료 검진 개념을 이미 적용하고 있습니다. 정상적인 인간 아이에게 대장 내시경이 필요하지 않은 것처럼, 정상적인 강아지의 갑상선 수치를 검사할 필요는 없습니다. 성인 여성에게 정기적인 유방암 검진이 필요한 것처럼 어른 고양이는 매년 장내 기생충 검사를 해야 합니다. 물론 이런 가이드라인을 바탕으로 의사나 수의사가 검진한 결과를 따라야 하는 것도 사람이나 동물이나 마찬가지입니다.

그리고 사람과 마찬가지로 반려동물의 전반적인 건강 상태가 더 좋아지거나 나빠지면서 “실제 나이”에 영향을 줄 수 있습니다. 따라서 다음에 반려동물을 수의사에게 데려갈 때는 반려동물의 삶의 단계를 이야기하고, 그에 따른 건강 권장 사항을 알아보세요. 건강 이상 증상을 주의 깊게 관찰하고 건강한 체중을 유지하면 당신의 고양이가 문자 그대로 ‘전성기’를 지나도 더 오래 사는 데 도움을 줄 수 있습니다.

(컨버세이션, Jesse Grady)

원문 보기

지난 11일 학술지 <독성과학(Toxicological Sciences)>에 발표된 연구 논문에서 연구자들은 알려진 화학 물질의 방대한 데이터베이스를 조사하여 화학 구조와 독성 특성 간의 관계를 이어주는 지도를 개발했다고 밝혔습니다. 연구자들은 이 지도를 이용해 모든 화합물의 독성 특성을 자동으로 예측할 수 있으며, 동물 실험을 통한 예측보다 더 정확하다는 결과를 제시했습니다.

연구팀이 개발한 최첨단 독성 예측 툴은 동물 실험에 기반을 둔 결과를 재현하는 데 세계의 동물 독성 실험 중 57%를 차지하는 아홉 가지 일반 테스트에서 평균 87%의 정확도를 보였습니다. 대조적으로 데이터베이스 상의 동일한 동물 실험의 반복 결과의 정확도는 81%였습니다. 다시 말해, 어떤 실험도 실험을 반복할 경우 독성에 대한 동일한 결과를 얻을 확률이 평균 81%밖에 되지 않았다는 뜻입니다.

“이 결과는 정말 놀랍습니다. 많은 동물 실험을 컴퓨터에 기반한 예측으로 대체할 수 있고, 더 신뢰할 수 있는 결과를 얻을 수 있다는 의미입니다.”

수석 연구원인 토마스 하르텅 박사(도렌캄프-쯔빈덴 학장이자 블룸버그 보건대학원의 환경 보건 및 공학부 교수)의 말입니다.

컴퓨터를 기반으로 한 접근법은 동물 실험보다 더 많은 화학 물질을 적용할 수 있으며, 더 광범위한 안전 평가를 할 수 있도록 합니다. 그동안은 비용과 윤리적 문제로 소비자 제품에 포함된 약 10만 개의 화학 물질 중 일부만 종합적으로 테스트 되었습니다.

쥐, 토끼, 기니피그, 개와 같은 동물들은 전 세계 실험실에서 수백만 건의 화학 독성 실험에 사용됩니다. 동물 실험은 소비자를 보호하기 위해 법으로 정해져 있지만, 많은 대중이 도덕적인 이유로 반대하고 있으며, 제조사들 또한 높은 비용과 실험 결과의 불확실성으로 인해 기피하는 실정입니다.

블룸버그 환경 보건 및 공학부에 본부를 둔 동물 실험 대안 센터도 함께 운영하는 하르텅 박사는 말합니다.

“예를 들면 새로운 살충제는 30번의 개별 동물 실험을 해야 하는데, 이 실험을 위해 후원사가 들여야 하는 비용만 2천만 달러가 넘습니다.”

동물 실험의 가장 일반적인 대안은 교차 해석(read-across) 과정으로, 연구자들이 새로운 화합물과 구조가 유사한 소수 화합물의 밝혀진 특성을 바탕으로 새로운 화합물의 독성을 예측하는 방법입니다. 교차 해석은 동물 실험보다 훨씬 저렴하지만, 전문가의 평가와 관심 있는 모든 화합물에 대해 어느 정도 주관적인 분석이 필요합니다.

교차 해석 과정을 자동화하고 최적화시키기 위한 첫걸음으로 하르텅 박사와 동료들은 2년 전 기계 판독이 가능한 세계에서 가장 방대한 독성 데이터베이스를 만들었습니다. 데이터베이스는 80만 번의 개별 독성 실험에 기초한 화학 혼합물 1만여 개의 특성과 구조에 대한 정보를 담고 있습니다.

“이 데이터베이스에는 중복 데이터가 상당히 많습니다. 우리는 자극적인지 확인하기 위해 토끼 눈에 넣는 것처럼 같은 화학 물질을 같은 방법으로 수십 번 실험합니다.”

하르텅의 말입니다. 이 방법은 동물을 희생하지만, 연구원들이 더 나은 접근을 위한 기준을 정립하는 데 필요한 정보를 제공했습니다.

연구진은 데이터를 읽고 알려진 화합물 구조와 연관된 독성 지도를 만들기 위해 데이터베이스를 확장하고 아마존 클라우드 서버 시스템이 제공하는 컴퓨팅 능력을 갖춘 머신러닝 알고리듬을 사용하였습니다. 또한, 연구원들은 관심 대상의 화합물이 지도에서 어디에 위치하는지 정확하게 판단하고 “유사한” 화합물의 특성을 기반으로 하여 관심 화합물이 피부 자극이나 DNA 손상과 같은 독성 효과를 가질 가능성이 있는지 결정하는 데 쓸 수 있는 소프트웨어를 개발하였습니다.

“자동화된 접근법은 수천 가지 화학 물질과 실험 데이터를 이용한 견고한 평가에서 확실히 동물 실험보다 앞섰습니다. 독성학 분야에서는 아주 큰 뉴스입니다.”

하르텅은 말했습니다. 공공의 안전 기준을 개발하고 기준에 대한 실험을 전문으로 하는 언더라이터 랩(UL)사는 이번 작업을 공동 후원하며 교차 해석 소프트웨어 툴을 대중이 사용할 수 있도록 하고 있습니다.

미국 식품 의약국 및 환경 보호국은 교차 해석이 현재 식품, 의약품, 기타 소비자 제품에서 화학 물질의 안전성을 평가하기 위해 사용하는 동물 실험의 상당한 부분을 대체할 수 있는지 시험하기 위해 새로운 방법에 대한 공식적인 평가를 시작했습니다. 연구자들은 주요 기술 회사들을 포함한 일부 대기업의 제품에 독성 화학 물질이 있는지 알아내기 위하여 이 방법을 사용하기 시작했습니다.

하르텅 박사는 “언젠가 화학자들은 화학 물질을 합성해서 만들기도 전에 독성을 예측할 수 있는 툴을 사용하게 될 것이며, 독성이 없는 화합물만 만드는 데 집중할 수 있게 될 것”이라고 밝혔습니다.

톰 루치테펠드, 댄 마시, 크레이그 로우랜즈 그리고 토마스 하르텅은 이번 프로젝트와 관련해 “독성학 빅 데이터를 머신러닝으로 분석하면 동물 실험 재현성보다 더 나은 구조 활성 관계의 교차 해석(RASAR)이 가능하다”라는 제목의 논문을 썼습니다.

(존스홉킨스대학 공중보건대학원)

원문 보기

‘가짜 인공지능’을 많이 만났다는 ReadMe의 최고경영자 그레고리 코버거는 말합니다.

“사람이 작업을 하면 여러 가지 기술적 문제와 사업 개발 문제들을 건너뛸 수 있습니다. 확장은 무리지만 초기에 어려운 부분을 건너뛰고 필요한 것들을 효과적으로 만들 수 있습니다. 본질적으로 사람으로 인공지능 제품 원형을 만드는 거죠.”

이런 관행은 구글이 수백 명의 외부 애플리케이션 개발자들에게 사용자들의 받은 편지함에 액세스를 허용했다는 내용을 다룬 이번 주 <월스트리트저널> 기사에서 밝혀졌습니다. 캘리포니아주 새너제이(San Jose)에 본사가 있는 에디슨 소프트웨어의 인공지능 개발자들은 “스마트 답변” 기능을 개선하기 위해 사용자 수백 명의 개인 메일을 자신들의 신분을 숨기고 살펴보았습니다. 이 회사는 사용자의 이메일을 인간이 본다는 사실을 개인정보 보호 정책에 명시하지 않았습니다.

이번에 보도된 외부 애플리케이션 회사들이 결코 처음은 아닙니다. 2008년 음성 메일을 문자 메시지로 전환하는 회사인 Spinvox는 전환 작업에 기계가 아닌 해외에 있는 고객 센터의 사람을 이용했다는 혐의를 받았습니다.

2016년 <블룸버그>는 X.ai와 Clara 같은 스케줄링 서비스에 챗봇을 가장한 인간이 하루 12시간씩 일하는 비참한 상황을 소개한 바 있습니다. 그 일이 너무나 단순한 일이어서 인간 노동자들은 곧 기계 봇이 자신들의 일을 대체하기를 고대한다고 말했습니다.

2017년 업무 비용 관리앱 Expensify는 “스마트스캔 기술”을 사용하여 처리한다고 주장한 영수증 일부를 인간이 기록했음을 인정했습니다. 아마존의 메케니컬 터크(MTurk)라는 크라우드 소싱 툴에 스캔된 영수증을 올려서 저임금 노동자가 영수증을 읽고 이를 기록, 처리하게 했다는 것입니다.

“Expensify 스마트스캔 사용자들은 자기 영수증을 MTurk 노동자들이 직접 입력한다는 사실을 알까요?”

MTurk 노동자이자 트위터에서 긱 이코노미(Gig economy) 노동자를 옹호하는 로첼 라플란테는 말했습니다.

심지어 인공지능에 상당히 많이 투자한 페이스북도 메신저 가상 도우미 서비스 ‘M’에 인간의 도움을 받았습니다.

어떤 경우는 사람이 인공지능 시스템을 훈련해서 정확도를 높입니다. Scale사는 자율 주행 및 기타 인공지능으로 만든 시스템에 훈련 데이터를 제공하는 인력 은행을 운영합니다. “스케일러”라고 불리는 인간 노동자들은 카메라나 센서 피드를 보고 프레임에 있는 자동차, 보행자, 자전거를 탄 사람에게 라벨을 붙입니다. 충분한 인간의 미세 조정을 통해 인공지능은 이런 사물들을 스스로 알아보는 방법을 배웁니다. 또 다른 경우에는 회사들이 인공지능을 만들 때까지 위조하고, 비밀리에 인간의 지능에 의존하면서 투자자와 사용자에게는 확장 가능한 인공지능 기술을 만들었다고 말합니다.

정신 건강 챗봇 Woebot의 창립자인 심리학자 앨리슨 달시는 이런 방식을 “오즈의 마법사 디자인 기술”이라고 부릅니다.

“앞으로 일어날 궁극적인 경험을 시뮬레이션하는 겁니다. 인공지능 분야에서 많은 경우 실제 알고리즘보다는 커튼 뒤에 사람이 숨어서 인공지능인 척하는 거죠.”

앨리슨 달시는 또 좋은 AI 시스템을 만들기 위해서는 아주 많은 데이터가 필요하며, 때로 디자이너들은 투자하기 전에 서비스에 대한 수요가 충분한지 알고 싶어 한다고 덧붙였습니다. 이런 접근은 Woebot과 같은 정신 건강 지원 서비스에는 적절하지 않다고 말했습니다.

“심리학자들은 윤리 강령을 따라야 합니다. 사람들을 속이지 않는 것은 분명한 윤리 원칙 중에 하나죠.”

연구에 의하면 사람들은 인간보다 기계에 말한다고 생각할 때 더 많은 부분을 솔직하게 말하는 경향이 있습니다. USC 대학의 연구팀은 엘리(Ellie)라고 불리는 가상 심리치료사를 통해 실험했습니다. 연구팀은 외상 후 스트레스 장애를 앓고 있는 퇴역 군인들이 엘리가 사람이 통제하는 기계라는 말을 들었을 때보다 인공지능 시스템이라고 알고 있을 때 자신들의 증상을 좀 더 솔직하게 털어놓는다는 사실을 발견하였습니다.

다른 사람들은 회사가 자신들의 서비스 운영 방식에 대해 솔직히 털어놓아야 한다고 생각합니다. 라플란티는 인공지능 서비스를 제공하는 것처럼 가장하면서 실제로 사람을 사용하는 회사들을 “좋아하지 않는다”고 표현했습니다.

“정직하지 않고 속이는 것 같아요. 내가 사용하는 비즈니스는 그러지 않기를 바라죠. 그리고 노동자로서는 커튼 뒤에 숨어서 거짓말을 강요받는 느낌이잖아요. 저라면 회사가 직원을 이용하고 고객들에게 실제로 무슨 일이 일어나는지 거짓말하는 걸 보고 싶지 않을 것 같아요.”

이런 윤리적 딜레마는 인간인 척하는 인공지능 시스템에서도 나타납니다.

최근의 예로는 로봇 도우미 구글 듀플렉스가 사람 목소리로 전화를 하면서 “음” 같은 어구를 사용해서 예약을 하는 시범이 있습니다. 발표 이후 사람들의 반발이 일자, 구글은 듀플렉스가 인간에게 이야기할 때 자신이 인공지능임을 밝히게 하겠다고 했습니다. 달시는 시범 버전에서는 영향이 적은 대화라서 속이는 느낌이 별로 없었다고 말했습니다. 레스토랑 예약하기는 아주 큰 위험이 없는 대화같이 보이지만, 같은 기술이 나쁜 사람의 손에 들어가면 훨씬 더 교묘한 속임수로 사용될 수도 있습니다. 예를 들어, 여러분이 연예인이나 정치인의 목소리를 똑같이 흉내 내는 인공지능과 전화를 한다면 어떤 일이 일어날까요? 달시는 다음과 같이 말합니다.

“인공지능에 대해 이미 큰 두려움을 갖고 있는데, 투명하지 않은 대화는 전혀 도움이 되지 않을 것입니다.”

(가디언, Olivia Solon)

원문 보기

공감 악용하기

공감은 도움의 강한 동기부여가 됩니다. 우리는 누군가 도움이 필요한 상황임을 감지하고, 그 대상이 잘 지내는데 가치를 두고, 무엇보다 상대의 입장이 될 때 공감을 합니다. 본질적으로 이런 공감은 적어도 일시적으로 공유되는 집단상호주의(타인과 무엇인가를 함께 하고 있기 때문에 타인을 도와야 한다는 생각)의 느낌을 만들어 냅니다.

적당한 공감을 끌어내는 건 도움을 받기 위해 매우 효과적인 방법이 될 수 있습니다. 너무 지나치지만 않다면 말입니다. 고통이 너무 커지는 순간 “당신의 고통을 알아요”라는 생각은 더 이상 효과가 없기 때문입니다. 그런 지경에 이르면, 공감을 끌어내려던 상대는 아예 마음을 닫고, 하나도 도와주지 않으면서 가능한 한 빨리 멀어지려고 할 것입니다.

지나치게 사과하기

도와달라는 요청과 함께 엄청난 사과의 세례를 받은 (상당히 불편한)경험이 있나요? “도와달라고해서 정말 죄송한데요, 이번 과제에 도움을 받으면 너무 감사할 것 같아요. 도와달라고 해서 너무나 죄송해요. 제가 혼자 할 수 있어야 하는데… 그리고 바쁘신데…이렇게 도와달라고 하는 제가 너무 싫어요.”

이런 식으로 도와달라는 요청을 받으면 괴롭습니다. 물론, 여러분도 이런 상황을 짧게 끝내고 싶어서 그냥 알았다고 대답할 겁니다. 이런 상황은 돕고 싶어서 돕는 게 아니라 도와야 하기때문에 돕는 ‘상대에게 조정당한’ 도움 카테고리에 해당합니다.

때때로 같은 팀원들, 즉 팀이라는 관계가 성립되었거나 집단상호주의를 공유하는 사람들이 서로에게 지원을 받고 의지하는 건 묵시적으로 이해할 수 있습니다. 그리고 자연스럽게 이런 도움은 돌려주게 됩니다. 그러나 지나친 사과를 하면서 도움을 요청하는 건 우리가 같은 팀이 아니라는 걸 미묘하게 암시합니다. 그렇지 않다면 사과를 하지 않겠지요. 이런 의미에서 사과는 실제로 우리가 공유하는 집단 정체성을 약화시키고, 도움을 주고 받는 사람 간의 거리를 멀어지게 하며 유대감을 단절시켜 버립니다. 지나친 사과 대신 도움을 요청하고 도움을 받게 되면 감사의 표현을 하세요. 그편이 모든 사람을 훨씬 더 만족하게 하는 결과를 가져옵니다.

책임 회피하기

도움을 구하는 사람은 자신이 능력이 없어 보이거나 욕심이 많은 것처럼 보이지 않으려고 지나치게 애쓰다가 도움을 줄 사람에서 자신으로 그 초점을 옮겨버립니다. 이런 사람은 도움을 구할 때 이런 말을 합니다. “저는 평소에 도와 달라고 하는 사람이 아닌데요…” 혹은 “선택의 여지가 있으면 도와달라고 하지 않겠지만..”이나 심지어 “도와달라고 하는게 싫지만…”라고 말을 합니다.

이런 말을 하고 싶은 충동은 이해할 수 있습니다. 도와달라고 요청하는 건 불편한 일이거든요. 우리가 도와 달라고 요청하는 사람들은 의무라고 느낄 수도 있습니다. 그러나 이렇게 책임을 회피하는 말은 상황을 나아지게 하지 않습니다. 도움을 구하는 사람이 도움을 요청하는 것을 싫어하고 또 도움을 구하는 상황 자체를 비참해하는 것을 안다면, 도와주는 사람은 도움을 주는 데서 그다지 큰 만족을 느낄 수 없습니다.

상대가 얼마나 즐겁게 도와줄 수 있는지 강조하기

“이 일을 해보면 좋아하실 거에요! 정말 재밌는 일이거든요!” 제 동료 중 한 명은 도움을 청할 때마다 이런 식으로 말하는 버릇이 있는 오랜 친구가 있습니다.

“이번 주말에 거실 페인트칠 하는 거 도와줄래? 맥주 마시면서 수다 좀 떨어보자. 여자들끼리 좋은 시간을 갖는거지!” 라던가 “자동차 정비소에 좀 데려다 줄래? 너 본지 정말 오래 됐는데 함께 드라이브도 하고 말이야!”

이런 상황은 마치 도움을 주고받는 행동으로 우정이 얼마나 끈끈한지 증명하는 것과 같습니다. 상대가 도움을 주면서 즐겁게 느낄 거라고 명백히 확신을 주려고 하지 마십시오. 다른 사람을 도우면 행복해지는 것은 사실이지만, 받을 보상을 상기시키는 일은 대개 돕는 과정에서 오는 기쁨을 앗아가 버립니다. 첫째, 상대를 조작하고 통제하려는 느낌을 들게 하고 돕는 이의 자율성을 빼앗아 가버립니다. 둘째로 정말 끔찍하게 선수를 치는 일입니다. 상대가 어떻게 느끼고 생각할지에 대해 도움을 청하는 당신이 말할 권리가 없다는 겁니다. 그걸 결정하는 건 도움을 주는 상대입니다.

도움을 아주 작고 사소한 부탁처럼 만들어 버리기

사람들은 도움을 요청하는 일을 굉장히 마음 불편한 일로 생각하고 실제로 사람들이 거절하리라고 예상합니다. 그래서 어떤 사람들은 필요한 도움을 작고, 하찮고 거의 눈에 보이지도 않는 무시할만하거나 잘 보이지도 않는 작은 도움인 것처럼 표현하는 전략을 흔히 사용합니다. 도와줄 일이 전반적으로 어떤 불편도 끼치지 않을 거라고 강조합니다. “이 계약서 좀 고객 사무실에 갖다 줄 수 있을까요? 그 사무실이 집에 가는 길에 있어요.” 이런 식으로 말입니다. 아니면 도와줄 사람이 시간을 얼마나 많이 사용하지 않아도 될지 강조하기도 합니다. “이 데이터베이스 업데이트 해주실 수 있나요? 5분도 안 걸릴 거예요.” 문제는, 이렇게 요청을 최소화함으로써 도와주는 사람의 도움을 함께 최소화하고, 결과적으로 도움을 준 사람이 갖는 기쁜 마음까지도 최소화해 버리는데 있습니다..

도움을 준 사실 상기시키기

“제가 정말 까다로운 고객을 가져갔던 일 기억 하세요?”

도움을 구하는 일은 자신을 약하다고 생각하고 불쾌한 느낌이 들기 때문에, 때로 상대에게 과거에 그들을 도와준 일을 상기시키려고 합니다. 이런 시도는 역시 어색한 상황을 만듭니다.

상호주의의 핵심은 이렇습니다. 상대에게 도움을 준 사실을 상기시킬 정도라면 상대는 도와주어야 한다고 느끼지 않을 확률이 높습니다. 도와 준 사실을 기억시키는 행동은 상대를 조종하려는 것처럼 느끼게 할 수 있으며(솔직히 조종이 맞죠), 심리학자 아담 그랜트가 말하는 ‘매칭(matching)” 행동을 끌어내는 것입니다. 즉 특별히 관대하거나 좋은 느낌을 주지도 못하게 됩니다. 이건 마치 친구와 피자를 먹으러 가서, 피자를 두 조각 더 먹었으니 돈을 더 내야 한다는 말을 듣는 것 같은 상황입니다. 이런 행동은 상대에게 당신이 채점표를 가지고 있는 것처럼 느끼게 하며, 이렇게 계산하는 행동은 근본적으로 관계에 나쁜 영향을 미치게 됩니다.

상대의 도움이 얼마나 유익한지 이야기하기

당신은 가축처럼 사육되지는 않았을 겁니다. 타인의 도움에 대해 고마움과 감사함을 표시해야 한다는 사실을 알고 있을 겁니다. 그런데도 사람들은 종종 감사를 표현할 때 심각한 실수를 합니다. 사람들은 자신이 어떻게 느끼는지에 중점을 둡니다. 도움을 준 사람에게 초점을 맞추기보다 자신이 얼마나 기쁘고 큰 도움을 받았는지에 대해서 이야기합니다.

노스 캐롤라이나 대학의 연구원 사라 알고, 로라 컬츠, 니콜 힐레어는 감사의 표현을 두 가지 유형으로 구분했습니다. 타인의 성품이나 능력(즉 타인의 긍정적인 부분)을 검증하고 인정하는 과정을 포함한 상대를 칭찬하는 유형과 도움을 받은 사람이 얼마나 그 도움으로 인해 이익을 얻었는지를 표현하는 자기 이득 유형이 그것입니다. 이 연구에서 커플들이 자신의 파트너가 최근에 한 일에 대해서 감사를 표현하는 법을 관찰하였습니다. 그리고 연구 참가자들의 표현은 상대를 칭찬하는 방식이었는지 아니면 자신의 이익에 초점을 맞추었는지 분류되었습니다. 각 유형의 표현 방식을 예로 들면 다음과 같습니다.

상대방 칭찬하기: “그 행동은 당신이 얼마나 책임감 있는 사람인지를 보여주는 행동이었어…” “당신은 필요 이상으로 도와주었어…” “당신은 그 일을 정말 잘 하는 것 같아.”

자신의 이익에 초점 두기: “당신 덕택에 쉴 수 있었어.” “덕분에 직장에서 우쭐댈 수 있었어.” “나 행복해”

마지막으로 도움을 준 사람은 상대가 얼마나 감사함을 표현했다고 느끼는지, 얼마나 도움을 준 사실에 대해 행복했는지, 또 자신의 파트너에 대해 얼마나 애정을 느끼는지 평가하도록 했습니다. 연구원들은 파트너를 칭찬하는 행동이 반응과 긍정적인 감정 및 애정과 강한 관련이 있었으나 자신의 이익에 초점을 둔 경우는 그렇지 않은 것을 발견했습니다.

힘든 부탁도 어렵지 않게 하기

사람들에게 도움을 청할 때 상대가 자신이 조정되지 않는다고 느끼고 도움을 주는 과정이 즐거운 경험이 되게 하는 세 가지 방법이 있습니다. 이 세 가지 강화 방법으로 타인을 기꺼이 돕고자 하는 마음을 갖게 하고, 구체적인 도움을 요청할 때 사용할 수 있으며 도와주는 문화를 만들도록 강조하는 법을 배울 수 있습니다.

첫 번째의 강화 요소는 심리학자들이 말하는 강한 집단 의식입니다. 도움이 필요한 사람이 도움을 받을 사람과 같은 팀이라는 믿음, 즉 중요한 집단의 일부라는 믿음을 심어주는 것입니다. 이런 신념은 집단상호주의를 넘어서는 것으로 같은 집단 내에 있는 사람들에게 일어나는 일들에 관심이 있기 때문에 돕는다는 생각을 갖게 합니다. 집단에 속한 사람들의 행복과 복지는 집단 전체의 행복과 복지에 영향을 받기 때문입니다. 도움이 필요한 사람이 한 집단 내의 멤버라는 인식을 만들면 기꺼이 도우려는 마음을 갖게됩니다.

두 번째의 강화 요소는 긍정적인 정체성에 대한 기회입니다. 바꿔 말하면 도움을 줄 때 도움을 주는 자신에 대해 긍정적인 생각을 갖게 된다는 점입니다. 특히 타인을 도울 때 자신이 가지고 있는 긍정적인 면이나 다른 사람들에게서 존경받는 역할을 하게 될 때 더욱 그렇습니다. 예를 들면 사람들은 “도움을 주는 사람이 되는 일”이 왜 중요한지 생각하면서 타인을 더 많이 돕게 됩니다. 자신이 도움을 주는 사람이라는 긍정적인 면모가 중요하게 자각되면 그런 인식에 맞게 행동할 가능성이 더 높아집니다.

세 가지 중에 가장 강력한 마지막 강화 요소는 자신의 영향을 볼 수 있는 기회입니다. 다른 말로, 사람들은 자신이 주는 도움의 영향(혹은 미래에 미칠 영향)을 보거나 알고 싶어 합니다. 사람들은 자신의 도움이 어떻게 작용하는지 보고 싶어 합니다. 이건 어떤 자부심의 문제가 아니라 몇몇 심리학자들이 말하는 근본적인 인간의 동기에 관한 문제입니다. 사람들은 영향력을 미치고 싶어 합니다. 자신의 행동이 의도했던 결과를 이끌어내는 것을 알고 싶어 하고 본질적으로 본인 위주로 세상을 만들어 가고 싶어 합니다. 이런 피드백이 없을 경우 자신의 행동이 어떤 결과를 가지고 오는지 알 수 있는 방법이 없으며 돕고자 하는 동기는 바닥으로 추락하게 됩니다. 이런 특징은 특히 도움에 관한 한 사실입니다.

이러한 세 가지 강화 요소는 도움을 주려는 사람에게 내재한 돕고자 하는 욕구를 불러일으킬지의 유무를 결정하게 됩니다. 이러한 동기 없이도 사람들은 도움을 줄 수도 있으나, 그러한 도움의 유익은 받는 사람에게 국한됩니다. 좀 더 제한적인 도움을 받게 되며 도움을 주고받는 사람들의 관계에는 나빠질 수 있습니다. 집단의식과 긍정적 정체성에 대한 가능성, 그리고 자신의 도움이 어떤 작용을 하는지 볼 수 있는 방법과 같은 강화 기능들은 대부분 잠재적으로 이미 존재합니다. 그러나 우리가 도움을 요청할 때 잘못된 방법으로 이야기를 하거나 도움을 받은 후 경솔한 말을 하면서 망치게 되는 것입니다. 

(쿼츠, Heidi Grant) 

원문 보기

2017년 8월 OpenAI가 처음 도타 2 세계에 등장해서 1대1 게임에서 최고 플레이어들을 이길 수 있는 시스템을 공개한 것을 기억할 것입니다. OpenAI는 봇들을 업그레이드시켜 더 많은 협력과 더 긴 시간의 계획이 필요한 5대5 게임에서 인간 플레이어를 상대할 수 있게 되었습니다. OpenAI가 게임의 최강 플레이어에게 도전하는 가운데, 2018년 말 e-스포츠 최대 연간 이벤트인 도타 2 토너먼트 The International에서 인간 게이머들에게 맞설 것입니다.

이런 종류의 연구 동기는 매우 간단합니다. 우리가 AI 시스템에게 비디오 게임을 하는데 필요한 기술을 가르치는데 성공한다면, 도시의 교통 시설 관리같은 비디오 게임을 닮은 현실의 복잡한 문제를 푸는데 사용할 수 있습니다.

OpenAI의 공동 설립자이자 기술 최고 책임자인 그레그 브록만은 Verge에 “실제 응용 프로그램으로 전환할 수 있는 일이기 때문에 매우 흥미로운 이정표입니다. 어떤 문제의 시뮬레이션을 가지고 있을 경우 충분히 대규모로 실행할 수 있습니다. 이런 기술로 수행할 수 있는 작업에는 장벽이 없죠.”라고 밝혔습니다.

기본적으로 비디오 게임은 체스나 바둑 같은 보드게임에는 없는 다른 종류의 난제를 가지고 있습니다. 비디오게임은 플레이어에게 정보를 다 보여주지 않는데, 인공지능 역시 가장 좋은 다음 움직임을 계산할 때에 전체 게임 필드를 볼 수 없다는 의미입니다. 또, 비디오 게임에는 처리해야 할 정보가 더 많고 가능한 움직임의 숫자도 상당히 많습니다. OpenAI의 도타2 봇은 게임의 매 순간마다 게임에서 일어나고 있는 일을 알려주는 20,000개의 데이터 포인트를 처리하면서 1,000개의 다른 행동 중에 하나를 선택해야 합니다.

연구소는 봇을 만들 때 강화 학습이라고 알려진 머신 러닝 방법을 사용했습니다. 강화 학습은 매우 복잡한 행동을 만들어 낼 수 있는 믿을 수 없을 만큼 간단해 보이는 테크닉입니다. 인공지능 에이전트는 가상 환경에서 시행착오를 통해 어떻게 목표에 도달할 수 있는지 자기 자신을 학습시킵니다. 프로그래머는 보상 기능(예를 들면 적을 죽이면 봇에게 포인트로 상을 주는)을 설정하고 인공 지능 에이전트가 계속 반복하여 게임을 하게 놓아둡니다.

이 새로운 도타 봇들의 게임 플레이양은 엄청났습니다. 봇들은 매일 빠른 속도로 180년 분량의 게임을 했고 이 속도로 몇 달간 훈련을 계속했습니다. 브록만은 “처음에는 그냥 지도를 돌아다니는 것처럼 상당히 임의로 게임을 시작했습니다.그리고, 몇 시간 후에 봇들은 기본 기술을 배우기 시작했습니다.”고 말했습니다. 그는 덧붙여 인간이 프로가 되는데 12,000시간에서 20,000시간이 걸린다고 한다면, OpenAI 에이전트는 “매일 100번의 인간 생애를 경험하는 셈” 이라고 말했습니다.

한편, 이 연구는 현대 머신 러닝법과 방대한 양의 데이터를 처리하는 최신 컴퓨터 칩의 힘에 대한 증거이기도 합니다. 다른 한 편으로는 얼마나 인공지능 에이전트가 지능이 낮은지를 상기시켜주는 결과이기도 합니다. 인간이 하나의 비디오 게임을 하는 법을 배우는데 수천 년이 걸렸다면 우리 인간 종은 크게 발전하지 못했을 겁니다.

OpenAI의 봇이 5대5 게임을 하고 있지만 아직 도타2 게임 전체의 복잡함을 경험했다고는 볼 수 없으며 아직 많은 한계가 있습니다. 봇들은 115개의 영웅 캐릭터 중에 각자 게임 스타일이 있는 5개 영웅만을 사용하고 있습니다 (봇들이 선택한 캐릭터는 강령사제, 저격수, 바이퍼, 수정의 여인과 리치입니다).

상인들에게 구입할 아이템이나 게임 내 경험 포인트로 레벨을 올릴 스킬을 선택하는 것 같은 결정을 내리는 과정의 특정 요소는 프로그래머에 의해 하드코딩되었습니다. 원격 카메라로 작동하고 높은 수준의 게임에 필수적인 아이템인 투명화, 소환, 와드 배치 같은 게임의 까다로운 부분들 또한 비활성화 되었습니다. (어떤 게임 가이드가 “새로운 게이머를 가장 혼란스럽게 하는 것은 무엇보다 와드ward 다”라고 설명한 바와 같이)

OpenAI 에이전트는 우리가 기대하는 컴퓨터의 모든 장점을 가지고 있습니다. 인간보다 더 빨리 반응하고, 단 한 번의 클릭도 실수하는 법이 없고 아이템 인벤토리 같은 데이터를 정확하게 찾고, 영웅의 건강 유지나 특정 마술을 사용하기 위해 꼭 필요한 지도에서 물체 사이의 거리 측정같은 작업을 아주 잘 수행할 수 있습니다. 이 모든 작업은 인간 게이머는 수동으로 확인하거나 본능적으로 판단해야 하는 정보입니다.

이 모든 상황이 봇의 능력에 의문을 제기하는 것으로 보이겠지만, 브록만은 핵심에서 벗어난 것이라고 주장합니다. 평균 45분이 걸리는 도타2 게임 전체를 할 수 있는 능력이 바로 OpenAI 에이전트가 차별화되는 부분이라고 합니다. 이렇게 장기 계획을 세우는 능력은 강화 학습으로 가르치기 어렵거나 심지어 불가능하다고 생각되었지만, OpenAI의 연구는 상반된 결과를 보여주었습니다. 브록만은 자신의 성공은 문제를 해결하는 컴퓨터 연산 능력을 추가했기때문이라고 밝혔습니다. “이건 정말 규모의 문제이죠.”

협력을 연구하는데 컴퓨터 게임을 사용하고 있는 바스 대학교의 인공지능 연구자 안드레아스 테오도루는 5대5 게임의 최근 연구는 커다란 진전이라고 말했습니다. 그리고 OpenAI의 가장 “중대한 발전”은 에이전트를 디버깅하는데 시각화를 사용한 부분임을 강조했습니다. (인터랙티브 시각화는 여기서 볼 수 있습니다) “이 기술은 강화 학습과 머신 러닝 시스템이 대체로 어떻게 투명할 수 있는지를 보여줍니다” 라고 테오도루는 Verge에 말했습니다. 특히 교육적인 목적에서 이런 부가적인 기능이 “시스템의 가치를 높인다”고 덧붙였습니다.

연구자들이 봇의 협업을 격려하는 별도의 보상 기능 또한 주목할만한 부분이라고 테오도루는 말했습니다. “팀 정신”이라고 명명된 이 보상 기능은, 경기가 치러지면서 점점 증가했습니다. 봇들은 더 많이 죽여 랭킹 올리기 같은 개별적인 목표를 추구하면서 게임을 시작했지만 시간이 지나면서 좀 더 공동의 목표에 집중했습니다.

브록만은 인간 게이머들과 달리 봇은 “이기심”은 전혀 존재하지 않는다고 합니다. “봇들은 더 큰 이익을 위해 레인을 희생하거나 영웅을 기꺼이 내버렸습니다.  재미를 위해 다섯 개의 봇 중 하나를 인간 플레이어와 대체해 보았는데, 봇에게 특별히 더 무엇을 하라고 지시하지 않았는데도 인간 플레이어는 봇에게 너무나 큰 지원을 받았다고 느꼈습니다. 인간이 무엇을 원하든 봇이 가져다 주었습니다.”

OpenAI의 봇으로 이루어진 팀은 지금까지 아마추어와 세미프로 팀을 상대로 다섯번의 멀티게임 매치를 치렀고, 그 중 4게임을 이기고 1게임을 비겼습니다. 하지만 더 큰 도전은 올해 말에 있을 The International 대회입니다. 완벽한 타이밍과 이기적이지 않은 기계들은 보다 유연하고 본능적으로 게임을 하는 인간 프로게이머들에게 대항할 수 있을까요?  지금은 누구든 이길 수 있는 게임처럼 보입니다. (Verge, James Vincent)

원문 보기

새로운 연구에 따르면 이런 미각적 즐거움이 있는 음식에 포함된 칼로리를 직관적으로 파악하는 인간의 능력 또한 존재하지 않는 것으로 보입니다. 그러나 인간의 뇌는 탄수화물과 지방이 조합된 음식이 눈앞에 보일 때, 지방 함량만 높은 음식이나 탄수화물 함량만 높은 음식에 대한 반응을 넘어서는, 음식에 대한 강한 동기가 급증하는 반응을 보입니다.

이 현상은 다른 많은 것처럼 인간이 만든 난제이고, 세계적인 비만 위기를 야기했다고 볼 수 있습니다. 인간의 천재성과 산업이 만든 제품들이 인간의 진화된 특성을 끊고 우리를 파괴의 길로 몰아갈 때 어떻게 해야 할까요?

얼마 전 발표된 셀 메타볼리즘 저널에 실린 연구는 우리가 몰랐던 사실을 밝혀주고 있지 않습니다: 우리는 너무 많이 먹고, 나쁜 음식도 엄청나게 소비하며, 심장병과 당뇨, 암의 높은 발병률과 비만으로인해 줄어든 수명으로 그 대가를 치르고 있습니다.

그러나 이 연구는 왜 우리가 흔하고 촌스러운 리츠 크래커이나 환상적인 페스트리같은 음식을 거부하기 힘든 이유를 밝혀냈습니다. 이런 음식들은 지방과 탄수화물의 사악한 조합이기 때문입니다. 뇌는 칼로리로 전환할 칼로리를 찾는 것입니다. 즉, 단순히 지방 함량만 높거나 탄수화물 함량만 높은 음식보다 고지방, 고탄수화물 음식은 쉽게 당으로 전환하게 됩니다. 우리는 얼마나 높은 칼로리인지 인식하지 못한채 그런 선택을 하게 됩니다.

연구자들은 마른 체형의 평균 나이 25세인 참가자 56명을 통해 연구 결과를 도출했습니다. 참가자들에게 약간 배고플 정도의 아침 식사를 주고, 몇시간 뒤, 살짝 배고파졌을 때 돈을 조금 주고 39장의 익숙한 음식 사진을 보여준 다음, 가장 먹고 싶은 음식에 돈을 걸게 했습니다. 이 게임이 끝났을 때 컴퓨터보다 더 많은 돈을 걸었다면 그 음식을 사 먹을 수 있게 했습니다.

또, 참가자들에게 사진 속 음식의 칼로리가 얼마나 높은지 예측하게 했고, 또 얼마나 좋아하는지 말하도록 했습니다. 실제로 사진 속 음식들의 칼로리는 같았습니다. 이 음식 중 1/3인 사진 13장은 젤리, 식빵, 스파게티 같은 고탄수화물의 음식이었고, 또 다른 13장은 치즈나 살라미처럼 지방 함량이 높은 음식이었으며 나머지 13장은 지방과 탄수화물이 둘다 높은 버터 크래커나 초콜릿, 겹겹이 층이 있는 페이스트리같은 음식이었습니다.

마지막으로 참가자들이 사진을 보는 동안 뇌를 스캔하여 각각 다른 종류의 음식을 보고 생각하는 동안 뇌의 어느 부위가 가장 활성화 되는지를 관찰하였습니다.

일련의 분석결과와 참가자들의 답을 연관지어 종합 분석한 결과, 연구자들은 지방 함량이나 탄수화물 함량이 높은 음식을 좋아하는 정도에 상관없이 지방과 탄수화물의 조합을 가진 음식에 가장 많이 돈을 지불하는 결과( 따라서 가장 먹을 확률이 높은 음식으로 선택하는 결과)를 발견했습니다. 사진을 보고 있는 동안 참가자들의 뇌의 활동은 모두 같은 성향을 보였습니다. 살라미나 젤리를 케이크나 크래커만큼 좋아한다는 평점을 주기도 했지만, 지방과 탄수화물 조합의 음식을 봤을 때 뇌에서 보상 회로가 가장 활성화되었습니다. 사진 속 음식의 칼로리 함량을 예측하게 했을 때 참가자들은 지방 함량이 높은 음식의 칼로리 함량은 잘 판단했습니다. 그러나 탄수화물 함량이 높은 음식, 탄수화물과 지방이 조합된 음식의 칼로리는 잘 판단하지 못했습니다.

셀 메타볼리즘 저널에 발표된 연구의 저자는 “지방과 탄수화물의 조합은 더 강력한 보상으로 작용한다. 지방과 설탕의 조합 자체만으로, 칼로리 함량과 선호도, 음식 크기와 상관없이 음식에 대한 보상 가치를 증가시켰으며 지방 함량이 높은 음식의 열량을 정확하게 측정하는 능력을 방해하였다” 고 밝혔습니다.

쉽게 말하면, 지방과 설탕의 조합이 음식 진열대와 상점의 윈도, 텔레비전 스크린과 메뉴에서 우리를 유혹하면 우리는 인간의 가장 원초적인 본능에 무너지고, 이런 인간의 사악한 발명의 유혹을 무시하거나 싫어하거나 거부할 수 있게 아직 진화하지 못했다는 이야기입니다.

(LA타임스, Melissa Healy)

원문 보기

사이언스지(Science)에 발표된 새 논문에 의하면 대규모의 사회 변화가 일어나기 위해서는 확실한 입장을 취하는 약 25%의 소수가 있어야 한다고 합니다. 이 사회적 티핑 포인트는 직장 내 기준이나 모든 사회 운동 및 주도권을 잡는데도 적용됩니다.

사람들은 온라인에서 소셜 미디어에 포스팅할 내용의 종류부터 사용하는 언어에 보여야 할 예의에 이르는 여러 규범을 만들게 됩니다. 우리는 최근 대중의 태도가 동성 결혼, 총기 관련 법률 혹은 인종이나 양성평등 같은 문제를 비롯하여 대중이 받아들이는 (혹은 거부하는) 신념이나 의견을 어떻게 바꿀 수 있고, 또 실제로 변화시키는지 볼 수 있었습니다.

지난 50년간 많은 기관과 커뮤니티는 변화에 대한 연구에서 관찰만으로 티핑 포인트에 이르기 위해 꼭 필요한 소수의 숫자를 찾는 시도를 해왔습니다. 연구자들은 티핑 포인트가 10%에서 40% 사이의 범위 내에 있을 수 있다고 추측했습니다. 그러나 현실 세계의 사회 다이내믹은 복잡하고, 역사를 동일한 방법으로 정확하게 재생하여 사회 운동가 그룹의 크기가 더 크거나 더 작을 경우 결과가 어떻게 달라지는지 확인할 방법이 없었기 때문에 과학자들은 연구에 어려움을 겪었습니다.

이번에 사이언스 지에 발표된 연구의 주 저자이며 펜실베니아 대학의 커뮤니케이션, 공학 및 응용과학을 연구하는 아넨버그 스쿨의 조교수인 데이몬 센톨라 박사는 “본 연구에서 우리는 그룹의 규범을 바꾸기 위해 필요한 소수 그룹의 크기를 예측하는 이론적인 모델을 개발하여 실험을 통해 확인할 수 있었습니다.” 라고 밝혔습니다.

십 년 이상의 진행된 실험 연구를 통해 센톨라는 대규모의 사회 다이나믹 변화를 온라인 상에서 실험하는 방법을 개발하였습니다. 공동 저자인 조슈아 베커 박사, 데본 브랙빌 박사와 안드레아 바론첼리 박사가 함께 발표한 논문 “사회 관례의 티핑포인트에 대한 실증”의 연구에 참여자 20명으로 구성된 10개 그룹은 언어적 규범을 따를 경우 보상을 받았습니다. 언어 규범이 만들어진 다음, 규범에 반대하는 소수 반대자들로 하여금 전체 그룹의 규범을 바꾸게 독려했습니다. 실험에서 이 소수 반대자들의 숫자는 그룹에 따라 다르게 설정되었습니다.

소수가 전체 그룹의 25% 미만일 경우 변화의 시도는 실패했습니다. 그러나 변화를 위해 헌신한 소수가 25%에 이르렀을 때 그룹 다이나믹에 급격한 변화가 왔고 매우 빠르게 집단의 다수가 새로운 규범을 받아들였습니다. 한 실험에서는 단 한 사람의 차이가 변화의 성패를 좌우했습니다.

연구자들은 기존의 규범을 따르는 사람들에게 주는 보상 금액을 올려서 결과의 정확도를 실험하였습니다. 기존의 규범을 따르는 사람에게 제공하는 상금을 두 배, 세 배로 올렸을 때도 소수는 여전히 그룹의 규범을 뒤집을 수 있다는 결과를 관찰했습니다.

펜실베니아대학 아넨버그 스쿨에서 네트워크 다이나믹 그룹을 이끄는 센톨라 박사는 “사회가 대규모의 사회 변화를 일으키는 티핑 포인트에 가까이 가고 있다는 사실을 알 수 있는 방법이 없습니다. 그리고 티핑 포인트에 이르지 못할 때 소수의 노력은 실패로 돌아갔습니다. 그러나 놀랍게도 단 한 명이 추가되어 25%의 티핑 포인트를 넘을 경우, 소수의 노력은 전체 그룹의 의견을 바꾸는데 빠른 성공을 거두었습니다.” 고 말했습니다.

실제 상황은 훨씬 더 복잡할 수 있다는 점을 감안할 때, 저자의 모델이 이야기하는 25%라는 정확한 티핑 포인트는 상황에 따라 변할 수 있습니다. 이 정확한 숫자는 사람들이 규범을 기억하는 기간과 어떤 신념이나 행동이 얼마나 깊숙이 자리 잡고 있는지와 관련이 있습니다.

예를 들면, 수많은 과거의 상호 작용에 근거한 신념이 있는 사람은 하나의 변화 요인에 의해 비교적 덜 영향을 받는 반면 최근의 상호 작용만 고려한 사람이라면 더 쉽게 바뀔 수 있습니다.

“이 연구 결과는 사회 규범을 바꾸기 위해서는 다수의 운동가가 필요하다고 생각하는 몇백 년간 내려온 고전 경제학의 사회 변화에 대한 관점과 극명한 대조를 보입니다. 균형 안정성 분석이라고 불리는 전통적인 모델은 진정한 사회 변화를 시작하기 위해서는 51% 이상의 사람이 필요하다고 주장합니다. 그러나 우리는 이론적으로나 실험적으로 훨씬 더 적은 사람으로 효과적인 변화를 만들 수 있다는 사실을 발견했습니다.

센톨라는 특히 개인적인 보상이 다른 사람들이 용인하는 행동을 조정하는 사람의 능력과 직접 관련된 조직에서 친사회적인 방향으로 사람들을 독려하는 환경이 조성될 수 있다고 믿습니다.

또한 센톨라는 이 연구는 인터넷상의 정치적인 운동에 직접적인 영향을 미친다고 제안했으며, 중국 정부가 웨이보와 같은 소셜 네트워크를 친정부 선전에 사용하여, 사회적 불안을 조성할 수 있는 부정적인 이야기에서 대화의 규범을 효과적으로 전환시키는 지를 예로 들어 새로운 통찰력을 제공하고 있습니다.

사람들이 믿고 있는 근본 신념을 바꾸기는 어렵습니다. 그러나 센톨라의 연구 결과는 헌신적인 소수의 사람이 사회적으로 용인된 행동을 바꿀 수 있으며, 에너지 소비 감소, 직장 내 성희롱 감소 및 운동 습관 개선과 같은 친사회적인 결과로 이어질 가능성을 보여줍니다. 이 결과는 반대로 소수에 의해 인터넷 트롤이나 사이버 폭력 및 인종 차별의 집단적 폭발 등 대규모의 반사회적인 행동 또한 촉발할 수 있습니다.  대규모 행동 변화의 영향은 또한 이달 프린스턴대학 출판사에서 출간한 센톨라 박사의 책 “어떻게 행동은 퍼져나가는가”의 주제이기도 합니다. (Science Daily)

원문 보기

그렇다고 이제부터 늦잠 잘 계획을 세우기에는 아직 이릅니다. 지난 14억 년 동안의 지구와 달의 관계를 조사한 새로운 연구에 의하면 14억 년 전에는 하루(지구의 자전 주기)가 18시간밖에 되지 않았습니다. 인간은 14억 년 동안 추가로 6시간을 더 얻은 셈이고, 이를 다시 계산해보면 하루의 길이는 매년 평균 0.00001542857초씩 늘어난 겁니다. 감지하기 어려울 만큼 아주 적은 시간이죠.

이렇게 하루가 더 길어진 이유는 달이 계속해서 아주 조금씩 지구에서 멀어졌기 때문입니다. 14억 년 전 달은 지구에 좀 더 가까웠고, 지구의 회전은 더 빨랐습니다. 위스콘신 매디슨 대학의 지구과학자 스티븐 마이어스는 “팔을 멀리 뻗어서 회전속도를 줄이는 피겨스케이팅 선수와 같이, 달이 멀어지면서 지구의 회전 속도는 줄어들었다”고 말했습니다.

연구팀은 지질학 기록과 천문학 이론을 연결하는 천문연대학 기술을 이용하여 지구와 태양계의 역사를 재구성하였습니다.

구체적으로 말하면 연구팀은 지구의 기후 변화는 태양의 주위를 도는 공전 궤도와 자전축 기울기, 자전축의 세차운동, 그리고 태양에 가까워지거나 멀어지는 지구 축의 흔들림 등의 복합적인 변화로 인해 발생한다고 하는 밀란코비치 주기를 사용했습니다.

이 주기는 각 위도에 도달하는 태양 복사량의 변화를 가져왔으며, 이 기후 변화는 고대 암석과 화석에 기록되었습니다.

과학자들은 천문연대학을 사용하여 지구의 기후와 수억 년 전 태양계의 다른 물체들이 어떤 관련이 있는지 연구할 수 있습니다. 궤도 변화에 따른 기후 변화를 궤도 촉성(orbital forcing)이라고 부릅니다. 그러나 방사성 동위원소와 같은 연대 결정 기술이 그렇게 오래전의 주기를 식별할 만큼 정밀하지 않기 때문에 수십억 년 전까지 지질학 기록을 거슬러 올라가기는 더 어렵습니다.

또 다른 어려운 점은 혼돈 태양계 이론에 관한 부분입니다. 혼돈 태양계 이론은 태양계의 물체들이 시간이 지나면서 규칙적이고 상당히 예측 가능한 궤도를 갖기보다 더 혼란스러워진다는 이론입니다.

지질학적 기록을 연구함으로써 시간이 지남에 따라 태양계가 어떻게 변했는지 확인할 수 있습니다. 마이어스와 동료들은 작년에 발표한 논문에서 콜로라도 암반층에 있는 퇴적층을 근거로 9천만 년 전에 지구와 화성의 상호작용이 일어났음을 증명해냈습니다.  연구진은 이것이 혼돈 태양계의 첫 번째 명백한 증거라고 말했습니다.

그러나 시간을 더 거슬러 올라가면 많은 문제가 발생합니다. 예를 들면, 달은 현재 지구에서 매년 3.82cm씩 멀어지고 있습니다. 우리는 달의 나이가 45억 년이라는 것을 알고 있습니다. 현재 속도로 단순히 역산해보면, 15억 년 전에 달은 지구와 너무 가까워서 지구 중력 때문에 파괴되었을 것입니다.

마이어스는 컬럼비아 대학의 지구학자 알베르토 말린베르노와 함께 천문학적 이론과 지질학적인 데이터, 불확실성을 다루는 데 도움이 될 베이지안 역산(Bayesian inversion)이라는 통계적 접근법을 통합한 TimeOptMCMC라는 시스템을 개발했습니다.

연구팀은 이 시스템을 14억 년 된 중국 북부의 시아말링층과 5500만 년 된 남대서양 월비스 해령의 암반층에 적용하였고, 지구와 달의 거리, 지구 궤도의 변화 및 14억 년 전의 하루 길이까지 계산할 수 있음을 발견했습니다.

시아말링 층에 TimeOptMCMC 시스템을 적용하여 다시 잰 지구와 달 사이의 거리를 보면 과거에는 달이 지구에서 더 천천히 멀어지고 있었음을 알 수 있습니다. 즉 매년 하루의 길이는 시간이 지날수록 더 길어졌다는 뜻이며, 해마다 0.000018초 정도 더 길어진다는 최근의 연구 결과가 유효함을 증명합니다.  미래에 연구자들은 수십억 년 전의 태양계 진화를 재건하기 위해 이 접근법을 사용하려고 할 것입니다. 마이어스는 이렇게 말했습니다.

“지질학적 기록은 초기의 태양계의 천문대입니다. 우리는 암석과 생명의 역사 속에 보존된 태양계의 고동치는 리듬을 보고 있는 것입니다.”

이 연구 자료는 미국 국립과학원회보(PNAS)에 발표되었습니다.

(Michelle Starr, Science Alert)

원문 보기

프랙탈(fractal)을 논의하는 부분에서 제프리 웨스트는 복잡성의 이론에 가장 근접한 논의를 진행합니다. 프랙탈은 나뭇가지나 포유류의 혈관과 같이 모든 크기가 비슷해 보이는 크고 작은 가지 같은 구조입니다. 프랙탈의 작은 조각을 크게 확대해보면 전체처럼 보입니다. 수학자 베누아 만델브로는 1960년대에 프랙탈을 연구하기 시작했고, 자연에 있는 프랙탈의 편재성에 주목했습니다. 프랙탈 구조는 확장으로부터 독립적이기 때문에 자연스럽게 확장의 법칙 쪽으로 연구가 이어졌습니다. 웨스트는 포유류 혈관 시스템의 예를 상세하게 다뤘는데 이 혈관 시스템의 삼차원 조직에서 일차원 혈관을 통해 영양분의 공급을 최적화시키도록 프랙탈의 분기가 발전하였음을 볼 수 있습니다. 최적화된 분기에서 확장의 법칙이 관찰되고 총 혈액의 흐름은 질량의 3/4승에 비례한다는 점이 관찰되었습니다. 생물학에서 발견되는 확장의 법칙 대부분은 조직의 프랙탈 구조의 결과와 유사한 방식으로 이해할 수 있습니다.

그러나 프랙탈의 이론적인 논의 자체를 복잡성의 이론이라고 볼 수는 없습니다. 프랙탈은 복잡한 구조 중에서도 가장 융통성 없는 규칙을 가진, 복잡한 구조 중 가장 단순한 종류로 이루어져 있습니다. 정확한 확장의 법칙은 복잡성의 결과가 아니라 단순함의 결과입니다. 웨스트가 생물학에서 나아가 경제학과 사회학으로 그 주제를 옮길 때 프랙탈 구조는 덜 분명해지며 확장의 법칙 또한 정확성이 떨어집니다. 도시와 회사에는 대략 계층적인 구조만 있으며, 어떤 이론에 의해 좌우되지 않습니다.

제프리 웨스트는 대도시를 매우 좋아하며 인간 사회의 서식지로서 대도시가 우월한 점을 확장의 법칙을 이용해 설명합니다. “도시의 과학에 대한 서곡”이라는 제목의 장에서 제프리 웨스트는 현대 도시에 대해 다분히 서정적인 평가를 내립니다.

세계의 위대한 대도시들은 인간 상호작용을 촉진시켜, 혁신과 흥분의 원천인 영감을 제공하고, 한마디로 정의할 수 없는 뜨거운 관심을 모으며 회복력과 성공에 크게 기여한다.

사실 이런 관점은 널리 받아들여지는 것이기도 합니다. 도시의 엄청난 발전과 성장을 설명하는 데도 어느 정도 잘 들어맞기도 하죠. 이번 세기에도 수십억 명의 사람들이 시골에서 도시로 이동할 것이며, 인간이 사는 곳은 갈수록 더 도시화될 것입니다.

제프리 웨스트는 45번 도표에서 도시 내 통화 수와 거주자 수에 관련된 확장의 법칙을 제시합니다. 통화 수는 인구의 1.15승으로 증가합니다. 이 규칙은 통화 기록을 가장 정밀하게 수집하는 영국과 포르투갈에서는 정확하게 맞았습니다. 웨스트는 통화 수를 삶의 질을 나타내는 좋은 척도로 보았습니다. 다른 사람과 전화할 일이 많다는 건 그만큼 더 많은 사회적 상호작용과 비즈니스 거래가 일어나고 아이디어를 주고받는다는 뜻으로, 개인들이 사회의 발전에 더 기여할 가능성이 커집니다. 그는 인간의 진보가 일어나는 대도시의 특성을 버즈Buzz라는 단어를 써서 포착합니다. 위대한 도시들은 도시에 사는 개개인이 더욱 효과적으로 혁신에 이바지할 수 있게 한다는 그의 관점을 비선형적 확장의 법칙이 확인시켜 준다고 보았습니다.

웨스트는 반대 방향으로 작용하는 다른 확장의 법칙에 대해서는 언급하지 않았습니다. 다른 확장의 법칙은 유전자 부동의 법칙으로, 소규모의 인구에서 진화에 매우 중요한 요소라고 앞서 언급한 바 있습니다. 소규모의 인구 내에서 교배가 이루어질 경우, 모든 인간 능력의 평균적인 수치의 부동율은 인구의 역제곱에 비례합니다. 도시보다 고립된 마을에서 평균적인 수치가 더 자주 바뀝니다. 평균적으로 시골 사람들이 도시 사람들보다 능력이 뛰어난 것은 아닙니다. 그러나 만약 1천만 명의 사람이 유전적으로 고립된 마을에 나눠진다고 할 경우, 운이 좋은 어떤 마을에는 평균 능력이 상당히 높은 사람이 모일 것이고, 이 안에서 교배가 이루어지면 단시간 내에 천재들이 태어날 가능성이 커집니다. 이런 유전적 고립의 영향은 마을의 인구가 계급이나 카스트, 종교 등으로 또다시 나누어지면 더 강해집니다. 사회적 우월주의는 지역적 분리만큼 효과적으로 사람들이 유전자를 널리 퍼뜨리는 것을 막을 수 있습니다.

유럽 및 중동 인구의 상당 부분이 기원전 1000년부터 서기 1800년 사이에 유전적으로 고립된 마을에 살았기 때문에 유전자 부동은 지식 혁명을 가능하게 한 가장 중요한 요소였을 가능성이 있습니다. 지식 혁명이 일어난 장소들 가운데 특히 기원전 800년경의 예루살렘(단일신 종교의 발생), 기원전 500년경의 아테네(드라마와 철학의 발명 및 과학의 기원), 1300년경의 베네치아(현대 상업의 발생), 1600년경의 피렌체(현대 과학의 발생), 그리고 1750년경의 맨체스터(현대 산업의 시작)가 있습니다.

이 장소들은 모두 인구가 수만 명인 마을이었으며, 그 안에서 다시 다른 부족, 사회적으로 다른 계급으로 세분돼 있었습니다. 각각의 경우에 수백 년 동안 집단 내 교배를 통해 몇몇 천재가 탄생하였고, 이들은 우리의 사고방식을 완전히 바꿔놓았습니다. 이러한 발생에는 많은 역사적인 이유가 있습니다. 문화적이고 정치적인 사건이 젊은 천재들에게 특별한 기회를 제공했을 수 있습니다. 그러나 이런 천재들의 탄생은 유전자 부동의 결과로 볼 수 있습니다. 이 예시들은 모두 서구 사회에만 해당합니다. 다른 문화권에서도 유사하게 천재들이 탄생했음은 의심의 여지가 없으나 다른 문화권에서 역사적으로 세부사항이 어떠했는지 잘 모르기 때문에 이에 관해서는 언급할 수 없습니다.

제프리 웨스트는 마을을 통한 변화를 도외시했습니다. 이는 무척 중요한 질문으로 이어집니다. 향후 수 세기 동안 많은 사람이 과연 유전적으로 고립된 커뮤니티에 남아있을까요? 우리는 이 질문에 자신 있게 대답할 수 없습니다. 경제적 발전과 세계의 정치, 그리고 그보다 더 예측 불가능한 인간의 욕망에 따라 답이 달라질 수 있기 때문입니다. 그러나 우리는 인간 커뮤니티를 영원히 유전적으로 고립시킬 두 가지 기술적 발전을 예측해볼 수 있습니다.

먼저 소수의 부모가 미래의 삶에 유리하도록 자식의 유전자를 원하는 대로 바꿔 낳을 수 있게 될지 모릅니다. 이렇게 변형된 아이들은 다른 아이들보다 더 건강하거나, 더 오래 살거나 지적으로 더 재능을 타고 났을 수 있으며, 자연적으로 태어난 아이들과는 교배하지 않으려 할 수 있습니다. 아니면 소수의 사람이 지구를 떠나 아주 먼 우주의 어느 공간에서 새로운 사회를 시작할 수도 있습니다. 제프리 웨스트는 이 두 가지 가능성 중 어느 하나도 고려하고 있지 않습니다. 미래에 대한 그의 관점은 인간이 하나의 행성에서 단일한 종족으로 영원히 남는 전제 위에서 전개됩니다. 우리의 미래가 과거와 비슷하다면, 인류의 조상이 지구에서 널리 퍼져나가고 다양화되었듯, 온 우주로 퍼져나가 여러 종족으로 다양화될 것입니다.

인류가 지구에 남는 한 인류는 사회적, 정치적 도덕적 이유를 동원해 특정 부모가 자녀의 유전자를 바꿔 낳지 못하게 할 것입니다. 우리가 아주 멀리 떨어진 고립된 커뮤니티로 흩어진다면 굳이 유전자 조작이나 변형을 금지할 이유가 없습니다. 소수의 인간이 춥고 공기가 없는 환경을 식민지화한다면 그들의 자손들이 환경에 적응할 수 있도록 유전자 공학을 사용하는 데 망설이지 않을 것입니다. 우주의 식민지화를 예언했던 19세기의 콘스탄틴 치오코프스키는 이미 인간의 폐를 초록색 잎으로 대체하고, 목소리 대신 피부에 나타나는 무늬를 바꿔 소통하는 우주 식민지의 생명체를 상상해 그렸습니다. 우주 운송 기술과 유전자 기술이 치오코프스키의 꿈을 실현하는 데 얼마나 걸릴까요?

기술의 발전은 예측하기 어렵지만, 유전자 변형된 아기와 우주여행이 저렴하고 보편화하는 데 200년 정도를 예상한다면 (과학의 발전에 100년 정도 걸리고 이를 응용해 기술을 개발하는 데 약 100년이 걸린다고 가정하면) 이는 합리적 예측일 것입니다. 또한 200년 안에는 태양계로 승객과 수화물을 나르는 공공 우주 고속도로가 생기고 교통량이 어느 정도가 되면 일반인도 큰 부담 없이 우주를 왕래할 수 있을 것입니다. 동시에 농부들은 미생물을 번식시킬 뿐만 아니라 인공적인 생태계에서 공생할 수 있도록 고안된 식물과 동물도 번식시키게 될 것입니다. 생태계에 인간을 포함하는 선택 또한 항상 가능하게 됩니다.

저렴한 우주여행이 가능해지려면 두 가지 공공 고속도로가 필요한데, 하나는 지구와 같이 중력이 강한 행성을 탈출하는 데 필요하며 또 하나는 중력이 강하지 않은 곳 사이를 여행하는 데 필요한 고속도로입니다. 강한 중력의 고속도로는 강력한 레이저 빔을 땅에서부터 고속도로로 쏘아 올려서 만들어진 것으로 우주선이 빔으로부터 에너지를 받아 상하로 날 수 있게 합니다. 교통량이 늘어나 이 레이저빔을 지속할 수 있게 된다면 우주선 한 대당 드는 에너지 비용은 오늘날 제트기로 대륙과 대륙을 여행하는 데 드는 에너지의 비용과 비슷해질 것입니다. 저중력 전용 고속도로는 태양열을 에너지 자원으로 사용하는 이온 제트 엔진으로 가동되는 우주선에 연료를 충전하는 시스템을 만들어 운영할 수 있습니다. 앞으로 200년간 우리가 더 나은 시스템을 발명하지 않는다는 가정하에 고중력 시스템과 저중력 시스템 모두 200년 이내에 발전하게 될 가능성이 있습니다.

먼 우주에서 적은 비용으로 생존하기 위해서는 온혈식물을 만드는 유전자 공학이 필요합니다. 온혈식물들은 원거리에 있는 태양, 물에서 오는 에너지와 얼어붙은 토양에 있는 필수 영양분을 활용하여 태양계의 모든 차가운 물체의 표면에서 자랄 수 있습니다. 식물은 살아있는 온실이 되며 외부의 차가운 거울이 햇빛을 집약시켜 투명한 창문에 투영해 온실 내부의 뿌리와 새싹들은 햇볕으로 따뜻하게 유지될 수 있습니다. 온실 내에는 편안한 온도에서 숨 쉴 수 있는 공기로 차 있는 공간이 있어 미생물과 식물, 동물과 인간의 다양한 생태계의 서식지가 되어줄 것입니다. 온혈식물들은 거울과 온실을 자라게 하며 전체 커뮤니티에 영양분을 공급해줍니다. 소행성이나 혜성, 위성과 같은 태양계의 작은 물체들은 표면적만 놓고 보면 지구보다 훨씬 더 많은 인구를 수용하기에 아주 넓습니다. 태양계가 지나치게 붐비게 되면 생명은 다른 은하계와 우주로 더 멀리 퍼져나갈 수 있습니다.

“지속 가능한 대통합 이론의 비전”이라는 제목의 챕터는 미래에 대한 웨스트의 관점을 보여줍니다. 제프리 웨스트는 대도시와 빅데이터의 빠른 성장이 인간의 활동을 초기하급수적으로 확장한다고 보고 있습니다. 그러나 이러한 성장은 관찰된 양이 무한한 시간 속에 무한하게 성장하게 되면서 수학적으로 특이점을 가져오기 때문에 지속 가능하지 않습니다. 특이점에 대한 생각은 레이 커즈와일의 책 “특이점이 온다”(2005) 에서 나온 것으로 인공지능이 폭발적으로 성장한 결과, 세계의 위기가 닥치는 것은 불가피하다는 생각입니다. 일반적으로 커즈와일의 주장을 과학보다 과학 소설에 가깝다고 생각하지만, 제프리 웨스트는 알려진 확장의 법칙의 결과로 이 주장을 심각하게 받아들이고 있습니다.

다가오는 특이점은 인간의 존재를 지속 가능하게 하기 위해 인간 사회 조직에 강제로 근본적인 변화를 가져올 것입니다. 그러나 확장의 법칙으로 인해 또 다른 특이점이 오고 이에 따른 다른 강제적인 근본적 변화가 불가피하게 됩니다. 웨스트는 지속 가능한 대통합 이론을 통해 진정으로 유지 가능한 사회를 만드는 법을 알게 될 때까지 특이점이 반복되는 미래를 예상하고 있습니다. 그는 영원히 지속 가능한 사회의 모습을 우리의 상상력에 맡기고 있으며, 인간 행동의 규칙을 정하게 될 대통합 이론 하나만을 지속 가능한 사회의 미래 특징으로 고집하고 있습니다. 대통합 이론은 우리의 삶을 지배하고, 우리가 가진 방법에 맞춰 생활할 수밖에 없을 것입니다.

인간이 우리의 존재를 지속할 수 있게 하기 위해 대통합 이론을 마지막으로 발명한 것은 칼 마르크스가 변증법적 유물론을 만들었을 때입니다. 이 이론은 지구상의 많은 지역에서 인간의 행동을 바꾸었습니다. 그러나 그 변화는 지속될 수 없음이 증명되었고, 그 이론은 더 이상 통합된 상태로 남아 있지 않습니다. 제프리 웨스트의 이론도 유사한 어려움에 봉착하게 될 것입니다.

상상하는 미래의 선택은 언제나 취향의 문제입니다. 제프리 웨스트는 지속 가능성을 목표로 삼았으며 대통합이론을 목표 달성의 방법으로 정의하고 있습니다. 나의 취향은 그 반대입니다. 나는 인간의 자유를 목표로 생각하며 소수의 인간 사회를 그 방법으로 보고 있습니다. 자유는 인간의 자손들이 부모가 강요한 대통합 이론에 반기를 들게 하는 신성한 불꽃이 될 것입니다.

(The New York Review of Books, Freeman Dyson)

원문 보기

스케일(Scale)은 산타페 연구소에서 제프리 웨스트와 그의 동료들이 얻은 통찰을 요약한 중간 보고서입니다. 작가로서 웨스트는 놀랄 만큼 뛰어난 방법으로 복잡한 세계를 단순화시켜 설명해냅니다. 그는 그림과 도표를 이용하여 사실을 설명하고, 공식을 사용하지 않고 적절한 상황에 해당 사실을 가져다 놓은 느긋한 문장으로 설명을 이어갑니다. 이 보고서에는 과학적 결론에 상식적인 의미를 부여하는 이야기와 개인적인 의견, 그리고 많은 여담이 담겨 있습니다. 문장과 그림은 똑똑한 열 살짜리 아이나 별로 똑똑하지 않은 할아버지, 할머니도 이해하고 즐길 수 있을 것입니다.

책의 제목을 ‘스케일’로 지은 데는 약간의 설명이 필요합니다. 이 책의 주제를 설명하기 위해 웨스트는 “성장, 혁신, 지속 가능성의 보편적인 법칙 및 유기적 조직, 도시, 경제와 기업의 삶의 속도”라는 부제를 추가했습니다. 이 제목은 책이 규정하는 보편적인 법칙이 규모의 확장에 관한 법칙임을 설명해줍니다. “스케일”이라는 단어는 “함께 변화한다”는 의미의 동사입니다. 각 확장의 법칙은 두 가지의 측정 가능한 수량이 특정한 방식으로 함께 변화해감을 이야기합니다.

각 양의 변화를 백분율의 증가나 감소로 표현한다고 가정해봅시다. 확장의 법칙에서 고정수 k와 수량 B의 백분율을 곱한 수를 수량 A의 백분율이라고 지정합니다. 숫자 k는 확장의 법칙의 승(power)으로 명명합니다. A와 B의 백분율 변화는 복리로 누적되므로 확장의 법칙은 A가 B의 k승에 따라 변화한다고 설명하며, 여기서 말하는 ‘승(乘)’은 수학에서 제곱을 의미하는 단어로 쓰이던 ‘승’을 뜻합니다. 예를 들면, 어떤 물체가 공기 저항 없이 낙하하고 있다면 낙하 거리와 시간 사이에 ‘k=2’라는 확장의 법칙이 존재합니다. 여기서 거리는 시간의 제곱으로 변화합니다. 당신이 1초에 16m를 추락한다면 2초에는 64m, 3초에는 144m를 추락하는 것입니다.

확장 법칙의 또 다른 전형적인 예는 천문학자인 요하네스 케플러가 1618년에 발견한 제3 행성 운동법칙입니다. 케플러는 세심한 관찰을 통해 행성이 태양의 궤도를 도는 데 걸리는 시간은 행성 궤도 지름의 3/2 승에 비례함을 발견했습니다. 즉, 시간의 제곱은 거리의 세제곱에 비례한다는 뜻입니다. (주: 행성 공전 주기의 제곱은 궤도의 긴반지름의 세제곱에 비례) 케플러는 당시 알려진 여섯 개 행성의 궤도 지름과 주기를 측정했고, 확장의 법칙을 정확하게 따른다는 것을 발견했습니다. 59년이 지난 뒤 아이작 뉴턴은 케플러의 행성 운동법칙은 만유인력의 수학적 이론의 결과라고 설명하였습니다. 케플러의 법칙은 뉴턴에게 물리적 우주에 대한 이론적 이해를 돕는 중요한 단서를 제공하였습니다.

천문학에서 케플러의 제3 법칙만큼이나 중요한 확장의 법칙이 생물학에도 존재합니다. 모투 키무라가 처음 그 중요성을 발견했으므로 그의 이름을 붙여 마땅한 유전자 부동의 법칙(Law of genetic drift)이 그것입니다. 유전자 부동은 자연선택과 함께 진화를 이끄는 두 개의 큰 원동력 중 하나입니다. 다윈은 자연선택을 진화의 주요 원인으로 이해하여 칭송받지만, 유전자에 대해 전혀 알지 못했기 때문에 유전자 부동을 그의 이론에 포함하지 못했습니다.

유전자 부동은 개별적인 유전자의 임의 변형으로 인한 집단 평균 구성의 변화를 의미합니다. 유전자 부동으로 인해 선택의 부재에서도 종은 진화하게 됩니다. 모집단의 구성원 수가 다수일 때는 자연선택이 지배적이며, 집단의 크기가 작을 때는 유전자 부동이 더 지배적으로 작용합니다. 즉, 유전자 부동과 자연선택은 함께 유전을 이끄는 원동력이 되는 겁니다.

유전자 부동은 집단이 오래 소수로 유지되는 경우 새로운 종의 형성에서 특히 중요합니다. 소수의 집단에서 유전자 부동이 지배적인 이유는 단순 확장의 법칙 때문입니다. 유전자 부동은 인구의 제곱승에 반비례합니다. 인구 100만 명일 때보다 인구 1만 명일 때 10배 빨리 유전자 부동이 일어난다는 뜻입니다. 확장은 모든 종류의 무작위 변화에 동일하게 적용됩니다. 우리가 키, 달리기 속도, 사춘기 나이 또는 지능검사 점수같이 측정 가능한 양을 관찰할 경우, 유전자 부동은 인구의 역제곱승에 따라 다양하게 변화하게 됩니다. 제곱승은 임의적인 현상의 통계적 평균에서 도출된 결과입니다.

웨스트는 이 책에서 엄청난 주장을 합니다. 케플러의 법칙, 유전자 부동의 법칙과 유사한 확장의 법칙으로 생물학, 사회학, 경제 및 상업을 이론적으로 이해할 수 있다고 합니다. 이 주장을 정당화하고자 그는 확장의 법칙을 논의하고, 그 법칙이 사실임을 증명하는 증거들을 제시하고, 이런 증거들과 주장이 어떻게 이해로 이어지는지 보여주어야 합니다. 그는 첫 번째와 두 번째, 즉 논의와 증거 제시까지는 훌륭하게 해냈지만, 마지막 과제인 이해를 끌어내는 과정은 썩 잘 해내지 못했습니다. 이 책의 많은 부분을 법칙의 서술과 증거를 제시하는 데 썼으며 설명에는 아주 적은 부분만 할애했습니다. 산타페 연구소의 관찰자들은 현대의 케플러 역할은 잘 해냈지만, 현대 뉴턴의 역할에는 근접하지 못했습니다.

과학 각 분야의 역사는 세 단계로 나눌 수 있습니다. 첫 번째 단계는 자연이 무엇을 하는지 바라보는 탐험의 시기입니다. 두 번째 단계는 자연을 바르게 묘사하기 위한 정확한 관찰과 측정의 시기입니다. 세 번째 단계는 우리가 자연을 이해할 수 있도록 이론을 세우고 설명하는 단계입니다. 물리학은 케플러 시대에 두 번째 단계에 이르렀고, 뉴턴과 함께 세 번째 단계에 도달했습니다. 웨스트가 정의하는 대로 경제학과 사회학을 포함한 복합성 과학은 빅데이터가 시작된 2000년까지 첫 번째 단계에 머물렀습니다. 정보를 전자문서 형태로 저장하는 비용이 폐기하는 비용보다 더 저렴해질 무렵, 빅데이터의 시대가 갑자기 시작되었습니다. 정보의 저장은 자동화될 수 있는 데 반해 정보를 폐기하는 과정은 대부분 인간의 판단이 필요합니다. 정보의 폐기 비용이 서서히 감소한 반면 정보의 저장 비용은 급격히 감소한 것입니다. 2000년부터 세계는 빅데이터의 홍수를 경험하게 되었습니다. 비즈니스와 정부뿐만 아니라 모든 과학 분야에서 데이터베이스는 엄청난 양의 정보를 저장하기 시작했습니다. 이제 정보를 이해할 수 있는 우리의 능력보다 정보의 축적이 훨씬 더 빠른 속도로 이루어지고 있습니다.

산타페 연구소의 복합성 과학을 주도하는 것도 인간사와 생태에 대한 풍부한 정보를 제공하는 빅데이터입니다. 웨스트가 쓴 책의 주요 주제인 확장의 법칙의 형태로 빅데이터를 제시할 때 인간은 빅데이터를 가장 쉽게 시각화할 수 있습니다. 그러나 확장의 법칙을 모았다고 곧바로 이론이 되지는 않습니다. 복잡성 이론은 더 깊은 질문에 대한 해답을 제공해야 합니다. 왜 조류는 10,000개의 종이 있는데 포유류는 5,000종 밖에 없을까? 온혈동물은 있는데 왜 온혈식물은 없을까? 왜 인간 사회에서는 자주 치명적인 다툼이 벌어질까? 인류의 숙명은 무엇일까? 빅데이터가 이런 질문에 실마리를 줄 수는 있겠지만, 답을 줄 수는 없습니다. 복잡성 과학이 세 번째 시기로 들어서면 이런 오래된 질문에 대한 답이 밝혀지고 새로운 질문이 도래할 것입니다.

이 책의 첫 장인 ‘큰 그림’은 물리학의 가장 기본법칙 중 하나인 열역학 제2 법칙이 어떻게 삶을 불안정하게 하고 생존을 어렵게 하는지 설명하는 “에너지와 신진대사, 엔트로피” 부분을 포함하고 있으며, 이어지는 자세한 논의를 위한 장을 마련하고 있습니다. 엔트로피는 무질서입니다. 제2 법칙은 엔트로피가 모든 닫힌 시스템에서 예외 없이 증가한다고 설명합니다. 웨스트는 이렇게 썼습니다.

“죽음, 세금 및 다른 최악의 상황처럼 열역학 제2 법칙은 우리와 주위의 모든 것을 힘들게 합니다. 엔트로피는 죽이는 것이죠.”

웨스트의 큰 그림은 심각하게 일방적입니다. 그림의 이면인 질서와 무질서의 역설에 대해 언급하지 않습니다. 천문학과 생물학의 현실에서 질서 있는 구조가 무질서에서 자연스럽게 발현한다는 사실 말입니다. 행성들이 태양 주위를 질서 있게 움직이는 태양계는 무질서한 가스와 먼지구름에서 생겼습니다. 호랑이의 무서운 대칭 무늬와 공작의 아름다움은 무질서하고 죽은 행성에서 나왔습니다.

천체물리학자 팡리즈가 아내 리슈시안과 함께 펴낸 유명한 책 “우주의 창조”(1989)에는 질서와 무질서의 역설에 대한 최고의 설명이 담겨 있습니다. 그 설명은 물리적 세계에서 중력의 특이한 행동에 있습니다. 에너지의 회계 대차대조표에서 중력 에너지는 적자입니다. 여러분이 어떤 거대한 물체에 가까이 있을 때, 당신의 중력 에너지는 질량에서 무한대로 멀어지는 데 필요한 에너지를 뺀 값이 됩니다. 당신이 지구의 언덕을 올라갈 때 중력 에너지는 더 작은 음수가 되지만 결코 0이 되지는 않습니다. 중력의 지배를 받는 모든 움직이는 물체는 온도가 증가하면 에너지는 감소하고, 온도가 감소하면 에너지는 증가합니다.

열역학 제2 법칙의 결과로 에너지는 하나의 물체에서 또 다른 물체로 흐르는데, 뜨거운 물체는 더 뜨거워지고 차가운 물체는 더 차가워지게 됩니다. 태양계가 진화하면서 태양은 더 뜨거워지고 행성은 더 차가워졌습니다. 중력이 지배적인 모든 상황에서 제2 법칙은 엔트로피와 함께 국소적 대비를 증가시킵니다. 이는 태양과 같은 천체, 뇌우나 허리케인 같은 지구의 현상에도 적용됩니다. 생물을 포함한 천체와 지구 물체의 다양성은 제2 법칙에도 불구하고 시간이 지남에 따라 증가하는 경향이 있습니다. 인간 사회와 자연 생태의 진화는 이 패턴의 일부입니다. 제프리 웨스트는 이러한 팡리즈와 리슈시안의 통찰력을 모르는 것이 분명합니다.

웨스트의 책에 담긴 사실적인 내용은 81개의 숫자 도표에 담겨있으며, 이 도표들은 다양한 관찰된 수량이 따르는 다수의 확장의 법칙을 제시합니다. 첫 번째 도표는 동물의 신진대사율에 관한 도표인데, 쥐로 시작해서 코끼리에 이르는 온혈동물 종의 이름이 표시된 28개의 점을 보여줍니다. 점은 정사각형 그래프에 표시되는데 수평 위치는 종의 평균 질량을, 수직 위치는 평균 에너지 소비량을 나타내고 있습니다. 이 도표를 보면 28개의 점이 놀랍게도 정확히 하나의 직선 위에 놓여있습니다. 직선의 기울기는 곧 에너지 소비량의 질량에 대한 확장의 법칙을 보여주고 있습니다. 에너지 소비량은 질량의 3/4승으로 증가합니다. 에너지 소비의 4승은 질량의 3승에 비례해 증가한다는 뜻입니다. 이 확장의 법칙은 포유류와 조류에게 정확하게 적용됩니다. 어류나 파충류와 같은 냉혈동물은 일정한 체온이 없기 때문에 이 법칙에 해당하지 않습니다. 파충류의 에너지 소비량은 체온에 따라 달라지며, 체온은 날씨에 따라 변합니다.

유사한 도표는 다른 수량이 보여주는 확장의 법칙을 나타내기도 합니다. 이러한 법칙들은 일반적으로 동물의 해부학과 생리학에 가장 정확하게 맞았고, 도시나 기업들과 같은 사회 제도에 적용했을 때는 비교적 덜 정확했습니다. 책 속의 10번 도표를 보면 포유류의 심박 수는 질량의 1/4승에 반비례하며, 35번 도표는 미국에서 승인된 특허의 숫자가 인구의 1.15승에 비례함을 보여줍니다. 또한, 36번 도표는 일본에서 보고된 범죄 건수가 인구의 1.2승에 비례하며, 75번 도표는 미국의 영리 회사는 회사가 창업한 지 몇 년 됐는지에 상관없이 폐업률이 일정하다는 사실을 보여줍니다. 회사의 기대 수명은 약 10년으로 항상 일정했습니다. 기업의 짧은 수명은 좋은 결과와 나쁜 결과를 모두 가져오는 자본주의 경제에 필수적인 요소입니다. 먼저 실패한 기업을 제거할 수 있다는 점은 좋은 결과라고 할 수 있습니다. 사회주의 경제에서는 실패한 기업도 도태하지 않고 계속해서 자원을 소비한다는 점을 생각해보면 됩니다. 반면 장기적 계획과 선견지명에 대한 동기가 사라진다는 점은 나쁜 결과라고 할 수 있습니다.

(The New York Review of Books, Freeman Dyson)

2부로

원문보기