Decision Science

길을 걸으며 목적지까지 가다,

그 길에 여러 개의 신호등이 존재한다고 하자. 그리고 한 번은 다른 쪽 보행 도로로 넘어가야 할 때, 바로 앞 신호등과 다음 사거리 신호등이 있다면 어떤 신호등을 선택하는 것이 최적의 선택일까?

 

거리가 휘어져 있지 않고 직각이라서 어느 쪽으로 건너더라도 목적지까지의 거리가 같다면, 아마 다음과 같은 여러 생각을 하게 된다.

 

1. 우선 신호 체계와 변환 시각, 현재 신호등 상태, 내 보폭을 고려한 속도 등을 알아야 한다.

2. 바로 앞 신호등이 방금 녹색으로 바뀌었다면 바로 지금 건너는 것이 맞다.

 - 어차피 건너야 할 신호등이기 때문.

3. 바로 앞 신호등이 방금 빨간색으로 바뀌었다면 다음 신호등까지 우선 걷고, 건너는 편이 낫다.

 - 사거리 신호등까지 도착했을 때 신호등 점멸 시간과 내 보폭 등을 고려한 속도와 거리의 상관관계를 분석하기보다. 우선, 사거리까지 걸어가면 직진할 수 있는 신호등을 빨리 만날 수도 있고 길을 건널 신호등을 만날 수도 있기 때문.

4.... 

 

여러 생각을 하지만 세상의 문제는 이처럼 단순하지도 복잡하지도 않다.

 

투입 비용 대 효용가치를 따졌을 때 일일이 계산하고 있는 것 자체가 잘못된 것이기 때문이다. 물론, 개인의 경우 말고 한국 도로의 신호 체계를 따진다면 ROI가 나쁘지 않다. 

 나는 수많은 택시 기사에게서 대로의 신호등 체계가 잘못되었다는 말을 수십 년 간 들었다. 신호 바뀌어서 가면 다음 신호에서 꼭 막히는 지역이 있었다. 꼭 운전을 많이 하시는 택시 기사분들의 말씀을 빌리지 않더라도, 미국에서는 차량 감지 센서가 신호를 열어주는 경험을 했었기에 운전자이기도 한 내가 한국의 특정 도시는 큰 대로변인데도 불구하고 잘못된 신호 체계를 가지고 있음을 아주 쉽게 알 수 있다. 물론, 대로변 신호를 무조건 뚫는 것이 안전과도 직결된 문제라 쉽게 생각하지는 않다. 만약, 그렇다면 홍보를 좀 했으면 하는 생각이기에 분명 무언가 틀렸다고 말할 수는 있다.

 

개인이 길을 걷는 경우

를 다시 생각해 보자. 잘못된 신호등 알고리즘 이야 자명한 사실이라 내가 말할 수 있지만 이제 불혹의 나이에서 "카더라"로 비판을 할 수는 없기에(그 전에도 사실만으로 비판했기에 메이저 뉴스에 나갔으나) 이제 정말 개인적인 예를 들어 보려고 한다. Decision Science는 적어도 사람이 판단하는 것보다는 나은 판단을 해야 하는데 내가 신호등을 지금 건너는 게 맞는지 인공지능(Ok google이나 hey siri)에게 물었을 때 과연 신호등을 건너는 것에 대한 판단을 인공지능이 제대로 내려 줄 수 있을까?라는 것에 의문을 던져 본다.

 

우선은, 아니다.

 

라는 결론을 내어 본다. 나는 하루의 대부분을 사무실에서 햇볕을 쬐지 못하고 지낸다. 대부분 회사 근처에 숙소를 잡는 생활을 해 온 나로서는 신호등 선택으로 시간 몇 분을 줄이는 것은 내 요구사항에 거의 없다고 봐야 한다. 지각해야 한다면, 그냥 지각을 해버리는 나로서는. 아예 0으로 봐도 무방하다. 

 

그래서 적어도 내 기준에서 이 문제에 대해 제대로 된 결정을 내려줄 수 있는 인공 기능이라면, 건물 사이로 햇빛을 받을 수 있는 신호등이라는 새로운 판단 기준이 있어야 한다는 것이다. 

 

이 경우, 내가 이 사실을 알고 알고리즘을 짤 때 변수로 넣으면 그만이겠지만 트레이닝 데이터로 알고리즘을 만들어 내는 AI의 경우 관련 데이터가 없다면 절대 제대로 된 모델이 나올 수 없다. 규칙이 명확하고 단순한 문제들은 스스로 길을 찾기도 하지만 현실 문제를 풀기에는 부족하고 그 모든 정보 해결에 대한 모델을 합치기에는 하드웨어가 부족하다. 양자 컴퓨터가 나와도 어느 정도는 의사 결정을 내려 주겠으나 내 삶에 대한 포괄적인 결정을 내려주기에는 부족해 보인다.

 

그런 점에서 Decision Science가 매력적으로 보인다. 사람의 거짓말 정도는 조금 줄여 줄 수 있을 것 같다.