디지털트윈이야기 3부- “아무 것도 하지 않으면 아무 문제도 일어나지 않는다” 과연 그럴까?

디지털트윈이야기 3부- “아무 것도 하지 않으면 아무 문제도 일어나지 않는다” 과연 그럴까?

3

‘아무 것도 하지 않으면 아무 문제도 일어나지 않는다’

과연 그럴까? 
시간은 어김없이 흐르고 변하지 않는게 없기 때문에 아무 것도 하지 않으면 결국은 죽는다. 그래서 생존을 위해 무언가를 한다.

무언가를 하다보면 문제가 생긴다. 문제를 해결하다 보면 또 다른 문제가 생긴다. 삶은 문제 해결의 연속이다.

사람 뿐만 아니라 생물이거나 사람이 만든 Products(도구, 장비, 시설, IT시스템 등)나 Processes(운용기술, 공정,  법제도 등)도 마찬가지다. 신이 만든 생물은 사람이 만든 Product(시스템)보다는 밝혀지지 않은 본질이 많아 문제 해결이 어렵다. 그래서 문제를 해결하기 위해 열심히 학습하고 시험을 본다. 본질을 아는 지식이 있어야 문제를 잘 풀 수 있기 때문이다. 

학습할 지식이 없으면 새로운 지식을 탐구하기 위해 새로운 실험을 한다. 학습하고 실험하여 풀려는 문제는 분석, 설계, 최적화 세가지 중 하나이다. 

<문제의 종류>

첫째, 대상 Product(시스템)에 어떤 입력을 하면 어떤 결과(출력)이 나올 것인지 푸는 것은 분석(예측) 문제이다. 

둘째, 입력과 원하는 결과(출력)를 얻는 Product(시스템)를 만드는 것은 설계 문제이다.

셋째, Product(시스템)를 통해 원하는 결과를 얻기 위한 어떻게 해야 하는지(입력) 찾는 문제는 최적화 문제이다. 

문제를 해결하기 전에 해결하고자 하는 문제가 무엇인지, 목적이 무엇인지 정의하는게 우선이다. 해결해야 할 문제가 뭔지도 모르고 원인도 모르고 문제를 먼저 풀려고 시도하는 상황은 주변에서 자주 본다. 문제 정의없이 문제를 풀 수 있을까? 

문제를 해결하는 방법은 귀납적 방법(데이터 과학)과 연역적 방법(시스템 과학)이 있다. 귀납적 접근은 본질에 대해 잘 모를  때 현상(데이터)을 잘 관찰하여 본질을 알아내는 방법으로 매우 유용하지만, 현상(데이터)이 본질을 한정적으로 나타내거나 왜곡되어 나타나기도 하기 때문에 문제를 명확히 풀기 쉽지 않다. 

 연역적 접근은 알려진 본질(지식)을 통해 문제를 상대적으로 쉽게 풀 수 있으나 본질(지식)을 잘못 알 수도 있기 때문에 현상을 활용한 검증이 필요하다. 

<귀납적 방법의 한계점>

Product(시스템)의 입력과 출력 데이터를 기계학습시키는 AI기술로 문제를 푸는 방법은 귀납적 방법인데 다음과 같은 한계가 있다.

첫째, 데이터가 없으면 문제를 풀 수 없다. 

둘째, 데이터를 기계학습한 범위 내에서 문제를 풀 수 있다.

셋째, 학습한 데이터가 본질을 한정적으로 나타나거나 왜곡되어 나타났다면 문제를 제대로 풀 수 없다.

넷째, 데이터간의 상관관게를 모델링하기 때문에 인과관계를 설명하기 어럽다. XAI(eXplainable AI)를 개발한다고 하는데 성과는 어떤지?
다섯째, 학습한 현상이 나타난 조건과 달라지면 문제를 풀 수 없다.
여섯째, 미래는 과거와 다르다. 미래 변화에 대한 What-if 질문에 답하는게 제한적이다.

AI기술은 상기와 같은 구조적 한계도 있지만 영상/음성/언어 인식같은 현상을 인식하는 능럭은 인간의 한계를 보완, 증강, 대체할 수 있을 정도로 발전되고 있다. 
Product(시스템)의 동작원리(본질)를 목적에 맞게 추상화하여 모델을 만들고 시뮬레이션하여 문제를 푸는 방법은 연역적 방법이다. 아래와 같은 한계가 있다.

‘AI기술을 이용해서 문제를 푸는 방법의 한계’

첫째, 본질을 알아야 한다. 문제를 푸는데 필요한 지식이 있어야 하므로 열심히 학습해야 한다.
둘째, 본질을 컴퓨터가 알 수 있도록 수학적으로 모델링해야 한다. 함수로 표현해야 한다.
셋째, 문제를 풀기 위해서는 시뮬레이션 결과에 대한 검증(Validation)이 필요하다. 그럼에도 불구하고 데이터가 없더라도 상황을 가정하여 문제를 풀 수 있다. 

귀납적 방법과 연역적 방법은 각각 장단점이 있다. 각각의 장점으로 각각의 단점을 상호 보완적으로 활용하면 문제를 잘 풀 수 있다. 본질을 명확히 모르더라도 가설적 모델을 만들고 현상(데이터)을 학습하여 모델을 잘 만들 수 있다면 문제는 쉽게 해결된다. 문제를 해결하는 방법은 문제에 따라 다르고, 현상(데이터)과 본질(지식)을 얼마나 알고 있느냐에 따라 달라진다.

개인의 문제는 개인이 알아서 하면 된다. 여러 사람이 관계된 문제는 사람마다 생각도 다르고 이해관계가 있기 때문에 제대로 풀어야 상생할 수 있다. 특히, 회사 경영, 공공 행정, 정치의 문제는 직관적이거나 현상만으로 문제를 해결하면 안되고 제대로 문제를 해결해야 하는 이유가 명확하다.

그런데 그렇게 안되는 이유는 무엇일까? 
공공문제 해결을 위해 정책을 수립하거나 비전 달성이나 정책실현을 위해 사업을 할 때 데이터와 과학기술을 활용하여 시스템 공학적 분석을 의무화하면 문제 해결이 잘되지 않을까?

원문 보러가기 →

Leave A Comment

Your email address will not be published. Required fields are marked *