by
Sep 15. 2023
일자리는 AI가 아니라 플랫폼이 빼앗는다.
feat. 수학책 두 권
<과학자도 알 수 없는 AI의 한계>라는 영상을 보고 생각한 점을 글로 적어 보았다.
https://youtu.be/8cJdsoGhyV4?si=CUANrTOb7iVizvCX
영상에서도 말하는 것과 같이, 현재의 인공지능은 결국 잠재된 패턴을 찾아내는 일을 하는 알고리즘이다. 다른 말로 하면 문제해결 방법을 찾는 일인데, 지금까지는 이것을 사람이 주로 했다. 이제는 컴퓨터가 사람보다 더 잘하는 시대가 온 것이다.
문제는 이 기술을 독점하거나 주도적으로 이용하는 '수요'층에서 동의 없이 약관을 변경하려고 하니 (즉, 게임의 규칙을 새롭게 만들려고 하니) '공급'층에서는 일자리의 위협을 느끼게 되는 것이다.
역시"양은 질을 바꾼다"는 명제가 한 번 더 증명된다. 그럼에도 불구하고 '원인 불명의 양질전환' 때문에 인공지능을 크리티컬 한 작업에는 쓸 수 없다고 말한다. 하지만 과연 그럴까? 코드를 작성하는 일과 날씨를 예측하는 일, 자율 주행과 작곡, 추론을 하는 일과 디자인을 하는 일은 크리티컬 한 일이 아닌가? 문제를 해결하는 사람의 두뇌 자체가 '원인 불명의 양질전환'이다.
ChatGPT와 대화를 했다.
나
너는 어려운 수학적 개념을 아주 쉽게 설명하는 친절한 수학자야.
미분이란 뭔지 알려줄래?
ChatGPT
물론이죠. 미분은 변화율을 구하는 수학적인 방법입니다. 간단한 예로, 자동차가 시간에 따라 얼마나 빨리 움직이는지를 알려주는 것이 바로 속도인데, 이 속도는 거리가 시간에 따라 어떻게 변하는지를 나타내는 변화율입니다. 예를 들어, 어떤 함수 f(x)가 있을 때, x의 아주 작은 변화가 f(x)를 얼마나 변화시키는지를 알고 싶을 때, 이를 '미분'을 통해 알 수 있습니다. 이렇게, 미분은 어떤 함수의 기울기, 즉 변화율을 구하는 방법이라고 할 수 있습니다.
나
미분은 왜 함수로 표현되지? 다른 방법은 없나?
ChatGPT
함수는 입력값과 출력값 사이의 관계를 나타내는 수학적인 객체입니다. 미분을 하게 되면, 그 결과는 입력값이 아주 작게 변할 때 출력값이 얼마나 변하는지를 나타내는 새로운 함수를 얻게 됩니다. 이렇게 미분의 결과는 원래의 함수의 변화율을 나타내는 새로운 함수로 표현되기 때문에, 미분은 대개 함수로 표현됩니다. 물론, 미분의 결과를 다른 방식으로 표현할 수도 있습니다. 예를 들어, 표나 그래프를 사용하여 미분의 결과를 시각적으로 나타낼 수도 있습니다. 그러나 함수로 표현하는 것이 가장 일반적이고 유용한 방법이기 때문에, 대부분의 경우 미분의 결과는 함수로 나타납니다.
나
함수 말고 다른 종류의 개념으로 미분을 설명해 줘.
ChatGPT
미분을 '변화율'이라는 개념으로 이해하는 것도 가능합니다. 예를 들어, 속도는 위치가 시간에 따라 얼마나 변하는지를 나타내는 변화율입니다. 즉, 속도는 위치의 변화율이라고 할 수 있습니다. 이와 같이, 미분은 어떤 양이 다른 양에 대해 얼마나 변화하는지를 나타내는 '변화율'을 구하는 것입니다. 이 변화율은 특정 순간의 변화를 나타내며, 이를 '순간변화율'이라고도 합니다. 예를 들어, 자동차의 속도는 시간에 따른 위치의 순간변화율입니다. 따라서, 미분은 특정 순간에 어떤 양이 다른 양에 대해 얼마나 변화하는지를 나타내는 순간변화율을 구하는 것이라고 설명할 수 있습니다.
나
그게 왜 중요하지?
ChatGPT
미분은 여러 이유로 중요합니다.
- 예측 : 미분을 통해 어떤 변수의 작은 변화가 다른 변수에 어떤 영향을 미치는지 알 수 있습니다. 이는 물리학, 공학, 경제학 등 다양한 분야에서 중요한 예측을 할 수 있게 합니다.
- 최적화: 미분을 통해 함수의 최댓값과 최솟값을 찾을 수 있습니다. 이는 경제학, 공학, 의학 등에서 최적의 해를 찾는데 매우 중요합니다.
- 모델링: 자연 현상을 수학적으로 모델링할 때, 미분은 변화와 움직임을 설명하는 데 필요합니다. 예를 들어, 물리학에서 물체의 운동을 설명하기 위해 미분을 사용합니다.
- 기술: 미분은 여러 기술적인 응용에서 중요합니다. 예를 들어, 컴퓨터 그래픽스, 로봇공학, 인공지능 등에서 미분이 활용됩니다.
따라서, 미분은 수학, 과학, 공학, 경제학 등 다양한 분야에서 매우 중요하게 활용됩니다.
나
순간 변화율이 어떻게 예측에 도움이 되지?
ChatGPT
순간변화율은 어떤 변수의 아주 작은 변화가 다른 변수에 어떤 영향을 미칠지를 알려줍니다. 이 정보를 통해 미래의 변화를 예측할 수 있습니다. 예를 들어, 자동차의 속도가 시간에 따라 어떻게 변화하는지를 알고 있다면, 이를 통해 미래의 위치를 예측할 수 있습니다. 즉, 현재 속도와 시간이 주어졌을 때, 미래의 위치를 예측할 수 있습니다. 이와 같이, 순간변화율은 어떤 변수의 변화가 다른 변수에 어떤 영향을 미칠지를 알려주므로, 이를 통해 미래의 변화를 예측할 수 있습니다. 이러한 예측은 다양한 분야에서 매우 중요합니다. 예를 들어, 경제학에서는 가격과 수요의 변화를 예측하고, 공학에서는 구조물의 변형을 예측하고, 의학에서는 약물의 효과를 예측하는 데 사용됩니다.
나
순간 변화율이란 아주 짧은 시간의 변화를 말하는 거지?
ChatGPT
예, 맞습니다. '순간 변화율'이란 어떤 변수의 아주 작은 변화가 다른 변수에 어떤 영향을 미칠지를 나타내는 것입니다. 즉, 어떤 시점에서의 아주 작은 변화를 살펴보는 것이죠. 예를 들어, 자동차의 위치가 시간에 따라 변하고 있다면, 특정 시점에서의 순간변화율은 그 시점에서의 속도를 나타냅니다. 이는 그 시점에서의 아주 작은 시간 동안의 위치 변화를 나타내는 것이죠.
나
아주 작은 시간 동안의 변화율을 보고 어떻게 미래를 예측할 수 있지? 미래란 더 긴 시간인데.
ChatGPT
아주 작은 시간 동안의 변화율을 알면 그 시점에서의 '추세'를 알 수 있습니다. 이 추세를 통해 당장의 미래를 예측할 수 있습니다. 예를 들어, 자동차가 현재 60km/h의 속도로 움직이고 있다면, 다음 1분 동안에 대략 1km 정도를 움직일 것이라고 예측할 수 있습니다. 그러나, 이러한 예측은 당장의 미래에 대한 것이며, 먼 미래에 대한 예측은 다양한 변수와 상황을 고려해야 합니다. 예를 들어, 자동차의 속도가 변하지 않는다고 가정했을 때만 이러한 예측이 가능하며, 속도가 변한다면 미래의 위치를 정확히 예측하기는 어렵습니다. 따라서, 순간변화율을 통한 예측은 당장의 미래에 대한 것이며, 먼 미래에 대한 예측은 보다 복잡한 모델링과 계산이 필요합니다.
나
그렇다면 미분은 추세를 알기 위한 방법론인가?
ChatGPT
네, 맞습니다. 미분은 특정 시점에서의 추세, 즉 '순간변화율'을 알기 위한 방법론입니다. 이 순간변화율은 특정 시점에서의 속도, 기울기, 변화율 등을 나타내며, 이를 통해 당장의 미래를 예측할 수 있습니다. 예를 들어, 경제에서 어떤 상품의 가격이 시간에 따라 변하고 있다면, 미분을 통해 특정 시점에서의 가격 변화율을 알 수 있습니다. 이 변화율을 통해 당장의 미래의 가격을 예측할 수 있습니다. 그러나, 이러한 예측은 당장의 미래에 대한 것이며, 먼 미래에 대한 예측은 다양한 변수와 상황을 고려해야 합니다. 따라서, 미분은 추세를 알기 위한 방법론이지만, 이를 통한 예측은 당장의 미래에 한정된 것입니다.
나
그렇다면 추세를 패턴이라고 바꿔 말하면 틀린 표현일까?
ChatGPT
추세와 패턴은 유사한 의미를 가지고 있지만, 약간의 차이가 있습니다.
- 추세(Trend): 이는 일반적으로 데이터의 전반적인 방향성을 나타냅니다. 예를 들어, 주식 가격이 지속적으로 상승하고 있다면, 이는 '상승 추세'라고 할 수 있습니다.
- 패턴(Pattern): 이는 데이터에서 반복적으로 나타나는 특정한 형태를 나타냅니다. 예를 들어, 주식 가격이 일정한 주기로 상승하고 하락하는 것을 '패턴'이라고 할 수 있습니다.
따라서, '추세'는 전반적인 방향성을, '패턴'은 반복적으로 나타나는 형태를 나타냅니다. 미분을 통해 얻은 순간변화율은 특정 시점에서의 추세를 나타내므로, '추세'라는 표현이 더 적절할 수 있습니다. 그러나, 이 순간변화율이 일정한 패턴을 가지고 있다면, 이를 '패턴'이라고 표현하는 것도 가능합니다.
나
미분이 어느 순간의 추세를 알기 위한 방법론이라면, 이것을 통해 어떻게 추세를 파악할 수 있지?
ChatGPT
미분을 통해 얻은 '순간변화율'이 그 시점에서의 추세를 나타냅니다. 예를 들어, 어떤 함수 f(x)가 x에 대한 어떤 값의 변화를 나타낸다고 하면, 이 함수의 미분 f'(x)는 x의 아주 작은 변화가 f(x)에 어떤 영향을 미치는지 나타냅니다. 즉, f'(x)는 x에서의 f(x)의 변화율, 즉 추세를 나타냅니다. 이러한 방식으로, 미분을 통해 특정 시점에서의 추세를 파악할 수 있습니다. 예를 들어, f'(x)가 양수라면, x가 증가할 때 f(x)도 증가하는 추세에 있다고 할 수 있습니다. 반대로, f'(x)가 음수라면, x가 증가할 때 f(x)는 감소하는 추세에 있다고 할 수 있습니다. 이렇게, 미분을 통해 얻은 순간변화율을 사용하여 특정 시점에서의 추세를 파악할 수 있습니다.
나
감소하거나 증가하는 추세는 전체적인 패턴을 모르면 알 수 없는 거잖아?
ChatGPT
네, 맞습니다. 감소하거나 증가하는 추세는 특정 시점에서의 추세만을 나타내기 때문에 전체적인 패턴을 알 수 없습니다. 예를 들어, 어떤 함수가 특정 시점에서 증가하는 추세에 있다고 해도, 그 이후에 감소하는 추세로 바뀔 수 있습니다. 따라서, 전체적인 패턴을 알기 위해서는 그 함수의 전체 구간에 대해 분석을 해야 합니다. 미분을 통해 얻은 순간변화율은 특정 시점에서의 추세만을 나타내는 것이기 때문에, 전체적인 패턴을 파악하기 위해서는 더 많은 분석이 필요합니다. 예를 들어, 함수의 그래프를 그려보거나, 여러 시점에서의 순간변화율을 분석해 보는 것이 필요할 수 있습니다.
나
결국 패턴이 함수로 구현되어 있을 때 특정 순간에 추세를 알 수 있는 거지?
ChatGPT
네, 맞습니다. 함수는 입력값과 출력값 사이의 관계를 나타내는데, 이 함수의 특정 순간의 추세, 즉 순간변화율을 알기 위해 미분을 사용합니다. 이렇게 함수의 미분을 통해 특정 시점에서의 추세를 파악할 수 있습니다. 이러한 추세는 함수의 전체적인 패턴의 일부를 나타내는 것이기 때문에, 전체 패턴을 알기 위해서는 함수의 전체 구간에 대한 분석이 필요합니다. 그러나, 특정 시점에서의 추세를 알기 위해서는 그 시점에서의 함수의 미분값만을 알면 됩니다.
나
그렇다면 함수로 파악되지 않은 패턴은 어떻게 추세를 알아내지?
ChatGPT
함수로 표현되지 않은 패턴의 경우, 데이터를 분석하여 추세를 파악할 수 있습니다. 예를 들어, 시간에 따른 주식 가격의 데이터가 있다면, 이 데이터를 분석하여 특정 시점에서의 주식 가격의 추세를 파악할 수 있습니다. 데이터를 시각화하여 그래프를 그려보면, 특정 시간 구간에서의 추세를 눈으로 확인할 수 있습니다. 또한, 통계적인 방법을 사용하여 데이터의 추세를 파악할 수도 있습니다. 예를 들어, 선형 회귀분석을 통해 데이터의 전반적인 추세를 파악할 수 있습니다. 그러나, 함수로 표현되지 않은 데이터의 경우, 추세를 정확하게 파악하기는 어렵습니다. 데이터에 노이즈가 있거나, 데이터가 부족한 경우에는 추세를 파악하기 어려울 수 있습니다. 따라서, 가능한 한 많은 데이터를 수집하고, 다양한 방법으로 분석하여 추세를 파악하는 것이 좋습니다.
나
함수로 파악되지 않은 패턴을 알아내는 방법론이 머신러닝인가?
ChatGPT
네, 맞습니다. 머신 러닝은 함수로 표현되지 않은 패턴을 알아내는 데 유용한 방법론 중 하나입니다. 머신 러닝 모델은 대량의 데이터를 사용하여 학습하고, 이 데이터에서 패턴을 찾아내어 예측하거나 분류하는 등의 작업을 수행합니다. 예를 들어, 주식 가격의 변화 패턴을 파악하기 위해 머신 러닝 모델을 학습시킬 수 있습니다. 이 모델은 주식 가격의 변화 패턴을 학습하고, 이를 바탕으로 미래의 주식 가격을 예측할 수 있습니다. 함수로 표현하기 어려운 복잡한 패턴이나 대량의 데이터에서 패턴을 찾아내는 데 머신 러닝이 특히 유용합니다. 따라서, 함수로 파악되지 않은 패턴을 알아내기 위해 머신 러닝을 사용하는 것이 좋습니다.
나
미분이 추세를 알아내는 방법론이라면 적분은 뭐지?
ChatGPT
미분과 적분은 수학에서 기초적이면서도 중요한 개념으로, 서로 반대되는 관계에 있습니다.
미분은 어떤 함수의 특정 시점에서의 순간변화율을 찾는 것입니다. 예를 들어, 어떤 자동차의 속도가 시간에 따라 어떻게 변하는지를 나타내는 함수가 있다면, 이 함수의 미분은 특정 시점에서의 자동차의 가속도를 나타냅니다. 반면, 적분은 함수의 넓이를 구하는 것입니다. 위의 예를 계속 사용하면, 자동차의 속도 함수를 적분하면 자동차의 이동 거리를 구할 수 있습니다. 즉, 적분은 어떤 함수의 넓이, 또는 그래프 아래의 면적을 구하는 것입니다. 미분과 적분은 서로 반대되는 연산으로, 미분을 통해 구한 순간변화율을 적분하면 원래의 함수를 구할 수 있습니다. 이를 '미적분학의 기본 정리'라고 합니다. 이 정리는 미분과 적분이 서로 어떻게 관련되어 있는지를 보여줍니다.
나
머신러닝에서 적분을 한다는 것은 무슨 뜻이지?
ChatGPT
머신러닝에서 적분을 한다는 것은, 일반적으로 확률분포나 함수의 기댓값을 구할 때 사용됩니다. 예를 들어, 베이지안 머신러닝에서는 파라미터의 사후분포를 계산할 때 적분이 필요합니다. 사후분포는 데이터가 주어졌을 때 파라미터의 확률분포를 의미하는데, 이를 계산하기 위해서는 사전분포와 가능도 함수를 적분해야 합니다. 또한, 머신러닝에서는 함수의 기댓값을 계산할 때도 적분이 필요합니다. 예를 들어, 목적함수의 최적화 과정에서 기댓값을 계산해야 하는 경우가 있습니다. 이때, 기댓값은 함수의 값과 그 값이 발생할 확률의 곱을 적분하여 구합니다. 이러한 방법 외에도 머신러닝에서는 다양한 방법으로 적분이 사용됩니다. 적분은 함수의 넓이를 구하는 것이기 때문에, 머신러닝에서는 확률분포의 계산이나 기댓값의 계산 등에 필요합니다.
인공지능을 학습시켜서 문제를 해결한다는 것은, 수천 억 또는 수백 조의 데이터를 입력시킨 뒤 그 가운데서 유의미한 일련의 함수를 찾아낸다는 말이다. 그 과정은 아직 '원인 불명'일지 모르지만 확신에 가까울 정도로 맴도는 생각이 하나 있다. 그것은 "배운다는 것, 안다는 것은 패턴을 인식하고 또 패턴을 형성시키는 일이 아닐까?"라는 생각이다. 이런 생각도 일종의 패턴일까?
두 권의 책이 생각났다. 케이스 데블린과 조지 폴랴의 책인데, 딥러닝이 출현하기 전에 나온 책이다. 오래된 책이라서 파이썬으로 코딩하는 데이터 분석이나 챗GPT와는 직접적인 상관이 없다. 상관이 없어서 비교해 볼 수 있다. 그래서 책장에서 다시 꺼내 들었다.
