빌 게이츠가 AI가 가져올 우려들에 대해 인정하고, 이에 대한 생각을 적은 글을 가져왔습니다.

먼 미래의 초지능적 AI가 가져올 잠재적 위험보다는 이미 존재하거나 곧 존재하게 될 위험에 초점을 맞추어 작성한 글이니, 읽어보면 좋은 인사이트가 될 것 같습니다.
(원문 의역글)


1/ AI로 생성한 딥페이크나 잘못된 정보는 선거를 포함한 민주주의를 훼손할 수 있습니다.

1-1/ 기술이 거짓을 퍼뜨리는 데 활용되는 것이 처음은 아니지만, AI를 활용하면 더욱 쉽고 정교하게 조작할 수 있습니다.

보이스 피싱에 가짜 오디오 및 비디오를 사용하거나, 조작된 정치적 이슈를 만들어 선거를 뒤흔드는 데 쉽게 활용될 수 있습니다.

1-2/ 하지만 AI는 딥페이크의 생성뿐만 아니라 식별에도 큰 도움을 줄 수 있으며, 사람들은 비슷한 유형의 조작에 대한 누적된 경험을 통해 이를 식별하는 방법을 학습해왔습니다.

이는 조작을 탐지하고 대응책을 개발하는 순환적인 과정이 될 것이며, 이러한 위험에 충분히 대응할 수 있을 것입니다.

2/ 개인과 정부에 대한 공격이 더 쉬워질 수 있습니다.

2-1/ AI는 해커가 더 효과적인 코드를 작성할 수 있도록 도움으로써 개인이나 기관에 대한 공격을 가속화할 수 있습니다. 그들은 새로운 범죄 도구를 만드는 것을 멈추지 않을 것입니다.

2-2/ 이것이 AI 규제안을 원인 삼아 AI 발전을 일시적으로 막으려 해서는 안 되는 이유입니다. 악용을 막기 위한 노력도 같은 속도로 계속 진행되어야 하기 때문입니다.

2-3/ AI를 통한 군비 경쟁이라는 글로벌 차원의 위험도 존재합니다. 이를 방지하기 위해서 국제 핵 비확산을 위한 국제원자력기구와 유사한 AI 글로벌 기구를 설립하는 것을 고려해야 합니다.

3/ 사람들의 일자리를 빼앗을 것입니다.

3-1/ 이에 대해서, AI는 사람들이 업무를 더 효율적으로 수행할 수 있도록 돕는 역할을 할 것입니다.

AI는 단기적으로 업무의 생산성을 높이며 이는 사회적으로도 좋은 일입니다.

3-2/ 또한 환자를 돌보거나, 노인을 부양하는 등의 사람을 돕는 일에 대한 수요는 결코 사라지지 않을 것입니다.

3-3/ 분명한 것은, AI의 영향력은 PC의 도입만큼 거대할 것입니다.

즉 AI 기반의 업무 환경으로 전환하는 과정에서 여러 차원의 지원과 재교육이 필요할 것이며, 이는 정부와 기업의 역할이 클 것입니다.

4/ AI는 인류의 편견에 기반하여 무언가를 만들어냅니다.

4-1/ 사용자 요청의 맥락을 이해하지 못하여 환각(hallucination)을 만들어내거나, 특정 성 정체성이나 인종 등을 가진 사람들에 대한 편견을 반영하고 이를 악화시킬 수 있습니다.

4-2/ 이는 트랜스포머 방식을 기반으로 작동하는 AI 모델에서 많이 나타나며, 사용자 질문의 맥락이 아닌 학습된 데이터를 기반으로 답변하기 때문에 발생하는 문제입니다.

4-3/ 즉 AI 모델은 학습된 텍스트에 어떤 편견이 숨어져 있든 이를 그대로 이어받습니다.

예를 들어 의사에 대한 텍스트를 학습할 때 주로 남성 의사가 언급되어 있다면 대부분의 의사는 남성이라고 가정하여 답변합니다.

4-4/ 하지만 일부 연구자들의 주장과는 달리, 환각과 같은 문제가 모델의 본질적인 문제라고 생각하지 않습니다.

시간이 지나면 AI 모델이 사실과 허구를 구분할 수 있게 될 것이라고 생각하며, 이미 OpenAI는 이 분야에서 유망한 연구를 진행하고 있습니다.

4-5/ 또한 다양한 배경을 가진 사람들이 모델을 설계하거나, 인간의 가치와 더 높은 수준의 추론 능력을 AI에 구축하여 편향성을 해결할 수 있습니다.

AI를 사용하는 사람들도 자신의 편견뿐만 아니라 AI의 편견을 인식하고 활용해야 합니다.

5/ 학생들이 글쓰기를 배우지 않습니다.

이는 1970-80년대에 전자계산기가 처음 보급되던 시기의 걱정과 유사합니다.

5-1/ 일부 수학 교사들은 학생이 기본적인 산수를 배우지 않을까 걱정했지만, 다른 교사들은 새로운 기술을 받아들이고 산수에 필요한 사고력을 키우는 데 집중했습니다.

즉 새로운 기술을 배우고 활용하는 교사들은 많은 이점을 얻을 수 있을 것이라고 생각합니다.

5-2/ 또한 진실과 거짓을 구별하는 방법을 아는 것보다 더 중요한 기술은 거의 없습니다.

즉 환각과 편견을 가진 AI가 작성한 글에 대해 진위 여부를 확인하도록 하여 비판적 사고에 도움을 줄 수 있습니다.

5-3/ 더욱이 해결해야 할 문제는, AI 기반의 교육용 소프트웨어가 학생 간 성취도 격차를 줄일 수 있도록 하는 것입니다. 즉 모든 유형의 학생들이 AI 혜택을 누리도록 해야 합니다.

이미 동기 부여가 된 학생의 역량을 강화하는 것은 간단하지만, 아직 동기 부여가 되지 않은 학생을 교육에 끌어들이는 방법은 아직 모르기 때문입니다.

6/ AI의 위험을 관리하면서 동시에 혜택을 극대화할 수 있다는 낙관적인 전망을 하지 않을 이유가 없습니다.

6-1/ 위험을 관리할 수 있다고 믿는 가장 큰 이유는 이전에 해본 적이 있기 때문입니다. 즉 역사적 선례가 있으며, 과거로부터 배울 수 있습니다.

6-2/ AI로 인해 발생하는 많은 문제들은 동일하게 AI를 통해 해결할 수 있습니다.

이를 위해 새로운 기술에 대응할 수 있는 법과 규정을 만들어 인류에게 득이 되는 방향으로 움직여야 합니다.

[요즘AI comment]
어떤 것이든 특정한 이슈로 인해 평형 상태가 깨지게 되면 그 과정에서 나타나는 수많은 변화들이 있고, 빌 게이츠가 언급한 문제들도 그 과정에서 나타날 수밖에 없는 당연한 것이라고 생각합니다.

중요한 것은 이러한 좋지 않은 변화들을 인류는 계속해서 해결해 왔고, 이 해결의 힘은 변화의 과정에서 부당한 이익을 챙기려는 소수가 그것을 막으려는 다수의 힘을 넘어설 수 없다는 것에서 나오지 않았을까 합니다.

빌 게이츠 글이라 살짝 언급드리면, 지금은 절판된 ‘미래로 가는 길’이라는 빌 게이츠의 책을 추천드립니다. 90년대 초반에 PC시대와 그 이후를 예측한 글인데, 그 통찰력이 대단합니다. 책을 읽고 난 후 빌 게이츠의 블로그 글들을 보신다면 왜 빌 게이츠가 AI 시대를 이렇게 기대하는지 조금은 이해할 수 있지 않을까 합니다.

긴 글 읽어주셔서 감사합니다. 다음 번에도 좋은 글로 찾아뵙겠습니다 :)

지난 7월 21일 AI 업계에 지식과 경험을 나눠주실 수 있는 연사분들과 현업에 계시는 약 60여분의 리서쳐, 엔지니어, 창업가 분들을 모시고 세션을 진행했습니다. 장소가 협소하여 더 모시지 못해서 아쉽네요 🙏
행사 당일에 이야기했던 주제와 발표자 분들이 사전에 준비하셨던 노트를 공유드립니다.

1️⃣ Llama-2 모델에서 살펴볼만한 점들
모더레이터: 노정석
컨트리뷰터: 신정규, 고석현, 최승준
1. 모델의 크기 중요한가?
“(일부 인용)그렇지만 7B, 40B, 70B 이런 파라미터의 크기가 비즈니스와 정말 연관성을 가지고 중요하냐고 했을 때, 오히려 서빙 인프라에 최적화하기 위해 사실 작은 모델이 서비스 하기에는 더 좋은 경우도 많을 수 있다. 실제 사례로 3B 정도의 모델로도 충분히 잘 학습시킨다면 엔드 유저에게 가치를 줄 수 있는 모델을 만들 수 있었다.“
2. 예상 가능한 활용 사례
"AI Transformation 관점으로 비즈니스 영역에서 적용될 수 있는 방향성이 크게 4가지 ( 1️⃣ 버티컬 영역에 특화된 형태 [ BloombertGPT - 금융, Med-PaLM - 의료 등] 로 그 섹터의 고객들을 타깃으로 GPT보다 잘하게 만드는 방식, 2️⃣ [Salesforce AI Cloud](https://www.salesforce.com/products/artificial-intelligence/)처럼 CRM, 메시지 등 펑션별로 여러 기능을 제공하고 모듈별로 기업들이 필요한대로 가져다가 쓸 수 있는 형태, 3️⃣ 기업의 프라이빗 온프렘에서 트레이닝하여 커스텀한 형태로 사용하는 방식"

2️⃣ Prod 환경에서 LLM을 학습/운영하는데에 마주하는 어려움과 기회
모더레이터: 노정석
컨트리뷰터: 신정규 고석현 최승준 홍승환 김성완 허진호

“PT(Pre-training) 와 FT(Fine-tuning) 사이의 관계를 해석할 때 여러 가지 시각이 있지만 가장 지배적인 시각이 PT 때 언어에 대한 근본적인 철학과 이해를 배우고 FT 때 내가 원하는 테스크로 바뀔 때 내가 원하는 테스크를 학습시키는 게 아니고 Unleashing 한다고 함.”

“Embedding 모델이 성능을 내는지 텍스트를 청킹하는 방법에 따라서도 굉장히 많이 달라질 수 있음. Chunking 전략을 어떻게 가져갈지 고민해야 함”
“레이블러가 어떤 기준으로 어떻게 레이블하는지도 아주 중요함. 레이블러 선발부터 이들의 평가 기준을 어떻게 잡아주는지에 따라서 모델의 성능이 상이하게 달라질 수 있음.”

3️⃣ 사용할 수 있는 다양한 Infra(Langchain 등) 비교 분석
모더레이터: 고석현 김민석
컨트리뷰터: 이호연 김건민 신원동 홍승환

“LangChain이 LLM 기반 애플리케이션을 만들기 시작하기에 앞서 참고하기 좋은 프레임워크이지만, Prod 레벨에서 서비스를 만들 때 다양한 문제가 존재합니다. [langchain is pointless](https://old.reddit.com/.../13fcw36/langchain_is_pointless/) 글에 나온 문제의식들에 공감합니다.”
“아무래도 실제 Product에 가까워지려면 RAG의 개념을 빼놓을 수 없었다고 판단하여 다양한 RAG 기반 Agent들을 만들어보았습니다.”

4️⃣ SD, Chatbot을 활용한 새로운 서비스
모더레이터: 서결
컨트리뷰터: 이정민, 강협 정쩜백 신원동

1. GenAI가 대두되면서 매력적이라고 생각하는 B2C 서비스
1. 2차 컨텐츠 생성 툴을 이용한 소셜 사이트: 드라마, 영화, 웹툰을 보고 해당 주인공들과 대화를 추가로 나누고 교류할 수 있는 유형의 새로운 서비스
2. AI Agent들이 녹아든 게임
세션을 진행해주시고 참여해주신 분들, 해당 밋업에 참여해주신 분들 모두 감사드립니다 🙇‍♀️

해당 세션의 자세한 발표 노트를 확인하고 싶으시다면 아래 링크에서 신청 부탁드립니다.
https://forms.gle/UwYBXyTaPnBWetEM7

I’m watching public company earnings to identify early trends in the software market to inform startups’ plans for 2023.

At last, we see a change in slope in the annual growth rates of the cloud services.

Both Google & Microsoft announced growth rates in GCP & Azure that held steady from one quarter to the next.

There are two forces in tension : overall cost reduction efforts by companies & the desire to invest in AI.

The desire for AI is broad. Microsoft’s Azure Open AI customer base grew 4x by count, up from 2500 last quarter :

"We have great momentum across Azure OpenAI Service. More than 11,000 organizations across industries, including IKEA, Volvo Group, Zurich Insurance…"

The same is true for the engineering productivity solution, GitHub Copilot

"More than 27,000 organizations, up 2x quarter-over-quarter, have chosen GitHub Copilot for Business to increase the productivity of their developers."

Microsoft’s Robotic Process Automation business, Power Automate is growing quickly, too. UIPath doesn’t share MAU count & Microsoft didn’t break out revenue, so comparing the two businesses’ size directly isn’t possible.

"Finally, Power Automate now has 10 million monthly active users at companies like Jaguar Land Rover, Repsol, Rolls-Royce, up 55% year-over-year."

365 CoPilot, the Microsoft Office AI Upsell product has some good initial customer pull.

"With about 365m Office users & a price point of $29 per user per month, a 10% cross-sell into the customer base would add $12.7b of revenue to the Office suite & more than $100b in market cap, assuming constant multiples."

We are now rolling out Microsoft 365 Copilot to 600 paid customers through our early access program, and feedback from organizations like Emirates NBD, General Motors, Goodyear and Lumen is that it’s a game changer for employee productivity.

Microsoft is investing in data centers to support the needs of companies like Meta who have used Azure to train Llama2, a positive sign of increasing spend for the ecosystem.

"The acceleration is really quite broad. It’s both on – both the data centers and a physical basis plus CPUs and GPUs and networking equipment, think of it in a broad sense as opposed to a narrow sense. So it’s overall increases of acceleration of overall capacity."

Satya Nadella’s view on technology? The cloud migration is about halfway as percentage of GDP.

"You’ve heard me talk about this as a percentage of GDP, what’s going to be tech spend? If you believe that, let’s say, the 5% of GDP is going to go to 10% of GDP, maybe that gets accelerated because of the AI wave."

Overall, the demands of AI seem to be stabilizing infrastructure spend, something we haven’t seen in 7 quarters.

It may be a sign that we’ve hit the bottom but the remaining earnings calls of the top infrastructure companies later this month will be telling.

미국서 상장한 스타트업들 성장을 조사한 자료 관련 이야기 들었다.

$20M (약 250억) 연매출까지 가는데 평균 5-6년 걸렸다. 그리고 천억 넘어갈때는 첫 제품서 나올때도 있지만 많은 회사들은 전혀 다른곳에서 매출이 나왔다고 한다.

이야기 들으면서 두가지 느꼈다.

제대로 된 매출 나올때까지는 참을성이 필요하다. 그러기전에는 지출을 최소화 해야된다. 살아남아야 5-6년째 가니.

끊임없이 크려고 노력하면 뭔가 된다. 약간의 운도 따라야 하지만 피나는 노력은 가치가 있다.

계속 파고들면 다시 성장은 할거니 너무 조바심 내지 말고 계속 집중하자. 매년 아무일 없이 straight line 으로 크는 회사는 기적으로 생각하는게 좋다.

https://youtu.be/gpDzcCHERX4

I love this kind of friendship which is one of my long-terms sports in my life.

To her mother in South Korea, SuJin Kim is a failure: She’s over 30, single and not working for a big Korean corporation. But to her millions of followers in Latin America, she has become a superstar and a relatable friend. Read more: https://nyti.ms/43Kktg9

K content creators and contents have unfair advantage if they speak local languages.

"경쟁이 정글의 법칙이라면, 협력은 문명의 법칙입니다"

- 표트르 크로폿킨

Global med tech CVC에 계신 분과 말씀을 나누다가 재미있는 이야기가 나왔다.
한국의 med tech, digital healthcare 스타트업 벨류가 글로벌 peer 대비 싼 편은 아니라고 한다. 정확히는 벨류 범위가 비싼 곳부터 싼 곳까지 범위가 넓은 편이라고.
국가 단위로 보았을 때 이스라엘 스타트업들의 벨류가 저렴한 편이라고 한다.
그분이 추정하는 이유 중 하나는 이렇다.
한국 스타트업은 기본적으로 IPO를 목표로 하기 때문에 IPO 할 때의 벨류(및 마일스톤)이 어느 정도 정해져 있고 이를 역산해서 지금 stage에서의 벨류가 정해지는 경향이 있다.
이에 비해 이스라엘 스타트업은 상장은 염두에 두지 않고 미국 회사에 매각하는 것을 목표로 잡는다. 따라서 매각 시의 목표 가격을 염두에 두고 역산해서 지금 stage에서의 벨류를 정한다. 매각을 염두에 두었을 때의 가격이 싼 것 같다.
(다른 많은 이유가 있지만) 한국 스타트업이 글로벌 대기업에 인수되기 힘든 이유 중 하나가 이런 부분이 아닐까 한다고.

김치원 파트너님 페북

며칠 전, 정재승 교수님의 명상에 대한 글을 썼는데, 이에 대해 생각할 거리를 주신 분의 코멘트에 대해 답글을 달다가, 그것이 너무 길어져서 아예 하나의 글로 갈음합니다.

먼저 그분이 주신 코멘트 1입니다.
"메디컬 스터디로는 명상과 호흡이 정신건강에 도움이 된다는 게 여러번 연구가 입증 된걸로 아는데요. 하바드 메디컬 저널도 90년대 부터 밝혀 온걸로 아는데. 달라이 라마를 초대해서 실험도 한것으로 알고 있어요. 통계학적으로 증명되었다고 원리가 밝혀진 것은 아닌 게 맞는 거 같아요.
효과가 통계적으로 밝혀 졌다고 과학으로 간주되는 것은 옳지 않고 유사 과학에 대한 의구심을 제기 하시는 것으로 이해가 되는데요. 다만 음식과 의료학이라는 것이 원리를 밝히지 못하고 단지 causality만 입증하는 것에 기반된다고 이해하고 있습니다. 그래서 많은 경우 샘플이 부족하거나 변인 통제를 하지 못하거나 다른 원인 배제를 하지 못하여 뒤집히는 경우가 많죠.
다만 메디컬 리서치에 통계적으로 입증하는 방법이 유사 과학이라고 하는 것도 조금 찜찜해사 여쭤 보는 데 의료 과학은 통계적으로만 인과 관계를 입증하려 하는데 이는 과학의 영역이 아니라고 보는데 맞을까요? 물론 저도 이는 뇌과학이라고 보지 않는게 맞다는 생각이 들기도 하는데. 그럼 뇌과학의 영역이라는 기 무었일까 하는 것도 의문이 드네요. 교수님의 의견을 여쭙고 싶어 댓글 달아봅니다."

이에 대한 제 의견은 이러했습니다.
"저는 의료 알못이긴 합니다만, 여전히 의학, 특히 환자를 대상으로 하는 evidence-based medicine은 보다 기초적인 fundamental science에 비해서는 여전히 중간 메커니즘이나 모형이 완벽하지 않은 경우가 많다고 봅니다. 어떤 약물을 우연히 개발하여 그것이 효과가 있음을 여러 단계에 걸쳐 확인했고, 임상시험을 거쳐 환자들에게 복용시키는 경우라고 해도, 왜 그것이 작동하는지 다 모르는 상황에서 복용하는 경우도 많죠. 멀리 갈 것도 없이 머신러닝에서도 중간의 NN 안에서 실제로 어떠한 방식으로 추론이 이루어지고 판단이 내려지는지 다 모르는 상황에서도, 이제 사람들은 큰 거부감없이 NN를 잘 쓰고 있지 않나요?
말씀처럼, 통계적으로 유의미한 결론이 얻어지고 데이터의 정합성이 확인되었다고 해도, 그 안의 블랙박스를 다 파악하는 것은 쉬운 일은 아니라 생각합니다. 그 편린이라도 찾으려 다양한 실험이나 계산, 시뮬레이션이 계속 진행되고 있는 것이구요. 제가 연구하는 소재 과학 분야에서도 아주 작은 스케일로 가면 기존의 모형으로 설명되지 않는 현상들이 굉장히 많습니다. 인간이 physical science를 통해 자연에 대한 이해를 꾸준히 깊이 달성해 왔지만, 그럴수록 모르는 것이 더 많아지고 있고, 저는 그것이 정상적인 진보의 방향이라고 생각합니다. 이론물리학, 그리고 나아가 물리학 자체의 금자탑인 표준모형 (standard model)만 해도, 그 자체로 큰 성과이지만, 표준모형으로 여전히 설명 안되는 것들 (예를 들어 암흑 물질이나 암흑 에너지 등)이 남아 있죠.
그런데 물리학과는 달리, 생명과학, 의학, 혹은 나아가 명상 같은 분야에서는, 애초에 물리학에 준하는 모형을 만드는 것 자체가 매우 어렵고 (설사 생명 현상을 물리학의 일부로 간주하여 ab inito modeling을 한다고 하더라도, 어느 순간부터는 bottom-up이 emergence를 설명하는 것에 실패하게 되죠), 정확히 같은 조건을 만들어 재현하는 것 역시 매우 어려운지라, 통계에 의존하는 경향이 더 강해진 것 같기도 합니다. 그것이 나아가 evidence-based practice의 근거가 되어 준 것 같기도 하고요.
명상이 뇌과학의 일부, 혹은 관련 제도권 과학의 일부로 편입되어 정상적인 과정을 거쳐 학문으로 성립된다면, 저는 그래서 명상 역시 처음에는 의학에서 활용하는 증거기반 방식으로 시작한 후, 뇌과학의 다양한 연구 방법론 (예를 들어 fMRI나 뇌파 분석, virtual brain simulation 등의 계산 뇌과학 방법론 등을 이용하는)을 거쳐 조금씩 불확실성을 덜어내는 방식으로 발전 경로를 밟을 수 있지 않을까 생각해 봅니다. 이 글의 본 타래에 답글 주신 학자분들의 의견을 들어봐도 대동소이하구요.
어쨌든 저는 뇌알못이나, 제가 드리는 답변에는 오류가 있을 수 있으며, 그냥 참고만 해 주시기 바랍니다. 자칫 제 글이 명상을 제대로 연구해보고픈 뇌과학자들의 감정을 상하게 한 것은 아닌가 염려되기도 합니다만, 저는 오히려 그렇게 정상적으로 연구하시는 분들이 함부로 사이비와 엮여 매도당할 가능성이 염려되어 미리 선을 그어 두시기를 바라는 마음에서 이러한 글을 써 봤습니다. 부디 선해되기를 바랄 뿐입니다."

이에 대해 다시 주신 코멘트 2입니다.
"evidence-based medicine 이라는 것이 medicial “science”로 인정을 받는 다는 것은 이 분야가 단순한 hypothesis단계가 아닌 통계적으로 reproducible한 causality를 증명 하고 있다고 생각은 듭니다.
당연히 아시겠지만 우리가 알고 있던 Newton 법칙은 observation을 바탕으로 그 자연 법칙에 대해서 hypothesis를 세우고 이를 evidence 를 바탕으로 통계적으로 유의미하게 prove를 한 결과인데요. 뉴튼의 제1 제2 제 3 법칙은 그 법칙의 통계적 유의성을 증명 했을 뿐 그 기반 원칙은 당시에 파악하지 못했는데요.
실제 F=ma 만해도 observation graph를 그려보면 이 원칙이 맞는 구간이 있을 뿐 틀린 구간도 실제 많습니다. 이를 설명하기위해 friction coefficient를 해서 모델을 다시 재 정립하는 경우도 본거 같은데 이거 역시 하나의 모델에 대한 방정식에 불가 할뿐 이에 대한 예외가 되는 현상은 여전히 관측되죠. 실제 이런 모델이 완벽하게 fail하는 순간은 환경에 따라서 일어나기도 하는데요. 초전도체가 생기는 낮은 온도에서는 이러한 장력 조차 낮아져서 결국 입자성이 떨어지고 파장형이 강해져서 F=ma 는 맞을수가 없기도 하죠.
다만 우리가 이 법칙을 받아 들일때는 분자 원자 혹은 양자 단계에서 어떤 원리라 이런 현상이 생기는지에 대한 것를 모른체 모델을 만들고 과학이라 부른 뒤 이 내부 원리를 세분화 해서 다시 연구하는데요. 이부분은 이미 지적하셨고 저도 동의 합니다.
결국 science 라는 것은 현상을 관찰하고 모델이나 방정식 혹은 인과 관계라는 원리를 가설로 하고 내부에서 어떻게 작동하지 모른 체로 blackbox처럼 가정한 상태에서 통계적으로 혹은 scientific 하게 reproducible 한 방법으로 증명하는 게 기본적인게 아닌가 싶습니다.
만약 명상이라는 것이 인간의 우울증을 극복하는데 효과가 있다 혹은 삶의 만족도를 높히는데 효과가 있다 라는 가설을 세우고 이를 통계적 유의성을 증명하고 따는 실험 단계에서 다시 한번 유의성을 재 입증하다면 이를 medicial science 로 받아 들여야 하는게 아닌 가 싶은 생각도 듭니다.
다만 이게 뇌과학이라는 영역일지는 정말 궁금하긴 합니다Physical Science 에도 macro micro nano 영역이 있듯이 뇌과학이라는 것이 결국 medical science 랑 달라져야 할텐데 명상이 mental health level이라는 애매모호한 지표가 아닌 physical property 를 어떻게 바꾼다 라는 것을 영역이 맞을 거 같다는 생각도 듭니다. 예를 들어 brain neural stimulus나 brain wiring을 바꾼다라는 가설을 세우고 이를 입증할만한 brain wave 나 특정 brain signal을 측정 한다면 좀더 뇌과학의 영역일거 같은데요. 이것 역시 간접적인 지표라 physical science 에 비해 역부족한 면은 있는 거 같습니다. 말씀 하신데로 어떤 원리로 라는 것도 부족합니다. 생명과학에서 특정 생명 현상의 (특히 약의) 근간이 되는 biological pathway 혹은 signal pathway를 발견하기까지는 꽤 오랜 기간이 걸렸는데 어떤 원리 를 찾는 다는 것이 정말 가능 할지 모르겠네요. 뇌학습의 원리조치 모르는 상황에서.

참고로 달라이 라마와 승려들과 같이 연구에 참여하여 Neuroplasticity and meditation 을 입증하려 한 실험은 다음 논문에서 다뤄지긴 했습니다.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2944261/
이 논문을 통해서 Meditation 으로 생기는 neuron growth는 fMRI, EEG로도 증명이 되기도 하고요. 이를 바탕으로 Davidson이라는 교수가 자신의 career를 만들기도 했습니다.
https://abcnews.go.com/.../neuroscientist-richie.../story...
다만 이런 research가 이미 2000년대 초반에 나왔는데 그 뒤로 sensational하게 실제 많은 사람들의 건강을 바꿔 오지 않아서 이에 대한 문제 제기가 되는 거 같기는 합니다. 요는 Small population에서 효과가 있다는 cross sectional study 가 random polulation 에 적용되는 지 에 대한 실험들이나 broad spectrum analysis 들이 필요할 거 같은데요. 효과라는 게 일부 사람들에게 효과가 있지 모든 사람 혹은 significant population에게 효과가 있는지가 궁금해 지네요. 결국 명상이 모두에게 맞는지가 맞냐라는게 있는데 일부 약도 small population에 효과가 있는데도 모두에게 효과가 없는 경우도 꽤 되는 걸로 알고 있습니다. 교수님이 말씀 하신 거 처럼 나한테 효과 없다 혹은 나는 못하겠다 라는 게 꽤 많다는 점이 있는 거 같습니다.
반면 Cognitive Behavior Therapy 쪽에서는 mindfulness 라 하여 특정 명상 일부나 호흡의 극소 일부만 바탕으로 exercise 형식으로 만들어 clinical study 를 꽤 반복적으로 한것으로 알고 있는 걸로 알고 있습니다. 그래서 느낌적으로는 어느정도 증명이 되었다는 생각이 있는데 저도 뇌알못이라 가설일뿐 더 찾아봐야 겠습니다.
간단히 찾아봐도 초보자 novice 대상으로 3시간 meditation에 대한 효과도 입증하려 노력 하려 했기에 많은 연구들이 되고 있는 거 같긴 합니다.
https://www.sciencedirect.com/.../pii/S2451830120300479
일단 개인적인 흥미라 적으면서 정리하다 보니 두서가 없을 수도 있습니다. 다만 physical science 도 한때 그 기준이 낮았다는 점을 볼때 조금 피상적인 원리와 원칙도 과학의 범주가 아닐까, 뇌과학은 과연 메디칼 사이언스과 다른 점이 무었일까 해서 글을 남겨 봅니다.
말씀 하신 방법들을 통해 메디컬 사이언스와 그 depth 면에서 달라져야 한다는 생각이 많이 드네요. 뇌과학이라는 것 자체가 다른 학문에 비해서 공격이 더 쉽지만 증명하기에 과학 기술이 부족하기에 블랙박스적 분석도 용인 되어야 하는 생각도 들어 범주가 어려운 문제라는 생각도 듭니다."

주신 코멘트 1과 2를 모두 정리하여 제 의견은 이렇게 정리할 수 있을 것 같습니다.

다시 한번 강조드리지만 저는 이 분야에 거의 문외한이기 때문에, 제 생각은 그저 제 개인적인 의견일 뿐입니다. 다만, 일반론적인 과학 연구 방법론, 그리고 현상론에 대한 접근은 분야와 상관없이 잘 정립된 절차와 검토 과정이 필요하다는 것은 말씀드리고 싶습니다.

일단
"실제 F=ma 만해도 observation graph를 그려보면 이 원칙이 맞는 구간이 있을 뿐 틀린 구간도 실제 많습니다. 이를 설명하기위해 friction coefficient를 해서 모델을 다시 재 정립하는 경우도 본거 같은데 이거 역시 하나의 모델에 대한 방정식에 불가 할뿐 이에 대한 예외가 되는 현상은 여전히 관측되죠. 실제 이런 모델이 완벽하게 fail하는 순간은 환경에 따라서 일어나기도 하는데요. 초전도체가 생기는 낮은 온도에서는 이러한 장력 조차 낮아져서 결국 입자성이 떨어지고 파장형이 강해져서 F=ma 는 맞을수가 없기도 하죠."

라고 말씀 하신 부분입니다. F=ma 자체는 뉴턴 역학이지만, 이제 자연 법칙이라고 생각해도 무방합니다. 말씀하신 예외라는 것들도 결국 principle부터 따지면 예외가 될 수는 없습니다. 예를 들어 유체역학이 그러한 과정을 거쳐 왔습니다. 그냥 뉴턴 역학만 이용하여 유체역학 방정식을 유도한 결과가 오일러 방정식 (Euler equation)인데, 이 모형이 실제 현상 (예를 들어 유체의 점성에 의한 마찰 (점성 소산))과는 맞지 않고 수학적으로도 결함이 있음을 달랑베르가 지적했죠. (이를 달랑베르의 역설이라고 합니다.) 그렇지만 바로 그 뉴턴 역학을 기반으로 조금 더 정교한, 그렇지만 더 physically make sense 한 모델이 나왔고 그것이 스토크스 방정식 (Stokes' equation) 입니다. 결국 그 모형은 수학적 정합성을 검토하고, 현상과의 합치를 확인하면서 Navier-Stokes equation (NS equation)이 되었고, 이 방정식은 현재까지 우리가 이해할 수 있는 유체역학을 설명하는 근간이 되어주고 있습니다.

그럼에도 불구하고 말씀하신 것을 다른 각도에서 되새길 부분도 있습니다. 바로 이 NS equation 역시 유체의 모든 현상을 다 깔끔하게 설명해주지는 못 한다는 것입니다. 예를 들어 난류 (turbulence)가 그러합니다. 그런데 사실 그럴 수 밖에 없는 것이 NS equation은 애초에 유체 자체를 연속체로 가정하고 모델링한 결과물이기 때문에 그렇습니다. 계산유체역학 (Computational fluid dynamics, CFD)를 이용하여 난류를 모델링합니다만, 사실 그 결과에는 에러가 늘 포함이 되어 있습니다. 실제 사용에서 허용되는 에러 범위 이내에만 들어가면 사용에는 큰 문제가 없기 때문에 활용이 잘 되고 있을 뿐, 그 자체가 CFD가 근간을 두고 있는 이론과 모형의 정확도가 100%임을 보장하는 것은 아닙니다. 우리가 거시적으로 보는 현상은 이러한 연속체 가정이 잘 들어맞지만, 분자나 원자 수준에서의 실제 입자들 간의 상호작용에 의한 영향은 이 연속체 가정에서는 그저 통계적을 평균값으로 대표되는 파라미터 안에 녹아 있을 뿐입니다. 그래서 유체역학에서 어려운 부분은 그 아래 단계의 모델로 내려가서 다뤄야 합니다. 대표적으로 통계물리학의 아버지라 불리는 볼츠만이 창시한 볼츠만 수송방정식 모형 (Boltzmann transport equation)이 있습니다. 이 모형은 연속체 가정을 필요로 하지 않으며, 따라서 수학적으로는 더 엄밀합니다. 문제는 이 방정식이 풀기가 매우매우 어렵다는 것입니다. 이를 다양한 상황에서 '근사'하여 계산과학적으로 풀어보는 방법론은 나오고 있지만 (예를 들어 격자 볼츠만 방정식 모형 (Lattice Boltzmann Model, LBM)), 그러한 방법론에서 얻어진 결과의 정확도는 한계가 있을 수 밖에 없습니다. 그렇지만 현상적으로는 어느 정도 통제 가능한 범위에서 재현되면서도 제어가능하기 때문에 다양한 공학 현장에서 지금도 굉장히 유용하게 활용되고 있습니다.

명상이 뇌과학에 포함될 수 있는 영역인지에 대해 저는 그 분야 연구자도 아니고 잘 아는 사람도 아니기 때문에 판단할 자격도 없고 그럴 위치도 아닙니다. 다만, 명상 역시 다양한 층위에서 구성될 수 있는 학문인 뇌과학의 일부 영역이 되지 말라는 법은 없다고 생각합니다. 그렇지만 겉보기에 서로 달라 보이는 뉴턴역학 기반의 NS equation과 볼츠만 수송 방정식이 결국 원류를 계속 따라 올라가면 양자역학, 다시 더 원류를 따라 올라가면 입자들의 표준모형으로부터 하나씩 유도되고 빌드업될 수 있는 것을 생각해 봅시다. 이러한 과정에 비춰볼 때, 명상이 어떠한 first principle 을 추구하여 뇌과학 안에서 논의가 될 수 있을 것인지, 그래서 다른 영역, 다른 층위에서 논의된 결과와 어떻게 수렴할 수 있을 것인지를 고민해 본다면, 아마도 아직 그렇게 되기에는 갈 길이 아직 많이 먼 것이 아닌가 합니다 (제가 이에 대해 잘못 알고 있는 것이 있다면 언제든 지적해 주시기 바랍니다.).

물리학자들은 다른 분야의 학자들에게 간혹 '오만할 정도로 자신들의 학문과 이론에 대해 자부심을 갖는다' 라며 성토 당하곤 합니다.

그토록 오만해보일 정도로 원리와 환원 가능성에 집착하는 것은, 그들이 지적으로 오만해서라기 보다는, 자연은 아주 기본적인 원리 (first principle) 들의 논리적 조합과 자체적인 일관성을 지키면서 완성된 무결점의 시스템이라고 믿기 때문일 것입니다. 그래서 그렇게 자연의 법칙 (law)에 대해 집착을 하는 것일 수도 있고, 내적으로는 그 법칙을 무너뜨리는 혹은 반증할 수 있는 현상이 나오기만을 고대하는 것일지도 모르겠습니다. 그렇지만 이미 100년이 넘은 아인슈타인의 상대성이론을 혁파하거나 반증할 수 있는 현상이나 증거는 아직까지도 관측된 바가 없습니다. 그래서 물리학자들은 기존의 이론에 도전하는 것 자체를 환영하지만, 그 결과를 결코 쉽게 믿지 않는 것이기도 합니다. 최근에 화제가 되고 있는 상온-상압 초전도체 역시 많은 물리학자들은 겉으로는 신기하다 생각할지 모르겠습니다만, 속으로는 대부분 받아들이기 어렵다는 생각을 하고 있을 것입니다. 대부분의 물리학자들에게, 자연을 설명하는 이론은 간명해야 하고, 수학적으로 아름다워야 하며, 기존의 이론을 다른 차원에서 들여다 보더라도 어느 순간에는 수렴해야 하고, 기존의 이론이 설명하지 못 하는 현상을 무리한 가정 없이 설명할 수 있어야 합니다. 심지어 아직 보고되지 않거나 발견되지 않은 현상에 대해 예측도 할 수 있어야 합니다. 그래야 제대로 된 이론으로 인정받을 수 있습니다. 물론 그러한 이론이라고 해서 무조건 자연 법칙으로 발전할 수 있는 것이 아님은 잘 아실 것입니다. 아무리 아름답고 내적으로 정합성이 있는 이론이더라도, 실험적 증거가 충분히 뒷받침되지 않으면 결국 생명력을 잃기 때문입니다. 그래서 물리학은 이론에 대한 추구와 동시에, 무지막지할 정도로 정밀함과 정확함에 집착하여 실험을 추구하는 것이기도 할 것입니다.

명상을 비롯하여, 종교인들이나 도인들, 무속인들을 포함하여, 초월적 상태라는 것이 과학의 영역으로 들어오게 된다면, 좁게는 뇌과학의 한 영역에서 검토를 거쳐야 하겠지만, 장기적으로는 이러한 아주 기본적인 physical science의 first principle 과도 결국 정합성이 검토되어야 자리를 잡을 수 있을 것이라 생각합니다. 우리가 흔히 이야기하는 생명과학 역시, 생명과학 자체의 원리나 이론이 잘 정립되어 있습니다. 그렇지만 그 이면에는 다시 생명 현상을 구성하는 물질을을 더 단순한 유닛인 분자, 원자, 나아가 양성자나 전자, 필요하다면 더 작은 스케일의 기본 입자로까지 환원하여 그들의 상호작용에 대한 이해를 추구하는 이론으로의 회귀가 있다고 생각합니다. 대표적인 분야가 분자생물학일 것입니다. 뇌과학의 분야가 워낙 다양하고, 심리학, 의학, 생명과학, 전자공학, 심지어 물리학의 각 영역에서 다양하게 접근하는 경로가 광범해서인지, 명상에 대한 논의 역시 다양한 학문적 배경을 가지신 분들이 새로운 아이디어로 접근하시고 있고, 저는 그러한 접근이 이러한 논리적 정합성과, 최종적으로는 first principle 로의 회귀를 모색하고 있다면 그 자체로 충분히 시도될 수 있는 정상 과학의 범주가 될 것이라 생각합니다. 그렇지만 그것을 어떤 식으로든 회피하고, 불리한 부분은 두루뭉술하게 넘어가며, 동시에 기존의 학문에서 잘 정립된 개념과 이론을 제멋대로 가져다 쓰면서도 그 결과에 대해 회피하는 양상을 보이게 되면 결국 스스로 정상 과학에서의 퇴출을 시도하는 셈이 될 것이라 생각합니다. 개인적으로는 명상이 그러한 길을 가지 않았으면 좋겠지만, 만약 그렇게 될 것 같다면 굳이 정상 과학의 영역으로 들어와서 고생하지 않았으면 좋겠습니다. 세상의 모든 활동이나 인간의 즐거움이 다 과학 안에 들어와서 환원의 고통을 겪을 필요는 없다고 생각하기 때문입니다.

"다만 이런 research가 이미 2000년대 초반에 나왔는데 그 뒤로 sensational하게 실제 많은 사람들의 건강을 바꿔 오지 않아서 이에 대한 문제 제기가 되는 거 같기는 합니다. 요는 Small population에서 효과가 있다는 cross sectional study 가 random polulation 에 적용되는 지 에 대한 실험들이나 broad spectrum analysis 들이 필요할 거 같은데요. 효과라는 게 일부 사람들에게 효과가 있지 모든 사람 혹은 significant population에게 효과가 있는지가 궁금해 지네요. 결국 명상이 모두에게 맞는지가 맞냐라는게 있는데 일부 약도 small population에 효과가 있는데도 모두에게 효과가 없는 경우도 꽤 되는 걸로 알고 있습니다. 교수님이 말씀 하신 거 처럼 나한테 효과 없다 혹은 나는 못하겠다 라는 게 꽤 많다는 점이 있는 거 같습니다.
반면 Cognitive Behavior Therapy 쪽에서는 mindfulness 라 하여 특정 명상 일부나 호흡의 극소 일부만 바탕으로 exercise 형식으로 만들어 clinical study 를 꽤 반복적으로 한것으로 알고 있는 걸로 알고 있습니다. 그래서 느낌적으로는 어느정도 증명이 되었다는 생각이 있는데 저도 뇌알못이라 가설일뿐 더 찾아봐야 겠습니다.
간단히 찾아봐도 초보자 novice 대상으로 3시간 meditation에 대한 효과도 입증하려 노력 하려 했기에 많은 연구들이 되고 있는 거 같긴 합니다."
라는 부분도 살펴 보겠습니다. 이 말씀에 대한 제 의견 역시 위에 제가 장광설을 늘어 놓은 부분에서 확인하실 수 있을 것이라 생각합니다. 간단한 요약만 말씀드리면, 말씀하신 것처럼 아직 first principle 로 가기 전 단계인 evidence confirmation 단계부터 여전히 교통정리가 불확실한 상황이고, 그래서 연구자나 그것을 취사선택하여 받아들이는 일반 대중이나 모두 혼란스러운 상황인 것 같기는 합니다. 말씀하신 인지과학 영역에서도 clinical treatment 관점에서, causality 를 분석하고 또 여러 메커니즘을 제시하고 있는 것으로 알고 있습니다만, 문제는 그 메커니즘 자체가 너무 많은 층위의 principle 섞여 있다는 것입니다. 이렇게 층위가 정리 안 된 상태에서 섞이면 반드시 그 안에서의 내적 consistency가 붕괴되는 지점이 생기고, 이것은 그 모형의 모순을 발현시키기 때문에, 그러한 설명은 필히 퇴출될 수 밖에 없습니다. 물리학이 겪은 모든 과학적 이론 정립 과정의 시행착오가 지금 명상을 둘러싼 학문적 struggling에서도 반복되고 있다고 보여지고, 저는 그 과정을 잘 거쳐서 명상이 과학의 영역으로 들어오든, 아니면 과학의 영역으로 들어올 필요가 없다고 결론이 나오든, 잘 정리되기를 바랄 뿐입니다.

여러모로 생각할 거리를 공유해 주셔서 감사드리고, 저도 물리학의 좁은 영역, 소재과학의 협소한 시각에만 갇혀있지 않고 다른 분야의 노력과 학문적 성과에 대한 관심을 조금 더 폭넓게 가져가려 합니다. 감사합니다.

=========================
ps) 이 대화에 대한 의견 있으시면 언제든 환영합니다.

[RWA 시장이 열리고 있다, B2C 서비스가 아니라 몰랐을 뿐!(Feat. 메이커다오는 이미 절반의 수익을 RWA에서 벌고 있음)]

- 많은 대형 기관들이 RWA(Real-world asset)*의 토큰화를 추진하거나 관련 시장에 진입하고 있음. 디파이 수익률의 하락과 기준 금리 상승으로 토큰화된 국채에 대한 투자가 증가하며 RWA에 대한 관심이 높아졌기 때문(현재 6억달러 이상의 미국 국채가 토큰화되어 투자자들에게 연 4.2%의 이자를 지급 중)

- 토큰화된 RWA 규모는 22년 3,100억달러에서 30년 16조달러까지 성장할 것으로 전망됨. 이 시장을 공략하기 위해 MakerDAO, Maple Finance 등 다수의 프로토콜들이 RWA를 접목하고 있음

- 아직까지는 B2B를 중심으로 시장이 돌아가고 있지만, 조만간 개인들의 참여 기회도 늘어날 것. 금융 산업이 대표적인 규제 산업이라 개인들이 다른 국가의 상품 투자하기 어려운데 RWA는 온체인 네트워크만 접속되면 편리하게 투자할 수 있음

(*) RWA란?
: 현실 세계의 오프체인 자산(부동산, 원자재, 미술품 등 유형자산과 주식, 채권, 탄소배출권 등 무형자산)을 블록체인으로 올리는 것. 이를 통해 더 효율적이고, 투명하고, 휴먼에러를 줄일 수 있음
: RWA의 토큰화를 위해서 '기획->구조화->청약->민팅/분배->2차거래->만기상환'의 과정을 거침

더보기: https://research.binance.com/en/analysis/industry-map-mar23

https://research.binance.com/en/analysis/industry-map-mar23