0:00:00.835,0:00:02.990
미국 유명 작가 마크 트웨인은

0:00:02.990,0:00:06.110
제가 생각하기에 가장 근본적인 [br]인지과학의 문제를

0:00:06.110,0:00:07.820
재치있게 한 마디로 정리했습니다.

0:00:08.410,0:00:11.492
"과학에는 뭔가 매력적인 것이 있다.

0:00:11.492,0:00:14.720
사실이라는 아주 작은 투자를 통해

0:00:14.720,0:00:17.924
그토록 많은 추측을 이끌어내니까."

0:00:17.924,0:00:19.509
(웃음)

0:00:20.199,0:00:22.803
물론 농담이었겠지만 맞는 말입니다.

0:00:22.803,0:00:25.679
과학에는 특별한 매력이 있습니다.

0:00:25.679,0:00:29.940
우리는 몇 개의 뼈만으로[br]공룡의 존재를 추론해냈고

0:00:30.910,0:00:34.781
분광선에서는 성운의 구성을,

0:00:35.471,0:00:38.409
초파리에서는

0:00:38.409,0:00:41.352
유전의 법칙을,

0:00:41.352,0:00:45.601
그리고 뇌에 흐르는 피를[br]재구성한 이미지로

0:00:45.601,0:00:50.309
저 같은 경우는,[br]아주 어린 아이들의 행동을 통해

0:00:50.309,0:00:54.888
인간 인식이 근본적으로 어떻게[br]작동하는지 알아내려고 하죠.

0:00:55.716,0:01:00.475
특히 저는 MIT 뇌인지과학과에 [br]있는 제 연구실에서

0:01:00.475,0:01:04.129
지난 10년간 아이들이 [br]어떻게 적은 양의 정보로

0:01:04.129,0:01:08.106
많은 것을 빨리 배우는지에 대한 [br]신비를 알아내려고 노력했습니다.

0:01:08.666,0:01:11.644
과학이 매력적인 이유가

0:01:11.644,0:01:15.173
바로 아기들이 놀랍기 때문입니다.

0:01:15.173,0:01:17.754
마크 트웨인의 말을 [br]완곡하게 바꾸어 보자면

0:01:17.754,0:01:22.404
아기들이 빠르고 정확하게[br]적은 양의 어지러운 자료로부터

0:01:22.404,0:01:27.065
풍부하고 추상적인 추론을[br]할 수 있는 능력입니다.

0:01:28.355,0:01:30.753
저는 오늘 여러분들께 예시를[br]두 개만 보여 드리겠습니다.

0:01:30.753,0:01:33.040
하나는 일반화의 오류이고

0:01:33.040,0:01:35.890
다른 하나는 인과추론의 오류입니다.

0:01:35.890,0:01:38.415
제 연구실에서 한 연구에 대해[br]말씀드리겠지만

0:01:38.415,0:01:41.875
이 연구는 인지과학분야에서[br]영감과 도움을 받았습니다.

0:01:41.875,0:01:46.158
전 세계의 멘토와 동료와[br]공동연구자들에게 감사드립니다.

0:01:47.308,0:01:50.282
그럼 일반화의 오류부터 얘기할까요?

0:01:50.652,0:01:54.785
적은 표본으로 일반화하는 것은[br]과학의 기본입니다.

0:01:54.785,0:01:57.339
우리가 유권자의 일부분만 여론조사해서

0:01:57.339,0:01:59.660
대국민 선거결과를 예측하듯 말이죠.

0:02:00.240,0:02:04.165
우리는 소수의 환자의[br]임상실험에 대한 반응을 보고

0:02:04.165,0:02:07.230
전국의 시장에 약을 내놓습니다.

0:02:07.230,0:02:11.595
일반화가 통하기 위해서는 표본이[br]무작위로 선정돼야 합니다.

0:02:11.595,0:02:14.330
표본이 특정한 방식으로[br]선별된다면,

0:02:14.330,0:02:16.402
예를 들어, 도시의 여론만 조사하거나

0:02:16.402,0:02:20.790
심장질환 치료를 위한 임상실험의 경우

0:02:20.790,0:02:22.671
남자만 대상으로 한다면

0:02:22.671,0:02:25.829
결과를 인구 전체로[br]일반화할 수 없겠죠.

0:02:26.479,0:02:30.060
따라서 과학자들은 [br]무작위 표본추출을 신경씁니다.

0:02:30.060,0:02:32.075
그런데 이게 아기와 무슨 상관일까요?

0:02:32.585,0:02:37.206
아기는 항상 적은 표본으로[br]일반화해야 합니다.

0:02:37.206,0:02:40.364
고무오리 몇 개만 보고[br]고무오리는 물에 뜬다는 것을,

0:02:40.364,0:02:43.939
몇 개의 공만 보고[br]공은 튀어오른다는 걸 배우죠.

0:02:43.939,0:02:46.890
그리고 고무오리와 공에 대해[br]예상을 발전시켜서

0:02:46.890,0:02:51.496
남은 일생동안 고무오리와 [br]공에 확대 적용합니다.

0:02:51.496,0:02:55.224
고무오리와 공에 [br]적용하는 것과 같은 일반화를

0:02:55.224,0:02:57.313
거의 다른 모든 것에도 적용합니다.

0:02:57.313,0:03:01.230
신발, 배, 밀랍 봉인, 양배추, 왕..

0:03:02.200,0:03:05.161
그렇다면 아기는 그들이 보는[br]적은 양의 증거가

0:03:05.161,0:03:08.853
모집단을 정말 대표할 수 [br]있는지에 신경쓸까요?

0:03:09.763,0:03:11.663
한번 알아봅시다.

0:03:11.663,0:03:13.386
지금부터 두 개의 영상을 [br]보여드릴겁니다.

0:03:13.386,0:03:15.848
각각 다른 조건에서 실험한 영상입니다.

0:03:15.848,0:03:18.286
두 개만 보시게 되니까

0:03:18.286,0:03:20.422
아기도 두 명만 있을 겁니다.

0:03:20.422,0:03:24.369
그리고 어떤 아기든 두 명의 아기는[br]서로 수많은 부분에서 다릅니다.

0:03:24.369,0:03:27.420
하지만 이 아기들은 여기서[br]아기 집단을 대표합니다.

0:03:27.420,0:03:29.315
여러분이 보시게 될 차이점은

0:03:29.315,0:03:34.510
다른 조건 아래의 아기들의 행동방식의[br]평균 집단적 차이를 대표합니다.

0:03:35.160,0:03:37.743
각각의 영상에서 여러분은 아마 아기가

0:03:37.743,0:03:41.203
여러분이 예측한 대로[br]행동하는 걸 보게 될 겁니다.

0:03:41.203,0:03:45.220
그 이상으로 아기가 더 마법같은[br]행동을 할 순 없습니다.

0:03:46.090,0:03:48.100
제 생각으로 마법같은 것은,

0:03:48.100,0:03:50.189
여러분이 주목하셨으면 하는 부분이

0:03:50.189,0:03:53.300
각각 다른 조건을 대조한 것입니다.

0:03:53.300,0:03:56.829
두 영상의 유일한 차이점이라곤

0:03:56.829,0:04:00.295
아기들이 관찰할[br]통계적 증거밖에 없기 때문이죠.

0:04:01.425,0:04:04.608
우리는 아기에게 파란색과 노란색 공이[br]담긴 상자를 보여줄 겁니다.

0:04:04.608,0:04:09.228
당시 대학원생이었고 이제는[br]스탠포드에서 제 동료인 권효원양이

0:04:09.228,0:04:12.305
상자에서 파란 공을[br]연속으로 세 개 꺼낼겁니다.

0:04:12.305,0:04:15.428
꺼낸 후에는 공을 꽉 누를 거예요.

0:04:15.428,0:04:17.541
그러면 공에서 끽끽 소리가 날 겁니다.

0:04:17.541,0:04:20.304
만약 여러분들이 아기라면. [br]TED 강연 같은 거죠.

0:04:20.304,0:04:22.208
그보다 좋을 수 없으니까요.

0:04:22.208,0:04:24.769
(웃음)

0:04:26.968,0:04:30.627
중요한 건 파란 공이 대부분인[br]상자에서 파란 공을 세 번 연속

0:04:30.627,0:04:32.932
꺼내는 건 쉽다는 겁니다.

0:04:32.932,0:04:34.992
눈 감고도 할 수 있어요.

0:04:34.992,0:04:37.988
이 모집단에서 충분히 무작위로[br]뽑힐 수 있는 표본이죠.

0:04:37.988,0:04:41.720
그리고 상자 안에 손을 넣어[br]무작위로 소리나는 공을 뽑을 수 있다면

0:04:41.720,0:04:44.559
상자 안의 모든 공에서 소리가[br]날 수도 있습니다.

0:04:44.559,0:04:48.209
그래서 아기는 노란 공도 소리가[br]날 거라고 예상할 수도 있습니다.

0:04:48.209,0:04:50.728
이 노란 공에는, 아기들이 막대로[br]다른 걸 해볼 수 있도록

0:04:50.728,0:04:53.585
공의 끝부분에 막대가 꽂혀 있습니다.

0:04:53.585,0:04:55.416
마구 두드릴 수도 있고[br]칠 수도 있습니다.

0:04:55.416,0:04:58.002
아기들이 어떻게 하는지 보죠.

0:05:00.548,0:05:03.891
권효원: 이거 보이니?[br](공이 끽끽 대는 소리)

0:05:04.531,0:05:07.576
봤어?[br](공이 끽끽 대는 소리)

0:05:08.036,0:05:11.102
멋지다.

0:05:12.706,0:05:14.656
이 공 보이니?

0:05:14.656,0:05:16.537
(공이 끽끽대는 소리)

0:05:16.537,0:05:19.190
우와.

0:05:21.854,0:05:23.967
별 거 없죠?

0:05:23.967,0:05:27.998
권효원: 이거 보여?[br](공이 끽끽대는 소리)

0:05:27.998,0:05:32.617
클라라, 이 공 줄게.[br]갖고 놀아도 돼.

0:05:38.784,0:05:44.219
(웃음)

0:05:44.219,0:05:47.214
말 안해도 어떤 상황인지 아시겠죠?

0:05:47.214,0:05:50.113
아기들이 파란 공의 특성을 노란 공에

0:05:50.113,0:05:51.641
일반화시키는 것은 좋습니다

0:05:51.641,0:05:54.737
아기들이 우리의 행동을 모방함으로써[br]학습하는 것도 인상깊죠.

0:05:54.737,0:05:58.406
우리는 아기의 이런 특성을[br]오래 전부터 알고 있었습니다.

0:05:58.406,0:06:00.217
진짜 흥미로운 질문은

0:06:00.217,0:06:03.069
아기들에게 완벽히 똑같은 것을[br]보여주면 무슨 일이 일어나는지 입니다.

0:06:03.069,0:06:06.680
완벽히 똑같다고 장담할 수 있는게[br]우리가 칸을 하나 숨겨놓고

0:06:06.680,0:06:08.790
거기서 공을 꺼내기 때문입니다.

0:06:08.790,0:06:12.268
하지만 이번엔 증거를 산출하는

0:06:12.268,0:06:15.170
모집단만 바꿀겁니다.

0:06:15.170,0:06:18.723
이번에는 아기에게 노란 공이[br]대부분인 상자에서 꺼낸

0:06:18.723,0:06:22.107
파란 공 세 개를 보여줄 겁니다.

0:06:22.107,0:06:23.429
결과가 어떨까요?

0:06:23.429,0:06:26.269
아마 노란 공이 가득한 상자에서[br]무작위로 파란 공을

0:06:26.269,0:06:28.753
연속 세 번 뽑을 수는 없을 겁니다.

0:06:28.753,0:06:32.500
무작위로 뽑았을 때[br]가능한 표본이 아니죠.

0:06:32.500,0:06:37.623
이 표본은 효원양이 일부러 파란 공만 [br]뽑았을 수도 있다는 걸 암시합니다.

0:06:37.623,0:06:40.206
파란 공이 특별한 걸 수도 있죠.

0:06:40.846,0:06:43.822
파란 공에서만 소리가 날 수도 있어요.

0:06:43.822,0:06:45.717
아기가 어떻게 행동하는지 봅시다.

0:06:45.717,0:06:48.621
권효은: 이거 보이니?[br](공이 끽끽대는 소리)

0:06:50.851,0:06:53.496
이 장난감 보여?[br](공이 끽끽대는 소리)

0:06:53.496,0:06:58.976
멋지다. 봐봐.[br](공이 끽끽대는 소리)

0:06:58.976,0:07:03.370
자, 이거 줄게.[br]갖고 놀아도 돼.

0:07:06.074,0:07:14.691
(소란)[br](웃음)

0:07:15.729,0:07:20.651
15개월의 두 아기가 관찰한 표본의 [br]확률에만 기반한 추측으로

0:07:20.651,0:07:23.190
완전히 다른 행동을 하는 것을[br]방금 보셨습니다.

0:07:23.190,0:07:25.380
실험 결과를 보여드릴게요

0:07:25.511,0:07:28.275
세로 축은 각 조건에서 공을 누른

0:07:28.275,0:07:30.805
아기의 비율입니다.

0:07:30.805,0:07:34.520
보시다시피 아기들은[br]증거가 선별됐을 때보다

0:07:34.520,0:07:37.655
모집단을 충분히 대표할 수 있을 때

0:07:37.655,0:07:41.393
증거를 일반화할 확률이 더 높습니다.

0:07:41.393,0:07:43.808
이걸로 재밌는 예측이 가능합니다.

0:07:43.808,0:07:48.676
노란 공이 대부분인 상자에서[br]파란 공을 하나만 꺼낸다고 가정합시다.

0:07:48.896,0:07:52.765
무작위로 파란 공을 연속으로[br]세 개나 뽑는 건 어려울 겁니다.

0:07:52.765,0:07:55.220
하지만 파란 공을 무작위로[br]하나만 뽑는것은

0:07:55.220,0:07:57.190
있을 수 없는 일은 아니죠.

0:07:57.190,0:07:59.414
그리고 상자에 손을 넣어[br]아무거나 꺼냈는데

0:07:59.414,0:08:03.401
소리가 난다면 상자 속의[br]다른 공도 다 소리날 수도 있죠.

0:08:03.875,0:08:08.320
그러니까 이전에 비해[br]소리나는 공을 훨씬 적게 보게 되고

0:08:08.320,0:08:10.562
모방할 행동이 훨씬 적더라도

0:08:10.562,0:08:13.905
여러분이 방금 보신 조건에서보다[br]공 하나를 뽑는 이 조건에서

0:08:13.905,0:08:17.797
아기가 더 많이 공을 [br]누를 거라고 우린 추측했고

0:08:17.797,0:08:20.691
실제로 그랬습니다.

0:08:20.691,0:08:25.102
그러니까 15개월의 아기가,[br]이 부분에 있어서는

0:08:25.102,0:08:28.190
과학자들처럼 표본이 무작위로[br]선출되었는지 신경쓰고

0:08:28.190,0:08:31.697
세상을 더 잘[br]예측하는 데 사용합니다.

0:08:31.697,0:08:33.879
어느 공이 소리가 나는지

0:08:33.879,0:08:37.024
어느 걸 탐구하고[br]무시해야 할지 말이죠.

0:08:38.384,0:08:40.450
이제 다른 예시를 보여드릴게요.

0:08:40.450,0:08:43.180
이번에는 인과추론의 [br]오류에 대한 겁니다.

0:08:43.180,0:08:47.319
이 오류는 우리 모두가 가진[br]혼란스러운 증거로부터 시작됩니다.

0:08:47.319,0:08:49.311
우리가 세계의 일부라는 거죠.

0:08:49.311,0:08:51.737
여러분께 문제처럼 보이지 [br]않을 수도 있겠지만

0:08:51.737,0:08:55.084
이건 다른 문제들처럼 일이[br]잘못되었을 때만 문제가 됩니다.

0:08:55.464,0:08:57.275
이 아기를 예로 들어 봅시다.

0:08:57.275,0:08:58.980
뭐가 잘 안 풀리네요.

0:08:58.980,0:09:01.251
장난감을 작동시키고 싶은데 안돼죠.

0:09:01.251,0:09:03.780
짧은 영상을 보여드릴게요.

0:09:09.340,0:09:11.260
크게 두 가지 가능성이 있습니다.

0:09:11.260,0:09:13.894
아기가 뭔가를 잘못하고 있든지

0:09:13.894,0:09:18.110
장난감이 문제든지.

0:09:18.110,0:09:20.221
그래서 다음 실험에서

0:09:20.221,0:09:23.518
아기들에게 둘 중 [br]하나의 가설을 지지하는

0:09:23.518,0:09:26.100
통계 자료를 조금 줄 겁니다.

0:09:26.100,0:09:29.555
아기들이 이걸 이용해[br]어떤 행동을 해야할 지에 대한

0:09:29.555,0:09:31.389
다른 판단을 내릴 수 [br]있는지 볼 거예요.

0:09:31.389,0:09:33.411
실험은 이런 식으로 진행됩니다.

0:09:34.071,0:09:37.101
효원 양이 장난감을 작동시키고 [br]그렇게 됩니다.

0:09:37.101,0:09:40.421
그 다음 제가 두 번 시도하고[br]두 번 다 실패할 거예요.

0:09:40.421,0:09:43.533
다시 효원 양이 시도해서 [br]장난감을 작동시키는 데 성공할 겁니다.

0:09:43.533,0:09:46.705
이건 전반적으로[br]기계를 사용하는 데 있어서

0:09:46.705,0:09:49.540
저와 학생들 사이의 관계를 보여줍니다.

0:09:50.030,0:09:53.322
여기서 중요한 점은[br]장난감이 문제가 아니라

0:09:53.322,0:09:56.990
사람이 문제라는 것에 대한 증거를[br]조금만 제공한다는 겁니다.

0:09:56.990,0:09:59.340
어떤 사람은 이 장난감을[br]작동시킬 수 있고

0:09:59.340,0:10:00.299
어떤 사람은 아니죠.

0:10:00.799,0:10:04.212
아기들이 장난감을 받으면[br]선택지가 주어질 겁니다.

0:10:04.212,0:10:06.400
엄마가 바로 옆에 있어서

0:10:06.400,0:10:09.715
아기가 엄마에게 장난감을 줌으로써[br]사람을 바꿀 수도 있고

0:10:09.715,0:10:12.873
천의 다른 쪽에는[br]또 다른 장난감이 있어서

0:10:12.873,0:10:16.425
천을 잡아당겨 장난감을 [br]바꿀 수도 있습니다.

0:10:16.425,0:10:18.515
아기가 어떻게 행동하는지 봅시다.

0:10:18.515,0:10:22.698
권효원: 둘, 셋, 짠![br](음악)

0:10:22.698,0:10:25.829
로라 셜츠: 하나, 둘, 셋, 짠!

0:10:25.829,0:10:33.211
아서, 다시 해볼게. [br]하나, 둘, 셋, 짠!

0:10:33.677,0:10:36.277
권효원: 아서, 나도 [br]다시 해볼게,알았지?

0:10:36.277,0:10:40.827
하나, 둘, 셋, 짠! (음악)

0:10:41.583,0:10:43.466
이것 봐. 이 장난감들 기억나니?

0:10:43.466,0:10:46.730
이 장난감들 보여? [br]그래, 이건 여기 두고

0:10:46.730,0:10:48.792
이건 너한테 줄게.

0:10:48.792,0:10:51.127
가지고 놀아도 돼.

0:11:11.213,0:11:15.950
로라, 그런데 아기는[br]엄마를 사랑하니까

0:11:15.950,0:11:18.132
장난감이 작동하지 않을 때

0:11:18.132,0:11:20.162
당연히 엄마에게 장난감을 주겠죠.

0:11:20.162,0:11:23.755
다시 말씀드리지만 중요한 건[br]우리가 통계 자료를 아주 약간

0:11:23.755,0:11:26.909
변형시켰을 때 어떤 일이[br]일어나는지 입니다.

0:11:26.909,0:11:30.996
이번에 아기는 동일한 순서로 [br]장난감을 작동시키는 걸

0:11:30.996,0:11:33.411
성공하고 실패하는 걸 보겠지만[br]증거의 분포가 바뀔겁니다.

0:11:33.411,0:11:37.822
이번엔 효원 양과 저는 한 번 [br]성공하고 한 번 실패할 거예요.

0:11:37.822,0:11:43.459
이건 누가 시도하는지 상관없이[br]장난감이 망가진 걸 의미합니다.

0:11:43.459,0:11:45.065
항상 작동하진 않으니까요.

0:11:45.065,0:11:46.970
다시, 아기는 선택지가 주어집니다.

0:11:46.970,0:11:50.356
엄마가 바로 옆에 있어서[br]사람을 바꿀 수도 있고

0:11:50.356,0:11:53.040
천 끝에 다른 장난감이 있어서[br]장난감을 바꿀 수도 있습니다.

0:11:53.040,0:11:55.008
아기가 어떻게 하는지 관찰해보죠.

0:11:55.008,0:11:59.636
효원: 둘, 셋, 짠!

0:11:59.636,0:12:04.620
다시 해볼게. 하나, 둘, 셋, 짠!

0:12:05.460,0:12:07.157
음...

0:12:07.950,0:12:10.642
로라 슐츠: 클라라, 내가 해볼게.

0:12:10.642,0:12:14.587
하나, 둘, 셋, 짠!

0:12:15.265,0:12:17.200
음, 다시 해볼게.

0:12:17.200,0:12:22.870
하나, 둘, 셋, 짠!

0:12:23.009,0:12:25.242
권효원: 이건 여기 두고

0:12:25.242,0:12:27.243
이건 너한테 줄게.

0:12:27.243,0:12:30.840
갖고 놀아도 돼.

0:12:46.376,0:12:51.273
(박수)

0:12:52.993,0:12:55.385
실험 결과를 보여드릴게요.

0:12:55.385,0:12:57.860
세로축에 아이들이 각 조건에서[br]어떤 선택을 했는지에 대한

0:12:57.860,0:13:00.437
분포를 볼 수 있습니다.

0:13:00.437,0:13:04.988
보시면 분포도가[br]아기들이 관찰한 증거에 따라

0:13:04.988,0:13:07.775
결정된다는 걸 알 수 있습니다.

0:13:07.775,0:13:09.632
아기는 두 살 때

0:13:09.632,0:13:13.489
적은 양의 통계 자료로 행동할 때

0:13:13.489,0:13:17.466
두 가지의 근본적으로 다른 전략 중 [br]하나를 고를 수 있습니다.

0:13:17.466,0:13:20.200
도움을 청할지 탐구해 볼지 입니다.

0:13:21.700,0:13:25.134
이 분야에서 비슷한 주제로 한 실험이[br]정말 수 백개가 있지만 그 중에서

0:13:25.134,0:13:28.825
연구실에서 한 실험 [br]두 개만 보여드렸습니다.

0:13:28.825,0:13:31.217
정말로 중요한 요점은

0:13:31.217,0:13:36.325
적은 자료로 풍부한 추론을 하는[br]아이들의 능력이

0:13:36.325,0:13:41.666
인간이 하는 모든 종 특유의[br]문화적 학습의 근간이기 때문이죠.

0:13:41.666,0:13:46.263
아이들은 몇 개의 예시만으로[br]새 도구를 사용하는 법을 배우고

0:13:46.263,0:13:50.980
몇 개의 예시만으로[br]새로운 인과관계를 배웁니다.

0:13:51.928,0:13:56.799
새로운 단어도 배웁니다.[br]이 경우는 미국식 수화죠.

0:13:56.799,0:13:59.110
두 가지 요점으로[br]마무리하고 싶습니다.

0:14:00.050,0:14:03.738
만약 여러분께서 제 세계인[br]뇌와 인지과학의 분야를

0:14:03.738,0:14:05.375
지난 몇 년간 지켜보셨다면

0:14:05.375,0:14:08.080
세 가지 커다란 견해가[br]눈에 들어오셨을 겁니다.

0:14:08.080,0:14:11.516
첫째는, 지금은 뇌의 시대라는 겁니다.

0:14:11.516,0:14:15.185
정말로 신경과학에서[br]충격적인 발견들이 있었습니다.

0:14:15.185,0:14:18.621
피질에서 기능이 특화된 [br]부분을 알아내는 것,

0:14:18.621,0:14:21.222
쥐의 뇌를 투명하게 만드는 것,

0:14:21.222,0:14:24.418
뉴런을 빛으로[br]활성화시키는 것이 있었죠.

0:14:24.998,0:14:26.994
두 번째는

0:14:26.994,0:14:31.098
빅데이터와 기계 학습의[br]시대라는 것입니다.

0:14:31.098,0:14:34.239
기계 학습은 우리의 이해력에[br]혁명을 가져올 것을 약속합니다.

0:14:34.239,0:14:38.906
소셜네트워크부터 역학까지 전부 다요.

0:14:38.906,0:14:41.599
그리고 장면 이해에 대한 문제와

0:14:41.599,0:14:43.592
자연 언어 처리를 다루면서

0:14:43.592,0:14:46.916
인간의 인식력에 대해[br]무언가를 알려줄 수도 있죠.

0:14:47.756,0:14:49.693
마지막은 여러분이[br]들어보셨을 수도 있는데

0:14:49.693,0:14:51.950
우리가 뇌에 대해 많은 걸 알고

0:14:51.950,0:14:54.997
빅데이터에 많이 접근하는 게 [br]좋은 것일 수 있다는 겁니다.

0:14:54.997,0:14:57.504
기기와 남겨진 인간은

0:14:57.504,0:15:00.045
오류를 범하기 쉽기 때문입니다.

0:15:00.045,0:15:04.772
지름길로 가고, 실수를 하고

0:15:04.772,0:15:07.226
많은 방면에서 편향되어 있고

0:15:07.226,0:15:11.425
세상을 잘못 이해합니다.

0:15:12.843,0:15:15.792
저는 이 모든 게 중요하고

0:15:15.792,0:15:19.577
인간적인 것이 어떤 의미인지에 대해[br]많은 것을 말해준다고 생각합니다.

0:15:19.577,0:15:23.106
하지만 전 오늘 완전히 다른 이야기를[br]들려드렸다는 걸 강조하고 싶습니다.

0:15:23.966,0:15:27.773
뇌가 아닌 사고에 관한[br]이야기였습니다.

0:15:27.773,0:15:30.779
그리고 특별하게[br]인간의 정신만이 가능한

0:15:30.779,0:15:33.369
많은 양의 구조화된 지식과[br]

0:15:33.369,0:15:37.313
적은 양의 자료와 소수의 [br]표본으로부터 얻은 증거로부터

0:15:37.313,0:15:42.581
학습할 수 있는 능력을 포함하는[br]계산 능력에 관한 이야기죠.

0:15:43.741,0:15:48.600
근본적으로 어떻게[br]어린 아이에서 시작해서

0:15:48.600,0:15:54.260
우리 문화에서 가장 위대한[br]업적을 세움으로써

0:15:56.323,0:15:58.620
세상을 제대로 알게 되는지에 [br]대한 이야기입니다.

0:16:00.433,0:16:05.700
여러분, 인간의 사고는 적은 양의[br]자료로만 학습하지 않습니다.

0:16:06.285,0:16:08.386
새로운 생각도 종합적으로 합니다.

0:16:08.746,0:16:11.787
연구와 발견을 만들어내고

0:16:11.787,0:16:17.060
예술과 문학과 시와 극작을 만듭니다.

0:16:17.070,0:16:20.830
그리고 다른 인간을 보살핍니다.

0:16:20.830,0:16:24.257
노인과 아이와 병자들을요.

0:16:24.517,0:16:26.884
심지어 치유해줍니다.

0:16:27.564,0:16:30.667
앞으로 우리는 상상을 초월하는

0:16:30.667,0:16:34.464
기술적 혁신을 보게 될 겁니다.

0:16:34.464,0:16:36.614
하지만 저와 여러분 세대에서

0:16:36.614,0:16:42.323
인간 아이의 계산 능력에 [br]조금이라도 근접하는 걸

0:16:42.323,0:16:46.621
볼 가능성은 거의 없습니다.

0:16:46.621,0:16:51.668
가장 강력한 학습자들과 [br]그들의 발달에 투자한다면

0:16:51.975,0:16:56.411
아기와 아이들, 엄마와 아빠들에게,

0:16:56.411,0:16:59.110
돌보미와 선생님들에게 말입니다.

0:16:59.110,0:17:05.560
우리가 가장 강력하고 정밀한 형태의[br]기술과 공학과 디자인에 하듯이 한다면

0:17:05.898,0:17:09.437
단지 더 나은 미래를[br]꿈꾸기만 하는 게 아니라

0:17:09.437,0:17:11.564
계획하게 될 것입니다.

0:17:11.564,0:17:13.909
정말 감사합니다.

0:17:13.909,0:17:17.330
(박수)

0:17:17.810,0:17:22.236
크리스: 로라, 감사합니다.[br]사실 질문이 하나 있습니다.

0:17:22.236,0:17:24.595
먼저, 미친 연구네요.

0:17:24.595,0:17:28.320
누가 저런 연구를 [br]설계하겠어요? (웃음)

0:17:29.150,0:17:30.940
저런 걸 몇 번 본 적은 있지만

0:17:30.940,0:17:34.162
아직도 실제로 일어날 수 있다는 걸[br]솔직히 못 믿겠어요.

0:17:34.162,0:17:36.920
그렇지만 다른 사람들도[br]비슷한 실험을 했고

0:17:36.920,0:17:38.953
아기가 정말 천재라는 게 입증됐나요?

0:17:38.953,0:17:41.960
로라: 아기들은 우리 실험 속에서[br]정말 인상적입니다.

0:17:41.960,0:17:44.042
하지만 현실에서는 어떤지[br]생각해 보세요.

0:17:44.042,0:17:45.392
아기로 시작해서

0:17:45.392,0:17:47.769
18개월 후에는 말을 하고 있죠.

0:17:47.769,0:17:50.810
아기들의 첫 단어는[br]공이나 오리같은 게 아니에요.

0:17:50.810,0:17:53.691
소멸을 뜻하는 "다 없어졌어"[br]같은 것들이죠.

0:17:53.691,0:17:55.974
아니면 의도치 않은 행동을 뜻하는[br]"어어"같은 것이나요.

0:17:55.974,0:17:57.536
그만큼 강력합니다.

0:17:57.536,0:17:59.821
제가 보여준 것들 이상으로 강력해요.

0:17:59.821,0:18:02.285
세상의 모든 걸 이해하는 중이니까요.

0:18:02.285,0:18:05.429
4살짜리 아이는 여러분에게[br]거의 모든 것에 대해 얘기할 수 있죠.

0:18:05.429,0:18:07.030
(박수)

0:18:07.030,0:18:10.444
크리스: 제가 제대로 이해했다면[br]당신이 말하는 또 다른 요점은

0:18:10.444,0:18:13.198
여태까지 오랜 시간[br]우리의 정신이 변덕스럽고

0:18:13.198,0:18:15.130
결함이 많다는 논의가 많이 있어왔고,

0:18:15.130,0:18:17.997
우리가 합리적인 인간이 아니라는 걸

0:18:17.997,0:18:19.600
행동경제학과 다른 많은 [br]이론들이 뒷받침하고 있죠.

0:18:19.600,0:18:23.816
당신이 말씀하시는 건, [br]더 큰 그림은 아기들이

0:18:23.816,0:18:28.760
정말 비범하고 사실상 [br]과소평가받는 천재들이라는거죠.

0:18:28.760,0:18:30.830
로라: 제가 심리학에서[br]가장 좋아하는 인용구 중 하나가

0:18:30.830,0:18:33.120
사회심리학자 솔로몬 애쉬가[br]하신 말씀입니다.

0:18:33.120,0:18:35.927
심리학의 근본적 과제는[br]자명함의 베일을

0:18:35.927,0:18:38.553
걷어내는 것이다.

0:18:38.553,0:18:43.104
여러분은 매일, 세상을 옳게 이해하는[br]백만 자리수가 넘는 갯수의

0:18:43.104,0:18:44.451
결정을 내립니다.

0:18:44.451,0:18:46.583
여러분은 물체와 그 속성에 [br]대해 알고 있습니다.

0:18:46.583,0:18:49.612
막혀있을 때나[br]어둠 속에 있을 때도 알고

0:18:49.612,0:18:50.920
방을 걸어서 통과할 수 있습니다.

0:18:50.920,0:18:53.492
다른 사람들이 무슨 생각을 하는지[br]알아내고 그들과 얘기할 수 있고

0:18:53.492,0:18:55.942
우주를 탐사하고 숫자에 대해 알고

0:18:55.942,0:18:59.234
인과관계와 도덕적 추론에 대해 압니다.

0:18:59.234,0:19:01.310
노력 없이 하기 때문에[br]우리는 보지 못하지만

0:19:01.310,0:19:03.982
이게 우리가 세상을 옳게 이해하는[br]방법이고 놀랍습니다.

0:19:03.982,0:19:06.070
그리고 이해하기 힘든 업적이죠.

0:19:06.070,0:19:09.918
크리스: 제 생각에는 청중들 중에[br]기술력을 발전시키는 관점을 가지고

0:19:09.918,0:19:12.156
당신이 우리 세대에 절대로 컴퓨터가

0:19:12.156,0:19:15.114
세 살의 아이가 할 수 있는 일을[br]하지 못할 것이라는 주장에

0:19:15.114,0:19:17.272
이의를 제기할 분이[br]있을 것 같진 않지만

0:19:17.272,0:19:20.980
분명한 것은 어떤 시나리오 안에서건

0:19:20.980,0:19:24.750
기계가 아기들에게서 배울 게[br]정말 많다는 거죠.

0:19:26.230,0:19:29.446
로라: 그렇게 생각해요. 여기 [br]기계를 공부하는 분도 있을 거예요.

0:19:29.446,0:19:33.649
현실 속 내기에서는 절대로[br]아기나 침팬지나 기술 반대편에

0:19:33.649,0:19:37.294
돈을 걸면 안됩니다.

0:19:37.294,0:19:41.822
하지만 이건 단순히[br]양적 차이의 문제가 아니라

0:19:41.822,0:19:43.586
유형적 차이의 문제입니다.

0:19:43.586,0:19:45.746
우리는 가끔은 방대한 양의 자료로

0:19:45.746,0:19:48.137
매우 정교한 작업도 수행하는

0:19:48.137,0:19:51.341
놀라울 정도의 고성능[br]컴퓨터가 있습니다.

0:19:51.341,0:19:53.948
저는 사람의 사고는 상당히 다른[br]무언가를 한다고 생각합니다.

0:19:53.948,0:19:57.843
그리고 구조화된, [br]계급적 본성을 가진 인간의 지식이

0:19:57.843,0:19:59.875
남아있는 어려운 과제라고 생각합니다.

0:19:59.875,0:20:02.936
크리스: 정말 좋은 생각해 볼[br]거리를 주셨네요. 감사합니다.

0:20:02.936,0:20:05.858
로라: 감사합니다. (박수)