[밑줄]이해는 맥락을 초월하는데

그러므로 나는 의심한다 - 세계적인 신경과학자 보 로토의 ‘다르게 보기’의 과학
보 로토 지음, 이충호 옮김 / 해나무 / 2019년 12월

이 글에는 스포일러가 포함되어 있습니다.

(268~269쪽)중요한 것은 바로 이것, 일반화할 수 있는 원리이다. 한때 방대하고 고차원이었던 데이터 집합이 이제 1차원으로 붕괴했다. 이것은 데이터를 사용하는 데에서 나오는 단순한 원리이지만, 데이터 자체는 아니다. 이해는 맥락을 초월하는데, 서로 다른 맥락들이 이전에 알려지지 않은 유사성에 따라 붕괴하기 때문이다.

이해가 하는 일이 바로 이것이다. 그리고 우리는 이해가 일어날 때 뇌 속에서 실제로 그것을 느낀다. 우리의 '인지 부하cognitive load'(학습이나 과제 해결 과정에 필요한 인지적 요구량)가 감소하고, 스트레스와 불안 수준도 감소하고, 정서 상태가 좋아진다.

제목: 이해

아, 이해하고 싶다.

이해하려 한다.

이해할 수 있다.

이해할 것이다.

이해해야지.

끈질기게,

끝까지,

이해한다.

너를.

나를.

세상을.

삶을.

(269~270쪽)'왜?'는 프라하의 봄뿐만 아니라, 프랑스 혁명, 미국 독립 혁명, 베를린 장벽 붕괴도 초래했다. 이러한 사회적 변화의 물결을 일으킨 혁명가들과 일반 시민들은 모두 동일한 질문을 공유했다. 바로 "왜 이렇게는 되는데, 저렇게는 되지 않는가?"라는 질문이었다. 만약 스스로 이 질문을 던지는 사람들이 충분히 많이 생기면, 갑자기 엄청난ㅡ그리고 엄청나게 예측 불가능한ㅡ 일들이 가능해진다. 그 이유는 간단하다. 누가, 무엇을, 어디서, 언제가 우리가 볼 수 있는 공간을 밝히는 은유적 가로등이 환히 비춰주는 답으로 안내한다. 물론 측정은 필수적이며, 더 일반적으로는 기술記述도 마찬가지다.

하지만 데이터는 이해가 아니다.

예를 들면, 전통적인 학교들에서는 측정 가능한 것(예컨대 무조건 암기를 통해 얻는 종류의 답들)을 계속 가르치는 반면, 그런 방법들은 측정되는(당하는) 어린이들에게 이해를 가르치지 않는다. 이 방법들은 가로등 아래에서 가르치지만, 우리는 열쇠가 어두운 다른 장소에 떨어졌다는 사실을 안다. 어둠 속을 찾는 대신에 환한 빛이 비치는 곳에 머물면서 측정 가능한 데이터를 점점 더 많이 수집하는 꼴이다. 어떤 종류의 측정에는 놀랍도록 기발한 공학 기술이 필요하지만, 데이터를 수집하는 것은 쉽다.

왜를 이해하는 것은 어렵다.

요점을 다시 강조하자면, 정말로 중요한 것은 아는 것이 아니라 이해하는 것이다. 따라서 TED강연(흥미로운 사상가들이 자신의 생각을 무대 위에서 청중에게 설명하는 온라인 비디오)의 성공을 분석해보면, '전파할 가치가 있는 생각들' 대신에 '던질 가치가 있는 질문들'을 고려할 필요가 있다.

(279쪽)행동은 순간 이동하지 않는다. 우리의 심장 박동은 서서히 증가하지, 중간 단계를 거치지 않고 갑자기 분당 50회에서 150회로 뛰어오르지 않는다. 

(279쪽)미소한 직선 운동이 아주 많이 일어난다. 마음도 몸과 마찬가지다. 굉장한 아이디어가 돌연히 떠오르진 않는다. '아이디어가 떠오르는' 과정은 갑작스런 도약이 일어난 것처럼 느껴질 수  있지만, 실제로는 수천 가지 미소한 과정들이 연속되어 일어나는 것이다. 꽃의 발달 과정이 심피에서 꽃받침으로, 거기서 다시 꽃잎으로 진행되는 것처럼 우리는 그냥 갑자기 자신의 가능성 공간에서 하늘 높이 솟아오를 수 없다. 우리는 과거에 '최선'이었던 것을 나타내는 자신의 회로에 제약을 받는다.

(282쪽)그렇다면 왜 어떤 아이디어와 질문은 큰 변화를 낳고, 다른 아이디어와 질문은 그렇지 못할까? 왜 밀란 쿤데라는 같은 시기에 소설을 출판한 체코슬로바키아 소설가들과 달리 프라하의 봄 이우에 망명을 떠나야 했을까? 왜 스티브 잡스는 현대인의 삶을 확 바꾼 반면, 나나 여러분은 그러지 못했을까? 이것을 설명할 수 있는 방법이 있을까? 그렇다. 그런 게 있다.

몸집이 큰 사람이 풀장으로 뛰어들면 주위로 아주 많은 물이 튄다. 작은 사람이 뛰어들면 그보다 적은 물이 튄다. 이것은 아주 당연하다. 하지만 아이디어에는 동일한 법칙이 적용되지 않는데, 혁신적인 지각이 그토록 큰 영향력을 지니고.... 또 아주 바람직한 이유는 이 때문이다.

'천재성'을 이해하려면, 큰 결과가 큰 원인에서 비롯된다는 가정에 의심을 품어야 한다. 반드시 그래야 한다는 법은 없으며, 아주 좋은 결과들이 큰 원인에서 비롯되지 않았다는 것은 거의 틀림없는 사실이다.

모든 사람은 적은 투자로 '유니콘'을 낳길 기대한다. 그 비결은 '작아' 보아지만 큰 효과를 낳는 질문에 있다. 나는 이것이 '좋은' 질문을 정의하는 속성이라고 생각한다. 아주 커 보이는 질문(아이디어)도 정작 그 효과는 아주 작거나 전혀 없을 수 있다. 수학은 관찰 가능한 이 진리를 연구해왔는데, 그 설명은 우리를 최근에 부상하고 있는 과학 분야 중 하나인... 복잡성 이론complexity theory으로 안내한다. 왜 일부 아이디어는 엄청난 변화를 일으키는 반면 다른 아이디어는 그러지 못하는지 이해함으로써 우리는 천재적인 돌파구를 낳는 질문을 더 효과적으로 만들고 표적으로 삼을 수 있다.

(283쪽)왜 라는 질문은 획기적인 돌파구를 여는 질문을 말하는데, 특히 왜가 기존의 진리에 도전할 때 그렇다. 하지만 우리는 직선적인 인과성을 가정하는 습관에 너무 젖어 있고, 그래서 창조성은 자연 발생적인 통찰을 통해 결개의 요소들을 연결시키는 데에서 나온다고 가정하기 때문에, 이것이 왜 그런지 이해하는 것이 꼭 필요하다. 그리고 그렇게 함으로써 이 지각은 새롭게 바라보고 실험하고 협력하는 방법들을 낳을 수 있다.ㅓ....

복잡성 이론은 지난 30년 사이에 떠오른 일반적인 과학 연구 분야로, 내 연구소도 15년 동안..... 적응 네트워크의 맥락에서.... 적극적으로 이 연구에 참여했다. 복잡성 이론은 지진과 눈사태에서부터 경제 위기와 혁명에 이르기까지 자연 현상과 사람이 만든 현상을 모두 연구하는 데 도움을 준다. 복잡성 이론은 큰 영향력을 미친 그 사건들이 실제로는 수학적 패턴과 원리를 따르면서 상호 장용하는 부분들로 이루어진 계라는 사실을 입증하는 데 도움을 주었다. 격변은 예측하기가 불가능하지만, 사후에 그 '격변 가능성'은 말쑥한 분석으로, 즉 '멱 법칙power law'(한 수가 다른 수의 거듭제곱으로 표현되는 두 수의 함수적 관계)으로 설명된다. 이것은 복잡계가 결국에는 안정성과 격변 사이의 극히 좁은 문턱에 위치한 '자기 임계성self-criticality'으로 나아갈 수 있기 때문에 그렇다. 자기 임계성 상태에서는 모래 한 알이 떨어지는 사건이 아무 결과도 낳지 않을 수도 있고, 산사태를 일으킬 수도 있다. 그리고 뇌는 알려진 우주에서 가장 복잡한 계는 아니더라도, 살아 있는 계 중에서는 가장 복잡한 계이다.