천재가 지나간 자리

내러티브를 가로지르는 메타인지의 두 축 1. 무엇을 보는가 2. 어떤 해상도로 보는가 그러나 계측의 순간, 모든 인간은 스스로 100%의 해상도 속에서 본다. 그래서 이 프로세스는 늘 타인의 궤적을 살펴보는 조준경으로서의 역할에 머무른다.

https://youtu.be/ylPRjhJkt1E 유튜브를 헤매다, 넬의 25년을 조명한 다큐멘터리를 발견했다. 영상의 완성도가 너무 뛰어나, 그 채널지기가 넬을 얼마나 아끼는지 고스란히 느낄 수 있었다. 다큐멘터리의 중간중간, 익숙한 노래들이 흘러나왔다. 그 곡들에 얽힌 기억들이 떠올랐다. 넬을 처음 만난 건 11년 전, 초등학교 5학년 때였다. 누나에게 물려받은 공기계 속에 저장돼 있던 노래를 우연히 듣게 되었다. 서정적인 분위기에 이끌려 반복해서 들었다. 그러나, "지구가 태양을 네 번"이라든지, "흑백의 피사체 같이" 같은 가사는 아리송했던 기억이 난다. 내 인생에 넬이 처음 얽힌 순간이었다. https://youtu.be/g5cVE-i5wHI 이후에 간간이 넬의 대표곡들—<기억을 걷는 시간>, <Stay>—을 들었지만, 앨범 전체를 찾아 듣는 일은 없었다. 그러다 어느 순간, 넬이 내 인생에 뿌리 내리게 되는 사건이 발생한다. 검정고시에 합격하고, 고등학교 1학년 나이에 대학 입시에 도전했지만 결과는 참담했다. 지금은 구시대의 유물이 된 적성고사라는 ...

작년 9월, 수첩에 적어둔 문장이 있다. 왜 썼는지 기억나지 않지만, 이후 내 사고방식을 상당 부분 규정해 놓았다. 손에 넣기 쉬운 역사는 모두 현재 사회의 성립이 필연적이었다고 보장하는 것 뿐이다. 다른 제도나 사상이 성립됐을 가능성을 시사하는 모든 역사는 전부 없었던 걸로 치부되었다. 오늘 우연히 본 지젝의 강의에서 맑스 또한 위 문장과 동일한 구조로 역사를 규정했다. 자본주의가 성립한 후, 모든 과거는 마치 그것을 향해 달려온 여정처럼 다시 쓰인다. 역사는 승자의 기록인가? 1차적으로 아니다. 그러나 2차적으로, 그렇다.

오늘 처음으로 틱톡이라는 어플을 써봤다. 유튜브 쇼츠의 원조격인 만큼 UI/UX는 거의 비슷했다. 근데 한 가지 차이점이 있다면, 말도 안 되게 자극적인 컨텐츠와 댓글들이 많다는 거다. 추천 알고리즘도 내 체감상 브레이크 없는 폭주 기관차의 느낌을 받았다. 유튜브는 적어도 자극적인 컨텐츠를 연속적으로 내보내는 일이 없는데 반해, 틱톡의 추천 알고리즘은 그냥 자극적인 컨텐츠를 쏟아 붓는다. 댓글창에는 잼민이들이 주를 이루고, 정상적인 인간이라면 절대 달 수 없을 것 같은 댓글들이 줄줄이 달려 있다. 근데 이게 골 때리는 게, 자극적인 영상이랑 자극적인 댓글이 생각보다 중독성이 엄청나다는 거다. 댓글에 동조하지 않아도, "븅신들...

제가 가장 존경하는 4학년 선배가 개발자 취업을 포기하고, 재료공학 석사에 진학하는 걸 보고 끄적여본 글입니다. https://www.youtube.com/watch?v=AOl1Q7dUd2s 힌튼 박사님의 인터뷰를 보고 많은 생각이 드는 요즘이다. 사실, 23년도에 ChatGPT가 처음 나왔을 때도 힌튼 박사님은 똑같은 위험을 경고했다. 어째서 인공지능이 천연지능인 우리보다 더 우월하고, 더 위험한지에 대해서. AI란 무엇인가? 인공지능은 하나의 모델이 아니라 하나의 분야다. 말 그대로, 인공적으로 지능을 만들어보려는 학문이다. 그리고 최근의 AI 혁명을 가능하게 한 건, 인공지능 모델 중에서도 신경망(Neural Network), 바로 딥러닝이다. 현재 트랜스포머를 비롯해서 모든 AI 모델은 각기 다른 형태의 신경망을 튜닝해서 백본-인코더-디코더 구조를 사용하지만, 결국 그 모든 것의 알파이자 오메가는 아래 신경망 구조에 있다. AI에 관심이 없어도 위와 같은 이미지가 익숙하게 느껴질 것이다. 이게 바로 신경망의 전부다. 노란색 동그라미, 즉 입력(Input)에 정보가 들어온다. 이걸 특징(feature)이라고 하는데, 쉽게 말해 결과를 예측하는 데 도움이 될 만한 힌트들이다. 만약 성별을 예측하는 AI를 만들고 싶다면, 특징으로 나이, 키, 머리카락 길이 등을 넣어주면 된다. 그러면 서로 연결된 선들의 영향력, 즉 가중치(weight)가 어떤 것은 강해지고 어떤 것은 약해지는 과정을 거친다. 이 가중치라는 숫자들을 곱하고 더해서 최종적으로 빨간색 동그라미, 즉 출력(Output)에서 각각의 선택지에 대한 확률값이 나온다. 예를 들어 [0.2, 0.8]이라는 결과가 나왔다면, AI가 해당 인물을 2번째 선택지(예: 여자)라고 약 80%의 확신도를 가지고 예측했다는 뜻이다. 인공지능이 나오기 전까지 우리는 일종의 '노가다'를 했다. 문제 해결을 위한 알고리즘(방정식)을 인간이 직접 만들기 위해 노력했다....