스티븐 울프럼: 우주의 규칙이 예측을 허락하지 않는 이유

우주는 단순한 규칙을 따르지만, 그 복잡한 행동은 예측하기 어렵다. 물리학자 스티븐 울프럼은 이 역설적인 현상을 계산 불가능성이라는 개념으로 설명한다. 이 원리는 생명체의 진화부터 인공지능의 작동 방식에 이르기까지, 자연과 기술 전반에 걸쳐 예상치 못한 깊은 통찰을 제공한다.

생물학과 계산의 연결

생물학은 오랫동안 관찰에 기반한 경험 과학 분야로 여겨졌다. 생명체가 어떻게 작동하는지, 분자생물학이 어떻게 이루어지는지를 그저 관찰할 뿐이었다. 다윈은 생물학적 진화의 진행을 결정하는 물리 법칙과 유사한 추상적인 법칙이 있을 것이라고 생각했으나, 아무도 그런 법칙을 찾지 못했다.

스티븐 울프럼은 수십 년간 세상을 더 잘 이해할 도구를 만드는 데 전념했고, 몇 년 전 계산적 관점에서 생물학적 진화를 이해하려 노력했다. 그에게는 기계 학습이 작동한다는 중요한 새로운 데이터가 있었다. 그는 1980년대 초 신경망과 기계 학습의 기초를 연구했지만, 당시 신경망으로 흥미로운 것을 만들지 못했다. 그러나 2010년대에 들어 신경망을 강력하게 훈련하면 결국 학습한다는 놀라운 사실이 발견되었다.

울프럼은 이 아이디어를 생물학적 진화에 적용했고, 놀랍게도 단순한 계산 시스템이 점차 복잡한 형태를 진화시키고, 정교한 적합도 목표를 달성할 수 있다는 사실을 발견했다. 조개껍데기가 나선형으로 성장하는 방식이나 조개껍데기의 색소 침착 방식 등 자연이 만들어내는 모든 복잡성의 비밀은 여기에 있었다. 가능한 프로그램의 계산 우주에서 아주 단순한 프로그램도 극도로 복잡한 행동을 만들어낸다.

계산 불가능성과 예측의 한계

울프럼의 연구는 계산 불가능성이라는 개념으로 이어졌다. 이 개념은 그가 수행한 많은 연구에서 중요한 역할을 한다. 단순한 프로그램의 작동 방식을 알려면 그 프로그램을 단계별로 실행해야 한다. 예를 들어, 프로그램이 백만 단계 후에 무엇을 할지 알려면 백만 단계를 모두 실행하고 결과를 확인해야 한다. 여기서 핵심 질문은 모든 단계를 거치지 않고도 프로그램이 무엇을 할지 미리 계산할 수 있느냐는 점이다.

정확한 과학의 전통에서는 사전에 예측할 수 있다는 생각이 지배적이었다. 태양이 지구나 다른 이상적인 태양 주위를 백만 번 공전하는 궤적을 모두 따라갈 필요 없이, 공식 하나로 미래를 예측할 수 있다고 생각했다. 그러나 계산 불가능성 개념에서는 전체 시스템의 행동을 알려면 규칙을 따르고 어떤 일이 일어나는지 지켜봐야 한다. 규칙을 안다고 해서 특정 순간에 시스템이 정확히 무엇을 할지 알 수 있는 것은 아니다.

계산 불가능성은 근본적인 결정론적 규칙과 시스템의 실제 행동 사이에 본질적인 간극을 제공한다. 이 간극은 줄일 수 없는 예측 불가능성을 발생시킨다.

AI와 예측 불가능한 미래

계산 불가능성은 다양한 결과를 초래한다. 인공지능(AI)을 구축하고 AI가 오직 선한 생각만 하고 좋은 일만 하도록 만들려 한다고 가정하자. 문제는 AI가 실제로 깊이 있는 계산을 사용하면 계산 불가능성을 지닌다는 점이다. 이는 AI가 항상 우리를 놀라게 할 수 있음을 의미한다. AI의 행동은 단계를 따라가며 볼 수 있지만, AI가 결코 잘못된 일을 하지 않을 것이라고 단언할 수는 없다.

이는 일종의 선택의 문제이다. 사회적 결정에서 계산 환원 가능성을 추구할 것인지, 아니면 계산 불가능성을 추구할 것인지 선택해야 한다.

특징	계산 환원 가능 시스템	계산 불가능 시스템
이해 가능성	작동 방식 이해 가능 (톱니바퀴, 레버 등)	작동 방식 원칙적으로 완전히 이해 불가
기능 범위	할 수 있는 일에 매우 제한적	계산 능력을 최대한 활용 가능
예측 가능성	예측 가능	예측 불가능하며, 예상치 못한 일이 발생할 수 있음
사례	산업혁명 시대의 기계	현대의 계산 기계, AI

산업혁명 이후 우리는 기계의 작동 방식을 이해할 수 있었다. 그러나 계산 기계의 영역으로 들어서면서 더는 그렇지 않다. 우리는 기계의 내부 작동 방식을 이해해야 한다고 주장하며 행동이 계산적으로 환원 가능해야 한다고 요구할 수 있다. 그러나 계산적으로 환원 가능한 시스템은 할 수 있는 일이 매우 제한적이다. 반대로, 계산적으로 불가능해도 좋다고 말하면 계산 능력을 최대한 활용할 수 있다. 하지만 그러면 원칙적으로 우리를 놀라게 하고 미리 예측할 수 없는 일들이 발생할 수 있다.

이것은 우리가 AI와 공존하는 방식에 어떤 의미를 지닐까? 우리는 이미 인간 문명 외에 AI 문명이 존재하는 상황에 놓여 있다. 이 외계 문명이 우리 눈앞에서 이 모든 일을 하는 세상은 어떤 모습일까? 우리는 이에 대한 매우 흔한 경험을 지닌다. 바로 자연이다. 자연 또한 여러 가지를 계산하는 일종의 외계 문명과 같다. 우리는 자연과 공존하는 법을 배웠다. 비가 올 때의 문제를 막기 위해 집을 짓는 것과 같다.

생명의 본질과 진화의 비밀

생물학에서 중요한 질문 중 하나는 생명이 특별한 이유다. 살아있는 조직 조각 하나만 보아도 그것은 어떤 종류의 물질일까? 액체일까? 종종 끈적하다. 고체일까? 나름의 구조를 유지한다. 이 둘 모두라고 할 수는 없다. 미시적으로 볼 때, 지난 몇십 년간 분자생물학의 큰 발견은 모든 것이 매우 잘 조직화되어 있다는 점이다. 분자들은 특정하고 능동적으로 이리저리 운반되고, 특정 물질은 정확히 다른 물질과 결합해 새로운 일을 시작한다.

생물학에서 일어나는 모든 일을 위해 이 모든 조각이 어떻게 함께 조직화되는지에 대한 질문이 있다. 우리가 수많은 분자로 가득 차 있지만, 그 모든 분자가 매우 조직화된 방식으로 움직이는 이 대량 조직화 개념은 생명의 본질적인 현상으로 보인다. 이는 생물학적 진화 과정에서 구축된 거대한 기술 스택의 결과다.

생명체가 벽을 쌓으려 한다고 비유해 보자. 공학적으로는 예쁜 모양의 벽돌을 만들어 단순한 패턴으로 배열할 것이다. 그러나 생물학과 기계 학습에서 일어나는 일은 계산 불가능한 무작위 덩어리들을 집어 드는 것이다. 그것들은 땅에 놓인 돌멩이와 같다. 그리고 이 돌멩이들을 맞춰 넣으며 벽을 쌓아나간다.

생물학적 진화가 작동하는 이유는 생명체의 적합도 목표가 근본적인 계산 불가능성이라는 힘에 비해 계산적으로 매우 단순하기 때문이다. 모든 생명체가 태어나자마자 정교한 수학 문제를 풀어야 한다면 어떤 생명체도 살아남지 못할 것이다. 적합도 목표가 계산적으로 매우 단순하기 때문에, 특히 근본적인 계산 요소들의 힘에 비해서, 생물학적 진화가 가능하고 작동하는 것이다.

인간의 조건과 끝나지 않는 탐색

과학, 그리고 우주가 차갑고 비인간적인 공간이라고 생각할 수도 있다. 울프럼의 과학 연구에서 나온 점은 많은 과학이 우리 인간에게 매우 중요한 방식으로 다시 반영된다는 것이다. 다른 말로 하면, 어딘가에 인간이 없다면 말할 것도 없다는 뜻이다.

AI와 관련해, 우리 인간에게 무언가 다르고 특별한 것이 있는가 하는 질문에 대한 답은 “그렇다”이다. 인간 조건을 구성하는 모든 요소의 묶음은 독특하다. AI는 죽음을 모르거나 특정 종류의 감각 경험을 가지지 않으므로, 그런 면에서 우리 인간과 다르다.

기술이란 무엇일까? 기술은 세상에 존재하는 것을 취해 인간의 목적에 적용하는 것이다. 예를 들어, 자성 물질을 사용해 물건을 결합하거나 나침반을 만들고, 액정으로 디스플레이를 만든다. 우리는 자연계의 것들을 취해 인간의 목적에 적용한다. 그리고 계산 불가능성 같은 개념은 우리가 자연계에서 적용할 수 있는 더 많은 것들을 항상 발견할 수 있음을 알려준다.

우리의 계산 시스템, AI, 로봇 공학 등 모든 것을 갖춘 시점에 우리는 과연 “다 끝났다”고 말할 수 있을까? 울프럼은 그렇게 생각하지 않는다. 그는 우리가 생물학적 유기체로서 어느 정도 자연 선택의 잔재, 즉 지난 30억 년간의 생존 투쟁을 지닌다고 본다. 우리는 끊임없이 새로운 것을 추구해왔다. 따라서 “이제 다 끝났다”는 생각은 현실이 될 가능성이 작다.

정보이론·엔트로피의 시선으로 보면

정보이론은 어떤 시스템의 미래 상태를 예측하는 데 필요한 정보량을 엔트로피라는 개념으로 설명한다. 울프럼이 말하는 계산 불가능성은 시스템의 엔트로피가 너무 높아, 미래 상태를 압축적으로 표현하거나 빠르게 계산할 수 없음을 의미한다. 즉, 시스템의 복잡성이 예측의 용이성을 넘어서는 지점에 도달할 때, 우리는 모든 단계를 실행하며 정보를 “생성”해야만 다음 상태를 알 수 있다. 이는 정보의 본질적 확산과 예측의 근본적 한계를 드러낸다.

출처

• YouTube. (2026-07-21). [The universe follows rules, but that doesn’t mean it’s predictable

  Stephen Wolfram](https://www.youtube.com/watch?v=U8Omt6K8OnM).