중편의 여왕

허공에서 춤추다
낸시 크레스 지음, 정소연 옮김 / 폴라북스(현대문학) / 2015년 11월

낸시 크레스의 『허공에서 춤추다』는 중편 분량의 소설이 네 편이나 실려 있는 (「스페인의 거지들」, 「경계들」, 「올리트 감옥의 꽃」, 「허공에서 춤추다」) 작품집이다. 물론 단편 분량이나 초단편 분량의 소설도 실려 있긴 하지만, 그녀 스스로도 “쓰다 보면 자연스레 중편이 된다”고 말하기도 했고 세간에서도 ‘중편에 능한 소설가’로 평가받기도 했으니, 이 작품집의 가치는 이 중편 네 편에 있다고 볼 수 있다.

그녀가 중편을 쓰는 이유로 다음 이유를 들었다.

새로운 세계를 건설하기에 충분할 만큼 길면서 하나의 플롯만 있어도 충분할 만큼 짧다. 또한 장편소설보다 밀도가 높으면서도 작업을 할 만한 중분한 공간은 있다.

내 생각과 정확히 일치한다. 중편은 SF의 복잡한 설정을 담을 충분한 공간이 있으면서도, 스피디한 진행과 단순한 플롯이 있다. 나만의 주장이지만, 이러한 중편의 특성이야말로 앞으로 미래의 콘텐츠가 추구해야 할 방향성이 아닐까 한다. 쇼츠, 릴스 등 짧은 순간의 도파민 콘텐츠에 중독되어 가는 콘텐츠 소비자들은 이미 장편의 지루하고 현학적인 스토리를 즐기기 어려워 한다. 그렇다고 그들이 단편의 단순하고 얇은 세계관을 원하는 것도 아니다. 중편에는 이것들이 있다. 도파민을 우러나게 할 정도로 충분히 깊이 있는 세계관, 그러면서도 스피디하게 뚝딱 읽을 수 있는 제대로 된 스토리. 

조만간 중편 SF의 봄이 오지 않을까?

---

낸시 크레스 소설의 또 하나의 특징은 유전공학을 소재로 하면서 그 과학의 윤리적 문제를 정면으로 다루며, 그에 덧붙여 가족의 가치를 전면적으로 그리고 있다는 점이다. 「스페인의 거지들」은 유전공학으로 잠을 자지 않게 태어난 뛰어난 능력을 가진 주인공과, 평범하게 태어난 동생 간의 관계를 그린다. 「올리트 감옥의 꽃」은 기억 왜곡 실험의 윤리성과 함께 동생을 스스로 살해한 언니의 기억에 관해 다룬다.「허공에서 춤추다」는 유전공학으로 슈퍼휴먼이 된 발레리나의 윤리적 문제, 그리고 엄마와 딸의 갈등과 용서를 그린다. 

「스페인의 거지들」은 가장 많이 알려진 낸시 크레스의 최고작이다. 잠을 자지 않게 유전자 조작을 행할 수 있는 과학기술을 보유한 사회가 이미 태어난 그들을 왜 차별적으로 대하는지, 그리고 그들은 그 차별을 어떻게 이겨 내는지에 대한 이야기이다. 결말은 차별을 이겨 내기 위한 연대와, 서로의 처지를 제대로 이해하는 한 발짝씩의 발걸음으로 끝난다. 괜찮은 작품이었으나, 몇 가지 점에 대해서는 사소한 불만이 있었다. 첫 번째로, 과연 잠을 자지 않도록 설계된 인간이 모두 뛰어난 인간이 될 것인가? 내 생각엔 아니다. 게으른 사람은 (그 기질을 유전적으로 고쳐놓지 않으면) 밤새 게임이나 할 것이다. 두 번째로, 수면을 하지 않는 사람들은 과연 밤에 어떤 생각을 할까? 내 기억에, 시험 전날의 밤샘 공부는 새벽의 슬픔, 우울, 멜랑콜리함이 몰려오는 감정의 시간이었다. 소설의 인물들은 거의 밤 동안 내내 공부만 하는 괴물같은 공부 머신으로만 그려진다. 밤의 어두움이나, 홀로 있음, 공포 등의 감정에 대해 좀 더 그려줬으면 훨씬 더 공감이 갔으리라 생각한다.

「올리트 감옥의 꽃」은 과감하게도 인간과 인식이 다른 외계인과, 여러 외계인 간의 소통이 존재하는 우주적 스페이스 오페라이다. 가족 간의 관계 같은 작은 이야기들에 능한 작가 특성상 무리가 아닐까 했는데 의외로 꽤 잘 만든 설정을 가진 좋은 작품이었다. 이 작품은 작가의 말에 따르면 “우리가 어떻게 현실을 구성하는지, 진실이라 믿어 의심치 않는 명확한 현실의 지도를 머리에 담고 다니는지에 관한 이야기”, 즉 철학적 인식론에 대한 이야기이다. 결말은 열린 결말인데, 내 기준으로서는 썩 맘에 들진 않았다. 이 작품을 장편 시리즈로 개작한 『확률 우주』라는 작품이 있다고 하며, 존 W. 캠벨 상을 받는 등 평가는 괜찮아 보이니 기회가 되면 (번역판이 출간된다면) 결말이 더 좋아졌는지 읽어볼 만 하겠다.

내 기준 최고작은 「허공에서 춤추다」이다. 작가 스스로 이 작품을 가장 좋아한다고 밝혔는데, 내 평도 그렇다. 이 소설은 앞서 말한 슈퍼휴먼 발레리나, 유전공학의 윤리성, 엄마와 딸 관계 외에도 특별히 유전공학으로 설계된 ‘말하는 멍멍이’가 나온다. 정말로 귀엽고 흥미롭다. 발레를 소재로 한 SF라는 참신함도 새롭다. 인물들 모두가 모이는 절정 씬은 마치 봉준호 작품 『기생충』의 파티 씬을 보는 것만 같았다. 결말도 뛰어난데, (사소한 스포일러를 하자면) 자식이 스스로 무엇을 하고 싶은지 결정에 대해 부모가 이러쿵저러쿵할 수 없다는, 아주 사적이면서도 기분 좋은 결말이다.

[100자평] 삼체 0 : 구상섬전

삼체 0 : 구상섬전
류츠신 지음, 허유영 옮김 / 다산책방 / 2025년 8월

구상섬전에 의해 부모님을 여읜 순간부터 초반 몰입감 끝내줍니다.

보는 것은 뇌가 아니라 우리가 하는 행동이다

지각행위 - 감각을 넘어 행위로 ㅣ 마음학 세미나 2
알바 노에 지음, 정혜윤 옮김 / 그린비 / 2025년 7월

알바 노에는 미국 캘리포니아 대학교 철학과 교수로, 그의 심리철학 이론인 ‘감각운동 이론Sensory-motor theory of perception’은 지각이 몸과 세계 사이의 능동적 상호작용에 의해 만들어진다는 관점을 주장하는 이론이다. 그 이론을 잘 설명하고 있는 책이 바로 이 책, 『지각 행위』(Action in Perception)이다.

그는 이 책에서 감각 체계로 입력된 감각 데이터가 바로 내적 표상으로 만들어지는 것이 아니라고 설명한다. 우리의 경험이란 뇌가 망막에 맺힌 이미지를 감상하는 게 아니라, 뇌가 눈을 움직이고, 고개를 돌리고, 허리를 틀어 현재 입력된 감각이 어떻게 변할 지를 암묵적으로 이해하는 것이다.

(접시가) 타원형으로 보인다는 사실에서 우리는 접시의 원형성(circularity)을 본다. 우리는 사물이 그 모양과 관련하여 어떻게 보이는지가 움직임에 따라 달라지는 방식 안에 원형성이 주어진다는 사실을 암묵적으로 이해하기 때문에 이렇게 할 수 있다.

우리는 테이블에 원형의 접시를 본다. 하지만 그 접시는 망막에 타원형으로 찍힌다. 하지만 우리는 접시가 동그랗다는 사실을 알고 이해할 수 있다. 우리는 언제든지 고개를 접시 위쪽으로 이동시켜 망막에 찍히는 접시의 모양을 원형으로 만들 수 있기 때문이다. 우리는 눈을 돌린다면, 목을 움직인다면 접시의 모양이 어떻게 달라질 것인지를 충분히 예상할 수 있으며, 꼭 그렇게 하지 않더라도 암묵적으로 그 매커니즘을 이해한다. 이 과정 자체가 ‘지각(Perception)’이다.

망막 이미지에 대한 세간의 오해가 있다. 빛이 수정체를 통과하면서 망막 이미지에는 거꾸로 된 상이 맺힌다. 그런데 세간의 과학적 설명에 따르면, 이렇게 거꾸로 된 망막 이미지에도 불구하고 우리는 세상을 거꾸로 보지 않는데, 그 이유는 뇌의 어떤 부분에서 이 거꾸로 된 상을 제대로 돌려 주기 때문이다.

이 관점의 문제점은, 뇌 속의 또다른 내가 이 거꾸로 된 망막 이미지를 ‘본다’고 생각한다는 것이다. 이것은 대니얼 데닛의 ‘의식의 호문쿨루스 가정’을 떠올리게 한다. 의식을 설명하는 데 있어서 흔히 저지르는 착각과 실수가 있다. 뇌 안에 또 다른 의식을 가진 ‘호문쿨루스’가 있다고 무심결에 가정해 버리는 것이다. 이 호문쿨루스가 가진 의식 또한 설명되지 못한 의식이기에 순환논리에 빠지게 된다.

알바 노에가 제시하는 거꾸로 된 망막 이미지의 정답은 다음과 같다. 뇌는 ‘거꾸로 된 망막 이미지’를 보지 않는다. 보지 않았으니 거꾸로 돌릴 필요도 없다. 지각이란 곧 환경과 상호작용하여 '나중에' 만들어진다. 추가로 내가 더 재미있는 비유로 이 거꾸로 된 망막 이미지를 설명해 보겠다. 수평으로 넣는 디스켓에 그림 파일이 저장되어 있다. 그런데 모니터는 수직으로 서 있다. 우리는 수평 방향의 그림 파일을 모니터에 올리기 위해, 그림 방향을 90도로 돌리는 알고리즘을 수행해야 할까?

---

알바 노에는 케빈 오리건이라는 심리학자와 함께 연구를 했는데, 케빈 오리건은 변화맹(change blindness) 연구로 유명한 심리학자이다. (예전에 리뷰한 책 『뇌의식의 대화』에서 케빈 오리건에 대한 의식의 관점을 살펴볼 수 있다.) 케빈 오리건이 수행한 심리학 실험의 증거를 바탕으로 체계를 세운 심리철학 이론이 바로 알바 노에가 주장한 감각운동 이론이다.

변화맹이란 시각 장면에서 큰 변화가 있어도 관찰자가 눈치채지 못하는 현상이다. 사람들이 이 변화맹 테스트를 한 번 당해보고 신기해하는 이유는, 스스로 그정도는 당연히 눈치채야 할 것 같은 큰 변화라고 느끼는데도 불구하고 눈치채지 못했기 때문이다. 즉, 우리는 스스로의 시각 경험이 풍부하다고 느끼고(착각하고) 있으며, 이 풍부하고 양 많은 정보 중에서 무언가 놓쳤다는 경험을 받자마자 이해할 수 없는 상황에 빠진다. 알바 노에의 감각운동 이론에 따르면 우리는 세계를 완전한 디테일을 가지고 뇌 안에 저장하지 않는다. 지각이란 단지 감각-운동적 탐색 가능성일 뿐이다. 우리가 시각 경험의 풍부함을 실제로 느끼는 이유는 모든 정보를 지각하였기 때문이 아니라, 필요할 때 고개를 돌리고, 시선을 이동하면 언제든 확인할 수 있다”는 가정에 기반한 탐색 능력에서 비롯된다.

https://www.youtube.com/watch?v=ddiF-icWDVo

Change Blindness test - 무엇이 있다가 없어지는지 찾아보기

----

감각운동 이론은 이제 접시의 모양에서 접시의 색깔로까지 확장된다. 색깔이 과연 접시의 모양처럼 눈을 굴리거나 고개를 돌려 ‘다르게 보일 법한 가능성의 이해’로 지각하는 성질의 것일까? 물론이다. 색은 단순히 파장을 감지하는 것, 뇌 속에서 독립적으로 ‘주어지는 것’이 아니라 세계와의 상호작용에서 드러나는 법칙적 변환 패턴이며, 우리는 이것에 대한 암묵적 이해를 ‘색을 본다’고 경험하는 것이다. 그것은 물체를 움직이거나, 눈을 돌릴 때, 특히 조명을 바꿀 때 시각적 변화가 어떻게 일어날지를 아는 능력이다.

무언가를 빨간색으로 지각한다는 것은 그것을 가시적 환경에 그렇게 작용하는 바로서, 그리고 그렇게 작용할 수 있는 바로서 지각하는 것이다. 이러한 방식으로, 행위 기반 관점은 빨간색이라는 것이 무엇인지를 물체가 환경과 상호작용하는 현상적으로 두드러진 방식으로 설명한다.

그림자 체커 착시

이 유명한 착시는 알바 노에의 감각운동 이론에 따라 다음과 같이 설명된다. 우리는 보통 ‘그림자 속의 물체는 실제로 더 밝다’라는 감각운동 규칙을 경험적으로 이해한다. 따라서 사실은 같은 색인데도, 뇌는 그 법칙을 적용해 “B칸은 더 밝을 것이다”라고 해석한다. 하지만 실제로 망막 이미지에 맺힌 상은(그리고 컴퓨터로 표현된 색의 디지털 코드는) 같을 것이다. 우리는 이 착시 그림을 보며, 굳이굳이 디지털 스포이드로 RGB값을 찍어보고, A와 B의 코드가 같음에 놀라움을 느낀다. 우리가 이 이상한 그림에 대해 이렇게까지 믿기지 않아 하는 이유는, 이 색깔에 대한 감각운동적 지각이야말로 완전히 암묵적으로 체화되어 있기 때문이다.

색깔의 감각운동적 지각에 대한 해석은 의식의 신비에 대한 난제로 우리를 이끈다. 즉, '감각질(Qualia)'에 대한 감각운동 이론의 해석이다. 의식의 감각질적 특성에 대한 수많은 철학자와 심리학자들의 논쟁과 정립되지 않은 학설이 난무하는데, 그것의 주관적 성질, 즉 ‘객관적인 과학 탐사로 측정될 수 없는 본질적인 주관성‘ 때문이다.

알바 노에의 색에 대한 감각운동적 이론에 따르면, 색이란 색 공간 안에 위치해 있다. 그리고 우리의 색에 대한 경험은 색 자체만으로 이루어지지 않으며, ‘색 공간 안에서 내가 보고 있는 색의 상대적 위치’에 따라 이루어지게 된다.

요점은 색 공간 속 색 위치에 대한 우리의 암묵적인 이해가 색 경험을 형성한다는 것이다. 우리는 색을 변화의 가능성으로 가득 찬 바로서, 그리고 현상적 가능성의 공간 안에서 자유도를 지닌 바로서 경험한다. 우리는 책의 붉은 겉모습을 볼 때 색 공간의 나머지는 보지 못한다. 하지만 더 큰 색 공간의 현존에 대한 우리의 감각은 빨간색을 경험하는 것이 어떤 것인지에 기여한다. (...)이러한 결론은 색 경험을 감각질 같은 색 의식의 원자적 요소에 대한 경험으로 분석할 수 있다는 생각에 의문을 제기한다.

즉, 우리가 ‘빨간색’을 본다는 경험이란, 빨간색의 주관성, 즉 ’빨간 느낌‘이라는 감각질을 느끼는 것이 아니라, (암묵적으로) 색 공간 내에서 빨간색이 위치하는 상대성, 초록색과도 다르고, 파란색과도 다르고, 때로는 노란 색과도 다른, 무채색이나 탁한 색과도 다른 그 색을 지각한다는 것이다.

우리가 색을 식별하는 방식이 바로 색들 사이의 현상적인 유사점과 차이점에 기반한다는 것이다.

즉 색의 '주관적인 감각질'라고 우리가 느꼈던 특성이란, 결국 색 공간 안에서 색이 다른 색에 대한 상대적 위치, 다른 색에 비해 얼마나 유사하고 또 얼마나 차이가 있는지를 느끼는 감각운동적 해석이라는 것이다. 즉 주관성이란 없다. 이 논리는 감각질은 허상이라고 주장한 대니얼 데닛의 주장과 일맥상통하는 것 같다.

----

지각과 그에 따른 의식 경험이 환경과 상호작용하는 방식에 따른다는 감각운동 이론은 의식이란 뇌 속에만 있지 않고 뇌-몸-환경이 하나의 시스템을 이룰 때 성립한다는 ‘체화된 인지(embodied cognition)‘ 이론으로 우리를 이끈다. 내가 보기엔 이 확장된 의식에 대한 선언은 조금 추상적인 것 같다. 나의 관점은 “뇌가 의식을 이루려면 환경의 자극과 그 자극을 받아들이는 몸이 필수적이다”라는 점에서, 의식이 성립하려면 뇌가 몸과 환경까지 필수적으로 상호작용해야 한다는 쪽이다. 하지만 알바 노에는 ‘의식에는 몸과 환경이 필수적이다’라는 주장을 뛰어넘는다. 그는 ’의식이란 뇌와 몸과 환경의 총체가 이루는 시스템이다‘라고 주장하는 듯하다.

경험은 그냥 머릿속에 있는 것처럼 느껴진다. 하지만 나는 이것이 잘못된 현상학이며, 아마도 잘못된 과학이라고 주장했다. (...) 결론은 경험이 머리 없이 일어날 수도 있다는 것이다.

그는 나에게 "머리 없는 의식, 뇌 없는 경험"이라는 합의되지 않은 관점을 숙제로 던져준다. 하지만 알바 노에의 감각운동 이론은 실시간으로, 암묵적으로 몸의 운동적 가능성과 한계를 토대로 미래를 예측하는 의식적 뇌라는 설명을 이루어냈고, 또한 ‘감각질’이라는 철학적 허상을 제대로 설명할 이론을 만들어냈기에, 대니얼 데닛의 의식 이론에 맞먹는, 또한 통합할 수 있는, 좋은 의식 이론이라는 결론을 내리고 싶다.

절대적인, 그러나 무존재인. 위대한, 그러나 상상속의.

절대 진공 & 상상된 위대함
스타니스와프 렘 지음, 정보라 옮김 / 현대문학 / 2025년 4월

여러 글에서 누차 밝혔듯이, 내 스타니스와프 렘 빠심의 시작은 정식 소설집도 아닌, 두 과학자/철학자가 인공지능에 대해 논의하며 단편소설을 인용한 독특한 형식의 책, 『이런, 이게 바로 나야』라는 제목의 책에서 비롯되었다. 여기에 바로 「넌 세르비엄」이라는, 등장인물도 별로 없고 사건도 없는 이상한 단편소설이 하나 실려 있었다. (두 저자 더글러스 호프스태터와 대니얼 데닛은 강인공지능과 기능주의에 대해 설명하기 위해 이 소설을 인용했다.) 참고로 이 책에는 저자들의 에세이인 「아인슈타인의 뇌와 나눈 대화」라는 글도 있는데, 이 글은 나의 소설인 「책이 된 남자」의 모티프가 된 결정적인 글이기도 하다. 거의 김필산의 성경과 같은 책이 아닐 수 없다.

2021년 『스타니스와프 렘 - 미래학 학회 외』가 출판되며 「아서 도브의 “논 세르위암”」—‘비’가 아닌 ‘위’ 발음으로 제목이 번역되었다—이 소개되었는데, 아마 문학 작품 소개의 형식으로는 여기가 훨씬 공식적인 자리였을 테다. 『솔라리스』의 렘만이 아닌 ‘온갖 이상한 이야기를 써내는 작가’ 스타니스와프 렘을 거의 처음으로 만나볼 수 있었던 좋은 책이었다. 이후로 놀랍게도, 그리고 나에게는 아주 기쁘게도, 많은 렘의 책이 한국어 번역되기 시작했다. 2023년의 『로봇 동화』를 마지막으로 우리는 우리의 모국어로 렘의 책을 여러 권 읽어볼 수 있게 되었고, 뒤늦은 스타니스와프 렘의 한국 침공은 이제 종료된 걸로만 생각했다.

그리고 올해, 렘의 책이 한 권 더 번역되어 나왔다. 이 책, 『절대 진공 & 상상된 위대함』은 「아서 도브, “논 세르비암”」(여기서는 다시 ‘비’ 발음인데, 2021년 책과 이 책이 같은 번역자의 책이라는 점에서 어떤 연유인지가 좀 궁금하다.)이 포함된 단편소설의 모음집이지만, 우리는 이 모음집의 특별한 ‘컨셉트’, 즉 출판 서적 단위의 맥락 속에서 「아서 도브, “논 세르비암”」을 새롭게 읽어볼 수 있을 것이다. 동봉된 엽서의 일러스트레이션을 눈여겨 볼 만 한데, 책 표지의 그림과 비슷해 보이지만 조금 추상화된 형태의 그림으로 그 변주가 재미있다. 표지 디자이너의 입으로 이 그림의 취지를 밝힌 글은 없지만 내가 추측해 보건대 표지의 그림은 스타니스와프의 ‘S’와 렘의 ‘L’을 르네 마그리트적인 초현실주의 화풍으로 그린 그림으로 보인다.

---

『절대 진공 & 상상된 위대함』이라는 책은 가상의 책에 대한 서평과 서문의 모음으로 쓰인 책이다. 『절대 진공』(Doskonała próżnia)은 '서문'이고 『상상된 위대함』(Wielkość urojona)은 '서평'인데, 나의 둔감한 문학적 감수성에 의하면 서평인지 서문인지는 크게 중요하지 않았다. 이 두 책들은 어떤 가상의 책이 있다는 것을 ‘상상한 후’, 그 상상의 책에 대한 서문이나 서평을 ‘가상’의 누군가가 썼다고 주장한다. 사실 본문에서 그들은 1인칭으로 서술되고는 있지만, 서평과 서문의 저자가 누구인지 본인의 정체성을 직접적으로 밝히지 않는다. 그런데 각 글들의 말투나 스타일, 관심사 등에서 각자 다른 저자로 상정하고 썼다는 느낌을 받았다. 그게 ‘실제’ 렘의 의도라면, 렘은 ‘가상의 저자’와 ‘가상의 책’, 그리고 그 책들을 각각 읽은 ‘가상의 비평가’들까지 꾸며내고 있다는 점이다.

책의 첫 챕터는, 아이러니하게도, 이 책 『절대 진공』에 대한 서평이다. 그리고 여기서도 가상의 서문 저자가 『절대 진공』의 저자 ‘스타니스와프 렘’을 논한다. 가상과 현실의 경계점이 계속해서 헷갈리기 시작한다. 이 가상의 저자가 읽은 『절대 진공』은 현실의 책인가, 가상의 책인가? 언급된 “스타니스와프 렘”은 가상인가, 실제인가? 이 책(우리가 읽고 있는 현실의 책)의 컨셉트를 충실히 반영하자면, 이 서문 또한 ‘가상의 저자’ 스타니스와프 렘이 쓴 ‘가상의 책’『절대 진공』의 서문이어야 한다. 하지만 이 또한 외삽에 의한 추정일 뿐이며 우리의 영가설과 대립 가설, ‘현실인가 가상인가’를 확정시킬 수 있는 말은 없다. 여기서 엄밀하게 따지자면, 가상과 현실이 조합적으로 엮어 들어가는 지점까지 따질 수 있을 것이다. 현실의 현실, 가상의 가상, 현실의 가상, 가상의 현실...저자, 책, 서평의 저자까지 엮으면 아마 2의 3승인 8가지 경우의 수가 나올 것이다. 어쩌면 그가 읽고 서평을 쓴 『절대 진공』이라는 책은 현실이면서 또 가상이며, 현실과 가상의 경계가 흐릿하고, 현실이라고 정의하면 가상이 되고 가상이라고 정의하면 현실이 되는 에피메니데스적 존재(“책에 쓰여진 이 문장은 가상이다”)일 지도 모른다. 이러한 메타적 장난은 바로 (현실의) 스타니스와프 렘의 장기이고, 우리가 렘을 읽는 이유이기도 하다.

---

이런 식의 가상의 책을 설정하고 그에 대한 서평이나 서문을 쓴다는 게 무슨 의미가 있는가? 등장인물이나 사건, 기승전결 등의 소설의 구조를 짜서 이야기를 만들어낼 거 아니라면, 상상력을 표현하고자 한다면 차라리 그 가상의 책 자체를 쓰는 게 낫지 않을까? 위에서 말한 서문의 한 구절을 인용하자면, 이 책들은 스타니스와프 렘의 “이루어지지 못한 꿈들의 책”이다. 진지하게 책 한 권 또는 하나의 작품으로 완성시키기엔 거창하면서도 비뚤고 어긋난 아이디어를, ‘가상의 책’으로 설정해 위트 있고 아이러니하게 그려내려는 목적이다. 다음과 같은 작품들을 살펴보면 그 의미를 알 수 있다.

 - 논리적이라 상상의 인물을 상상 속에서 만들어 내는 로빈슨 크루소에 대해 쓴 소설에 대한 이야기. 무인도에 정착한 로빈슨은 상상을 통해 하인들을 만들어 내는데, 상상은 실재이며 크루소는 상상해 낸 하인을 사랑하지만 건드리면 실재가 사라져버리기 때문에 그녀를 만지지 못한다. (마르셀 코스카, 『로빈슨 연대기』)

 - 병사가 교수형을 받는 단순한 이야기에서 인류 모든 지식에 대한 연결고리를 만들어서 율리시스나 피네간의 경야와도 같은 작품을 만들어 낸 소설 (패트릭 해너핸, 『기가메시』)

 - 아무 것도 아닌 것에 대한 소설, 즉 ‘그 남자는 도착하지 않았다’는 식으로 모든 내용이 부정 명제로 이어지는 소설 (솔랑주 마리오트, 『아무 것도 아닌, 혹은 원인에 따른 결과』)

 - 자신의 부모님들이 서로 만날 확률, 그 조상이 만날 확률, ... 매머드가 물을 마실 확률 등을 소급해 계산해, 결국 자신이 태어난 일은 확률적 불가능에 가까운 사건이라는 걸 서술한 책 (체자르 코우스카, 『생명의 불가능성에 관하여』; 『예언의 불가능성에 관하여』)

이런 이야기들은 논리적 모순 그 자체에 대한 내용이기 때문에, 그 내용을 완전히 채워서 설명할 수는 없는 것들이다. 이런 것들은 ‘그런 이야기가 있다더라’하는 식의 간접적인 방식으로 서술할 수밖에 없다. 그리고 그런 방식으로 쓰여진 이 작품들은 있지도 않은 원작의 아이러니함을 진지하면서도 코믹하게 그려낸다.

그렇다 해도 그의 작품들이 가벼운 코믹으로 이루어져 있는 것만은 아니다. 그의 사고는 인류학, 진화론, 인공지능의 상상력에까지 뻗어 있는데, 가끔 너무 진지해서 가끔은 리처드 도킨스의 『이기적 유전자』를 확장하는 전문 칼럼, 호르헤 루이스 보르헤스의 「바벨의 도서관」의 맹점을 파고드는 이야기, 테드 창의 「숨」 단편의 프로토타입처럼 느껴지기도 한다.

 - 적응으로서의 진화에서 벗어난, 오류로서의 문화에 대해 설명하는 책이다. 문화는 오류이며, 인간은 진화에서 벗어난 존재이다. (빌헬름 클로퍼, 『오류로서의 문화』) - 진화론과 문화에 대한 설명이 너무도 진지한 나머지, 이 작품에선 심지어 아이러니함이 거의 느껴지지조차 않는다.

 - 책의 저자는 이 세상에 작품이 너무 많은 나머지, 명작을 선별하는 데 힘듬을 느껴 차라리 작품을 쓰는 사람에게 비용을 물리는 펀드를 제안한다. (요아힘 페르젠겔트, 『페리칼립스』) - 문자의 조합을 통해 이세상 모든 가능한 책을 보유한다는 「바벨의 도서관」을 반박하는 결정적 논리. 너무나 많은 작품은 되레 좋은 작품을 찾는 데 엔트로피적으로 엄청난 시간이 들기 마련이다.

 - 이 책의 지은이는 자신의 스승의 책을 언급한다. 스승은 우주가 게임을 하는 인격들의 싸움에 의해 형성되었음을 밝힌다. 우주는 점점 엔트로피가 감소하고 있으며, 이에 대해 우주의 물리학 법칙은 변해간다. (앨프리드 테스타, 『새로운 우주생성론』) - 「숨」의 결말과 비슷함을 느꼈다. 개인적 감상이다.

가장 놀라운 작품은 인공지능의 시대 이후, 인공지능이 창작하는 문학의 발전 가능성을 논하는 글이다. 「후안 람벨레 외, “비트 문학의 역사”」에서 떠드는 인공지능의 문학의 갈래는 장황하고 시니컬하고 아이러니하지만, 그 가능성은 진지한 투로 아무렇게나 떠드는 현실의 얼치기 미래학자의 말보다 훨씬 냉철하다. 어차피 어떤 미래학자도 제대로 미래를 예측하는 꼴을 본 적 없었고, 미래란 항상 예상보다 더 기괴했기 때문이다. 실제로 우리는 렘이 이 작품을 통해 예측한 이 시대, 즉 인공지능이 문학을 창작하는 시대를 맞이하는 과정에 있는데, 그의 말도 안되는 과장적 수사법으로 그려진 AI문학의 면모가 현재 우리의 일상에 서서히 스며들기 시작한다는 걸 느낀다.

결국 『절대 진공 & 상상된 위대함』은 단순히 기이한 아이디어의 나열이 아니라, 스타니스와프 렘이라는 작가가 자신의 사유 실험실에서 상상력의 한계까지 밀어붙이며 창조한 문학적 메타장치다. 가상의 책과 저자, 그에 대한 서평이라는 삼중 구조 속에서 렘은 독자에게 묻는다. 무엇이 현실이고 무엇이 픽션인가? 어느 지점에서 비평은 창작이 되고, 언제 상상은 철학이 되는가? 이 책은 그런 경계를 유쾌하게 넘나드는 렘식 유희이자, 문학과 철학, 과학과 농담의 경계를 해체하고 재조립하는 그의 고유한 작업의 결정판이다. 그가 이 책에서 던지는 농담은 우스우면서도 깊고, 가볍게 읽히지만 읽을수록 무겁다. 이 책을 덮는 순간 우리는 결국 이렇게 인정할 수밖에 없게 된다. 렘은 미래에서 왔다. 다만 우리와 무척 다른 평행우주에서.

최후의 승자 인공신경망, 그 80여 년의 (긴) 역사

기계는 왜 학습하는가 - AI를 움직이는 우아한 수학
아닐 아난타스와미 지음, 노승영 옮김 / 까치 / 2025년 2월

인공지능은 ‘기계 학습’인가? 기계는 학습하는가?

아마 2012년에 이미지넷 ILSVRC라는 이미지 분류 대회에서, 제프리 힌턴 교수와 그의 제자들의 딥 러닝(Deep learning, 심층 학습) 알고리즘이 뛰어난 성과를 거둔 시점부터였을 것이다. 이제 근 10년이 좀 넘게 지났는데, 이 세계는 그때로부터 조금 다른 모습이 되었다. 우리는 지금 인공지능의 시대에 살게 되었다. ChatGPT 류의 거대 언어 모델(LLM: Large Language Model), 그의 이론적 기반인 Transformer, 그림을 그려 주는 Dall-E, Midjourney 등의 생성형 AI, 알파고 등 인간을 이기는 바둑 천재 AI, 인간의 전체 누적 성과를 뛰어넘어 단백질 구조 설계를 순식간에 해치운 허사비스의 AI 등. 이 폭풍같은 기술의 성장은 분명 2012년부터 시작되었다.

하지만 인공지능 분야는 그전부터 연구되고 있었다. 나는 2000~2010년 사이에 인공지능을 배웠고, 그 교재는 때로는 1980년대 쓰이기도 했다. 그 교재란 것들은 대부분 ‘기계 학습(machine learning)’에 관한 것이었다. 1980년대 이전부터, 인공지능이란 곧 기계 학습과 동의어로 쓰였다. 현대 인공지능의 폭발점이었던 2012년 이후 몇 년 동안도 딥 러닝은 쉽게 넘볼 수 없었던 학술적 방법론이었기 때문에, 산업 분야에서는 실용적으로 기계 학습을 자주 써 왔다. 기계 학습은 ‘빅 데이터’나 ‘디지털 트랜스포메이션’이라는 기술 트렌드 용어 아래에서 계속해서 새롭게 조명되었다. 그러나 기계 학습은 트렌디하지 않다. 그 용어는 스테디셀러이다. 그것은 지극히 개념적이면서도 잘 정의된 용어이고, 학술적으로 꾸준히 연구되어 왔으면서 동시에 실용적인 기술을 지칭하는 용어다.

왜 기계 학습은 인공지능과 같은 말일까? 그것은 심오한 의미가 있다. 사실상 '지능'이란 '학습'임을 강조하겠다는 말과 다를 바 없다. 이건 다른 분야, 예를 들면 심리학에서 반발심을 불러일으킬 만하다. 심리학에서는 학습 말고도 지각, 기억, 계획, 행동 등도 지능의 구성요소라고 주장한다. 하지만 의외로 심리학에서 명백한 논조로 반대하는 건 아닌데, 왜냐하면 지각, 기억, 계획, 행동 등의 심리 모듈 전부 신경망의 학습에 바탕을 두고 있기 때문이다. 몇 가지 실패한 인공지능학 프로그램에서 학습이 ‘아닌’ 지능을 구현하는 일에 관심을 가지기도 했다(예: 기호주의 AI, 전문가 시스템 AI). 하지만 그것들은 다 실패했기 때문에, 그리고 2012년 이후로 학습이 지능임을 명백히 한 방법론이 인공지능을 구현하는 데 사실상 성공했기 때문에, 이제 ‘학습이 곧 지능이다’라는 말에 반대하는 사람은 아무도 없게 되었다.

기계 학습이란 “기계가 명시적으로 프로그래밍되지 않고도 경험으로부터 성능을 향상시키는 것”을 뜻한다. 즉, 기계 학습 시스템은 경험을 쌓는 시간이 필요하고, 완벽히 정답을 만들어 내지 못한다. 이런 불완전함은 완벽히 코딩되어 정확한 정답만을 산출하는 기계의 세계에서 굉장히 이질적인 특성을 뽐낸다. 어쩌면 그것은 생물학적이며 심리학적이다. 그리하여 인공지능의 초창기에, 사람들은 기계가 학습을 하는 것이 지능의 특성을 가진다고 생각했을 지도 모른다. 이 특성은 철학자 대니얼 데닛의 ‘생성과 시험의 탑’을 떠올리게 한다. 어떤 생물은 어떤 환경이 닥치면 그 환경에 맞는 유전자를 가져서 살아남거나, 혹은 그 환경에 맞지 못한 유전자를 가져서 멸종한다. (다윈 생물) 하지만 스키너 생물은 닥쳐온 환경에 맞춰서 생존할 수 있는 방식을 학습한다. 스키너 생물은 보상을 주어 비둘기 등의 동물에게 행동을 학습시킨 심리학자 B. F. 스키너의 이름을 땄다. 그리고 기계 학습이 스키너 생물과 같다는 말은 비유 같은 게 아니라 정말 말 그대로이다. 기계 학습은 기계에 ‘보상’을 주거나, ‘지도’하는 식으로 이루어진다. 기계는 미리 작성된 코드(유전자)가 아닌, 미리 학습된 지식을 바탕으로 다양한 환경에 대해 다르게 반응하는 스키너적인 생물이 된다.

인공지능의 봄

그리하여 기계 학습은 그 역사의 초창기에도 생물을 모방하였어야만 했다. 1943년 워런 매컬러와 월터 피츠는 동물의 뇌에서 관찰된 신경세포를 이용해 최초의 인공 신경망을 만들어 냈다. 하지만 매컬러-피츠 인공 신경세포는 학습을 하는 기능이 없었기에, 진정한 기계 학습의 탄생은 1958년 프랭크 로젠블랫의 ‘퍼셉트론’까지 기다려야 했다. 로젠블랫은 도널드 헤브라는 신경심리학자가 밝힌의 신경세포 학습 모형을 매컬러-피츠 인공 신경망에 적용시켰다.(그리하여 우리는 인공신경망의 학습 방식을 특별히 ‘헤비안 러닝’이라고 부른다.) 그것은 말하자면 ‘신경세포의 연결 강도를 조정하는 방식’으로 작동한다. 출력값이 정답과 멀면 멀 수록 로젠블랫의 알고리즘은 신경세포의 연결 강도를 '더 강하게' 조정한다. 생물학에서의 헤비안 러닝은 신경세포에 대한 내용이었지만, 로젠블랫의 퍼셉트론은 행렬과 벡터 연산의 추상화 과정을 통해 구현되었다.

그러니까 인공 신경망에 바탕을 둔 인공지능은 1943년 미컬러-피츠 모형, ‘학습’에 기반한 모형부터 치자면 1958년 로젠블랫의 퍼셉트론 모형이 최초라는 말이다. 그러면 2012년, 딥 러닝의 등장을 완성으로 친다면 인류가 인공지능을 구현하기까지 54~69년이라는 세월을 쏟아부었다는 말이다. 내 생각에 이건 정말 오래 걸린 축에 속한다. 왜냐하면 인류는 어떤 분야에 대해 궁금증이 생기면 거의 대부분 30년 안에 무조건 승부를 보는 경향이 있기 때문이다. (이게 무슨 소린지 이해가 안 되면 다음 링크를 참조하면 된다. 나는 양자역학이나 상대성이론의 경우 30년 안쪽이 걸렸고, 초끈 이론의 경우 40년이 넘었으므로 초끈 이론은 가망 없는 사이비 이론이라는, 조금은 허술하면서도 과감한 논증을 했었다.)

인류는 어째서 30년이라는 커트라인이 훨씬 넘도록, 70년이나 되는 세월 동안이나 인공지능을 붙들고 있었으면서도 그 구현가능성을 포기하지 못하였을까? 그건, 인공지능이야말로 인류가 과학으로써 이룩해야 할 궁극적인 목적이었기 때문이다. 그 목표는 너무나 숭고한 나머지, 엄밀한 학문적 과학 뿐만 아니라 SF에까지 퍼져 나갔으며, 초창기 SF가 왜 ‘과학’ 소설로 불리게 되었는지를 규정하는 데 한몫했다. (현재 SF는 과학과의 연관성이 흐려졌으나, 그래도 역사적인 이유로 그렇게 부르고 있다) 인류는 너무도 만들고 싶었던 것이다. ‘인간처럼 생각하는 그 무언가’를. 그 집착은 컴퓨터를 처음 생각해 낸 앨런 튜링조차도 떠올렸던 것이니, 그는 최초의 컴퓨터에 대한 이론적 배경을 논문(On Computable Numbers, with an Application to the Entscheidungsproblem, 1936)으로 발표하고 나서, 그 컴퓨터가 ‘인간처럼 생각할’ 가능성을 탐구한(Computing Machinery and Intelligence, 1950), 즉 튜링 테스트에 대한 논문을 발표하기도 했다.

인공지능의 겨울

매컬러-피츠 모형 이후 거의 30년만에 인공지능 분야에 위기가 닥쳤다는 역사적 사실은 나의 30년 가설을 뒷받침해 주는 것 같다. 아닐 아난타스와미의 『기계는 왜 학습하는가』에서는 대략 1974년부터 1980년 동안을 ‘AI의 첫 번째 겨울’이라고 칭한다. 책에서는 인공신경망에 대한 연구 성과가 보잘 것 없었다는 제임스 라이트힐의 1972년 보고서와, 당시엔 인공지능에 대해 권위있는 연구자였던 마빈 민스키와 시모어 패퍼트의 인공신경망에 대한 과도한 폄훼 때문이라고 보고 있다. 하지만 나는 이면에 저 ‘30년 가설’이 존재할 거라고 본다. 이건 대부분의 기술 트렌드에서도 일어나는 일이다. 가트너에서는 매년 ‘hype cycle’이라고 해서 과도하게 트렌드화되는 기술의 기대가 꺾이는 지점에 대한 보고서를 낸다. (물론 가트너의 hype cycle은 30년보다 짧은, 2~5년의 주기를 가지고 있긴 하다.)

하지만 AI의 겨울 시대에도 인공지능‘이 아닌’ 기계 학습의 발전은 있었다. 이 시기의 기계 학습은 인공지능의 관점이 아닌, 통계학의 관점으로 연구되었을 뿐이다. 그리고 AI의 겨울이 끝나가는 1980년대, 연구자들은 통계학적 기계 학습이 인공지능이 될 지도 모르겠다는 생각을 떠올려 보았다. 즉, ‘기계 학습이 곧 인공지능이다’라는 관점은 1980년대에 새롭게 얻게 된 관점이었다. 이 생각은 ‘학습이 곧 지능이다’라는 과거의 관점과는 같으면서도 조금 다르다. 1980년대 기계학습으로서의 인공지능에는 인공신경망 이외에도, 나이브 베이즈, PCA, 최근접이웃, 결정나무 등등 별별 이름의 재미있고 독특한 기계 학습 알고리즘이 개발되었고, 그리하여 기계 학습이란 ‘기계가 학습한다’는 개념을 좀 더 넓게 바라보기 시작한 것이다. 이 시대에 인공지능학자들은 굳이 동물의 뇌를 모방한 인공신경망이 아니더라도 학습이 가능하다는 기대감을 가졌던 모양이다. 즉, 인공신경망이 아니더라도 인공지능이 가능할 수도 있었다. 심지어 ‘기계 학습이 아닌 인공지능’조차 시도되었는데, 그건 ‘전문가 시스템’이라는 이름으로 불렸다.

첫 번째 AI의 겨울 이후의 시대, 수많은 기계 학습이 다양화되고 범람한 이 시대에 인공신경망은 몇 가지 성과를 내기도 했다. 예를 들어 제프린 힌턴의 딥 러닝 알고리즘에서 핵심 알고리즘인 역전파(Back Propagation) 알고리즘은 힌턴의 1986년 논문에서 처음 개발되었다. 얀 르쾽이라는 또다른 딥 러닝의 중요 기여자가 만든 합성곱 신경망(CNN: Convolution Neural Network)도 1987년에 나왔다. 그러나 수많은 기계학습 알고리즘의 물결 속에서 인공신경망의 이런 소소한 성과는 크게 눈에 띄지 않았다.

책에는 나오지 않으나, 두 번째 AI 겨울이 있었다. 1987년부터 시작한 그 두 번째 겨울은 기대받던 전문가 시스템 AI가 몰락하면서 이루어졌다고 한다. (그리하여, 이제 인공지능은 확고히 ‘기계 학습으로만 달성할 수밖에 없는 것’이 되었다.) 어쨌든 인공지능의 몰락 이후에 기계 학습은 다시 한 번 통계학 관점으로 취급당해 그만의 세계를 꾸준히 지켰다. 1993년에는 기계 학습에 SVM 알고리즘의 개발로 인해 다시 한 번 붐이 일었고, 그 때부터 기계 학습은 인터넷이나 검색엔진 등의 기술과 붙어서 급속도로 발전하기 시작했다. 그랬다. 사람들은 이제 인공지능에 대한 꿈을 잊었던 것 같았다. 인터넷과 검색엔진, 소셜네트워크 서비스가 이렇게 재미있는데, 50년대부터 시도해도 제대로 되지도 않고 돈만 잡아먹는 인공지능이라는 괴물, 그 공상과학적 주제를 굳이 열심히 해야 할 필요가 있을까?

인공지능의 시대, 제프리 힌턴의 시대

제프리 힌턴은 그렇게 생각하지 않았다. 그는 2006년 논문에서 ‘Deep Belief Networks’를 소개하며 다음과 같이 선언했다. “우리는 심층 신경망을 효율적으로 학습할 수 있는 방법을 찾았다.” 그것은 딥 러닝의 조용한 혁명이었다. 하지만 그 논문은 중요하지 않다. 실제로 힌턴의 딥 러닝은 1986년, 은닉층의 학습을 가능하게 하는 알고리즘인 역전파 알고리즘으로 이론적 기반이 완성된 상태였다. 1986년에서 2012년까지 26년 동안, 인공지능에 한파가 매섭게 몰아쳤던 이유는 대규모 데이터의 누적과 GPU가 없었기 때문이었다. 2010년대에 와서 연구자들은 대규모 데이터를 다루는 방식을 고민했고(여기서 빅 데이터라는 트렌드가 유행에 그치지 않고 인공지능의 발전에 도움을 주었다), 게임의 대용량 그래픽 처리에만 쓰이던 그래픽 카드가 새로이 대규모 데이터의 행렬 계산을 사용하는 데 쓸 수 있다는 것을 발견했다.

우리는 이제 제프리 힌턴이 만든 세계에 살고 있다. 그는 2006년의 그 논문을 잠깐 연구하고 발표한 게 아니다. 그는 실제로 AI 겨울을 여러 번 겪고도 살아남았고, 인공신경망의 홀대에도 꿋꿋이 버텼으며, 연구자들이 다른 머신 러닝 주제를 기웃거리는 걸 보면서도 오로지 한 주제만 파고들었다. 딥 러닝은 실제로 1943년 매컬러-피츠 모형, 그리고 1958년 로젠블렛 퍼셉트론의 직계 후손이다. 딥 러닝은 본질적으로 그 시절의 구조와 동일하다. 인공신경망은 딥 러닝으로 최후의 승자가 되었다. 인공신경망이 그만큼 오래 살아남아 우승했던 것처럼, 제프리 힌턴도 꾸준히 연구해 세계를 바꾸었다. 제프리 힌턴이 포기하지 않았던 건 인류의 꿈을 공유하고 있었기 때문이다. 인류는 30년보다 더 오랫동안, 어쩌면 앨런 튜링 이래로 80년 동안, 생각하는 인공물을 만들고 싶어 했다. 그건 공상적인 과학의 꿈이었다. 인류는 30년의 벽에 부딪쳐 좌절했을 때에도, 인공지능은 언젠가는 실현될 거라는 가능성을 놓치 않았다.

제프리 힌턴은 2024년 노벨 물리학상을 수상했다. 인공지능 분야가 물리학과 별 관련이 없다는 점에서 그 자격에 논란이 일었다. 인공신경망에 물리학적(에너지) 관점을 기여한 존 홉필드가 힌턴과 함께 수상했다는 점에서 노벨 위원회는 제프리 힌턴의 자격 논란을 기발하게 회피하려 한 것으로 보인다. 즉, 존 홉필드의 물리학적 기반에 근거해 제프리 힌턴의 연구가 달성될 수 있었기에, 딥 러닝이 구현될 수 있었다는 뜻이다. 재미있게도 인공지능과 아무 관련이 없었던 물리학자 리처드 파인만이 인공지능 분야에 아주 적절한 말을 했다. 책에 따르면, 파인만이 이렇게 얘기한 적이 있다고 한다. “이해하려면 만드는 방법을 알아내야 한다.” 하지만 ChatGPT가 조사한 바에 따르면 파인만은 약간 다르게 말했다. “What I cannot create, I do not understand.” 내가 만들 수 없다면, 나는 그것을 이해하지 못한 것이다. 우리는 인공지능을 만들었다. 그러면 우리는 지능(인공지능뿐만 아니라 인간도 소유한 그 지능)을 이제서야 이해하게 된 걸까? 이에 대해서는 다음번에 기회가 된다면, 나만의 개인적 생각을 말해 보겠다.

책에 대하여

아날 아난타스와미의 『기계는 왜 학습하는가』는 인공신경망의 역사와 수학에 대해 자세히 서술하는 책이다. 다만 그 수학을 언어로 풀지 않고 그대로 수식으로 해설하고 있다는 점, 인공신경망 뿐만 아니라 사실상의 망한 가지들인 최근접이웃, 나이브 베이즈, SVM까지 다루고 있다는 점에서 호불호가 갈릴 수 있다. 책의 중간까지 읽었을 때, 나는 지루한 머신 러닝 교재를 보는 듯한 착각까지 일었다. 중반 이후가 지나서야 인공지능과 인공신경망의 개발 이야기로 복귀했다. 끝까지 읽는다면 인공지능의 시초부터 완성까지의 완벽한 서사를 다룬 ‘인공지능 전기’를 머리속에서 완성해볼 수 있을 것이다.