<?xml version="1.0" encoding="utf-8"?><?xml-stylesheet href="https://blog.aladin.co.kr/blog/rss/rssUserXSL.aspx" type="text/xsl" media="screen"?><rss version="2.0"><channel><title>강수철님의 서재 (강수철 서재)</title><link>https://blog.aladin.co.kr/713195113</link><language>ko-kr</language><description /><copyright /><generator>Aladdin RSS(Alss) v0.9</generator><lastBuildDate>Tue, 17 Nov 2026 03:32:48 +0900</lastBuildDate><image><title>강수철</title><url>https://image.aladin.co.kr/img/blog2/manage/profileimg.jpg</url><link>https://blog.aladin.co.kr/713195113</link><width>100</width><height>100</height><description>강수철</description></image><item><author>강수철</author><category>마이리뷰</category><title>현업에서 쉽게 적용가능한 방법론 제공 - [AX DISCOVERY : AI에서 AX로, 전환을 설계하다]</title><link>https://blog.aladin.co.kr/713195113/17559505</link><pubDate>Wed, 07 Oct 2026 19:58:00 +0900</pubDate><guid isPermaLink="false">https://blog.aladin.co.kr/713195113/17559505</guid><description><![CDATA[<table width="100%" height="30" border="0" align="center" cellpadding="0" cellspacing="0"><tr><td width="14"><img src="https://image.aladin.co.kr/img/blog/trans.gif" width="14"></td><td width="85"><a href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K502131469&TPaperId=17559505" target="_blank"><img src="https://image.aladin.co.kr/product/40140/58/coveroff/k502131469_1.jpg" width="75" border="0" class="box1"></a></td><td valign="top"><A href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K502131469&TPaperId=17559505" target="_blank" style="color:#386DA1;font-weight:bold">AX DISCOVERY : AI에서 AX로, 전환을 설계하다</a><br/>김홍태 외 지음 / 더와이랩 / 2026년 06월<br/></td></tr></table><br/>AI 교육기관에서 AX와 에이전트 설계 방법론 교육자료로 활용하기 위해 만든 교재인데, 개인적으로 AX 관련 업무를 수행하고 있는 현직 컨설턴트의 입장에서 이해하기 쉽고 적용하기에도 쉬운 프레임워크를 제시해주고 있는 점이 인상적이었다. 이 책은 자신의 직무를 잘게 분해하여 병목과 페인포인트를 찾고, 흩어진 업무를 데이터로 바꾸고, 우선순위를 가려 Task 단위로 쪼갠 뒤 실무에 바로 붙일 AI 에이전트를 직접 만들기까지 필요한 절차와 템플릿들을 제시하고 있다. AX는 AI를 도입하는 것이 아니라, AI를 중심으로 일하는 방식을 다시 설계하는 전략적 전환이라면서 워크플로우 재설계가 중심이 되어야 한다고 말한다. AX는 어떤 일을 사람이 하고, 어떤 일을 AI가 하는가를 새롭게 설계하는 것이라면서 말이다. 반복적이고 규칙이 명확한 업무, 데이터에 기반한 처리, 패턴이 일정한 판단의 경우 AI에게 맡겨야 하며, 맥락에 따른 유연한 판단, 감성이 개입되는 소통, 책임이 따르는 의사결정은 사람의 영역이라는 것이다. 이를테면 데이터 수집과 초안 생성은 AI가 먼저 하고, 사람은 그 결과를 검토하고 결정하는 흐름이 효율적이라면서, AI가 가장 잘하는 것을 업무의 앞단에서 작동하도록 순서를 재배치해야 한다고 말한다. 특히 오류의 파급력이 큰 단계, 외부로 내보내기 전 최종 확인이 필요한 단계, 예외 상황 처리가 필요한 단계에는 사람이 반드시 개입해야 한다고 언급한다. 우선적으로 AI에게 완전히 넘길 수 있는 단순 반복 업무, 내 판단력에 AI의 속도를 더해 더 큰 성과를 낼 일, 확보된 시간에 새롭게 도전할 핵심 고부가가치 과업을 구분한 다음, "나는 AI를 통해 [현재의 비효율, 반복 업무]를 해결하고, 남은 시간에 [내가 창출하고 싶은 가치]에 집중함으로써, 나만의 AX를 완성하겠다"고 나만의 AX를 정의하는 일을 해야 한다고 말한다. 그 다음에 자신의 업무를 상세히 들여다보기 위해 여정지도를 그린 후 고통의 강도(I), 발생 빈도(F), 전략적 중요도(V)를 가지고 상세 평가를 해야 한다고 말한다.<br>고통의 강도, 발생 빈도, 전략적 중요도 측면에서 세 항목의 점수를 합산했을 때 총점이 가장 높은 페인포인트가 1순위 AX 과제로 선정될 수 있다면서, 총점이 높더라도 현재 시점에서 기술적으로 해결하기 어렵거나, 필요한 데이터가 없거나, 보안 이슈가 큰 과제는 1순위서 제외해야 한다고 말한다. 총점이 비슷한 과제들이 여러 개일 경우, 지금 당장 파일럿을 시작할 수 있는가, 성과를 4~8주 안에 확인할 수 있는가, 팀 안에 이 과제를 실행할 역량이 있는가를 추가로 평가해야 한다면서 말이다. 특히 데이터 준비 수준을 진단할 때, 이 과제에 필요한 데이터가 디지털 형태로 존재하는가, 그 데이터가 어디에 저장되어 있는지 알 수 있는가, 팀이 그 데이터에 접근할 수 있는 권한이 있는가, 데이터의 형식이 일관되어 있는가, 데이터의 업데이트 주기가 적절한가(최신성)를 따져야 한다고 조언한다. 이를 바탕으로 데이터 확보(데이터 수집 경로 확보, 아날로그 자료의 디지털 전환 등), 품질 및 정제(데이터 노이즈 제거, 표준화, 비정형 데이터 구조화 등), 보안 및 권한(개인정보 보안 처리, 내부 보안 승인 및 권한 획득 등) 관점의 결함 요소와 대응 전략을 수립해야 한다면서 말이다. 본격적으로 업무를 재설계 하기 위해 우선 본인의 업무를 Work, Activity, Task로 분해해야 한다고 말한다. 이 때 Task를 구체적으로 기술하고, 각 Task에 소요되는 시간을 함께 기입해야 한다고 언급한다. 시간이 가장 많이 소요되는 Task가 AI 전환 1순위가 될 수 있으며, 수동 작업이 많은 Task, 여러 시스템을 오가는 Task, 동일한 내용을 여러 곳에 중복 입력하는 Task에서는 오류가 집중되기 때문에, 이 지점들을 AI로 자동화하면 품질 향상과 시간 절약을 동시에 달성할 수 있다고 말한다. 해당 Task가 규칙/패턴이 명확하고, 필요한 데이터가 있으며, 사람의 직관 및 감성 판단이 핵심이 아니면 우선적으로 AI 전환이 가능하다고 말한다.<br>규칙/패턴이 명확하고, 필요한 데이터가 있지만, 사람의 검토 및 판단이 함께 필요한 Task는 AI와 인간이 협업해야 하며, 규칙/패턴이 명확하지 않거나 필요한 데이터가 존재하지 않고 사람의 직관, 감성, 맥락 판단이 결정적인 곳은 인간이 담당해야 한다고 언급한다. 업무 재설계는 AI의 강점이 가장 앞단에서 작동하게 만드는 것이 중요하며, 순서 변경이 가져오는 다른 영향을 확인하면서 사람이 검토하는 지점을 함께 재설계해야 한다고 말한다. 가장 효과가 크고 리스크가 낮은 단계부터 먼저 재배치하고 검증한 뒤에 다음 단계로 확장하는 것이 좋다면서 말이다. 한편 매번 같은 방식, 패턴으로 수행되는가, 시간이 많이 걸리거나 다음 단계를 지연시키는가, 입력 데이터가 바뀌면 출력도 예측 가능하게 바뀌는가의 세 항목을 평가하여 평균 점수를 매겨 AI 전환효과(Impact)를 진단할 수 있고, 오랜 경험에서 나오는 직관이 있어야 하는가, 케이스마다 다른 대응이 자주 필요한가, 보안 등급, 개인정보보호법, 산업 규제가 적용되는가의 세 항목을 평가하여 평균 점수를 매겨 AI 전환 난이도(Effort)를 진단할 수 있다고 말한다. 이 두 평균 점수를 2x2 매트릭스에 배치하여, 둘 다 높은 쪽이라면 전략적으로 추진하고, 둘 다 낮은 쪽이라면 여유가 있을 때 추진하며, 전환효과가 높고 난이도가 낮은 쪽이라면 즉시 도입하고, 전환효과가 낮고 난이도가 높다면 보류하거나 제외하면 된다고 말한다. 이를 바탕으로 AI 협업 워크플로우를 설계하게 되는데, 즉시 도입으로 분류된 Task를 워크플로우 앞부분에 두고, 효과는 크지만 난이도가 높은 Task는 AI가 초안, 분석 결과를 먼저 제시하고 인간이 검토, 결정하는 협업 구조를 만들며, 사람의 판단이 결정적인 Task는 AI 처리 단계 직후, 다음 단계로 넘어가기 직전에 배치하는 것이 좋다고 말한다. 그 다음으로 AX ROI를 계산하는 방법에 대해 알려주고 있다.<br>일단 현재 낭비 비용의 경우, "투입 인원(명) x 업무 빈도(월 횟수) x 1회 소요 시간(시간)"으로 연간 총 투입 시간을 구한 뒤, "연간 총 투입 시간 x 시간당 인건비"로 연간 낭비 비용을 구할 수 있다고 말한다. 여기서 시간당 인건비의 경우 "연봉/연간 근무 시간(약 2000시간)"으로 추정하고, 복리후생비, 간접비를 감안해 그 값의 1.3~1.5배를 실질 비용으로 추산할 수 있다고 언급한다. 오류 비용 산출의 경우, 이 업무에서 현재 발생하는 오류 및 리스크를 적고, 한 달에 몇 번이나 수습이 필요한 상황이 생기는지 적어보라고 말한다. 오류 1건을 수습하는 데 추가로 걸리는 시간과 담당자의 시간당 인건비도 같이 계산하고, "월 오류 발생 빈도 x 재작업 시간 x 시간당 인건비 x 12개월"로 한 해 동안 오류 수습 비용을 추산할 수 있다고 말한다. 결국 AX 적용 후 도달하려는 목표 값과 시점을 산정한 뒤, "[AX 과제명]의 [개선 지표]를 [현재 기준 값]에서 [목표 값]으로 [목표 시점]까지 개선한다"고 선언한 후에 목표 값을 비용으로 환산해 절감 효과를 확정할 수 있다고 말한다. 이어서 에이전트를 만드는 프롬프트에 대해 자세히 설명하고 있는데, 우선 프롬프트의 4가지 핵심 요소로 역할, 맥락, 제약, 출력을 언급하고 있다. 역할은 전문 분야(어떤 도메인의 전문가인가), 경험 수준(얼마나 숙련된 전문가인가), 핵심 역량(이 역할에서 가장 중요한 능력은 무엇인가)에 대한 것이고, 맥락은 조직 맥락(어떤 회사, 어떤 팀, 어떤 업종인가), 업무 맥락(이 에이전트가 처리하는 업무가 전체 워크플로우에서 어떤 위치인가), 사용자 맥락(이 에이전트를 사용하는 담당자의 역할과 수준은 어떤가), 데이터 맥락(에이전트가 처리하는 데이터의 특성과 한계는 무엇인가)이며, 제약은 데이터 제약(고객 개인정보를 출력에 포함하지 마라, 확인되지 않은 외부 데이터를 사실처럼 제시하지 마라), 형식 제약(지정된 템플릿 형식을 벗어나지 마라, 500자를 초과하지 마라), 판단 제약(법적 판단이나 의료적 판단을 직접 내리지 말고 전문가 확인을 권고하라), 투명성 제약(확실하지 않은 정보는 [확인 필요]로 표시하라, 추정에 기반한 내용은 추정임을 명시하라) 이라고 말한다.<br>출력의 경우 형식(표, 불릿 포인트, 번호 목록, 이메일 형식, 보고서 형식), 길이(최대 500자, A4 1페이지 분량, 3줄 요약 등), 필수 포함 항목(항상 포함해야 하는 섹션이나 정보), 언어 톤(공식적/비공식적, 한국어/영어), HITL 지점 표시(사람의 검토가 필요한 부분을 [검토 필요] 태그로 표시 등) 등이라고 말한다. 이러한 프롬프트를 염두에 두고 에이전트 명세서를 작성해야 하는데, 이름과 역할, KPI와 연결되는 구체적 목표, 입력/처리/출력의 3~5단계 핵심 작동 흐름, 담당자가 제공해야 하는 최소 정보인 주요 입력 값, 결과물의 형식과 포함 내용인 기대 결과물, 사람이 검토 및 승인해야 하는 HITL 지점 등을 명기해야 한다고 말한다. 이러한 에이전트 명세서를 프롬프트로 전환하기 위해서는, AI가 어떤 전문가의 관점에서 일해야 하는가(직함, 경험, 특기, 사고방식, 접근원칙), 어떤 상황에서, 어떤 자료를 바탕으로, 무엇을 위해 수행하는 업무인가(에이전트가 모르면 안 되는 우리 조직의 정보, 산업/규모/주요 고객 특성/핵심 비즈니스 모델, 에이전트가 처리하는 데이터 특성, 데이터의 출처, 신뢰도, 형식적 특성, 업데이트 주기), 이 에이전트를 사용하는 담당자는 누구인가(담당자의 역할, 경험 수준, AI 활용 능숙도), 이 에이전트의 결과물이 어디에 쓰이는가(내부 보고용, 고객에게 발송되는 것, 의사 결정의 근거로 사용되는 것), 제약 조건(반드시 지켜야 할 판단 기준, 금지 사항, 보안 및 품질 기준은 무엇인가), 출력형식(결과물을 어떤 형식, 항목, 분량, 톤으로 작성해야 하는가), HITL(사람이 최종 확인해야 할 항목은 무엇인가) 형식으로 만들어야 한다고 말한다. 이렇게 한 후 에이전트를 만들게 되면 에이전트 매뉴얼을 작성해야 하는데, 무엇을 하는지 에이전트를 소개하고, 단계별 사용 방법, 어떤 형태로 정보를 넣는지 입력 예시, 결과물 사용 시 반드시 확인해야 할 주의 사항을 적어 넣어야 한다고 언급한다.<br>이렇게 파일럿을 잘 구축하게 되면 경영진에게 보고하는 리포트를 작성해야 하는데, "과제명+핵심개선효과+대표수치"로 한 줄 요약 정리하고, "IFV 총점+선정 이유+페인포인트"로 문제 배경을 설명하고, "시간/오류율/처리 건수" 변화의 비교를 통해 기존 워크플로우 대비 인간+AI 협업 워크플로우의 개선점을 언급하며, 낭비나 오류 비용과 예상 절감 비용을 제시하며 ROI 수치를 적고, "확산대상 부서+적용 업무+목표시점"을 통해 다음 단계를 제안해야 한다고 말한다. 다음 단계의 경우 파일럿 성공 과제와 유사한 성과를 낼 수 있는 부서부터 전개하기 시작해야 하는데, 업무 유형의 유사성(같은 종류의 반복 업무가 있는가), 데이터 환경의 유사성(유사한 종류의 데이터를 다루는가), 페인포인트의 유사성(비슷한 고통을 겪고 있는가)으로 판단할 수 있다고 말한다. 또한 팀별 파일럿이 안정화된 이후에는 전방, 후방 작업자 간 업무 흐름을 검색, 검증하여 통합하거나 전환하는 작업이 필요하다고 말한다. 즉, 중복 입력 구간을 식별하고, 한쪽의 산출물이 다른 쪽의 입력으로 자동 연계되도록 에이전트를 재설계해야 한다면서 말이다. 그 밖에도 이 책에서는 토큰 효율화 전략으로 불필요한 맥락 제거(배경 설명, 중복된 지시문, 이미 학습된 일반 상식 수준 정보 제거), 출력 범위 제한(출력 길이와 형식을 명확히 지정), 시스템 프롬프트 분리(매번 반복되는 역할 정의와 규칙 분리) 등을 언급하고 있으며, 소수 예시 기반 프롬프트의 경우 실제 업무에서 나온 예시를 2~3개 정도 제공하는데, 예시와 입력 데이터 패턴이 달라도 괜찮다고 말한다. 마지막으로 답을 바로 내지 말고 먼저 고려해야 할 요소들을 단계별로 분석한 뒤 결론을 내리라는 연쇄적 사고 형식의 프롬프트 예시도 보여주고 있다.<br><br>]]></description><image><url>https://image.aladin.co.kr/product/40140/58/cover150/k502131469_1.jpg</url><link>https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=401405874</link></image></item><item><author>강수철</author><category>마이리뷰</category><title>작지만 알찬 지식이 담긴 책 - [확률의 춤 - 일상을 뒤바꾸는 수학의 마법]</title><link>https://blog.aladin.co.kr/713195113/17534988</link><pubDate>Thu, 24 Sep 2026 17:04:00 +0900</pubDate><guid isPermaLink="false">https://blog.aladin.co.kr/713195113/17534988</guid><description><![CDATA[<table width="100%" height="30" border="0" align="center" cellpadding="0" cellspacing="0"><tr><td width="14"><img src="https://image.aladin.co.kr/img/blog/trans.gif" width="14"></td><td width="85"><a href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K552030838&TPaperId=17534988" target="_blank"><img src="https://image.aladin.co.kr/product/37029/5/coveroff/k552030838_1.jpg" width="75" border="0" class="box1"></a></td><td valign="top"><A href="http://www.aladin.co.kr/shop/wproduct.aspx?ISBN=K552030838&TPaperId=17534988" target="_blank" style="color:#386DA1;font-weight:bold">확률의 춤 - 일상을 뒤바꾸는 수학의 마법</a><br/>김상현 지음 / 루미너리북스 / 2025년 09월<br/></td></tr></table><br/>잘 알고 있는 내용부터 새롭게 접하는 내용까지 수학적 확률 이론과 활용에 대한 많은 이야기들이 들어 있는 책이다. 우선 현대 확률론과 통계학의 기초가 되는 발견인 베르누이 확률에 대해 설명한다. 각 시행은 독립적이며, 각 시행에서 성공 확률은 일정하고, 결과는 성공 또는 실패 두 가지 뿐이라면 시행 횟수가 무한대로 갈 때 성공 비율이 이론적 확률에 수렴한다는 것을 수학적으로 증명했다면서 말이다. 19세기 말 프랑스의 수학자 앙리 푸앵카레는 동전 던지기를 통해 우연성의 본질에 대해 탐구했는데, 동전의 초기 조건(던지는 힘, 각도, 높이 등)이 미세하게 변할 때 최종 결과에 결정적인 영향을 미친다는 것을 발견했다고 한다. 이런 연구는 현대의 카오스 이론으로 발전했다면서 말이다. 한편 카지노에서 플레이어가 베팅한 금액 중에서 카지노가 장기적으로 가져가는 비율을 카지노 쪽에 조금 유리하게 설정한다면서, 크랩스 게임을 예로 들고 있다. 이 게임은 플레이어가 이길 확률이 49.3%, 질 확률은 50.7%인데, 겨우 1.4% 차이에 불과하지만 이 차이가 카지노의 수익을 보장해준다고 말한다. 단기적으로는 플레이어가 크게 이기거나 질 수 있지만 게임을 계속할수록 결과는 평균에 가까워진다면서, 수많은 고객들이 장시간 게임을 하면 카지노는 반드시 수익을 내게 된다고 말한다. 또한 미래에는 순열과 조합의 개념이 더욱 중요해질 것이라 단언한다. 인공지능이 발전하면서 기계가 인간처럼 창의적으로 사고하려면 기존 정보들의 새로운 조합을 찾아내는 능력이 필요하고, 로봇 공학에서 다관절 로봇의 움직임을 계획할 때도 각 관절의 가능한 모든 조합을 고려해야 한다면서 말이다. 유전자 편집 기술이 발전함에 따라 DNA 서열의 가능한 모든 조합을 분석하고 최적의 결과를 예측하는데도 이러한 수학적 도구가 필수적이라고 언급한다.&nbsp;<br>우리가 접하는 로또 복권의 경우 기댓값은 각 등수의 당첨 확률을 해당 등수의 상금으로 곱한 뒤 각 등수 별 기댓값의 합으로 나타낼 수 있는데, 만일 1등 당첨금이 평균 20억원이라 가정하고 모든 등수의 기댓값을 합하면 약 510원 정도 밖에 되지 않는다고 말한다. 또한 현대의 날씨 예보에서는 새로운 정보가 주어졌을 때 기존의 확률을 어떻게 갱신해야 하는지 알려주는 수학적 원리인 베이즈 정리의 핵심 개념이 중요하게 활용되고 있다고 말한다. 즉, 과거의 기상 데이터와 현재의 관측 결과를 바탕으로 미래의 날씨 확률을 계산하는데, 내일의 최고 기온을 예측할 때 과거의 데이터를 바탕으로 내일의 최고 기온에 대한 사전 확률을 설정하고, 오늘의 기온, 습도, 풍향 등의 관측 결과를 새로운 정보로 활용하여 최고 기온의 확률 분포를 갱신한다고 언급한다. 물론 현대 기상학에서는 단일 예측 모델에만 의존하지 않고 여러 모델의 결과를 종합하는 앙상블 예보 방식을 많이 사용하는데, 각기 다른 초기 조건이나 물리적 가정을 적용한 여러 예보 모델을 동시에 실행하고, 그 결과들을 통계적으로 분석하여 최종 예보를 만든다면서 말이다. 특히 인공지능과 머신러닝 기술을 활용하여 기존의 수치 예보 모델을 보완하고 있는데, 전통적인 수치 예보 모델이 대기의 물리 법칙을 수학적으로 모델링하는 방식이라면 인공지능 모델은 과거의 기상 데이터에서 패턴을 학습하는 방식이라고 언급한다. 한편 20세기 초반 영국의 통계학자이자 생물학자인 로널드 피셔는 유전학과 통계학을 결합하여 현대 집단 유전학의 기초를 마련했는데, 그는 멘델의 유전 법칙을 대규모 개체군에 적용하여 통계적으로 분석하는 방법을 개발했다고 한다. 자연선택이 유전자 빈도에 미치는 영향을 수학적으로 모델링했고, 이를 통해 진화 과정을 정량적으로 예측할 수 있는 방법을 제시했다면서 말이다.<br>예를 들어, 특정 유전자가 생존에 유리할 때 그 유전자의 빈도가 세대를 거치면서 어떻게 증가하는지를 수학적으로 계산할 수 있다면서, 다른 측면에서 보자면 각 유전자 변이의 효과는 작지만 이들을 모두 종합하면 개인의 질병 위험을 상당히 정확하게 예측할 수 있다고 말한다. 유전자 편집의 경우에도 그 성공률은 편집하려는 유전자의 위치와 방법에 따라 10%에서 90%까지 크게 달라지는데, 임상에서는 이런 확률 정보가 핵심적이라 덧붙인다. 또한 보험 산업의 확률 활용 사례를 언급하면서, 만일 30세 남성이 1억원의 20년 정기보험에 가입한다면 보험회사가 지급해야 할 보험금의 기댓값은 각 연도별 사망확률과 1억원을 곱해서 모두 더한 값이라 말한다. 이 기댓값에 보험회사의 운영비용과 적정 이윤을 더해서 보험료가 결정된다면서 말이다. 현재는 더욱 정교한 확률 모델들이 개발되고 있는데, 너무 정교한 위험 평가는 보험의 기본 취지인 위험의 분산을 해칠 수 있다고 말한다. 이를테면 유전자 검사를 통해 특정 질병에 걸릴 확률이 높은 사람들에게 높은 보험료를 책정하거나 아예 보험 가입을 거부한다면 그들은 보험의 혜택을 받지 못하게 된다면서, 이는 보험의 사회적 기능을 약화시킬 수 있다고 언급한다. 한편 주식의 미래 가격은 현재 가격에서 무작위로 변할 수 있다는 점도 언급하고 있다. 수많은 투자자들의 매수와 매도 주문이 마치 브라운 운동에서 묘사하는 물 분자의 충돌처럼 주가에 영향을 미친다면서, 개별 거래는 작은 영향을 미치지만, 수만 건의 거래가 모여서 주가의 전체적인 움직임을 만들어낸다는 점을 강조한다. 또한 마코위츠는 현대 포트폴리오 이론으로 분산투자를 제시하고 있는데, 각 주식의 기대 수익률, 리스크의 측정치인 표준편차, 그리고 주식들 간의 상관관계를 계산하여 서로 다른 주식들을 적절히 조합하면 전체적인 리스크를 줄이면서도 좋은 수익률을 얻을 수 있다고 말한다.&nbsp;미국의 경제학자인 케네스 애로우가 제시한 불가능성 정리도 소개하고 있는데, 세 명 이상의 후보자가 있을 때 모든 유권자의 선호를 공정하게 반영하는 완벽한 투표 시스템은 존재할 수 없다는 것을 수학적으로 증명했다고 말한다. 공정한 투표 시스템이 만족해야 할 조건으로 네 가지가 있는데, 첫째, 유권자의 선호가 바뀌면 결과도 바뀌어야 한다는 것이고, 둘째는 만약 모든 유권자가 A를 B보다 선호한다면 투표 결과도 A가 B보다 우선해야 한다는 것이며, 셋째는 A와 B 사이의 상대적 순위는 제3의 후보 C와 무관해야 한다는 것이고, 넷째는 어떤 한 사람의 의견이 결과를 좌우해서는 안 된다는 것이라 말한다. 이 네 가지 조건을 모두 만족하는 투표 시스템은 존재할 수 없다는 것을 증명했다는 말이다. 또한 확률에 기반한 판단이 개인의 인권을 침해하거나 편견을 강화할 수 있다는 우려도 언급하고 있다. 예를 들어, 특정 지역이나 인구 집단에 대한 통계적 데이터가 편향되어 있다면, 이를 바탕으로 한 베이즈 방식의 추론은 불공정한 결과를 낳을 수 있다면서 말이다. 한편 양자 암호학에 대해 언급하면서 가장 잘 알려진 것이 양자키 분배 방식이라 말한다. 누군가가 양자 상태를 측정하는 순간 그 상태가 변해 버리기 때문에 도청자가 정보를 가로채려고 하면 양자 상태가 변화하여 도청 시도를 즉시 알아챌 수 있다면서 말이다. 또한 우리 뇌의 기본 단위인 뉴런은 전기 신호를 통해 정보를 전달하고 있는데, 뉴런이 신호를 보낼지 말지는 확률적으로 결정된다고 말한다. 뉴런 내부의 전기적 신호가 특정 수준을 넘어서야 다음 뉴런으로 신호가 전달되지만, 이 특정 수준은 고정되어 있지 않다면서, 뉴런의 상태, 주변 환경, 심지어 시간에 따라서도 변화한다고 언급한다. 이어서 각 사건의 확률이 이전 사건에서 도달한 상태에만 의존하는 일련의 가능한 사건들을 설명하는 마르코프 체인에 대해 소개한다.&nbsp;&nbsp;문장을 생성할 때 각 단어의 선택이 직전 단어에만 의존한다고 가정하면, 마르코프 체인을 이용해 그럴듯한 문장을 만들어낼 수 있다고 말한다. 한국어는 어근에 다양한 어미가 붙어서 의미가 결정되는데다가 이전 음절이 다음 음절의 가능성을 크게 제약하기 때문에, 한국어 처리에서 마르코프 체인이 특히 유용하다고 언급한다. 한편 베이지만 신경망은 의료 진단, 자율주행 차량 등 높은 신뢰성이 요구되는 분야에서 특히 유용하다고 말한다. 예를 들어, 자율주행 차량이 도로 위의 물체를 식별할 때 단순히 저것은 사람이라고 판단하는 것보다 저것은 80% 확률로 사람이며, 이 판단에 대한 확신은 95%라고 판단하는 것이 더 안전한 의사결정을 가능하게 한다고 말한다. 신뢰도가 낮을 때는 운전자에게 제어권을 넘기거나 더 보수적인 운전을 하도록 설계하면 된다면서 말이다. 또한 암호화 알고리즘으로 많이 사용되는 RSA의 안전성은 큰 소수를 무작위로 선택하는 능력에 크게 의존하는데, 여기에도 확률론적 약점이 있다고 말한다. 소수는 숫자가 커질수록 점점 드물어지는데, RSA 키를 만들 때 컴퓨터는 특정 범위에서 소수를 찾기 위해 여러 번 시도해야 한다고 말한다. 똑똑한 공격자라면 이 정도 크기의 소수를 찾으려면 대략 이 정도 시도가 필요하다고 추측할 수 있고, 많은 사람들이 비슷한 방법으로 소수를 생성한다면 우연히 같은 소수를 선택할 가능성도 있다고 언급한다. 만약 두 사람이 같은 소수를 사용한다면 그들의 RSA 키는 서로 연관성이 생기게 되어 보안에 취약해질 수 있다면서 말이다. 한편 시계열 분석 방법의 대표격이며 과거의 관측 값과 오차를 이용해 미래의 값을 예측하는 모델인 ARIMA 모델에 대해 설명하고 있다.&nbsp;ARIMA 모델의 각 구성 요소를 살펴보면 AR 부분은 현재 값이 과거 값들의 선형 조합으로 표현될 수 있다는 가정에 기반을 두고 있고, MA 부분은 현재 값이 과거의 예측 오차들의 선형 조합으로 표현될 수 있다는 가정에 기반을 두고 있다고 말한다. 즉, 예측 실수에서 배운다는 개념이란 말이다. I 부분은 비정상 시계열을 정상 시계열로 변환하기 위한 차분 과정인데, 추세를 제거한다는 개념이라 언급한다. 그 밖에도 이 책에서는 최신 확률 이론들을 소개해주고 있는데, 대표적인 것이 랜덤 그래프 이론이다. 노드들이 무작위로 연결되는 네트워크 모델에 대한 연구를 소개하고 있는데, 연결 확률이 특정 값을 넘어서면 네트워크에서 거대한 연결 성분이 갑자기 나타난다는 점을 언급하고 있다. 또한 연결선 개수의 분포가 멱법칙을 따르는, 즉 대부분의 노드는 적은 연결을 갖고 극소수의 노드가 거대한 연결을 가진 일종의 허브 형태를 띠는 네트워크를 척도 없는 네트워크라고 하는데, 이런 종류의 네트워크는 무작위 공격에 대해서는 매우 강한 회복력을 보이지만, 중요한 노드들을 겨냥한 표적 공격에는 취약하다고 말한다. 마지막으로 확률 분포를 기하학적 관점에서 바라볼 수 있는 정보 기하학에 대해 소개해주고 있는데, 확률 분포는 단순한 숫자들의 나열이 아니라 정보를 담고 있는 하나의 구조체라고 말한다. 예를 들어, 동일한 평균을 가진 두 개의 정규 분포라도 분산이 다르면 완전히 다른 특성들을 보인다면서, 이런 차이점들을 기하학적 공간에서 점과 점 사이의 거리나 곡률로 표현할 수 있다면 복잡한 확률적 현상들을 직관적으로 이해할 수 있다고 언급하고 있다.]]></description><image><url>https://image.aladin.co.kr/product/37029/5/cover150/k552030838_1.jpg</url><link>https://www.aladin.co.kr/shop/wproduct.aspx?ItemId=370290511</link></image></item></channel></rss>