-
-
노이즈 : 생각의 잡음 - 판단을 조종하는 생각의 함정
대니얼 카너먼 외 지음, 장진영 옮김, 안서원 감수 / 김영사 / 2022년 4월
평점 : 
인간의 판단은 편향적입니다. 많은 요인이 영향을 미치며 개인, 시간, 상황에 따라 다릅니다. 일부 판단은 특정 현상에 대해 편향되어 바람직한 인간 행동에서 예측 가능한 체계적인 편차를 보여주는 반면 일부는 예측할 수 없습니다.
때때로 우리는 예술적 취향, 정치적 견해 또는 친구 선택의 다양성을 소중히 여깁니다. 그러나 많은 상황에서 우리는 일관성을 추구합니다
동일한 데이터가 주어졌을 때 사람들이 다른 결정을 내리는 이유는 무엇입니까? 같은 사람이 다른 시간에 다른 결론에 도달할 수 있는 이유는 무엇입니까? 그리고 이것이 삶, 사법 제도 및 비즈니스에 어떤 영향을 미칩니까?
이 책은 이러한 질문에 답하고 몇 가지 해결책을 제시합니다. 이 책의 전제는 다음과 같습니다.
p51 판단이 있는 곳이라면 어디든 잡음이 있고, 그 잡음은 생각보다 많다는 것이다.
책의 구성은 여섯 부분으로 나뉩니다. 노이즈(무작위 산란)와 편향(계통 편차)의 차이, 인간 판단의 본질, 정확도와 오류를 측정하는 방법에서 시작됩니다. 또한 예측 판단력, 인간 심리와 잡음의 원인, 판단력을 향상시키고 오류를 예방하는 방법, 잡음의 적정 수준에 대해 알아봅니다. 이 책에서는 다양한 유형의 잡음이 논의되지만 가장 중요한 것은 ‘시스템 잡음’이라고 저자는 말합니다
프로농구 선수는 자유투를 던질 때마다 같은 동작을 하고 있지만 슛 성공을 보장할 수는 없다고 한다. 판단은 자유투와 같아서 아무리 반복하려고 해도 동일한 결과를 얻을 수 없습니다. 이를 해결하기 위해 규칙과 알고리즘을 적용하는 개념을 사용하여 기계 학습 알고리즘뿐만 아니라 간단한 규칙도 정확도를 높이고 거의 항상 인간의 판단을 능가하는 데 사용할 수 있음을 보여줍니다.
'생각의 잡음‘의 발생을 찾고 측정하는 방법에 대해 자세히 설명하고 이러한 결함을 방지할 수 있는 방법을 자세히 설명합니다.
일부 사법 시스템은 소음에 초점을 맞춘 과학자들에 의해 광범위하게 연구되었습니다. 저자들은 같은 범죄로 유죄 판결을 받은 유사한 사람들이 극적으로 다른 선고를 받은 일련의 유명한 예를 인용합니다.둘 다 범죄 기록이 없는 두 명의 남성이 각각 $58.40 및 $35.20의 위조 수표를 현금화한 혐의로 유죄 판결을 받았습니다. 첫 번째 사람은 15년, 두 번째 사람은 30일을 선고받았습니다. 일부 연구에서는 실제 결정을 분석했지만 다른 연구에서는 시뮬레이션을 사용하여 노이즈를 찾았습니다. 결과는 16건 중 단 3건만이 징역형을 선고하기로 만장일치로 합의했습니다. 그리고 형량은 놀라울 정도로 다양했습니다. 평균 형량이 8.5년인 한 사기 사건에서 가장 긴 형은 무기징역이었습니다.
p58 결정을 단 한 번 하든 100번 하든 간에, 목표는 편향과 잡음을 줄이면서 결정을 내리는 것이어야 한다.
어떤 경우에는 잡음이 바람직할 수 있습니다. 예를 들어, 영화 평론가나 와인 시음가의 예술적 판단 등. 그러나 대부분의 경우 정당하지 않으며 예상하지 못한 곳에서도 발생합니다. 저자들은 잡음의 원인을 탐구합니다. 인기, 특히 온라인 인기는 온라인에서 정치적 의견과 마찬가지로 쉽게 조작될 수 있습니다
또, 편향과 잡음 사이의 또 다른 중요한 차이점에 대해 설명합니다. 편향을 감지하려면 정답이 무엇인지 알아야 하고, 대상 앞에 서서 다음을 볼 수 있어야 합니다.
그리고 잡음을 감지해야 한다고 저자는 주장합니다. 왜냐하면 잡음은 불공평할 뿐만 아니라 막대한 비용이 들기 때문입니다. 예를 들어, 한 연구에 따르면 보험사에 따른 보험료 견적의 평균 차이는 55%입니다. 이는 한 보험사가 프리미엄을 $9,500로 설정하면 다른 보험사는 $16,700로 설정할 가능성이 있음을 의미합니다.
p201 편향과 잡음은 예측오류를 유발하지만, 이러한 오류의 가장 큰 원천은 예측적 판단의 제한된 정확도가 아니다. 그것이 얼마나 정확할 수 있는가에 대한 제한이다
평범한 사람들은 잡음 축소에 관심이 있지만 대부분 무시합니다. 여기에는 모든 종류의 이유가 있습니다. 특히 저자가 지적한 것처럼 인간은 통계적으로보다 인과적으로 사고하는 데 훨씬 뛰어납니다. 이것은 우리가 총체적으로만 볼 수 있는 소음보다 예기치 않은 결정을 설명하기 위해 이야기를 할 수 있는 편견에 주의를 기울이는 것이 더 쉽다는 것을 의미합니다. 저자의 조언에 따라 "잡음 감사"를 수행해야 합니다.
p195 우리는 일부 알고리즘은 판단자보다 더 정확할 뿐만 아니라 더 공정한 예측을 한다는 사실을 기억해야 한다.
한 가지 주목해야 할 점은 일관성 면에서 알고리즘이 인간을 능가한다는 것입니다. 예측 판단의 정확도가 너무 낮아서 정말 기본적인 모델도 지속적으로 인간을 능가할 것입니다. 군중의 지혜라는 개념도 마찬가지로 강력합니다. 가장 반복되는 권장 사항 중 하나는 판단이 가능한 경우 ‘군중의 지혜’를 사용해야 한다는 것입니다. 이것은 충분한 수의 사람들에게 질문을 하면 한 사람에게만 질문하는 것보다 거의 예외 없이 더 나은 답변을 얻을 수 있다는 것을 의미합니다.
알고리즘의 경우 인간의 실수를 용인하는 방식으로 컴퓨터의 실수를 용인하지 않으려고 합니다. 이것은 우리에게 비합리적일 수 있지만 다른 한편으로는 알고리즘이 실수를 하면 그 실수는 엄청날 수 있습니다. 엄격하게 공정하기 위해 저자는 알고리즘 편향의 존재를 인정하지만 그 크기를 과소평가합니다. 그러나 그들이 인정하지 않는 중요한 점은 알고리즘이 단순히 인간의 편견을 복제하는 것이 아니라 상당한 양만큼 증폭한다는 것입니다
p315 잡음은 본질적으로 통계적이다. 우리가 유사한 판단들의 집합에 대해 통계적으로 사고하면, 그때에야 비로소 잡음이 눈에 띈다
많은 전문가들이 규칙과 알고리즘의 장점을 무시하고 자신의 판단을 선호한다고 언급합니다. 저자는 통계를 사용하여 규칙과 기계 학습이 편견과 소음을 제한하여 판단을 크게 향상시키고 일상적인 의사 결정에서 이를 사용하는 것을 목표로 해야 한다고 말합니다. 리더와 의사결정자는 제시된 조언을 받아들이고 규칙 기반 프레임워크와 인공 지능을 활용하여 더 나은 판단을 내려야 합니다. 리더가 의사 결정에 적용할 수 있는 훌륭한 교훈은 섣부른 직감에 저항하는 것입니다. 시간이 허락하는 상황에서는 직감에 따른 판단을 단련해야 합니다.
p470 우리가 전반적으로 내린 결론은, 반론을 인정하더라도 잡음 축소는 여전히 시도할 가치가 있으며 심지어 시급하게 달성해야할 목표라는 것이다.
잡음을 줄이는 또 다른 방법은 사람들이 특정 문제에 대해 잘 정의된 프로세스를 따르는 것입니다. 예를 들어, 건강 관리에서 의사는 최고의 과학적 증거를 기반으로 만성 질환 관리 지침을 개발했으며 이는 임상 의학에서 잡음 축소를 위한 좋은 모델입니다.
요컨대, 인생에서 잡음이나 편향을 피할 수는 없으며 몇 가지 결정은 주관적인 판단에 근거합니다. 인간은 신뢰할 수 없는 결정권자입니다. 잡음을 낮출 수는 있어도 없애는 것은 불가능합니다.