호주 그리피스대·NASA 연구진, AI와 양자 컴퓨터로 확장한 '위그너의 AI 친구' 실험 제안
AI 관찰자를 통해 물리학의 기본 가정이 성립하는지 검증할 계획
연구 결과, 이론적으로 시스템 내 모순을 발견해 일부 물리학적 가정이 틀렸을 가능성 제기돼
하지만 실제 AI 관찰자인 'QUALL-E'를 개발하는 데에는 큰 기술적 도전이 남아있어

[해외 DS] 양자 컴퓨터 속 AI 관찰자, 객관적 현실의 비밀 밝힐까? ①에서 이어집니다.

1961년 노벨 물리학상 수상자 유진 위그너가 제시한 '위그너의 친구' 사고 실험은 관측 행위와 의식의 관계에 대한 근본적이고 철학적인 질문을 던졌다. 그리고 2024년 호주 그리피스대학과 미 항공우주국(이하 NASA) 연구진은 이 실험을 한 단계 발전시켜 인공지능과 양자 컴퓨터를 활용한 '위그너의 AI 친구' 실험을 제안했다.

이 실험에서 AI는 실험실 내부의 양자 시스템을 관측하고 그 결과를 외부의 인간 관찰자에게 보고하는 역할을 수행한다. 사람을 양자 중첩 상태에 둘 수 없기 때문에, AI가 탑재된 양자 컴퓨터가 위그너의 친구 역할을 대신하게 됐다. 연구진은 인간 수준의 지능을 가진 AI의 생각이 인간의 생각만큼 실제적이라는 가정도 추가해 위그너의 사고 실험을 더욱 현실적으로 재현하고자 했다.

또한 연구진은 단순히 위그너의 사고 실험을 재현하는 것을 넘어, 측정 설정의 자유, 물리적 상호작용의 국소성, 관측 사건의 절대성과 같은 물리학의 기본 가정들을 검증하는 것을 목표 삼았다.

수학적 모순으로 드러난 현실의 오류

연구팀은 수학적 분석을 통해 위그너의 AI 사고 실험에 모순이 존재함을 밝혀냈다. 이는 우리가 당연하게 생각했던 현실에 대한 물리학적 가정 중 최소 하나 이상이 틀렸을 가능성을 시사하는 놀라운 결과다. 하지만 이 연구는 아직 이론적인 단계에 머물러 있으며, 실제 실험을 위해서는 양자 컴퓨터 내에서 중첩 상태로 존재하면서도 인간 수준의 지능을 가진 고도의 AI, QUALL-E(OpenAI의 DALL-E와 픽사의 WALL-E에서 영감을 얻은 이름) 개발이라는 큰 과제가 남아 있다.

QUALL-E 개발은 현재 기술 수준을 훨씬 뛰어넘는 도전적인 과제이지만, 연구팀은 QUALL-E의 실현 가능성에 더 주목하고 있다. 특히 NASA 에임스 연구센턴의 양자 인공지능연구소를 이끌고 있는 엘리너 리펠 소장은 미래형 고전 AI 알고리즘을 양자 컴퓨터 환경에서 작동할 수 있도록 변환하는 구체적인 방법론을 제시해 QUALL-E 개발에 대한 기대감을 높였다.

양자 컴퓨터에서 실행되는 알고리즘은 반드시 가역적이어야 한다. 가역적 계산은 입력 비트가 출력 비트를 생성하고, 이 출력 비트를 역으로 입력하면 원래의 입력 비트가 재현되는 방식이다. 양자 컴퓨팅의 기반이 되는 양자 역학은 본질적으로 가역적인 과정만을 지원하기 때문에 고전 AI 알고리즘을 양자 컴퓨터 환경에 맞춰 가역적으로 변환하는 것이 QUALL-E 개발의 중요한 첫 단계다.

QUALL-E 개발, 낙관적 전망 속 기술적 난관 봉착

하지만 복잡한 고전 알고리즘을 가역적으로 만드는 과정에서 상당한 컴퓨팅 오버헤드 문제가 발생할 수 있다. 컴퓨팅 오버헤드는 추가적으로 필요한 컴퓨팅 자원을 의미하는데, QUALL-E 구현에 필요한 전체 컴퓨팅 성능과 논리 큐비트 수를 추정하는 데 중요한 요소이므로, 이를 최소화하는 것이 핵심이다.

양자 오류 수정 또한 컴퓨팅 오버헤드를 증가시키는 주요 원인이다. 큐비트는 외부 환경에 취약해 중첩 상태가 쉽게 붕괴해 계산 오류를 유발할 수 있다. 이러한 오류를 추적하고 수정하기 위해서는 추가적인 논리 큐비트가 요구되는데, 일반적으로 하나의 논리 큐비트를 안정적으로 운영하기 위해서는 약 1,000개의 물리적 큐비트가 필요한 것으로 분석된다.

게다가 현재의 내결함성(fault-tolerant) 양자 게이트 기술 수준을 고려하면, 인간이 1초 만에 처리하는 정보를 QUALL-E가 처리하는 데 무려 500년 이상이 소요되는 것으로 나타났다. 이는 QUALL-E 실현까지 극복해야 할 기술적 난관이 얼마나 큰지를 여실히 보여주는 결과다. 그러나 연구팀은 미래에 대한 낙관적인 전망을 유지하고 있다. 연구진은 기존 컴퓨터의 급격한 발전 속도를 예시로 들며, 양자 컴퓨터 기술 역시 비슷한 발전 궤도를 따른다면 QUALL-E 실현이 불가능하지 않을 것이라고 주장했다. 다만 "예상보다 훨씬 어려운 과제"임을 인정하며 상당한 시간과 기술 혁신이 필요함을 강조했다.

아울러 리펠 소장은 인간 수준의 지능을 갖추지 않은 축소된 QUALL-E 모델을 먼저 개발하는 방안도 함께 제시하며, 선충류와 같은 단순한 생명체 모델링을 통해 기술적 가능성을 시험해 볼 수 있다고 설명했다. 또한 "단일 광자 실험부터 인간 수준의 AI 실험까지 다양하고 흥미로운 가능성이 열려 있다"고 덧붙이며 미래 연구에 대한 기대감을 드러냈다.

한편 취리히 연방 공과대학의 양자정보이론 연구그룹 책임자이자 위그너의 친구 역설 연구에도 참여했던 레나토 레너 교수도 QUALL-E 개발에 대해 "실제 인간을 중첩 상태에 두는 것보다는 기술적으로 실현 가능성이 더 높다"며 긍정적인 견해를 밝혔다.

[해외 DS] 양자 컴퓨터 속 AI 관찰자, 객관적 현실의 비밀 밝힐까? ③으로 이어집니다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

유진 위그너, 외부 관찰자와 내부 관찰자 간의 양자 상태 인식 차이를 통해 양자역학의 역설 드러내
위그너의 사고 실험, 관찰 행위와 관찰자 의식의 관계, 그리고 객관적 실체에 대한 근본적인 질문 제기
최근에는 양자 컴퓨터 내 AI를 활용해 위그너의 역설을 실험적으로 검증하려는 시도가 이뤄지고 있어
인간과 유사한 수준의 AI 관찰자 개발, 객관적 현실의 존재 여부에 대한 해답 제시할 가능성 높아져

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

20세기 초 양자역학은 미시 세계를 설명하는 혁신적인 이론으로 등장했지만, 동시에 과학계에 깊은 혼란을 불러일으켰다. 특히 '중첩'이라는 개념은 물리학자들을 곤혹스럽게 했다. 양자 물체가 여러 상태를 동시에 가질 수 있다는 이 개념은 수학적, 실험적으로 증명되었음에도 쉽게 받아들여지지 않았다. 더욱이 이러한 중첩 상태는 누군가 또는 무언가가 관찰하는 순간 하나의 상태로 '붕괴'한다고 알려져, 관찰자의 역할과 의미에 대한 근본적인 질문을 제기했다.

'위그너의 친구', 중첩과 붕괴가 공존하는 모순적인 실험 결과

이러한 논쟁의 중심에서 1961년 헝가리 물리학자 유진 위그너는 '위그너의 친구'라는 독특한 사고 실험을 제안했다. 이 실험은 외부와 완벽히 차단된 실험실 안에서 위그너의 가상 친구가 양자 실험(예: 빛의 깜빡임)을 관찰하는 동안, 실험실 밖의 위그너가 친구와 실험실 전체를 관찰하는 상황을 가정한다.

양자역학에 따르면 관찰 행위가 일어나기 전까지 양자 시스템은 여러 가능한 상태가 중첩되어 존재한다. 실험실 안의 친구는 빛의 깜빡임을 관찰함으로써 중첩 상태를 붕괴시켜 빛이 깜빡이는지 아닌지 확정된 하나의 결과를 얻게 된다. 하지만 실험실 밖의 위그너는 친구와 실험실 전체를 하나의 거대한 양자 시스템으로 간주하기 때문에 위그너의 관점에서는 친구와 실험실이 여전히 빛이 깜빡이는 상태와 깜빡이지 않는 상태가 중첩되어 존재하는 것처럼 보인다.

이러한 모순적인 상황은 양자역학의 근본적인 역설을 선명하게 드러낸다. 동시에 관찰 행위와 관찰자 의식의 관계에 대한 심오한 질문을 던졌다. 예를 들어 관찰자는 단순히 결과를 확인하는 존재인지, 아니면 중첩 상태를 붕괴시키는 적극적인 행위자인지, 더 나아가 관찰자는 반드시 의식을 가진 존재여야 하는지, 아니면 단순한 물리적 장치도 가능한지 등의 질문들이 이 실험을 통해 제기됐다.

위그너의 사고 실험은 이러한 질문들에 대한 해답을 직접적으로 제시하지는 않지만, 양자역학의 근본적인 문제를 탐구하고 새로운 이론적 가능성을 모색하는 중요한 발판을 마련했다. 이 실험은 오늘날까지도 활발한 연구 주제로 다뤄지며, 양자역학의 해석과 발전에 지속적인 영향을 미치고 있다.

'위그너의 AI 친구', 관찰의 의미와 진실에 한발 다가갈 수 있을까?

지난 10년간 물리학자들은 위그너의 사고 실험을 제한적으로나마 실제 실험으로 구현하려는 시도를 해왔다. 물론 사람을 양자 중첩 상태에 둘 수는 없었기에, 빛의 입자인 광자를 이용해 실험을 진행했다. 그 결과 이 실험들은 위그너의 역설이 단순한 사고 실험이 아니라 실제로 존재하는 문제임을 증명해 냈다.

최근에는 위그너의 "친구"를 "인공지능"으로 대체하는 아이디어가 새롭게 제시됐다. 호주 그리피스대학교의 하워드 와이즈만 교수의 연구팀에 따르면 양자 컴퓨터에 구축된 AI를 활용하면 위그너의 역설을 더욱 현실적으로 탐구할 수 있다고 한다. 양자 컴퓨터의 특성상 AI는 여러 가지 생각을 동시에 가지는 중첩 상태에 놓일 수 있어, 위그너의 사고 실험을 더욱 정교하게 재현할 수 있다고 강조했다.

물론 양자 컴퓨터 내부에 인간과 같은 사고를 할 수 있는 AI를 구현하는 것은 아직 먼 미래의 일이다. 하지만 이러한 시도는 양자 역학의 근본적인 문제를 해결하는 데 중요한 단서를 제공할 수 있다는 점에서 큰 의미를 지닌다. 실험 결과에 따라 우리가 당연하게 여겨왔던 객관적 실체에 대한 개념을 수정하거나 포기해야 할 수도 있기 때문이다.

한편 취리히 연방 공과대학교의 양자 정보 이론 연구 그룹 책임자이자 위그너의 친구 역설 연구에도 참여했던 레나토 레너(Renato Renner) 교수는 양자 역학 AI를 활용하는 이러한 접근 방식에 대해 큰 기대를 내비쳤다. 그는 "실제 인간을 대상으로 위그너의 친구 실험을 할 수 없다는 것은 분명하다"며, "반대로 단일 광자만을 사용한 실험은 설득력이 떨어진다. 와이즈만 교수와 그의 팀은 이 둘 사이의 절충점을 찾으려고 노력했으며, 매우 훌륭한 시도였다고 생각한다"고 평가했다.

AI의 생각이 인간의 관찰을 완벽하게 대체할 수 없을 가능성도 있다. 하지만 그러한 AI를 만들 수 있다는 가정하에 실험을 설계하는 과정 자체에서 우주의 근본 원리를 발견할 수 있다는 희망도 존재한다. 누가 또는 무엇이 진정한 관찰자인지, 관찰 행위가 실제로 중첩 상태를 붕괴시키는지 등을 명확히 밝힐 수 있을 뿐만 아니라, 우리가 인지하는 현실에 대한 절대적인 진실이 존재하지 않을 수도 있다는 가능성까지 제기될 수 있다.

[해외 DS] 양자 컴퓨터 속 AI 관찰자, 객관적 현실의 비밀 밝힐까? ②로 이어집니다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

가상 쥐, 심층 강화 학습이라는 인공지능 뇌 장착해 실제 쥐와 놀라울 만큼 유사한 움직임 보여
가상 쥐를 이용하여 인간 뇌 작동 원리 이해하는 데 중요한 진전 이뤄
가상 쥐 작동 원리를 다른 동물에게도 적용시켜 다양한 가상 동물 만들어나갈 계획 밝혀

쥐는 실험에서 가장 많이 사용되는 동물이다. 그 이유는 인간 유전자와 매우 유사하기 때문이다. 쥐는 인간과 비슷하게 약 3만 개의 유전자를 가지고 있으며, 이 중 80%는 인간과 같고 19%는 높은 유사성을 보인다. 유사성이 없는 유전자는 단 1%로 놀라울 정도로 인간과 비슷한 유전자를 가지고 있다.

어느 것이 실제 쥐?

최근 구글 딥마인드는 하버드 대학과 공동 연구하여 ‘가상 쥐’를 만들어내는 데 성공했다. 딥마인드는 이전에 가상 초파리를 만들어 대중을 놀라게 한 데 이어 가상 쥐까지 만든 것이다. 쥐는 인간과 매우 비슷한 유전자를 가진 만큼 가상 쥐에 대한 무궁무진한 활용이 기대된다는 평가다.

딥마인드에서 공개한 가상 쥐는 실제 쥐와 놀라울 정도로 유사한 움직임을 보였다. 연구진은 가상 쥐에 ‘인공지능 뇌’를 삽입하여 실제 쥐와 비슷한 행동 패턴을 잡아냈다고 설명했다. 가상 쥐가 자연스럽게 움직이는 모습을 공개했으며, 인공지능 시스템의 신경 활동 패턴이 실제 쥐의 뇌 세포 움직임과 거의 일치했다.

가상 쥐, 심층 강화 학습으로 움직임 학습해

연구진은 무조코(MuJoCo)라는 가상 환경에서 연구를 진행했다. 무조코는 다중 관절 역학(Multi-Joint Dynamics with Contact, MuJoCo)의 약자로 물리적 현상을 쉽게 시뮬레이션할 수 있는 가상 공간을 말한다. 연구진은 가상 쥐에 심층 강화 학습(Deep Reinforcement Learning)을 적용해 실제 쥐와 유사하게 움직이도록 학습시켰다. 가상 쥐의 핵심이 되는 심층 강화 학습에 대해 알아보자.

강화 학습은 주어진 ‘상태’에서 어떤 ‘행동’을 취했을 때 어떤 ‘결과’가 나오는 지를 보며 최적의 값을 찾아가는 방법론이다. 연구에서 가상 쥐는 무조코라는 가상 환경에서 어떤 움직임을 보였을 때 실제 쥐와 얼마나 유사한 지를 판단하고, 실제 쥐와 비슷한 움직임을 취하도록 설계되었다. 그러나 3차원 공간에서 한 움직임을 하나의 변수라고 가정하면, 무수히 많은 변수가 가상 쥐의 움직임에 영향을 주는 상황이다. 너무 많은 설명 변수는 상당히 많은 컴퓨터 자원을 잡아먹을 뿐만 아니라, 모델의 분산을 크게 만들어 부정확한 결과가 도출된다는 문제점을 가지고 있다.

여기서 ‘심층’의 위력이 나온다. 심층은 인공지능으로 잘 알려진 딥러닝 모델을 말한다. 딥러닝은 많은 설명 변수 중에서 적은 수의 유의한 변수를 찾아내는 계산을 여러 번 하는 방법론인데, 가상 쥐의 움직임을 설명하는 많은 변수 중에서 적은 수의 유의한 변수를 찾아낸 것이다.

연구진은 실제 쥐의 뇌와 가상 쥐의 신경 활동을 비교한 결과, 쥐가 움직이는 동안 유사한 신경 행동을 수행한다는 사실을 발견했다. 심지어 물리 법칙을 고려하여 만든 가상 쥐보다 '심층 강화 학습'으로 만든 가상 쥐가 실제 쥐의 움직임을 더 잘 모방했다.

가상 동물 시뮬레이션, 인간 뇌 작동 원리 이해하는 데 도움 줘

연구진은 시뮬레이션을 통해 실제 쥐의 움직임을 모방한 것은 인간 뇌의 작동 원리를 이해하는 데 중요한 진전이라고 언급했다. 쥐는 인간과 매우 비슷한 유전자를 가져 가상 쥐를 통해 인간 뇌의 작동 원리에 한 발짝 다가갈 수 있다고 설명했다.

인간 뇌는 복잡한 작동 원리를 가져 오랫동안 과학자들을 괴롭혀 왔다. 따라서 뇌의 작동 원리를 알아내는 것은 상당한 도전으로 여겨진다. 인간 뇌는 슈퍼 컴퓨터 만큼이나 대단한 능력을 가지고 있어, 뇌의 작동 방식을 모방하는 것은 인공 일반 지능(Artificial General Intelligence, AGI)을 구현하는 것만큼이나 어려운 도전이라는 평가를 받고 있다.

또한 연구진은 가상 동물 시뮬레이션이 실제 동물의 행동 전반에 걸친 신경 활동의 구조를 해석하고, 이를 운동 제어 원리와 연관시키는 데 도움을 줬다고 설명했다.

대학과 기업 간의 산학협력으로 더 빠른 기술 발전 이루어낼 수 있어

하버드 대학의 벤스 올베츠키 교수는 딥마인드 도움 없이는 가상 쥐를 시뮬레이션하고 신경망 훈련할 자원이 없었다며 딥마인드에게 고마움을 표했다. 게다가 올베츠키는 실험을 통해 행동 패턴 학습의 기반이 되는 알고리즘 구현 방식에 많은 아이디어를 얻었다며 대학과 기업 간의 협력을 강조했다. 대학은 새로운 아이디어를 제공하고 기업에서는 아이디어를 검증할 수 있어 좋은 시너지가 난다는 점을 덧붙였다.

연구는 가상 쥐를 이용하여 여러 아이디어를 실험해 보며 인간 뇌의 행동 방식을 이해하는 데 한발 다가갔다는 평가를 받고 있다. 또한 프로젝트에 참여한 디에고 알다론도는 가상 쥐 실험에 사용된 기술이 더 복잡한 행동을 보이는 동물을 연구하는 데 사용될 수 있다는 점을 언급하며 더 많은 가상 동물을 만들어나갈 계획임을 밝혔다.

딥마인드 수석 연구 책임자인 매튜 보트비닉은 지능적 사고를 물리적 행동으로 변환할 수 있는 인공지능 시스템을 구축하여 동물 뇌에 대한 통찰력을 제공했다며 연구의 의의를 설명했다.

AI 개발 위해 사용자 데이터 활용 발표한 메타, EU 사용자만 거부 가능해
개인정보 보호 강조하며 데이터를 익명화한 후 패턴 학습에만 활용한다고 밝혀
비영리 개인정보 보호 단체 노이브, 메타의 방식이 GDPR을 위반한다고 강하게 비판

메타(Meta)는 자사 소셜 미디어 플랫폼인 인스타그램, 페이스북 등에 공개적으로 게시된 사용자 콘텐츠를 활용해 인공지능 모델 훈련을 진행할 것이라고 발표한 바 있다. 이는 메타의 차세대 AI 모델 개발을 위한 중요한 결정으로, 사용자들이 자발적으로 공유한 정보를 통해 더욱 정교하고 맞춤화된 서비스를 제공하는 것을 목표로 한다.

또한 메타는 AI 모델 훈련에 활용되는 데이터는 엄격하게 관리될 것이며, 개인 메시지와 같이 비공개로 설정된 정보나 18세 미만 사용자의 콘텐츠는 포함되지 않을 것이라고 강조했다. 특히 유럽 연합(EU) 지역 사용자에게는 자신의 데이터가 AI 모델 훈련에 사용되는 것을 거부할 수 있는 '옵트아웃' 권리를 부여하는 등 개인정보 보호 우려 해소에 적극적으로 나서고 있다.

경쟁사 대비 투명성 강조, 차세대 모델에 거부 권리 적용 예정

현재 EU에서는 기업이 사용자 데이터를 AI 모델 훈련에 사용하는 것을 직접적으로 금지하는 규정은 없다. 그러나 EU의 데이터 보호법, 특히 개인정보보호규정(General Data Protection Regulation, 이하 GDPR)은 기업이 사용자 데이터를 사용하기 전에 명시적인 동의를 얻어야 하며, 사용자 데이터 활용 방식을 투명하게 공개하고 언제든지 동의를 철회할 수 있는 옵션을 제공해야 한다고 규정하고 있다.

이에 대해 메타는 유럽 사용자들이 데이터 활용을 거부할 경우 유럽 문화와 역사를 반영하지 못하는 AI 모델로 인해 서비스 질이 저하될 수 있다고 지적했다. 또한 메타는 수십억 건의 알림과 이메일을 통해 거부 권리를 안내했다고 밝혔으며, 다른 경쟁사보다 자사의 접근 방식이 더 투명하고 조작하기 쉬운 제어 기능을 제공한다고 피력했다. 물론 이미 개발이 완료된 라마 3(Llama 3) 모델에는 거부 권리가 적용되지 않지만, 다음 모델부터는 적용될 예정이라고 강조했다.

아울러 메타는 AI 모델이 공개된 게시물을 기반으로 훈련되며, 특정 개인을 식별하도록 설계되지 않았다고 설명했다. 구어체 표현이나 지역적 문화를 이해하는 등 더 큰 범위에서의 패턴을 식별하기 위해 정보를 활용한다고 덧붙였다.

노이브, "메타의 AI 데이터 활용은 GDPR 위반" 강력 비판

메타가 AI 개발을 위해 사용자 데이터 활용을 발표한 가운데, 오스트리아 비영리 개인정보 보호 단체인 노이브(noyb)는 강력한 반대 의사를 표명했다. 노이브는 메타가 2007년부터 수집한 모든 공개 사용자 데이터를 AI 개발에 활용하려는 계획이 EU의 GDPR에 위배된다고 주장하며, EU 회원국 11곳에 메타를 신고했다.

특히 노이브는 메타가 'AI 기술'이라는 모호한 용어를 사용해 데이터 활용 범위를 지나치게 확대하고 있다고 비판했다. 노이브의 설립자 막스 슈렘스는 메타의 발표가 데이터 활용 목적을 명확히 밝히지 않아 챗봇, 개인 맞춤형 광고, 심지어 살상용 드론 개발까지 가능하게 한다는 점을 우려했다. 또한 사용자 데이터를 기반으로 학습된 챗봇의 답변을 전 세계 누구에게나 제공할 수 있다는 메타의 주장은 GDPR의 핵심 원칙인 개인정보 통제권을 심각하게 침해한다고 지적했다.

더불어 노이브는 메타의 약관이 '옵트아웃' 방식으로 설정되어 있어 사용자의 명시적인 동의 없이 데이터가 활용될 수 있다는 점을 문제 삼았다. 옵트아웃 방식은 사용자가 서비스를 기본적으로 제공받고, 원치 않을 경우 별도로 거부 의사를 밝혀야 하는 방식이다. 노이브는 AI 학습에 데이터를 활용하려면 사용자가 명시적으로 동의해야 서비스를 제공받는 '옵트인' 방식으로 약관을 변경해야 한다고 주장했다. 이는 사용자에게 데이터에 대한 더 강력한 통제권을 부여하고, 개인정보에 대한 자기 결정권을 보장하기 위한 조치라고 밝혔다.

EU, 빅테크 기업에 대한 규제 강화

EU는 메타뿐만 아니라 디지털시장법(Digital Markets Act, 이하 DMA) 위반 혐의로 애플과 구글 모회사 알파벳도 기소할 예정이다. 이들 기업은 유럽 내에서 독점을 방지하기 위한 규정을 준수하지 않았다는 의혹을 받고 있으며, 특히 애플은 인앱 결제 강요 문제로, 구글은 검색 결과 조작 혐의 등으로 집중 조명을 받고 있다.

DMA는 빅테크 기업들이 소규모 기업들과 공정하게 경쟁할 수 있도록 규정하고 있으며, 이를 위반할 경우 전 세계 연간 매출액의 최대 10%에 해당하는 벌금을 부과할 수 있다. 이는 빅테크 기업들에게 큰 타격이 될 수 있는 강력한 제재며, 유럽의 규제 당국이 어떤 추가 조치를 취할지, 그리고 빅테크 기업들이 향후 어떤 대응을 할지에 대한 논의는 계속될 전망이다.

하지만 빅테크 기업들의 시장 지배력을 견제하고 공정한 경쟁 환경을 조성하려는 유럽연합의 강력한 의지가 드러난 만큼, 이번 사태는 단순한 법적 분쟁을 넘어 글로벌 기술 산업의 지형을 뒤흔들 변곡점이 될 수 있으며, 다른 지역에서도 유사한 규제 움직임을 촉발할 가능성이 높을 것으로 분석된다.

브리검영대 연구팀, 열차 길이가 길수록 탈선 위험이 커진다는 연구 결과 발표
열차 칸수별 탈선율 증가분에 대한 '과대 해석'에 이의를 제기한 철도 업계
안전과 효율성 사이에서 균형점을 찾기 위한 논의가 계속될 전망

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

미국에는 화물 열차 길이에 대한 연방 규제가 없어 비용에 민감한 철도 산업은 자유롭게 열차 길이를 늘여왔다. 2010년에는 텍사스에서 캘리포니아까지 3.5마일(약 5.6 km) 길이의 거대한 화물 열차를 시험 운행하기도 했다. 그러나 지난해 오하이오주 이스트 팔레스타인에서 화학 물질을 운반하던 1.75마일(약 2.8km) 길이의 열차가 탈선해 화재가 발생하면서 열차 길이 제한에 대한 논의가 대두됐다.

누락된 데이터를 복구하기 위한 기초 작업

'위험 분석 저널(Risk Analysis)'에 발표된 새로운 연구에 따르면 열차 길이가 길어질수록 탈선 확률이 증가하는 것으로 나타났다. 50칸짜리 열차 두 대를 100칸짜리 한 대로 교체하면 전체 운행 열차 수가 줄어들더라도 탈선 확률이 11% 증가하는 것으로 분석된 것이다. 200칸짜리 열차는 50칸짜리 네 대에 비해 탈선 확률이 24% 증가하는 것으로 계산됐다.

이러한 연구 결과는 열차 길이별 운행 빈도에 대한 데이터 부족으로 인해 분석에 어려움을 겪던 연구팀이 '준유도 노출(quasi-induced exposure)' 방법을 활용하여 얻어낸 성과다. 준유도 노출 방법론은 긴 열차와 짧은 열차의 탈선율을 정확히 비교하기 위해, 탈선 사고 외에 열차 길이에 영향을 받지 않는 다른 사고 데이터를 활용하여 열차 길이별 운행 빈도를 추정하는 접근법이다. 단순히 긴 열차의 운행 빈도가 높아 탈선율이 높게 집계된 것을 실제 위험 증가로 오인하는 분석 오류를 피하기 위해 이번 연구에 적용됐다.

연구팀은 열차 길이별 운행 빈도를 추정하기 위해 '철도 건널목 사고' 데이터를 활용했다. 운전자가 기차 길이와 관계없이 건널목을 통과하려다 발생하는 사고이므로, 열차 길이에 대한 중립적인 빈도 정보를 제공한다고 판단했기 때문이다. 그 결과 탈선 사고와 철도 건널목 사고에서의 열차 길이 분포를 비교함으로써, 연구팀은 열차 길이와 탈선 위험 간의 상관관계를 파악할 수 있는 실마리를 얻었다고 전했다.

이어서 연구팀은 미국 교통부 산하 연방철도청(Federal Railroad Administration, FRA)이 탈선 사고와 철도 건널목 사고 관련 열차 길이 데이터를 모두 기록하고 있다는 점을 활용하여, 10년간 발생한 탈선 사고 1,073건과 철도 건널목 사고 1,585건을 지역 및 연도별로 비교해, 부족한 데이터 환경 속에서도 열차 길이와 탈선 위험의 연관성을 분석해 냈다.

브리검영대 연구팀 '탈선 위험 높다' vs 철도업계 '과장됐다'

미국 브리검영대에서 진행한 이번 연구가 준유도 노출 방법론을 독창적으로 활용해 주목을 받는 동시에, 일각에서는 결과 해석에 주의가 필요하다는 지적도 흘러나오고 있다. 특히 철도 건널목 사고 데이터를 기반으로 추정된 열차 길이별 운행 빈도가 실제와 다를 수 있어, 열차 길이별 탈선율이 정확하지 않을 가능성이 있기 때문이다.

같은 맥락에서 미국철도협회(American Association of Railroads) 커뮤니케이션 부서의 제시카 카하넥(Jessica Kahanek) 부사장 또한 연구의 위험 추정치에 의문을 제기하며, 브리검영대 연구팀이 열차 유형이나 각 칸의 차량 유형 차이를 고려하지 않았다고 비판했다. 예를 들어 연구에서 언급된 50칸짜리 열차는 2,600피트 석탄 열차, 10,000피트 복합 화물 열차 또는 5,000피트 일반 화물 열차 등 다양한 유형을 포괄할 수 있는데, 이러한 차이가 고려되지 않았다는 것이다. 협회는 열차 유형을 통제하고 나면 열차 길이가 탈선율에 미치는 순수한 영향력이 줄어들 것으로 예상하고 있다.

실제로 이번 연구에서는 열차 길이 단위로 피트 대신 열차 칸수를 사용했다. 이에 대해 연구팀은 가시성, 선로 상태, 운행 특성, 계절별 온도 등 다양한 변수를 통제했기 때문에, 열차 유형을 고려하더라도 열차 길이가 탈선율에 미치는 영향은 크게 달라지지 않을 것이라고 반박했다. 또한 연구의 공동 저자인 브리검영대 피터 매드슨(Peter Madsen) 조직행동학 교수는 "(업계 단체들이) 연구 결과를 좋아하지 않는 이유는 이해하지만, 우리는 긴 열차 운행을 전면 금지해야 한다고 주장하는 것이 아니다"라며, "이 논의에 더 많은 근거를 제시하고 싶었다"고 덧붙였다.

한편 전 기관사이자 미국 철도 노조인 국제판금·항공·철도·운송노동자협회(SMART-TD)의 안전 책임자 제라드 캐시티(Jared Cassity)는 긴 열차, 특히 빈 차량과 화물 차량이 혼합되면 안전에 더욱 취약하다고 지적하며 브리검영대 연구팀의 연구 결과가 현실을 잘 반영한다고 평가했다. 또한 그는 열차 길이 제한 법규 제정의 필요성을 강조했다. 하지만 지난해 오하이오주 탈선 사고 이후 7,500피트 이상의 긴 열차에 관한 연구를 의뢰받은 미국 과학·공학·의학 아카데미(National Academies of Sciences, Engineering, and Medicine, NASEM)는 브리검영대 연구팀의 연구 결과를 검토했지만, 아직 공식적인 입장은 밝히지 않았다. 연방철도청(FRA) 역시 해당 연구 결과를 검토 중이라고 밝혔다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

소수의 비밀을 풀고자 했던 천재 수학자들, 아직도 풀지 못한 숙제로 남아
연구할수록 미궁 속으로 빠지는 쌍둥이 소수 추측
이탕 장 교수, 특정 거리에서 무한히 많은 소수 쌍 존재하는 것 밝혀내

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

소수는 오랫동안 수학자들의 관심을 사로잡아 왔다. 소수는 1과 자기 자신으로만 나눌 수 있는 신비한 자연수를 말한다. 오일러, 가우스, 리만 등 당대 ‘천재’라고 불리는 수학자들이 소수의 매력에 빠져 소수의 비밀을 풀고자 노력했으나 아직도 풀리지 않았다. 이토록 소수에 열광하는 이유는 소수가 갖는 불규칙성 때문이다. 수학자들이 소수의 규칙을 하나하나 풀어가면서 소수에 한 발짝 다가가고 있지만, 파헤칠수록 소수는 새로운 문제를 던져준다.

미해결된 소수 문제 중 쌍둥이 소수 추측이 있다. 쌍둥이 소수란 연속하는 두 소수 사이의 거리가 2인 소수를 말한다. 예를 들어 (3, 5), (5, 7), (21377, 21379) 등이 있다. 쌍둥이 소수 추측은 쌍둥이 소수가 무한히 존재할 것이라는 추측이다. 쌍둥이 소수 추측은 페르마의 마지막 정리처럼 문제 정의는 간단하지만, 증명하기는 매우 어렵다.

소수의 무한성 증명, 쌍둥이 소수도 무한한가?

소수의 특징은 수가 커질수록 소수는 드물게 나타난다. 소수는 1과 자기 자신으로 밖에 나눌 수 없으므로 $N$의 배수(여기서 $N$은 자연수) 중 $N$을 제외한 다른 배수는 소수가 될 수 없다. 예를 들어 4(2의 배수), 9(3의 배수), 15(5의 배수), 49(7의 배수)는 소수가 아니다. 따라서 수가 커질수록 소수는 드물게 나타날 수 밖에 없다. 그럼 수가 계속 커져도 소수가 존재할까? 다시 말해 소수는 무한한가?

이 질문에 대해서는 기원전 300년 경에 유클리드가 ‘소수의 무한성’을 증명했다. 소수가 유한하다는 가정을 한 후, 이 가정에 모순이 있음을 보였다. 증명은 소수가 유한하다면 가장 큰 소수인 $p$가 존재하고 $p$까지 모든 소수를 곱한 수에 1을 더한 값이 소수이므로 가정에 모순을 보이는 식으로 진행했다. 즉, $(2 \times 3 \times 5 \times \cdots \times p) + 1$은 소수다.

쌍둥이 소수의 역수의 합은 수렴, 쌍둥이 소수는 유한한 걸까?

소수가 무한히 존재하므로 쌍둥이 소수도 무한히 존재할 것 같다. 그러나 쌍둥이 소수는 소수보다 훨씬 드물게 나타난다. 이것을 잘 보여주는 예시로 역수의 합 수렴 여부가 있다. 오일러는 소수의 역수의 합이 발산함을 보였다. 다시 말해 $\frac{1}{2} + \frac{1}{3} + \frac{1}{5} + \cdots = \infty$ 임을 보였다.

그러나 1915년 노르웨이 수학자 비고 브룬은 쌍둥이 소수의 역수의 합이 수렴한다는 것을 증명해 쌍둥이 소수가 얼마나 드물게 나타나는지 보였다. 쌍둥이 소수의 역수의 합은 $(\frac{1}{3} + \frac{1}{5}) + (\frac{1}{5} + \frac{1}{7}) + (\frac{1}{11} + \frac{1}{13}) + \cdots \approx 1.902$로 수렴하게 된다. 만약 쌍둥이 소수의 역수의 합이 발산한다면, 쌍둥이 소수는 무한히 많을 것이며 쌍둥이 소수 추측은 자연스럽게 증명된다. 안타깝게도 쌍둥이 소수의 역수의 합은 수렴한다.

쌍둥이 소수 추측에 ‘실마리’를 제공한 이탕 장 교수

쌍둥이 소수의 역수의 합이 수렴한다는 사실이 밝혀진 후, 쌍둥이 소수 추측은 미궁 속으로 빠졌다. 그러나 2013년 한 수학자가 쌍둥이 소수 추측에 작은 ‘실마리’를 찾아냈다. 이 수학자는 이탕 장 교수로 박사 과정을 졸업한 후, 일자리를 찾지 못해 아르바이트를 하며 생활한 것으로 알려져 충격을 줬다. 다행히 2013년에 발표한 논문의 공로를 인정받아 빛을 보았다.

장 교수는 쌍둥이 소수 추측을 증명한 것은 아니나, 쌍둥이 소수 추측에 단서를 제공했다. 논문은 연속하는 소수 사이의 거리 $N$이 7천만보다 작은 $(p, p + N)$ 소수 쌍이 무한히 많다는 것을 보였다. 쌍둥이 소수 추측을 증명하는 것은 $N=2$에 대해 소수 쌍이 무한히 많다는 것을 보이는 문제다.

수학자들은 쌍둥이 소수뿐만 아니라 (3, 7) 또는 (19, 23)과 같이 거리가 4인 사촌 소수나 (5, 11) 또는 (11, 17)과 같이 거리가 6인 섹시 소수 등 다른 유형의 소수 쌍에도 관심이 많아 이 증명은 소수계에 큰 발전을 이뤘다는 평가를 받는다.

장 교수는 ‘소수 체’를 이용하여 문제를 해결했다. 소수 체는 단어에서 유추할 수 있듯이 자연수 집합에서 소수를 걸러내는 수학적 도구를 말한다. 소수를 체로 걸러내겠다는 아이디어는 고대 그리스 수학자인 에라토스테네스로부터 나왔다. 에라토스테네스의 체는 2를 제외한 모든 짝수를 제거한 다음 3의 배수, 5의 배수 등을 모두 제거하여 마지막에 소수만 걸러낸다. 하지만 에라토스테네스의 체를 쌍둥이 소수 추측에 곧바로 적용하기는 어려워, 장 교수는 쌍둥이 소수에 맞는 소인수가 큰 숫자만 걸러내는 체를 사용하여 문제에 접근했다.

쌍둥이 소수 추측에 한 발짝 다가간 수학자들

전 세계 정수론 전문가들은 장 교수의 결과에 주목했으며 이를 개선하기 위해 공동 프로젝트를 시작했다. 전문가들은 장 교수의 방법을 최적화하여 소수 쌍 사이의 거리를 더 가깝게 만들어 몇 달 만에 거리가 4,680인 소수 쌍이 무한히 존재한다는 것을 밝혀냈다. 또한 비슷한 시기에 두 명의 필즈상 수상자인 테렌스 타오와 제임스 메이나드는 독자적인 ‘체’를 개발하여 거리를 246으로 줄였으며 현재까지 발견된 최소 거리다.

쌍둥이 소수 추측에 한 발짝 다가왔지만, 아직 갈 길이 멀다. 메이나드는 소수에 대해 흥미로우면서 실망스러운 점은 정답이 명확하지 않은 경우가 많다는 점이라고 밝혔다. 더불어 소수는 항상 우리가 생각하는 것과는 다른 방향을 보여준다는 점을 언급하며 소수에 흥미로움을 표했다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

AI를 활용한 군사력 강화를 추진 중인 미국, 전문가들은 AI-핵무기 시스템 통합의 위험성 경고
인간보다 빠른 의사 결정 가능하지만, 예측 불가능성과 오판 가능성 여전히 존재
AI-핵무기 결합은 인류의 미래를 위협할 수 있어, 인간 중심의 핵무기 관리 기조 유지해야

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

미국 국방부는 AI를 무기 시스템에 통합하려는 계획을 공개적으로 밝혀왔다. 캐슬린 힉스(Kathleen Hicks) 미 국방부 부장관은 지난해 말 펜타곤에서 새로운 AI 전략을 발표하며 "AI를 신속하고 책임감 있게 작전에 통합하는 데 집중하는 이유는, AI가 우리의 의사 결정 우위를 향상시키기 때문이다"고 강조했다.

AI는 방대한 정보를 빠르게 처리하고 분석하여 신속한 결정을 내릴 수 있게 한다. 이미 많은 분야에서 인간보다 훨씬 빠른 처리 속도를 보여주고 있으며, 앞으로 그 격차는 더욱 커질 것으로 전망된다. 또한 이러한 AI의 능력은 핵무기를 포함한 모든 종류의 무기 체계에 적용될 수 있다.

즉 AI는 미래 전장에서 결정적인 역할을 할 것으로 예상되며, 미국은 이러한 AI 기술을 국방 분야에 적극적으로 활용하려는 의지를 보이고 있다. 국방부의 새로운 AI 전략 문서의 부제인 '가속화되는 결정 우위'는 이러한 맥락을 잘 보여준다.

AI 군사 활용, 핵전쟁 위험 높인다

하지만 AI의 군사적 활용에 대한 우려의 목소리도 높다. 특히 제임스 존슨(James Johnson)의 저서 'AI와 핵무기(AI and the Bomb: Nuclear Strategy and Risk in the Digital Age)'에서는 AI가 핵무기 시스템에 통합되는 미래를 우려하며, AI가 핵무기만큼이나 위험한 무기가 될 수 있다고 주장한다. 또한 샘 넌(Sam Nunn) 조지아주 전 상원의원을 비롯한 많은 전문가들 역시 AI의 군사적 활용이 초래할 수 있는 잠재적 위험에 대해 경고의 목소리를 높이고 있다.

샘 넌 전 상원의원이 공동 설립한 '핵위협방지구상(Nuclear Threat Initiative, 이하 NTI)'은 "세계 핵 질서를 위한 7가지 원칙"을 제시한 바 있다. 이 중 긴장 고조 상황에서 지도자들의 의사 결정 시간을 늘리는 것이 중요하다는 것을 강조하는 원칙이 있는데, 이는 핵 위협을 줄이고 상호 안보를 강화하기 위한 핵심적인 요소다.

그러나 AI 도입 확산은 신중한 접근 원칙과 정면으로 상충한다. AI는 의사 결정 속도를 급격히 높여 위험을 증가시킬 수 있으며, 치명적인 무기의 안전한 관리를 더욱 어렵게 만들 수 있다. 실제로 넌 전 의원과 NTI는 AI가 의사 결정 시간을 "위험할 정도로 단축"시킬 수 있다는 점을 명시적으로 언급하며, AI의 군사적 활용에 대한 우려를 드러냈다.

예측 불가 AI, 인간 손에 맡겨야

지난 2월 미국 국무부는 AI 안전 문제에 대한 보고서를 발표했지만, 핵무기와 AI의 결합에 대한 논의는 부족했다. AI 정책 조언을 제공하며 해당 보고서 작성에 참여한 민간 업체 '글래드스톤 AI(Gladstone AI)'의 에두아르 해리스(Edouard Harris) 공동대표는 핵무기 통제에 AI가 사용될 가능성은 작게 봤지만, AI 허위 정보에 대한 두려움이 국가가 AI 시스템에 핵무기 통제권을 넘기는 동기가 될 수 있다고 인정했다.

이는 AI가 인간보다 더 능숙하게 판단을 내릴 수 있다는 믿음 때문이며, 제임스 존슨이 'AI와 핵무기'에서 제시한 시나리오와도 일치한다. 이러한 시나리오는 게임 이론을 발전시킨 존 폰 노이만이 주장했던 '예방 전쟁' 개념과도 연결되는데, 그는 상대가 충분한 핵무기를 개발하기 전에 선제공격해야 한다고 주장했다. AI의 발전이 이러한 위험한 논리를 더욱 부추길 수 있다는 것이다.

과거 미국의 선제 핵 공격은 없었지만, AI가 폰 노이만처럼 호전적인 게임 이론에 따라 행동할지, 아니면 인간적인 의사 결정을 따를지는 불확실하다. 현재 AI 모델은 다차원적 특성 때문에 특정 상황에서 어떻게 반응할지 예측하기 어렵다. 즉 한 측면에서의 성능 향상을 의도했던 미세조정이 다른 측면에서의 성능을 저하시키는 문제로 이어질 수 있는데, 이러한 불확실성은 AI를 무기 시스템에 통합하는 것에 대한 심각한 위험을 내포한다.

일각에서는 핵무기 시스템의 특수성 때문에 AI 통합이 제한될 것이라고 주장하지만, 러시아의 전술핵무기 훈련과 위협은 이러한 낙관론을 무색하게 만든다. 러시아의 핵 위협에 대응하여 미국 등 서방 국가들이 AI 군사 기술 개발에 박차를 가할 경우, AI 군비 경쟁이 심화될 수 있어, 핵무기 사용 결정에 AI가 개입할 가능성은 여전히 남아 있게 된다.

따라서 핵 의사 결정에서 인간을 배제하려는 시도에 저항하기 위한 강력한 법적 규제가 시급한 상황이다. 물론 AI의 발전은 긍정적인 측면도 많지만 그 위험성을 간과해서는 안 되며, 특히 핵무기와 같은 치명적인 무기와의 결합은 절대적으로 막아야 한다는 지적이 지속적으로 제기되고 있다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

무리수 발견을 둘러싼 수많은 미신과 이야기
직각 이등변 삼각형과 피타고라스 정리를 이용하여 무리수 존재 증명
무리수 발견은 그 당시 사람들에게 엄청난 충격을 줘

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

기원전 5세기 학자인 히파소스는 무리수를 발견한 죄로 사형당했다는 전설이 내려오고 있다. 하지만 전문가들은 기원전 5세기에 실제로 무슨 일이 일어났는지 확신할 수 없다는 의견이다. 이에 관해서는 수많은 미신이 있으며 어떤 미신과 이야기가 진실인지는 아직 밝혀지지 않았다고 한다.

세상이 유리수와 무리수로 이루어졌다고 믿었던 피타고라스 학파

피타고라스 학파는 수학을 연구하며 자연수와 유리수로 세상을 표현할 수 있다고 믿었다. 그러나 피타고라스 학파의 일원인 히파소스는 오각형의 길이 비율을 조사하던 중 한 변의 길이가 분수로 표현할 수 없다는 사실을 발견하고 자연수와 유리수 외에 다른 수가 존재함을 깨닫는다.

그러나 여기서부터 히파소스에 대한 이야기는 다양하다. 한 이야기에 따르면, 히파소스가 피타고라스 학파 주장에 반하는 결과를 발견하여 이에 피타고라스 학파는 불쾌감을 느꼈으며 히파소스가 무리수를 발견했다는 사실을 공개하여 피타고라스 학파의 규칙을 위반했다고 전해진다. 어느 것이 진실이든 히파소스는 무리수를 발견한 후 바다에 빠져 익사했다. 이에 대해서도 여러 이야기가 있다. 일부는 피타고라스 학파 일원이 히파소스를 배 밖으로 던졌다고 하며 다른 이들은 그의 죽음이 피타고라스 학파가 내린 신의 형벌이라고 한다.

피타고라스 학파를 둘러싼 미신

전문가들이 히파소스에 관한 이야기를 역사적 증거와 비교해 본 결과, 이야기는 순수한 전설일 가능성이 높다고 한다. 히파소스가 무리수를 발견한 것이 사실이면, 히파소스의 발견은 오히려 피타고라스 학파가 자랑스러워할 만한 업적으로 칭송받았을 것이다. 실제로 피타고라스 학파는 철학적, 정치적으로 박해를 받았으며 학파에 대한 부정적인 이야기를 꾸며냈을 가능성이 있다.

피타고라스 학파에 대해 알려진 사실은 별로 없다. 피타고라스는 수학 외에도 다양한 분야에 관심을 가져 고대 그리스인들과 차별화되는 견해를 제시했다. 피타고라스 학파는 부를 거부하고 채식 위주의 금욕적인 생활을 했으며 환생을 믿는 등 고대 그리스인들과 다른 행동을 보였다. 이단으로 여겨진 피타고라스 학파는 여러 차례 공격을 받았으며, 피타고라스가 사망한 후 학파는 역사 속으로 사라졌다.

히파소스는 어떻게 무리수를 증명했을까

논란의 중심인 무리수 증명에 대해 알아보자. 무리수는 두 정수의 비율로 나타낼 수 없는 실수를 말한다. 히파소스는 직각 이등변 삼각형을 이용해 무리수가 존재함을 보였다. 밑에 사진처럼 두 변의 길이가 $a$이고 빗변의 길이가 $c$인 직각 이등변 삼각형을 증명에 활용했다.

삼각형의 밑변과 빗변의 비율은 $\frac{a}{c}$다. 피타고라스 학파가 주장했듯이 자연수와 유리수만 존재한다면, $a$와 $c$에 대해 서로소인 가장 작은 자연수를 고를 수 있다. 예를 들어 비율이 $\frac{2}{3}$라면 $a=2$, $c=3$이 된다.

히파소스는 피타고라스 학파가 주장한 것에 모순이 있음을 보여 무리수의 존재성을 증명했다. 먼저 히파소스는 피타고라스 정리($a^2 + b^2 = c^2$)를 사용하여 빗변의 길이 $c$를 $a$에 대한 함수로 표현했다($2a^2=c^2$). $a$와 $c$가 자연수이므로 $c^2$은 짝수인 것을 알 수 있다. 따라서 $c$를 다르게 표현하면, $c=2n$으로 나타낼 수 있고 여기서 $n$은 자연수다.

$c = 2n$을 원래 방정식에 대입하면 $2a^2 = (2n)^2 = 4n^2$이 된다. 2를 양변에 나누면 $a^2 = 2n^2$이 되고 $a$는 짝수라는 것을 알 수 있다. 그러면 처음에 가정했던 $a$와 $c$가 서로소라는 가정에 모순이 생기고 $\frac{a}{c}$라는 무리수가 존재한다.

시대를 앞서간 발견

히파소스는 피타고라스 학파의 주장에 모순을 보여 직각 이등변 삼각형의 $\frac{a}{c}$ 비율이 유리수가 될 수 없다는 결론을 내렸다. 다시 말해 두 정수의 비율로 표현할 수 없는 숫자가 존재한다는 것이다. 예를 들어 직각 이등변 삼각형에서 $a = 1$이면 $c = \sqrt{2}$가 된다. 오늘날에는 $\sqrt{2}$가 무리수라는 사실이 잘 알려져 있다.

수학과 과학이 발전한 현재에서 볼 때 무리수의 존재는 놀랍지 않다. 그러나 약 2500년 전에는 이러한 깨달음이 사람들에게 상당한 충격을 줬을 것으로 예상한다. 또한 무리수의 발견은 수학 세계관을 뒤집어 놓았을 것으로 추측된다. 따라서 무리수 발견에 수많은 신화와 전설이 있는 것도 당연한 일이다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

과학자 출신 대통령, 과학계 기대와 우려 속 출범
5명의 과학자 출신 지도자 사례 분석 통해 전망 제시
과학적 전문성과 소통 리더십 균형이 성공의 핵심

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

멕시코 역사상 최초의 여성 대통령으로 선출된 클라우디아 셰인바움 파르도(Claudia Sheinbaum Pardo)는 물리학과 환경공학을 전공한 과학자 출신 정치인이다. 그녀의 당선은 과학계에 기대와 우려를 동시에 불러일으키고 있다. 셰인바움 대통령이 과학적 배경을 바탕으로 증거 기반 정책을 펼칠 것이라는 기대와 함께, 그녀의 멘토이자 전임 대통령인 안드레스 마누엘 로페스 오브라도르의 과학계와의 불편한 관계가 지속될 수 있다는 우려도 존재하는 것이다.

이러한 상황에서 과학 국제학술지 네이처는 과거 과학자 출신 세계 지도자 5명의 사례를 분석해 셰인바움 대통령의 향후 행보를 전망했다. 역사학자, 정책 전문가, 과학자들에 따르면 과학적 전문성이 국가 발전에 기여할 수 있지만, 자칫 독선적인 정책 결정으로 이어질 수 있다고 한다. 도쿄대학교 과학사학자 오키 사야카는 과학자 출신 지도자는 다양한 정보를 수집하고 분석하는 능력이 뛰어나지만, 자신의 지성에 지나치게 의존하여 독선에 빠질 수 있다고 지적했다.

전문성은 뛰어나지만 리더십은 부족했던 기술 관료

허버트 후버(Herbert Hoover) 전 미국 대통령은 스탠퍼드 대학교에서 지질학을 전공한 후 국제적인 광산 컨설턴트로 성공하며 과학적 지식을 바탕으로 한 뛰어난 실력을 입증했다. 제1차 세계 대전 당시에는 벨기에 구호 활동과 미국의 식량 공급 관리를 통해 유능한 기술관료로서의 명성을 얻었다. 이후 상무장관을 거쳐 대통령에 당선되며 승승장구했다.

하지만 그의 기술관료주의적 성향은 대공황이라는 위기에 직면했을 때 한계를 드러냈다. 과학사 연구소 데이빗 콜(David Cole) 소장은 후버가 기술적인 해결책에 집중한 나머지 사회, 문화, 정치적 문제를 간과했을 가능성을 지적한다. 실제로 후버 정부는 불황 극복을 위한 다양한 정책을 시도했지만, 대중의 지지를 얻지 못하고 실패했다.

후버의 사례는 과학자 출신 지도자가 가진 장점과 단점을 동시에 보여준다. 전문 지식과 합리적인 사고는 국가 발전에 기여할 수 있지만, 사회 전체를 아우르는 통찰력과 소통 능력이 부족할 경우 위기 상황에서 효과적인 리더십을 발휘하기 어렵다는 점을 시사한다.

이념에 좌우된 철의 여인

마거릿 대처(Margaret Thatcher) 전 영국 총리는 옥스퍼드 대학교에서 화학을 전공하고 노벨상 수상 화학자 도로시 호지킨의 지도로 항생제 연구를 수행한 과학자다. 하지만 그녀는 연구를 뒤로하고 정치에 뛰어들어 1979년 영국 최초의 여성 총리에 올랐다.

11년간의 재임 동안 대처는 강력한 리더십과 단호한 정책 추진으로 '철의 여인'이라는 별명을 얻었다. 국유 산업 민영화, 공공 지출 삭감 등 그녀의 정책은 영국 경제에 큰 변화를 불러왔지만, 동시에 빈부 격차 심화와 사회 갈등을 일으키기도 했다.

존 뮬바우어(John Muellbauer) 영국 옥스퍼드대 경제학자는 대처가 과학적 배경에도 불구하고 정책 결정 과정에서 과학적 증거보다는 이념과 신념에 더 의존했다고 평가한다. 이는 과학자 출신 지도자가 가질 수 있는 장점을 충분히 살리지 못한 아쉬운 부분으로 지적된다.

대처의 사례는 과학적 지식과 경험이 반드시 합리적이고 객관적인 정책 결정으로 이어지지는 않는다는 점을 보여준다. 지도자의 개인적인 신념과 가치관이 정책 방향에 큰 영향을 미칠 수 있으며, 이는 때로는 사회적 갈등과 불평등을 심화시킬 수 있다는 점을 시사한다.

인도의 '미사일 맨'에서 국민 대통령으로

압둘 칼람(A. P. J. Abdul Kalam) 전 인도 대통령은 인도 최초의 자체 개발 위성 발사체 성공을 이끈 항공우주 과학자로 국민적 영웅으로 떠올랐다. 이후 탄도 미사일 프로그램을 주도하며 '미사일 맨'이라는 별명을 얻었고, 2002년에는 여야의 지지를 받아 인도 11대 대통령에 당선됐다.

칼람은 대통령 재임 기간 동안 과학 기술 발전을 통한 국가 발전이라는 비전을 제시하며 젊은 과학자들에게 큰 영감을 줬다. 특히 식민 통치에서 벗어나 독립한 인도에서 과학 기술 자립을 통해 국가 발전을 이루겠다는 그의 의지는 과학계에 큰 자신감을 불어넣었다.

인도 과학 연구소의 로히니 고볼레(Rohini Godbole)는 칼람의 당선이 젊은 과학자들에게 희망을 줬으며, 인도 과학 시스템에 대한 믿음을 심어줬다고 평가했다. 칼람의 과학자로서의 업적과 대통령으로서의 리더십은 인도 과학 기술 발전의 중요한 원동력이 됐다.

과학적 실용주의로 독일을 이끈 메르켈

양자 화학 박사 출신인 앙겔라 메르켈(Angela Merkel)은 2005년 독일 최초의 여성 총리로 선출되어 16년간 장기 집권하며 독일 역사상 두 번째로 오래 재임한 총리다.

메르켈은 유럽 부채 위기, 원자력 발전 단계적 폐지, 코로나19 팬데믹 등 다양한 문제에 직면했지만, 과학자로서 훈련된 실용주의적 접근 방식으로 문제 해결에 능숙하게 대처했다. 영국 코번트리대학교 정치학자 매트 큐보트럽(Matt Qvortrup)은 메르켈이 정치적 문제를 해결할 때 과학적 방법론을 적용하여 효과적인 해결책을 찾고, 반증 가능성을 열어두는 자세를 유지했다고 평가했다.

메르켈의 과학적 배경은 협력적인 문제 해결 능력을 키우는 데 기여했으며, 정치적 논쟁보다는 정책을 통한 문제 해결에 집중하는 리더십을 발휘하여 높은 국민적 지지를 얻었다. 그녀의 성공은 과학적 사고방식이 정치 분야에서도 효과적으로 활용될 수 있음을 보여줬다.

이상주의에 발목 잡힌 유키오 하토야마 총리

유키오 하토야마(Yukio Hatoyama) 전 일본 총리는 스탠퍼드 대학교에서 산업공학 박사 학위를 받고 연구원으로 활동한 과학자 출신이다. 하지만 그의 총리 재임 기간은 8개월이라는 짧은 기간에 그쳤다.

일본 도쿄대학교의 과학사학자인 사야카 오키(Sayaka Oki)는 하토야마가 과학자 특유의 이상주의적 성향 때문에 현실 정치의 벽을 넘지 못했다고 분석한다. 그는 순수하고 이론적인 사고에 집착하여 복잡한 정치 현실을 제대로 파악하지 못했다는 것이다.

하토야마는 2009년 총선에서 승리하며 과학 프로그램 지원 확대를 공약으로 내걸었지만, 실제로는 정부 지출 삭감을 추진하며 과학계의 반발을 샀다. 또한 오키나와 미군 기지 이전 문제에서도 현실적인 타협안을 선택하며 공약을 지키지 못해 지지층을 실망시켰다.

결국 하토야마는 '순진하고 세상 물정 모르는' 정치인이라는 비판 속에 8개월 만에 총리직에서 물러났다. 그의 실패는 과학적 지식과 이상주의만으로는 성공적인 정치를 이끌 수 없다는 교훈을 남겼다.

물론 셰인바움 대통령의 미래는 과거 과학자 출신 지도자들의 사례를 통해 완벽히 예측할 수는 없지만, 과학적 전문성과 포용적 리더십의 조화가 핵심임을 역사는 보여준다.

셰인바움 대통령이 과학적 지식을 바탕으로 합리적인 정책을 추진하면서도 다양한 의견을 경청하고 소통하는 균형 잡힌 리더십을 보여줄 수 있을지, 앞으로의 행보에 귀추가 주목된다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.

구글 'AI 오버뷰', 재생에너지 전환 노력에도 불구하고 탄소 발자국을 늘릴 것으로 우려돼
기술 발전에 따른 비용 감소와 사용자 만족도 향상을 강조하는 시각도 존재해
아직 걸음마 단계인 규제, AI 기술 발전과 환경 보호 사이에서 적절한 균형 찾아야

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 글로벌AI협회(GIAI)에서 번역본에 대해 콘텐츠 제휴가 진행 중입니다.

구글이 올해 출시 예정인 AI 검색 기능 'AI 오버뷰(AI Overviews)'는 개별 웹사이트 방문 없이 빠른 답변을 제공하는 장점이 있지만, 에너지 소비량이 급증할 것이라는 우려가 흘러나오고 있다.

AI 오버뷰는 구글의 대규모 언어 모델 '제미나이(Gemini)'를 기반으로 작동하며, 단순 정보 검색을 넘어 새로운 정보를 생성해야 하므로 텍스트 생성에 약 30배 더 많은 에너지가 필요할 것으로 추정된다.

전 세계 인터넷 검색의 90% 이상을 처리하는 구글이 2024년 말까지 10억 명에게 이 기능을 제공할 계획이어서 환경에 미치는 영향은 막대할 것으로 예상되며, 마이크로소프트의 빙 등 다른 기업들도 유사한 AI 검색 기능 도입을 검토 중이라 우려는 더욱 커지고 있다.

친환경 데이터센터, 재생에너지 전환 난항

많은 기술 기업들이 데이터 센터의 컴퓨팅 수요 증가에 대응하여 화석 연료 사용을 줄이고 재생 에너지 사용을 늘리겠다고 발표했지만, 실제 성과는 미흡한 것으로 나타났다. 구글은 2030년까지 100% 무탄소 에너지 사용을 목표로 하고 있지만, 2022년에는 64%에 그쳤으며, 2023년에는 전력 부하 증가로 인해 개선되지 않았다.

재생 에너지 전환이 어려운 이유는 데이터 센터의 안정적인 전력 수요와 재생 에너지 생산량의 변동성 간 발생하는 격차 때문이다. 특히 재생 에너지는 시간대별, 계절별 변동이 심해 안정적인 전력 공급을 위해 화석 연료 발전소 가동이 불가피한 상황이다.

하지만 미국 MIT 슬론 경영대학원의 라마 라마크리슈난(Rama Ramakrishnan) 교수는 대규모언어모델(LLM) 사용 증가로 에너지 비용 상승 가능성을 인정하면서도, 하드웨어 및 소프트웨어 효율성 개선 노력으로 쿼리당 비용은 감소할 것으로 내다봤다. 아울러 구글은 AI 오버뷰에서 제공하는 링크가 기존 검색 목록보다 더 많은 트래픽과 체류 시간을 유도한다는 점을 들어 사용자 만족도를 강조하며, 비용 증가가 사용자에게 제공하는 가치로 상쇄될 수 있다고 설명했다.

에너지 먹는 하마, AI 답변 10개에 물 한 병 증발

대형 AI 모델 운영에 필요한 자원은 정확히 공개되지 않았지만, 외부 연구 결과들은 상당한 에너지 소비를 예상하고 있다. 예를 들어 GPT-3와 동등한 규모(1,760억 개의 매개변수)의 언어 모델 블룸(Bloom)은 하루 사용 시 평균적인 가솔린 자동차로 49마일 주행 시 발생하는 온실가스와 동일한 양을 배출하는 것으로 추정됐다.

또한 AI로 이미지 두 개를 생성하는 데 일반 스마트폰 충전만큼의 에너지가 사용될 수 있으며, GPT-3가 10~50개의 응답을 생성할 때마다 AI 서버 냉각에 물 한 병(500ml)에 해당하는 물이 증발한다는 연구 결과도 잇따라 나왔다.

한편 모건 스탠리의 분석가들은 AI가 쿼리의 절반에 대해 50단어 답변을 생성할 경우 구글에 연간 60억 달러의 비용이 발생할 수 있다고 추정했다.

그러나 구글은 AI 기술 발전과 함께 비용 효율성이 개선될 것이라고 밝혔다. 구글의 모회사 알파벳 회장 존 헤네시(John Hennessy)는 LLM과의 교류 비용이 기존 검색보다 10배 더 들 수 있지만, 모델 미세 조정을 통해 비용이 감소할 것으로 전망했다. 또한 구글 대변인은 생성형 AI 응답 관련 머신 비용이 기술 혁신 등에 힘입어 80% 감소했다고 덧붙였다.

폭증하는 에너지 소비, 규제는 '아직'

현재 전 세계 에너지 사용량의 약 1.5%를 차지하는 데이터 센터는 2026년까지 두 배로 증가하여 일본 전체 전력 소비량에 맞먹는 수준에 이를 것으로 예상된다. 특히 생성형 AI의 에너지 소비량은 2026년에 2023년 대비 10배 증가할 것으로 예상되어 에너지 문제는 더욱 심각해질 것으로 보인다.

이러한 상황 속에서도 구글 등 대형 기술 기업들은 컴퓨팅 인프라 확장에 막대한 투자를 지속하고 있다. 구글은 미주리, 인디애나, 아이오와에 새로운 데이터 센터 건설에 수십억 달러를 투자하고 있으며, 마이크로소프트와 오픈AI는 전력 용량 증대를 위한 1천억 달러 규모의 계획을 추진하고 있다.

물론 AI의 환경 문제에 대한 인식은 높아지고 있지만, 아직 명확한 법적 규제는 마련되지 않았다. 미국에서는 지난 2월, AI의 환경 영향 평가 및 자발적 보고 체계 구축을 위한 인공지능 환경영향법(Artificial Intelligence Environmental Impacts Act)이 발의됐지만, 통과 여부는 불투명하다.

유럽 의회에서도 EU AI 법에 환경 지속 가능성 관련 조항 추가를 요청했지만, 이 역시 불확실한 상황이다.

*편집진: 영어 원문의 출처는 사이언티픽 아메리칸(Scientific American)으로 본지의 편집 방향과 일치하지 않을 수도 있습니다.