모든 질문이 질문이 되지는 않는다. 간혹 자신의 주장...

모든 질문이 질문이 되지는 않는다. 간혹 자신의 주장을 질문의 방식으로, 트집을 잡기 위해 등등등. 사람들은 다양한 이유로 질문이라는 형식을 빌린다.

문제 속에 담긴 본질을 고구하기 위한 회의주의자들의 끊임없는 의심은 당연히, 세계를 들여다보기 위한 노력의 산물일 것이다. 그래서, 순수한 질문을 던지는 태도를 견지하는 것으로 늘 노력하고 있다. 못되게 굴진 말아야지.

그래서 나는 렉스에게 질문하는 사람들에 관해 질문해보라고 가르친다. 이 사람은 정말로 이해하고 싶어서 질문을 하는 건가? 이 사람은 증거에 관심이 있는가? 이 사람은 자신의 견해가 틀렸다는 사실을 알게 되면 솔직히 인정할까, 아니면 그걸 감추려고 할까? - P332

[오늘의 한문장] 수학자의 생각법

수학은 구체적인 사례를 하나로 묶어 형식화하는 방법에 대한 이야기이다. 우리는 이를 문제 ‘유형’이라 가르치지만, 실상 이것은 추상화 된 사고를 구체적으로 풀어낸 것들을 배워나가는 것이다.

수학의 가치는 그런 것이다. 무수히 많은 이차 방정식의 경우를 일반식으로 표현한 후 이를 근의 공식으로 형식화하여 나타내는 힘이다. 그래서, 알고리즘 공부는 반드시 수학적 사고가 선행되어야 한다고 생각한다. 당연하지 않은가? 알고리즘이 바로 수학인 것을.

이 사례는 수학이 가장 좋은 지름길이라는 사실을 보여준다. 동일한 방정식으로 다양한 시나리오를 다룰 수 있기 때문이다. 사과를 던지는 경우, 공중에 떠 있는 높이의 최대 지점은 속도가 0에 도달한 후 사과가 아래쪽 방향으로 움직이기 시작하는 순간이다. - P258

[오늘의 한문장] 못 말리게 시끄럽고, 참을 수 없이 웃긴 철학책

어린이들은 종종 내가 자신들을 나무라는 것 자체를 받아들이지 못하고 (대 놓고는 아니지만) 성질을 낼 때가 있다. 우리 집 여자들 중 일부도, 내가 화내는 포인트보다, 내가 화를 자신에게 낸다는 자체에 대해 화를 내는 경우가 있‘었’다.

아무때나 화를 내는 것은 당연히 문제가 있지만, 내가 화를 내는 것에 신중하려고 노력하는 사람임을 충분히 인지시킨 다음에, 나는 어린이들에게 나의 나무람은 너를 인격적으로 대하기 위한 것임을 충분히 납득시키고자 노력한다. 어른들에게는 그럴 필요가 없다고 생각한다. 상대방을 인격적으로 대하는 것이 아닌, 물격적으로 대한다면 내가 성질을 부릴 필요가 없다는 것을 알테니까. 간혹 물건들에 화를 내는 사람들이 있지만, 어른이라면 굳이 그럴 필요가 없다는 것을 알고 있을테니까.

어린이들에는 알려주어야 한다. 물론, 나무라는 행동에 정당성을 부여하기 위한 목적만이어서는 곤란하겠지만. 우리는 이성적으로 사고할 수 있는 존재이니 이성적으로 행동할 수 있어야 한다는 것을.

우리는 강아지 베일리와 이성적으로 소통할 수 없다. 베일리의 행동을 바꾸는 유일한 방법은 보상을 조절하는 것이다. 그러나 사람들끼리는 이성으로 소통할 수 있으며, 반응형 태도는 이성으로 소통하는 하나의 방법이다. 누구에게 화가 났을 때 당신은 왜 그렇게밖에못 했느냐고 나무란다. 그 말을 들은 상대는 기분이 좋지 않을 것이다. 하지만 당신은 적어도 그를 물체나 동물이 아니라, 자기가 하는행동에 책임을 져야 하는 인간으로 대하고 있다. - P130

[마이리뷰] 추천 알고리즘의 과학

추천 알고리즘의 과학 - AI는 어떻게 내가 보고싶은 뉴스를 보여줄까? ㅣ 누구나 읽을 수 있는 IT 과학이야기 6
박규하 지음 / 로드북 / 2022년 11월

인공지능 기술이 작동하는 방식 중, 추천 알고리즘 기술의 원리와 방식에 대해 라이트하게 쓴 책이다.

편하게 읽을 수 있거니와, 아마존, 유튜브, 페이스북 등의 사례와 함께 소개해주는 덕에 조금 더 실감하며 읽을 수 있는 특징이 있다. 그런데 막상 읽고 나서 기억에 탁, 박히는 무언가가 있지 않다는 약간의 아쉬움. 그래도 다시 보려고 북마크 몇 곳 해 두었다.

개인적으로는 데이터 기반 인공지능 수업을 구축하기 위한 관점 하나를 얻었다.

동류가 모였을 때의 좋은 점은 관계성 속에서 누릴 수...

동류가 모였을 때의 좋은 점은 관계성 속에서 누릴 수 있는 정서적 안정이 아닌가 싶다. 팔이 안으로 굽으니 나의 말과 행동, 생각에 대한 공감 속에서 상처받거나 갈등할 가능성이 현저히 줄어든다.

정서적 공감을 이룰 수 있는 동류가 없으므로, 직업, 취미, 선호 등을 매개로 다양한 동류를 이룬다. 그렇게 세상을 바라보는 눈이 만들어진다. 프레임이다.

인공지능 시대에, 특히 이러한 프레임은 더 강력하게 형성되는 듯 싶다. 필터버블이 그렇다. 그저 보는 것만 바라보니 사고도 한 방향성만 띄는 것이다. 물론, 듣고 싶은 이야기만 들으니 마음은 편하겠지만… 어느 순간, 세상은 모두 다 같은 색이 아니라는 것을 알게 되고, 보통은 이에 맞선다. 지금까지 쌓아올린 공감의 힘을 믿고.

그렇게 우물 안 개구리가 된다. 바라보는 하늘이 전부인 줄 아는.

방법은 없다. 해결책은, 의도적인 마주함이다. 나와 다른 것에도, 때로는 틀린 것으로 여겨지는 것에도, 마주서서 힘껏 싸워야 한다. 그것을 피하면… 그저 안온한 동류 사이에서, 잃어버리는 것은 변화에 대응하는 힘이다.

그저 소시민이기 때문에, 내가 택하는 방법은 그저, 가리지 않고 만나는 것이다. 싸울 자신이 안 생기면 그저 듣기만이라도 한다. 하지만 드러내고 혹은 속으로라도 싸울 일은 싸운다. 그 중 가장 많이 하는 일은, 저자 혹은 작가와의 싸움이다. 독서가, 다른 세상 혹은 틀린 세상을 마주하는 가장 손쉽고 덜 빈정 상하는 방법이다.

그러나 콘텐츠 기반 추천시스템을 적용한 경우, 사용자에게 특정 콘텐츠만 추천하게 되는 ‘과잉전문화(Overspecialization)‘ 문제가 있습니다. 콘텐츠 기반 추천시스템이 적용된 뉴스 추천 서비스가 있다고 가정하겠습니다. 필자는 과학과 IT에 관심이 많으므로 가입 후 일주일 동안 과학과 IT에 관련된 기사만 읽었습니다. 새로운 기사를 읽고 싶어 서비스를 이용하려는필자에게 이 서비스는 과학과 IT에 관한 기사를 추천할 겁니다. 수집된 사용자의 데이터를 바탕으로 추천이 이뤄지기 때문에 유사한 아이템이나 콘텐츠만 계속해서 추천되는 문제가 바로 과잉전문화입니다. 과잉전문화 문제는 필터 버블, 콘텐츠 편식 등으로 불리기도 합니다. - P138