프리미엄
예측대회
투자분석
아카데미
커뮤니티
로그인Valley AI 시작하기시작하기
Valley Space인기
시장의 심리: 시장은 집단적 자기확증 기계다.
두두발사견

시장의 심리: 시장은 집단적 자기확증 기계다.

avatar
두두발
2025.04.07조회수 26회
avatar
두두발
구독자 14명구독중 9명
지능과 의사결정을 연구하는 정신과 의사.

근래 미국 증시가 여러가지로 뒤숭숭한 상황입니다. 올해 상반기에는 DeepSeek 쇼크로 인해 AI 테크주들이 흔들렸고, 최근에는 관세 정책 이슈로 인해 섹터를 가리지 않고 하락장이 이어지고 있습니다.


이런 공포 속에서 사람들은 저마다 다른 방식으로 반응합니다. 누군가는 차트를 분석하고 규칙을 세우며 타이밍을 계산하고,
누군가는 물타기를 하며 스스로를 설득하려 하고, 또 다른 누군가는 커뮤니티를 찾아가 "남들은 어떻게 하고 있는가"를 살펴보며 집단의 움직임에 자신을 맡기곤 하죠.


월가아재가 자주 말하듯, 시장에는 인간의 심리가 반영되어있습니다. 그리고 인간의 심리는 예측에 기댄 존재인 만큼, 그 예측이 틀리지 않았다는 감각을 유지하려는 성향도 함께 가지고 있지요. 이러한 성향은 종종 편향을 만들고, 편향은 때로 비효율이라는 형태로 시장에 남겨집니다.


오늘은 바로 이 지점에서 이야기를 시작해보겠습니다. 최근 뇌과학에서 주목받는 이론인 Free Energy Principle과 Active Inference를 바탕으로, 우리가 투자에서 흔히 겪는 심리적 반응들을 새롭게 바라보는 시도를 해보려 합니다.

우리 뇌는 "자기 확증 (self-evidencing)" 기계다.

image.png

(출처: https://medium.com/@solopchuk/tutorial-on-active-inference-30edcf50f5dc)


Free Energy Principle를 이해하기 위해서는 우선 우리가 관찰하는 세상이 부분적으로만 관측 가능한 (partially observable) 세상이라는 점을 먼저 받아들여야 합니다. 즉, 우리가 보게 되는 결과 o는 사실 어떤 실제 상태 s* 에 의해 비롯된 것이고, 우리가 직접적으로 그 상태 자체를 볼 수는 없습니다. 이 s*과 o 사이의 괴리는 다양한 원인이 있을 수 있는데, 괴리가 생길 수밖에 없는데, 그 이유는 크게 두 가지 정도로 정리할 수 있을 것 같습니다.

  • 첫 번째는, 우리가 세상의 전부를 관찰할 수 없다는 한계, 즉 정보가 일부만 들어온다는 점이고,

  • 두 번째는, 세상 자체가 완전히 결정론적이지 않아서, 무작위적인 요소들이 개입된다는 점입니다.

결과적으로 우리는 이 o라는 제한적이고 불완전한 관찰을 바탕으로, 내 나름대로 지금 세상이 어떤 상태였는지를 추론하게 됩니다.
이때 뇌가 구성해내는 그 추정값을 s라고 할 수 있겠죠. (엄밀히 말하면, 하나의 값이라기보다는 “이럴 가능성이 높겠네” 하는 확률적 믿음입니다.)


아주 간단한 예시를 하나 들자면, 특정 주가가 "떨어졌냐, 올랐냐" 같은 변화는 o, 즉 우리가 실제로 관찰하게 되는 결과일 테고,
그 변화가 발생한 진짜 이유: 예를 들어 회사의 재무 상태나 업계 경쟁력, 투자자 심리 같은 것들은 실제 상태 s*라고 볼 수 있겠습니다. 그리고 우리는 그런 배경 정보를 모두 알 수는 없으니까, 관찰된 o를 바탕으로 "아마 이런 이유 때문이겠지" 하고 s를 구성해내는 겁니다.

Surprise를 줄인다: "Free Energy Principle"


그렇다면 우리 뇌는 어떻게 "그럴듯한" s를 추론하고 있는지를 어떻게 살필까요? 바로 내가 실제로 관찰한 결과 o가 내 기대나 예측과 얼마나 잘 맞았는지를 살펴보는 방식입니다. 즉, p(o)가 클수록, "아, 이건 내가 충분히 예측할 수 있었던 일이야" 라는 뜻이 되고, 내 모델이 잘 작동하고 있다는 신호입니다. 이 p(o)에 log를 씌우고 음의 방향으로 부호를 바꿔주면,

−log p(o)- \text{log } p(o)−log p(o)

이러한 수식이 되는데, 이걸 우리는 surprise라고 부릅니다. p(o)가 최대화 되는 것이 곧 surprise를 최소화하는 것이고, 우리 뇌는 surprise를 줄이고 예측 가능한 세상 속에 살고 싶어하는 심리적, 생물학적 욕구가 있다고 볼 수 있습니다. 이러한 이론을 Free Energy Principle (FEP) 라고 합니다. 자세히 알고 싶은 분들을 위해 링크도 남겨놓겠습니다.


자, 그런데 이런 FEP에 따라 surprise를 줄이는 방법에는 크게 두가지가 있습니다:

  • 첫번째, 내 머릿속 모델을 바꾸는 것입니다.

"아,...

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

Basic 7일 무료 체험 시작하기
이미 계정이 있으신가요?로그인하기
댓글 2개
사견 카테고리의 다른글

인공지능 산업은 어디로 가고 있는가? - NeuroAI 연구자의 단상

⚠️ 주의 이 글의 작성자는 인공지능 연구를 좋아할 뿐, 인공지능 연구자라고 하기에는 아직 많이 부족한 커리어를 가지고 있습니다. 인공지능에 관심이 많은 일반인이 짧은 식견을 가지고 쓴 글이라고 생각하고 읽어주시면 감사하겠습니다. 다양한 관점, 의견들을 나누고 싶어 작성한 글이니 많은 가르침 부탁드립니다. 작년 하반기와 올해 초는 인공지능 산업에서 상당히 흥미로운 시기였습니다. OpenAI는 o3를 발표하면서 AGI에 한걸음 더 가까워졌다고 했고, 올해 초에는 중국에서 deepseek R1이 공개되면서 미국 인공지능 관련 주가들이 흔들리기도 했죠. 최근에는 xAI가 Grok 3를 발표하기도 했습니다. (OpenAI가 발표한 GPT 4.5는 비교적 소리소문 없이 묻힌 것 같네요) ChatGPT의 출시가 많은 것을 바꾸었다 2022년 11월 30일, chatGPT가 처음 세상에 공개되었을 때는 상당히 기념비적인 시기라고 생각합니다. Image net challenge에서 딥러닝이 우승한지 딱 10년이 되는 해였고, 당시 제가 기억하기로는 딥러닝 기반의 인공지능 산업에 대한 투자가 과열되었다가 코로나를 거치면서 인공지능 산업에 대한 투자가 과도한 것은 아닌지, 회의론이 나오던 시기였습니다. 인공지능 산업은 chatGPT의 출시 전과 후로 나뉘어도 과언이 아니라고 생각합니다. 이전까지 많은 인공지능 모델들이 제안되고, 벤치마크 상에서 여러가지를 할 수 있다고 이야기를 했지만, 사실상 인공지능 모델을 통한 수익창출을 하는 곳은 많이 없었던 것이 현실이었습니다. 그러나 chatGPT에 대한 전세계적인 관심과 유료 서비스를 통해 수익 창출을 할 수 있다는 것을 보여준 것은 인공지능 산업 투자자들에게 확신과 기대를 안겨준 것 같습니다. Private investment 중 생성형 AI (Generative AI)에 들어간 돈이 폭발적으로 늘어난 것도 그것을 뒷받침해준다고 생각합니다. 아마 그 이후로 대부분의 사람들이 알게 된 유료 AI 서비스가 LLM 기반의 서비스 - Anthropics의 claude, Google의 gemini, Deepseek의 R1 등.. 인 것도 우연은 아니겠지요. 물론 LLM 기반의 모델들이 이전 모델들이 하기는 어렵던 일들을 가능하게 해준 것도 사실입니다만 (이에 대해서는 추후 포스트에서 다뤄보겠습니다), 이렇게까지 LLM 위주로 산업이 돌아가게 된 것은 2가지의 큰 이유가 있다고 생각합니다: 상당한 수익을 창출할 수 있다는 것이 검증된 최초의 방법론이다. 사용자들이 언어 모델과 "소통"하여 사용하기 때문에, user experience 측면에서 직관적이며, 돈을 지불해야하는 진입장벽을 넘기가 쉽다. (= 서비스가 설득력이 있다.) 2번은 1번의 이유이기도 하여 다소 반복되는 말을 제가 하는 것 같긴 합니다만, 둘을 굳이 구분해놓은 이유는 언어 모델 외에도 2번을 충족할 수 있는 직관적인 다른 모델이 나온다면, 언어 모델에 대해 집착할 필요가 없기 때문입니다. 다만 어떤 산업이 그렇듯, 상당 수의 사람들은 성공할 수 있는 다른 방법을 모색하기보다는 이미 검증된 방법론이 만들어낸 시장에 뛰어드는 것을 더 간편하게 생각하는 것 같습니다. 장기적인 관점에서는 경쟁의 과열과 투자 대비 효율이 나오지 않을지언정, 그 전까지는 일종의 "노다지"로 볼 수 있으니까요. LLM의 대유행을 제가 체감하게 된 것은 Google의 DeepMind가 gemini를 발표한 것이었습니다. DeepMind의 창업자인 Demis Hassabis는 원래 neuroscience와 AI의 사이 어딘가에 머물던 사람이었습니다. DeepMind는 알파고, 알파폴드 등 인공지능 논문들도 많이 발표했지만, 그만큼 한 때는 신경과학에도 상당히 중요한 기여를 하고 있었습니다. 그도 그럴 것이, Demis Hassabis는 human intelligence가 AGI를 도달하는데 중요한 열쇠일 거라고 얘기하곤 했기 때문입니다. "LLM 기반 모델들이 훨씬 많은 벤치마크에서 잘하고 있는데, 그럼 당연한 수순 아니야?"라고 되묻는 분들이 있을텐데, 그 또한 일리가 있는 이야기입니다만, 적어도 이러한 움직임이 DeepMind가 초창기에 그리던 그림은 아닌 것이 맞는 것 같습니다. 이에 대한 제 주장을 뒷받침하기 위해 DeepMind 연구원 중 한명인 Kim Stachenfeld가 게스트로 나왔던 Brain-inspired AI 팟캐스트 중 일부를 인용하고자 합니다. 제가 한두달 전에 COSYNE에서 진행했던 패널 토론에서 당신(Kim Stachenfeld)이 패널로 참여하셨었죠? 시간이 어떻게 흘러갔는지 모르겠네요. 그 때 제가 인상 깊었던 점이 하나 있었는데, 당신이 어떤 말을 하면서 단순히 방어적인 태도만 취한 것이 아니라, 특정한 목적을 가지고 발언하고 있다고 직접 언급했던 부분이었어요. 그 때 주제가 DeepMind에 대한 것이었죠. 원래 DeepMind의 목표는 뇌에 대한 이해를 바탕으로...
사견
2025. 03. 05
9
7
34
인공지능 산업은 어디로 가고 있는가? - NeuroAI 연구자의 단상
avatar
BLASH
2025.04.07

좋은 글 감사합니다!

avatar
두두발
작성자
2025.04.08

부족한 글을 좋게 봐주셔서 감사합니다!