직관은 마법이 아니다. (Your intuitions are not magic)

원문 : https://www.lesswrong.com/posts/Psp8ZpYLCDJjshpRb/your-intuitions-are-not-magic

​

 

당신의 직관은 마법이 아니다.

 

통계학을 약간 알고 있는(각종 통계 기법들이 '왜', '어째서' 작동하는지 이해하진 못하지만, 그것을 사용하는 데에는 익숙한) 사람들은 종종 통계 기법들을 끔찍하게 오용하고 만다. 통계학적 테스트란 복잡한 수학 기법들이며, 검증하기 위해서 수많은 가정을 세운다. 문제는 이러한 가정들이 맞지 않았을 때, 대부분의 테스트는 깔끔하게 실패하는 것이 아니라 명백히 잘못된 결과를 산출한다는 것이다. 통계학은 마치 수학에서 무언가를 0으로 나누는 것과 같은 불가능한 연산을 수행하는 것을 요구하진 않지만, 어떠한 통계가 우리에게 알려주어야 했을 무언가를 알려주지 않은 채 결과를 만들어낸다. 형식 체계에서의 순수 수학은 우리의 머릿속에만 존재한다. 우리는 그것을 현실 세계에도 적용하지만, 그것을 잘못 적용했을 때 시스템 자체에서 우리가 실수하고 있다는 걸 알아챌 방법은 아무것도 없을 것이다.

 

잘못 사용된 통계학의 예시는 이전에 Lesswrong에서 논의된 적이 있다. Cyan은 '오직 한 가지 결과만을 산출할 수 있는 "검증"'에 대해 토론했었고, PhillGoetz는 '건강에 도움이 되는 비타민을 먹는 것이 독성을 섭취하는 것과 유사한 효과가 있다'라고 암묵적으로 가정한 통계적 기법을 비판했었다.

 

두 변수 사이의 상관관계를 취하는 것과 같은 아주 간단한 통계 기법도, 그것이 만들어낸 가정을 잊어버린다면 오해를 불러일으킬 수 있다. 어떤 이가 '상관관계'를 말할 때, 일반적으로 두 변수 사이의 선형 관계가 있는지에 대한 여부를 측정하고자 하는 '피어슨의 상관 계수(Pearson Correlation Coefficient)'에 대해 이야기할 것이다. 이것은 X가 증가하면 Y도 증가하는 경향을 말한다. (혹은 감소). 하지만 비타민 복용량과 그것이 건강에 미치는 영향 사이의 관계와 같이, 두 변수가 비선형적인 관계를 가질 때도 있다. 변수 X가 증가하면 변수 Y가 어떤 특정 지점까지 증가(혹은 감소), 그 이후 X를 증가시키면 Y가 감소(혹은 증가)하는 형태이다. 위와 같은 두 변수 간 피어슨의 상관 계수를 계산하는 것은 누군가가 '두 변수는 낮은 상관관계를 가진다'라는 결과를 얻는 것을 초래할 것이고, 그러므로 두 변수는 관계가 없거나 혹은 약한 관계에 놓여 있다고 결론을 내릴 것이다. (앤스컴 콰르텟 [Anscombe's quartet] 참조)

 

여기에서 교훈은 분석 도구들이 어떻게 작동하는지 이해하지 못한다면, 어떤 것을 분석하려고 할 때 잘못된 결과를 얻을 수 있다는 것이다. 그녀가 사용하고 있는 기법들의 가정을 고려하지 않는 사람들은 그 기법이 마법이라고 생각한다. 그녀가 어떤 기법들을 사용하건 간에 항상 올바른 결과를 만들어 낼 것이다. 물론, 당신들의 망치가 '무엇이든 고칠 수 있는 마법 망치'라고 가정하는 것처럼 말도 안 되는 걸 가정할 것이다! 유리창이 깨진다 해도 마법 망치로 고치면 고칠 수 있다. 하지만 나는 여기서 통계학만을 말하는 것이 아니다. 동일한 원칙이 더욱 일반적인 방법으로 적용될 수 있기 때문이다.

 

우리는 삶의 순간마다 세상이 돌아가는 방식을 추정하려고 시도한다. 어떤 인과관계가 있는지, 어떤 방식으로 세상을 묘사하는지, 어떤 것이 말이 되는지, 어떤 계획은 성공하고, 어떤 계획은 실패하는지 등등…. 이러한 추정을 하기 위해, 우리는 우리의 두뇌가 일생 수집한 많은 양의 정보들의 활용이 필요하다. 우리의 뇌는 보통 생각조차 하지 않을 수많은 정보의 흔적들을 추적한다. 자신이 봤었던 다양한 음식점들의 수를 명확하게 추정하는 사람은 거의 없다. 하지만 대부분의 사람에게 다양한 패스트푸드 체인점들의 수에 대해 질문을 했을 때, 그 추정치들은 대체로 정답에 가깝다.

 

명확한 통계 기법들과 마찬가지로, 뇌는 세계의 모형을 만들 때 수많은 가정을 만든다. 신문에서는 평범한 일상보다는 충격적인 재난을 보도하는 것에 중점을 두고 보도한다. 하지만 우리의 두뇌는 우리가 개인적으로 목격했기 때문에 이러한 모든 재난에 대해 듣게 되며, 따라서 신문에 나타나는 재난들의 분포는 현실 세계에서 일어나는 재난의 분포를 반영한다고 가정하게 된다. 그래서 사람들은 언론에 보도되지 않은 사망원인들의 빈도를 과소평가하고, 과대 보도된 사망원인들의 빈도를 과대평가한다.

 

이 사이트(Lesswrong)에서 우리는 때때로 뇌의 이성을 망가뜨리는 다른 방법들(Biases)의 종류들을 논의했었다.

: 불합리적인 추단법(휴리스틱), 감정 추단법, 정서적 죽음의 소용돌이, 가용성 추단법, 연결 오류…. 이 리스트는 계속 추가되어가고 있다.

 

그렇다면 신문 기사들을 마구마구 읽고 나서, 다른 재난들이 얼마나 자주 일어나는지에 대하여 순진하게 궁금해한다면 어떻게 될까? 특정 종류의 통계적 연관성에 대한 무의식적인 과정들의 경위를 조사한다면 답을 얻을 수 있을 것이다. 하지만 그녀의 통계적 기법들을 잘못 사용하던 사람들과 같이, 답을 만들어내는 과정 자체는 당신들에게 블랙박스와도 같다. 당신들은 그것이 어떻게 또는 왜 작동하는지 모른다. 만약 그런 것들을 알고 있다면, 그 통계 결과를 언제 신뢰할 수 있는지 알아야 하고, 그 결과에서 명확하게 수정되어야 하는 부분을 말할 수 있어야 하고, 그리고 그 결과가 완전히 틀렸을 때가 언제인지 말할 수 있어야 할 것이다.

 

때때로 우리는 수학과 과학에 따라 직접적으로 우리의 직관이 모순될 때에도, 직관에 의존한다. 과학이 터무니없고 무의미해 보이고, 우리의 직관은 확고하고 명확해 보인다. 실제로 가끔은 과학에 결함이 있고, 우리의 직관을 신뢰하는 것이 옳다! 하지만 다른 경우에는, 우리의 직관이 틀릴 수도 있다. 그런데도 우리는 종종 직관을 고집한다. 아이러니한 것은, 직관이 어떻게 작동하는지 모르기 때문에 그것을 붙잡고 있다는 것이다. 왜냐하면, 우리는 직관의 과정 내부를 들여다볼 수도 없고, 그것이 잘못될 수 있는 모든 경우를 볼 수도 없기 때문이다. 어떤 것이 옳다는 지식에 대해 확신에 찬 느낌이, 직관이 합리적인지 보여주기 위한 증거로 보일 수 없다는 것을 분명히 알고 있을 것이다.

 

대부분의 통계 기법들처럼, 우리의 직관은 마법이 아니다. 아무리 믿을 만한 망치라도 깨진 유리창을 때린다고 해서 고치진 못 할 것이다. 통계 기법들이 항상 우리에게 올바른 결과를 가져다주는 것처럼, 우리의 직관이 항상 올바른 결과를 가져다준다면 분명 쉽고 편리할 것이다. 하지만 부주의는 생명을 앗아갈 수도 있다. 신약의 안전성을 평가할 때, 통계 기법을 잘못 적용하는 것은 사람을 죽이거나 쓸데없는 치료에 돈을 쓰게 될 수도 있다. 우리의 직관을 맹목적으로 따르는 것은 우리의 직업, 관계 그리고 삶을 망가뜨릴 수 있다 우리가 틀릴 수도 있다는 가능성을 생각하지 않았기 때문이다.

 

그것이 바로 왜 인지과학을 배워야 하고, 우리의 직관이 어떻게 작용하는지, 그리고 착각을 어떻게 교정할 수 있는지를 알아내야 하는 이유이다. 더하여, 우리는 항상 마음의 작용에 관해 의문을 품는 자세를 배울 필요가 있다. 그것들이 마법이 아니라는 것을 이해할 필요가 있기 때문이다.