-
-
수학의 쓸모 - 불확실한 미래에서 보통 사람들도 답을 얻는 방법 ㅣ 쓸모 시리즈 1
닉 폴슨.제임스 스콧 지음, 노태복 옮김 / 더퀘스트 / 2020년 4월
평점 : 
이 책은 인공지능과 빅 데이터 기술이 주류를 이루고 있는 현대 사회의 삶 속에서 우리가 일상적으로 만날 수 있는
다양한 첨단 기술에 사용된 수학적 지식과 원리에 대해 서술한 책이다.
책의 내용과 구성은 7개 분야에서 사용되고 있는 주요 기술에 대해
핵심 원리와 적용 사례, 관련된 인물들의 이야기를 소개한다: 넷플릭스와
조건부 확률; 레빗의 발견과 패턴 인식; 탐색과 베이즈 규칙; 자연어 처리와 그레이스 호퍼; 이상 데이터 감지와 뉴턴; 빅 데이터 알고리즘과 피임실패율; 공공 의료와 데이터 과학의 융합의
필요성.
저자는 통계학과 인공지능 분야의 전문가로 알려진 폴슨과 스콧 교수이다.
---
최근 들어 전세계적으로 가장 인기를 끌었던 인공 지능 관련 뉴스는 아마도 바둑에서 인간 최고수를 이긴 인공지능
기계 프로그램인 알파고(alphago) 사건이 아닐까 싶다.
알파고에서
사용된 ‘딥 러닝(deep learning)’이라는 돌파구적인
신기술 덕분에 인공지능 기술은 분명히 한 차원 더 발전한 것이 분명하다는 것이 당시의 다수의 전문가들의 의견이었다.
게임에서뿐만 아니라 넷플릭스나 스마트폰의 음성인식 서비스처럼 우리가 일상적으로 접할 수 있는 많은 부분에서 인공지능이나
빅데이터의 기술이 적용된 사례와 원리에 대한 이야기들이 이 책에서 소개되고 있다.
인공지능이란 것이 과연 무엇이고 어떻게 현실 속에서 사용되고 있을까? 자율주행
자동차나 빅데이터 처리 같은 기술은 어떤 수학적 원리에 의해 어떻게 작동하는 것일까? 와 같은 질문들의
답변과 관련된 내용들이 이 책의 주된 내용이다.
복잡하고 어려운 기술적 원리와 수학 공식을 설명할 때 수식을 거의 사용하지 않고 일상 언어로 풀어서 설명하고
있는 것이 특징적이다.
일상 생활 속에서 쉽게 만나는 첨단 기술 서비스로부터 제공받는 편리함 아래에
가려진 어려운 작동 원리를 이해하기 쉽게 설명하고 있다는 점은 분명히 이 책이 가지는 장점이다.
다만 아쉽다고 느끼게 되는 부분은, 오직 확률과 통계학적 관점에서만
인공지능 기술을 바라보고 해석한다는 것인데, 부족한 설명으로 인해 독자에게 오해를 전달할 수 있을 만한
여지가 눈에 띈다:
예를 들면, 신경망(neural network)은 저자의 설명대로 후대에 그냥 붙여진 별명이 아니라, 인공지능 분야에서 오랜 기간 인간의 계산 능력을 모방하여 연구된 계산 모델(computation
model) 중에 한가지이다.
그레이스 호퍼의 업적은 컴파일러와 서브루틴의 창시자이기도
하지만 50년대 중반 당시에는 포트란(fortran)이라는
과학 계산용 고급 언어가 어셈블리어의 대안으로 개발된 상태이기 때문에 프로그래밍 언어 분야에서 뚜렷한 것은 맞지만 존 바커스의 업적에는 미치지
못한다는 평가를 받는다.
그보다는 컴퓨터 산업 전체에 기여한 바가 더 큰 측면이 빠져 있어 아쉬웠다: ‘코볼(cobol)’이라는 경영관리 데이터 처리용 고급 언어를 만듦으로써
컴퓨터 사용 대상을 기업으로 고객층을 확장시키는 계기가 된다(60년대까지 미국 본토 군사 기지에 보급된
컴퓨터 인프라로 인해 최초 네트워크(network)인 ARPHANET의
개발로까지 이어지게 된다).
또 한가지는 ‘빅 데이터 알고리즘의 의사 결정의 부정확함’같은 인공지능의 약점이나 한계를 지적하고 있지만, 그것보다는 대용량의
데이터를 처리할 때 나타나는 통계학적인 본질적인 문제에 대한 언급이 빠져 있다:
전체 데이터를 모르는
상태에서 축적된 데이터를 기반으로 패러미터를 설정하기 때문에 새로운 차원이나 성격의 데이터 항목이 나타나면 판단 결정에 오류가 나타날 수 밖에
없으며, 가장 심각한 것은 패턴이 가지는 복잡한 특성을 더 이상 인간이 이해하지 못한다는 현실을 설명하지
않은 부분은 아쉽게 느껴진다.
전반적으로, 현재 첨단 기술에 속하는 인공지능 기술에 관해 일상적인
사례를 통해 알기 쉽게 접근하는 책이다.