Week 13. Advanced Data Science (Machine Learning & Complex Systems)
제13주차. 데이터 과학 기반 고급 주제
복잡계 정치학과 기계학습의 만남
선형 세계의 종말과 예측(Prediction)의 시대
학습의 목적
A가 늘어나면 B도 비례해서 늘어난다는 '선형적 인과관계(OLS)'에서 벗어나, 상호 맞물려 돌아가는 수많은 변수들의 비선형적 엉킴(복잡계)을 이해합니다.
예측하는 기계
전통 통계학이 "왜 그랬는가(인과 추론)?"에 집착했다면, 기계 학습(Machine Learning) 모델은 "그래서 내일 총선은 누가 이기는가?"에 대한 압도적인 성과로 학계를 강타하고 있습니다.
우리가 내일 일어날 전쟁을 95% 정확도로 '예측'할 수 있다면, 굳이 전쟁의 '원인'을 연구할 필요가 남아 있을까요?
복잡성과 학습의 심연으로
- Part 1. 복잡성 과학(Complex Systems): 선형 방정식의 한계극복
- Part 2. 되먹임 고리(Feedback Loop)와 비선형성: 작은 불꽃이 산맥을 태우는 법
- Part 3. 네트워크 이론의 심화: 정치 지형의 노드와 링크
- Part 4. 기계 학습의 본질: Y를 설명하기 위한 Y의 예측
- Part 5. 예측 모델의 정치학적 적용: 선거 승패와 국가 부도 예측
- Part 6. 자유의지에 관한 철학: 결정론 vs 인간의 주체성
입자가 움직이는 물리적 복잡계와 시민들이 투표하는 사회적 복잡계를 동일한 수학 방정식으로 취급하려는 태도는 환원주의일까요, 융합일까요?
"전체는 부분의 합과 같다." (동의하십니까?)
환원주의 (Reductionism)
고전적 과학(뉴턴 역학)과 전통 정치학(행태주의)은 사회라는 거대한 시계를 가장 작은 부품(개인) 단위로 쪼개어 이해하면 전체의 움직임을 알 수 있다고 믿었습니다.
복잡계 과학 (Complexity)
그러나 수만의 부품이 '상호작용'을 시작하면, 부품들을 낱개로 분석했을 때는 전혀 보이지 않던 새로운 성질(창발성, Emergence)이 폭발적으로 생겨납니다. (사례: 뇌세포 한 개에는 지능이 없지만, 수백억 개가 뭉치면 '자아'가 생김)
개인 1명 1명은 매우 합리적이고 온건한 성향인데, 그들이 광장에 모여 군중이 되었을 때 극단적 폭력 성향을 띠게 되는 것을 고전적 통계학은 어떻게 설명할 수 있습니까?
작은 불꽃 하나가 제방을 무너뜨릴 때
선형 세계에서는 1의 힘을 가하면 1만큼 결과가 나옵니다. 하지만 정치 현실은 임계점(Tipping Point)을 넘는 순간 파국적인 지수함수의 폭발을 보입니다.
사례 (아랍의 봄): 수십 년간 억눌려 있던 독재정권의 억압(비선형적 압력)은, 노점상 청년의 분신이라는 단 하나의 '나비의 날갯짓'으로 임계점을 넘어 중동 전체의 연쇄 붕괴를 일으켰습니다.
회귀분석(Regression)이라는 직선의 자를 들이대는 연구자는, 이 폭발적인 곡선을 어떻게 다뤄야(혹은 왜곡해야) 합니까?
증폭되느냐, 가라앉느냐
음의 피드백 (Negative)
사회가 일탈할 때 이를 억누르고 안정을 찾으려는 '항상성' 기제입니다. (예: 양당제에서 극단적 이념이 등장하면 중도층의 표가 이탈하여 결과적으로 정당이 다시 중앙으로 회귀함)
양의 피드백 (Positive)
한번 발생한 현상이 눈덩이 굴러가듯 자기 자신을 무한히 증폭시킵니다. (예: 진영 논리 심화 → 편향된 뉴스 소비 → 더욱 강한 진영 논리 → 극렬 지지층의 탄생)
사회과학에서는 양의 피드백(자기 증폭) 기제를 설명하는 것이 훨씬 더 흥미로운 주제로 취급됩니다. 이것이 왜 정치적 파국이나 혁명의 징조가 됩니까?
설명 따위는 개나 줘버려, 나는 결과를 맞춘다
통계적 추론 (Statistical Inference)
관심사: $\beta$(회귀계수). 독립변수 \(X\)가 바뀌면 종속변수 \(Y\)가 얼마나 변하는가? 백색 소음(오류)을 통제하고 가설을 '검증'하는 데 사활을 겁니다.
(이론 지향적)
기계 학습 (Machine Learning)
관심사: $\hat{Y}$(예측값). 알고리즘 내부에 변수가 수천 개가 들어가서 서로 엉키든 말든(블랙박스), 일단 '내일 투표율' 결과만 정확히 맞추면 장땡입니다.
(성과 지향적)
우리는 원인을 모른 채(설명력 제로) 치사율 100%의 질병을 완치하는 알약(기계학습)과, 원인은 완벽히 구명했으나 병은 고치지 못하는 진단서(통계학) 중 무엇을 택해야 합니까?
수많은 무명 의사들의 투표가 명의를 이긴다
의사결정 나무 (Decision Tree)
데이터가 스무고개 하듯 질문(예: 나이가 50대인가? -> 소득이 높은가?)의 가지를 뻗어 결과값을 예측하는 단순한 구조입니다. (인간이 직관적으로 이해하기 매우 쉬움)
숲 (Forest) 의 확장
나무 1그루는 편향에 빠지기 쉽습니다(Overfitting). 따라서 각기 다른 데이터를 쪼금씩 보고 자란 나무를 수천 그루 심어 숲을 만들고, 그들의 다수결(Ensemble)로 예측하게 하면 압도적인 정확도가 등장합니다.
뛰어난 천재 1명의 독판 예측(복잡한 회귀분석)이 어리숙한 다수의 군중 예측(랜덤포레스트)을 이길 수 없는 현상을, 우리는 민주주의 지혜에 빗대어 설명할 수 있을까요?
과적합(Overfitting)의 공포
기계학습 알고리즘에게 과거 데이터를 주어 무한정 훈련시키면 100점 만점을 받습니다. 그러나, 내일 벌어질 새로운 선거 데이터를 주면 예측률이 30%로 곤두박질칩니다.
과소적합 (편향↑)
적절한 균형
과대적합 (분산↑)
기계가 과거 데이터의 아주 사소한 '노이즈(예: 선거일의 날씨, 특정 정치인의 말실수)'까지 마치 법칙인 양 외워버리는 것이 과적합입니다. 역사를 공부하는 인간도 이런 과적합에 빠지지 않습니까?
과거의 궤적이 내일을 말해주는가
ARIMA 모델 등
대통령 지지율, 실업률 같은 데이터는 어제의 값이 오늘의 값에 강력한 영향을 줍니다(자기상관성). 기계학습은 이 시간에 흐르는 트렌드와 주기성(계절성)을 포착하여 3달 후의 지지율을 예측 모델링합니다.
딥러닝의 개입 (LSTM)
거대한 장기 시계열 패턴 속에서 '먼 과거의 중요한 기억'은 유지하고 '쓸데없는 최근의 노이즈'는 망각(Forget Gate)하는 신경망이 개입하며 예측률은 통계를 넘어섰습니다.
과거에 단 한 번도 비슷한 궤적을 그려본 적 없는 초유의 사태(예: 현직 대통령의 탄핵) 앞에서 시계열 모형은 무엇을 참고하여 내일을 예측할 수 있습니까?
선거 결과 예측: Nate Silver 와 FiveThirtyEight
여론조사 1개의 결과를 맹신하지 않고, 수십 개의 여론조사 기관들의 편향, 과거 정확도, 경제 지표 등의 가중치를 섞어 몬테카를로 시뮬레이션(Monte Carlo)을 1만 번 돌려 승리 확률을 도출합니다.
"A후보의 승률은 70%입니다" → 1만 번 가상 선거를 치렀을 때 7,000번은 A가 이기는 경로가 나왔다는 뜻입니다.
네이트 실버가 2016년 힐러리 승률 71%를 불렀으나 트럼프가 당선되었습니다. 대중은 그를 '돌팔이'라고 비난했지만, 확률론적 관점에서 그의 모델은 틀린 것입니까?
국제 분쟁 및 붕괴의 조기 경보 체계
국민국가 실패 지수 (FSI)
머신러닝은 100개 이상의 정치적, 경제적 약화 변수(난민 이동량 심화, 물가 폭등, 권력 집중화)의 비선형적 묶음을 실시간으로 탐지하여 임계점 도달을 경고합니다.
PITF (정치 불안정 태스크포스)
수십 년간의 국가 체제 붕괴 데이터를 이용해, 특정 국가가 2년 내에 전면적 내전이나 민주화 붕괴로 치달을 확률을 계산해내는 미국 CIA의 연구 모형입니다.
알고리즘이 "이 국가는 6개월 내 대학살(제노사이드)이 일어날 확률이 95%입니다"라고 경보를 울렸다면, 국제사회는 아직 벌어지지도 않은 폭력을 막기 위해 군사적으로 개입(주권 침해)할 수 있습니까?
X들을 집어넣어, Y의 소속을 맞추기
종속변수 $Y$가 연속된 숫자(예: 지지율 40.5%)가 아니라, 카테고리(예: 당선/낙선, 부도/생존, 민주/독재)일 때 사용하는 기계학습 모델입니다. (로지스틱 회귀, SVM 등)
- 정밀도 (Precision): 기계가 "당선된다"고 찍은 사람 중 진짜 당선된 비율.
- 재현율 (Recall): 실제 당선된 사람 중, 기계가 놓치지 않고 찾아낸 비율.
적국의 미사일 발사 징후 탐지 모델의 경우, "안 쐈는데 쐈다고 잘못 울리는 경보(False Positive)"와 "쐈는데 못 잡은 경보(False Negative)" 중 어느 에러를 더 줄이는 방향으로 튜닝해야 합니까?
기계는 어떤 변수를 가장 중요하게 보았는가?
기계학습이 답만 내놓고 이유를 설명해주지 않는 불만을 잠재우기 위해, 예측 정확도에 가장 막대한 공헌을 한 변수(Feature)들의 순위를 매겨 뽑아내는 기법이 발전했습니다.
예측: 트럼프 투표 여부
1. 거주지역 인구밀도 (0.35)
2. 교육 수준 (0.28)
3. 인종 (0.20)
... 100. 성별 (0.01)
연구자는 이 순위를 보고 사후적으로 "아하, 도농 격차와 학력이 트럼프 현상의 본질이구나"라며 정치학적 이론(Storytelling)을 조립해 들어갑니다.
예측에 도움이 된 '중요도' 지표를 곧바로 "이것이 원인(Causal Effect)이다"라고 선언하는 것은 왜 학문적으로 무식한 태도입니까?
SHAP Value: 개별 결과의 해부
SHAP (Shapley Additive exPlanations)
도플갱어(가상) 게임 이론을 수학적으로 활용하여, "김철수 후보가 당선 확률 80%를 얻었는데, 그중 나이 변수가 +10%p를 끌어올렸고 젠더 변수가 -5%p를 깎아먹었다"라고 개별 관측치마다 결과를 투명하게 분해해 주는 최신 기술입니다.
기본 확률 50% → 최종 70% 예측
XAI 기술의 발달로 기계가 스스로 '이유'를 설명하는 시대가 온다면, 이론을 만들고 인과를 추론하던 인간 연구자의 독점적 지위는 붕괴될까요?
미래의 범죄를 막는 알고리즘
미국 경찰에서 활용된 PredPol 같은 프로그램은 과거 범죄 데이터, 시간, 날씨 등을 결합하여 "오늘 오후 3시, 이 블록에서 강도 사건이 일어날 확률이 높다"고 예측하여 순찰차를 파견합니다.
- 효율성: 한정된 경찰 인력을 가장 최적에 배치하여 범죄율을 실제로 낮추었음.
- 피드백 루프 독성: 과거에 편견으로 빈민 흑인 구역을 많이 단속했다면, 거기가 또 우범지역으로 뜸 → 순찰을 더 감 → 건수가 더 잡힘 → 알고리즘이 또 거기를 찍음.
데이터는 죄가 없고 사회가 이미 차별적이라 그 모습을 투명하게 비췄을 뿐이라는 컴퓨터 공학자의 항변에, 정치학자는 어떻게 대응해야 합니까?
인간의 투표는 예측 가능한 자판기인가?
- 기계학습의 전제: 우리의 소득 분위, 유튜브 시청 기록, 거주지 데이터 3,000개가 주어지면 내가 내일 보수 후보를 찍을 확률은 99%로 확정된다.
- 자유의지의 저항: "나는 어제 어떤 책을 읽고 깨달음을 얻어 나의 계급적 한계를 거스르고 오늘은 진보 후보를 찍기로 결심했다!"
데이터 과학은 후자의 숭고한 결심조차도 모델의 예측 오버 바운더리에 들어가는 '수많은 확률 중 하나'로 환원해버립니다.
만약 내 투표 행위가 알고리즘에 의해 99% 확률로 예측될 수 있다면, 내가 투표소에 가서 표를 넣는 행위에 남은 '민주적 숭고함'의 본질은 무엇입니까?
보이지 않는 기계의 권력망
푸코가 살아있다면?
과거의 권력은 감옥(판옵티콘)이나 법으로 시민의 육체를 억압했습니다. 현대의 권력체는 맹목적인 폭력이 아니라, 내가 무엇을 클릭했고 누구와 관계 맺었는지 수집된 '신용도 및 예측 점수'로 나를 부드럽게 통제합니다.
신용카드 대출 승인, 취업 AI 면접, 가석방 심사 알고리즘의 거절 비율 뒤에 숨겨진 기계적 차별은, 책임을 물을 '독재자'가 존재하지 않으므로 저항하기가 극도로 어렵습니다.
알고리즘이 나의 미래 범죄 가능성을 70%로 산정하여 나에게 사회적 제약을 가할 때, 나는 존재하지도 않는 '미래의 죗값'을 치르는 중세적 마녀재판의 대상입니까?
복잡계 시대의 정치적 지렛대
과거에는 당 대표나 대통령이라는 피라미드 정점의 자리가 권력이었습니다. 이제, 권력은 네트워크의 "연결선과 병목(Bottleneck)"을 장악한 노드(Node)에 존재합니다.
어떤 이슈에 대해서도 명확한 정책을 내지 않으면서, 진보와 보수 양측 진영을 매개(Brokerage)만 하는 중도 지대의 정치인은 기회주의자일까요, 가장 영리한 권력자일까요?
상호의존성의 무기화
Farrell & Newman (2019) 이론: "세계화로 인해 모두가 평평하게 연결되어 평화로울 것"이라는 리버럴의 환상을 부수었습니다.
초크포인트 (Chokepoint) 탈취
거대한 달러 금융 결제망(SWIFT)이나 반도체 밸류체인이라는 극소수의 교차로(허브) 시스템을 장악한 국가는, 이 허브의 스위치를 끄는 것만으로도 상대국을 붕괴시키는 무기를 확보하게 됩니다.
연결된 세상(복잡계)에서는 자립(Autarky)이 아니라, 어느 모서리를 장악하느냐가 패권의 문법입니다.
모든 통신망이 스타링크 하나로 묶이는 미래에는, 하나의 영리 기업(일론 머스크)이 전 세계 민주 국가들의 정치 시스템보다 더 우월한 강제력을 가질 수 있습니까?
데이터 환경에 독을 풀다
전조
예측 모델은 우리가 입력하는 데이터(여론 지형)가 진실이라는 전제하에 작동합니다. 생성 모델이 진실과 구분 불가능한 기만의 정보(딥페이크 영상, 봇 군단의 가짜댓글)를 살포하면 모형은 쓰레기를 수집하기 시작합니다.
가스라이팅 당하는 분석 모델
데이터의 신뢰(Trust) 비용이 폭발적으로 상승합니다. 예측 모델을 훈련하기 이전에 가짜 데이터와 진짜 데이터를 감별하는 전쟁에 학계의 모든 자원이 소모되는 시대가 올 것입니다.
어떤 것이 기계가 쓴 글이고 어떤 것이 인간이 쓴 글인지 감정할 수 없는 시대에 도달한다면, 정치학 데이터 수집은 어디서부터 다시 출발해야 합니까?
기계가 어떤 방향으로 최적화할지 누가 정하는가?
- 기계학습 모델 내부에 존재하는 '목적 함수(Objective Function)'는 모델이 가장 도달하고 싶어 하는 궁극의 목표입니다.
- 예시 유튜브 알고리즘: "체류 시간을 무한히 늘려라"가 목적 함수. → 인간의 극단적 호기심과 분노를 자극하는 영상을 무한 추천.
우리는 흔히 알고리즘을 '객관의 신'으로 모시지만, 애초에 그 알고리즘이 무엇을 성취해야 배가 부르도록 코딩할지는 철저히 구글/메타 엔지니어의 상업적 윤리에 내맡겨져 있습니다.
만약 정부가 "시민들의 건강한 여론 형성과 양보심"을 최적화하도록 유튜브의 목적 함수에 규제(법의 개입)를 가한다면, 이는 훌륭한 복지입니까 교묘한 빅브라더 검열입니까?
랜덤 포레스트로 민주주의 붕괴 예측하기
간단한 Scikit-Learn 활용 (X: 경제지표, 실업률, 인플레이션 / y: 독재화 여부 0/1)
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 나무 100그루 심기 (Ensemble)
model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)
# 미지의 데이터로 예측력 시험
predictions = model.predict(X_test)
print(f"Prediction Accuracy: {accuracy_score(y_test, predictions)}")
# 어떤 변수가 가장 결정적이었는가?
print("Feature Importances:", model.feature_importances_)
모델의 정확도가 아무리 놀랍더라도 논문에 $\beta$(영향의 방향 및 크기) 해석이 누락된다면, 이 현상을 이해하고 처방을 내리려는 정책 고위 관료를 설득할 수 있을까요?
선형 통계와 블랙박스 머신러닝의 교집합 찾기
일반화 가법 모형 (GAM)
설명력을 전부 포기하고 기계가 던져주는 정답만 받아먹기 싫은 학자들의 절충안입니다. 뻔한 선형 회귀 모형의 딱딱한 직선을 자유자재로 꺾일 수 있는 고무줄(스플라인) 곡선으로 대체합니다.
나이가 들면 소득이 끝없이 오르는 게 아니라 정점 후 꺾이는 비선형적 굴절 패턴을 수식으로 보존하면서 해석력을 살려줍니다.
어떤 모델이든 결국 "우리가 이해할 수 있을 만큼만 복잡해야 한다"는 제약을 받는다면, 인간 지성의 용량을 초과하는 거대 진리는 파악할 길이 없는 것일까요?
예측이 빗나갔을 때: 인간이 자유로운 것인가, 기계가 멍청한 것인가?
AI 모델이 어떤 시민의 폭력 시위 참여 확률을 10%로 계산했는데 실제로는 참여했습니다. 이 오차(Error)는 모델이 데이터를 덜 수집해서 생긴 기술적 무지입니까, 아니면 원래 인간 세상이 양자역학처럼 결정되지 않은 본질적 무작위성을 가지고 있어서입니까?
우리는 데이터 스토리지 용량을 무한대로 늘리고 완벽한 센서를 달면 '범죄율 오차 제로'의 플라톤적 완벽 통제 국가를 세울 수 있다고 가정하고 질주하는 중입니다.
'오차(통제 밖 우연성)'가 완전히 0이 된 세계에서는 정치적 혁명이나 도덕적 찬사(네가 잘해서 이겼어)라는 개념이 존재할 수 있습니까?
내 욕망을 나보다 기계가 먼저 계산한다면
쇼샤나 주보프의 통찰
페이스북, 구글은 나의 흔적(행동 잉여) 데이터를 수집하는 데 그치지 않고, 그 예측값을 기업들에게 팔아넘김으로써 "나의 미래 행동(투표/쇼핑)을 통제하려는 권력"을 형성했습니다.
가장 무서운 순간
내가 좋아하는 후보를 찍은 줄 알았으나, 사실은 아주 정교하게 맞춰진 빅데이터 타겟팅 마이크로 광고(Cambridge Analytica 사태)에 의해 나의 무의식이 해킹당한 결과에 불과한 상황.
선거 전략가들이 당신의 분노와 공포 버튼(예측 모델의 가중치)을 알아내어 누르는 것에 속수무책이라면, 민주주의는 이념 투쟁이 아니라 '알고리즘 방어 및 해킹 전'으로 재명명되어야 하지 않습니까?
프로그래머인가 철학자인가?
어정쩡한 수준의 데이터 기술(Pandas, Scikit-learn 몇 줄 다루는 실력)만으로는 전문 컴퓨터 공학 전공자들의 코딩 능력을 절대 따라갈 수 없습니다. 그들 역시 넘쳐나는 공공 데이터로 논문을 쓰고 있습니다.
대체 불가능한 가치
- 인과성의 철학적 수호자: 공학자들이 '예측'에만 미쳐서 현상을 호도할 때 '이론과 메커니즘'으로 브레이크를 잡는 역할.
- 가치 판단: 예측 모델의 튜닝 오류 비용이, 어떤 소수 집단에게 치명적 폭력이 될 수 있는지를 밝혀내는 규범적 설계자.
도구의 벽이 허물어지고 타 학문이 영역을 침범할 때, 굳이 '정치학적 방법론 코스'가 공대 수업과 달라야만 하는 유일하고 단단한 코어는 무엇입니까?
인간이 사라진 데이터 세상의 파국 시나리오
Model Collapse (모형 붕괴) 현상
LLM이 너무도 발달하고 보편화되어 누구나 AI로만 글을 써서 인터넷에 올리는 시대. AI 모델(v5.0)이 학습해야 할 다음 데이터베이스가 오직 선배 AI(v4.0)가 쓴 글들로 꽉 채워졌을 때 벌어지는 현상.
치명적 결말
복사기의 복사기를 무한히 돌리면 글씨가 뭉개지듯, 인간 고유의 엉뚱한 결번치(Variance)와 살아 숨 쉬는 노이즈가 사라지며 모형이 백치화(무의미한 텍스트 덩어리 출력)되어 붕괴합니다.
기계가 스스로 똑똑해지기 위해서 아이러니하게도 가장 불완전하고 편향된 '인간 오리지널'의 데이터 피(Blood)를 끊임없이 수혈받아야 한다는 이 역설이 주는 철학적 의미는 무엇일까요?
측정되지 않는 것에 대한 경외감 유지하기
우리는 "수치화할 수 없는 것은 존재하지 않는 것"이라는 데이터 통계주의(Dataism) 이데올로기의 시대에 살고 있습니다. 거대 자본이 동원된 고급 분석 툴은 이 오만함을 극대화합니다.
맥나마라의 오류 (McNamara Fallacy):
1. 측정하기 쉬운 것을 가장 중요하게 여긴다.
2. 측정하기 어려운 것은 없는 것이라고 무시한다.
3. 베트남 전쟁에서 사상자 수(Body count)라는 데이터만 보면 미군이 압승 중이었으나, 베트콩의 '측정 불가한 이데올로기적 사기'를 무시하다가 패전했다.
첨단 딥러닝 기술 시대에 우리가 반드시 누락하고 있는 21세기의 '베트콩의 사기'는 무엇일까요?
방법론 수프(Soup)의 요리사들
당신이 개척해야 할 블루오션
이 모델 저 모델 기계적으로 돌려보는 연구의 가치는 끝났습니다. 새로운 원천 데이터의 발굴(예: 아직 누구도 스크래핑하지 않은 조선왕조실록 권력망 구도, 폐쇄 병동의 투표권 데이터 등)과 이론의 융합만이 돌파구입니다.
균형 감각
기계를 불신하는 인문학적 러다이트(Luddite)도 되지 말고, 기계의 예측률만 숭배하는 테크노크라트도 되지 마십시오.
앞으로 20년 뒤의 정치학 연구 논문은 어떤 언어(수학, 코드, 텍스트, 그림)로 시각화되어 쓰여야 대중과 권력을 가장 효율적으로 설득할 수 있다고 상상하십니까?
기계 속 이성의 진화와 인간 자유의지의 교차로
- 패러다임의 전환: 선형적 인과성에 집착하던 OLS 모델을 넘어 비선형적 되먹임 고리를 긍정하는 '복잡계 망'과 '기계 학습(예측 폭발 모델)'이 정치학의 문법을 바꿉니다.
- 예측의 압도적 지위: 랜덤 포레스트부터 딥러닝 예측망까지, 이 블랙박스들은 이유는 설명하지 못하지만 99%의 승부 예측을 통해 전통 통계학의 권위를 위협합니다.
- 권력의 재구조화: 허브(네트워크)를 점유한 권력의 무기화 문제, 알고리즘을 소유한 거대 자본이 행하는 예측 치안과 통치성 문제는 새로운 정치철학적 대응을 갈구합니다.
- 학자의 결론: 모델 정확도의 숭배에서 벗어나 '측정되지 않는 우발성과 감정의 틈새'를 사유하고 지키는 방법론적 겸손만이 인간 연구자를 기계 코더와 차별화시키는 유일한 심장입니다.