매트릭스의 뼈대: 선형대수로 읽는 AI와 현실

매트릭스의 뼈대

선형대수로 읽는 AI와 현실

영화의 상징을 출발점으로, LLM의 엔진(임베딩·어텐션·학습)을 가장 쉬운 언어로 해부.

프롤로그: 내가 믿는 현실은 어디서 시작됐나

1) 이야기: “내가 보고 있는 건, 정말 내가 본 걸까”

아침에 눈을 뜨면 우리는 거의 반사적으로 화면부터 켠다. 뉴스 알림이 먼저 울리고, 쇼츠가 다음으로 이어지고, 친구가 공유한 글이 그 뒤를 잇는다. 손가락이 한 번 미끄러질 때마다 세상은 새로 배열된다. 어떤 사건은 “지금 당장 봐야 하는 것”이 되고, 어떤 얼굴은 “요즘 다들 말하는 사람”이 된다. 그러다 문득, 이상한 감각이 든다.

‘나는 세상을 보고 있는 걸까, 세상이 나에게 보여지고 있는 걸까?’

어느 날은 내가 분명히 관심 있던 주제가, 마치 존재하지 않았던 것처럼 사라진다. 반대로, 그다지 알고 싶지 않았던 이야기가 하루 종일 따라다닌다. 눈을 돌려도, 다른 앱을 열어도, 비슷한 제목과 비슷한 논조가 계속 나타난다. 화면은 친절하다. 내 시간을 아껴 주는 것 같고, 내 취향을 알아주는 것 같다. 하지만 친절함이 반복될수록 질문은 줄어든다.

“왜 이게 먼저 뜨지?”
“왜 나는 이것만 보게 되지?”

영화 〈매트릭스〉의 시작은 그래서 낯설지 않다. 네오는 평범한 일상을 살지만, 어딘가 계속 어긋난다. 현실이 현실 같지 않다. 무엇보다 이상한 건, 그가 갇혀 있다는 사실을 증명하는 철창이 눈에 보이지 않는다는 점이다. 벽도 없고, 문도 없다. 그런데도 그는 ‘빠져나갈 방법’을 찾는다.

그리고 마침내, 그 유명한 장면이 온다. 캡슐 같은 공간에서 몸이 떠오르고, 연결된 선들이 끊어지고, 물이 쏟아지며, 네오는 “밖”으로 나온다. 그 장면은 단순한 탈출이 아니다. 더 정확히 말하면, 탄생에 가깝다. 따뜻하고 안전한 곳에서, 차갑고 낯선 곳으로. 보호의 세계에서, 선택의 세계로.

이 책은 그 장면을 이렇게 읽고 싶다. 우리가 AI 시대에 해야 할 일은 ‘세상이 가짜다’라고 소리치는 것이 아니라, ‘내가 어떤 틀을 통해 세상을 보고 있는지’ 자각하는 것이라고.

2) 개념: “AI는 현실을 ‘만들지’ 않는다. 현실의 ‘형태’를 바꾼다”

여기서 ‘틀’이라는 말을 조금 더 정확히 바꿔 보자. 수학에서는 이런 역할을 하는 것을 벡터와 매트릭스(행렬)로 설명한다.

벡터는 “방향을 가진 화살표”다. 크기도 있고 방향도 있다. 놀랍게도 요즘 AI는 단어와 문장을 이런 벡터로 다룬다. 말의 뜻을 ‘사전’에서 찾는 대신, 말들을 어떤 공간에 위치시킨다.
그 위치시키는 과정이 임베딩(embedding)이다. 단어가 숫자 목록으로 바뀌는 순간, AI에게 의미는 “느낌”이 아니라 “거리”가 된다. 비슷한 말은 가까이, 다른 말은 멀리. “왕 - 남자 + 여자 ≈ 여왕” 같은 예시가 유명한 이유도, 의미가 계산처럼 보이기 때문이다.
그리고 매트릭스(행렬)는 그 벡터를 다른 벡터로 바꾸는 변환 장치다. 렌즈를 바꾸면 같은 풍경도 다르게 보이듯, 행렬은 “대상을” 바꾸기보다 “표현 방식”을 바꾼다.

LLM(대형 언어 모델)의 핵심은 사실 이 변환의 반복이다. 단어 벡터들이 들어오면, 수많은 행렬이 그 벡터들을 계속 바꾼다. 조금씩, 그러나 집요하게. 그러다가 마지막에 “다음 단어로 뭐가 가장 그럴듯한가”를 확률로 내놓는다.

여기서 중요한 장치가 어텐션(attention)이다. 어텐션은 AI가 문장을 읽을 때 “어디를 더 봐야 하지?”를 결정하는 방식이다.

예를 들어 이런 문장이 있다고 하자.

“민지가 수아에게 책을 줬다. 그녀는 기뻤다.”

‘그녀’가 민지인지 수아인지, 사람은 문맥으로 판단한다. AI는 어텐션으로 판단한다. “그녀”라는 단어가 문장 앞부분의 어떤 단어들과 더 강하게 연결되어야 자연스러운지 점수를 매긴다. 중요한 것을 고르는 기술이 아니라, 연결을 만드는 기술에 가깝다.

마지막으로 학습은 무엇인가. 거창한 깨달음이 아니다. 모델이 낸 답이 정답과 얼마나 다른지(손실, loss)를 재고, 그 차이를 줄이도록 행렬의 숫자들을 조금씩 고치는 과정이다. 실수 → 피드백 → 조정 → 다시 시도. 놀랄 만큼 인간의 성장과 닮아 있다. 단, AI의 성장은 “의미의 이해”가 아니라 “오차의 감소”로 일어난다.

정리하면 이렇다.

임베딩: 단어를 위치로 바꾼다(의미를 거리로 만든다).
어텐션: 문장 안에서 연결의 강도를 정한다(무엇이 무엇과 관련 있는지).
학습: 오차를 줄이도록 변환 장치(행렬)를 조정한다.

AI는 현실을 ‘만들지’ 않는다. 하지만 현실을 읽는 우리의 방식—즉 우리의 주의력, 언어, 판단의 흐름—을 바꾼다. 그때 현실은, 형태를 바꾼다.

3) 성찰: “동굴을 나가는 일은, 화면을 끄는 일이 아니라 질문을 켜는 일이다”

플라톤의 동굴 이야기는 이렇게 말한다. 사람들은 벽에 비친 그림자를 ‘현실’이라고 믿는다. 왜냐하면 그게 그들이 평생 본 전부이기 때문이다. 중요한 것은, 동굴 밖의 세계가 “진짜”냐 “가짜”냐가 아니다. 중요한 것은 내가 무엇을 전부라고 착각하고 있는지다.

데카르트는 더 차갑게 묻는다. “내가 확실히 아는 것은 무엇인가?” 이 질문은 세상을 부수려는 질문이 아니다. 세상을 다시 세우기 위한 질문이다.

AI 시대에 우리가 해야 할 일도 비슷하다. 화면을 끄고 산속으로 들어가자는 말이 아니다. 기술을 혐오하자는 말도 아니다. 다만 한 가지는 해야 한다.

내가 보고 있는 세계가 ‘학습된 배열’일 수 있다는 가능성을 받아들이는 것. 그리고 그 가능성 앞에서, 더 건강한 태도를 선택하는 것.

내가 반복해서 보는 정보는, 나를 넓히는가 좁히는가?
내가 “당연하다”고 느끼는 의견은, 누가 어떤 순서로 보여 줬는가?
내 주의력은 지금 누구의 손에 있는가?

네오가 캡슐을 깨고 나오는 장면이 감동적인 이유는, 그가 영웅이라서가 아니다. 그가 완벽한 진실을 얻어서도 아니다. 그는 그저, 더 불편한 세계를 감수하기로 선택한다. 그 선택이, 인간을 태어나게 한다.

이 책의 목표는 단순하다. 행렬과 어텐션을 ‘시험 문제’가 아니라, 현실을 읽는 도구로 돌려주려 한다. AI를 신비화하지 않으면서도, 과소평가하지 않게. 음모론이 아니라, 주의력의 윤리로. 기술의 시대를, 주체성의 언어로.

당신이 이 책을 덮을 때, 이런 생각이 남았으면 좋겠다.

“내 현실을 만드는 틀을, 이제는 내가 선택할 수 있겠구나.”

1장. 매트릭스의 뜻: 자궁, 바탕, 그리고 감옥

1) 이야기: “편한데… 숨이 좀 막힌다”

현관문을 나서자마자 휴대폰이 진동한다. “오늘 비 올 확률 80%.” “출근길 12분 지연.” “너를 위한 추천 영상.”

친절하다. 덕분에 우산을 챙기고, 돌아갈 길을 고르고, 지루할 틈 없이 화면을 넘긴다. 그런데 어느 순간부터 ‘내가 선택한다’는 감각이 옅어진다. 내가 고른 것 같지만, 사실은 골라진 것들 사이에서 움직이고 있는 느낌. 편하고 빠르다. 그런데 가끔은 숨이 막힌다.

비슷한 경험은 더 있다.

내가 좋아할 만한 음악만 계속 들려주는 플레이리스트. 처음엔 감동인데, 어느 날 깨닫는다. “요즘 나는 새로운 노래를 ‘발견’한 적이 없네.”
내 입맛에 맞는 맛집을 정확히 추천해주는 앱. 실패가 줄어든다. 대신 ‘우연히’ 들어가서 생기는 기억도 줄어든다.
공부할 때도 마찬가지다. 요약본만 보면 효율적이다. 하지만 어느 순간, 긴 글을 읽을 체력이 사라진다. 머리가 나 대신 ‘빠른 길’에만 익숙해진다.

이것들은 모두 악의가 없다. 오히려 보호에 가깝다. 실패를 줄이고, 시간을 아끼고, 피곤한 결정을 대신해 준다. 그래서 더 위험하다. 보호는 종종 통제와 같은 옷을 입고 나타난다. 우리가 모르는 사이에.

그때부터 우리의 하루에는 보이지 않는 문장이 하나 붙는다.

“네가 원하니까, 내가 골라줄게.”

그 문장이 정말 ‘나’를 위한 것인지 묻는 순간, 〈매트릭스〉라는 단어가 다시 살아난다. 영화 속 매트릭스는 폭력적인 감옥이지만, 현실의 매트릭스는 대체로 친절하고 편안하다. 그래서 우리가 더 오래 머문다.

2) 개념: matrix는 ‘감옥’ 이전에 ‘자궁’이었다

‘matrix’라는 단어는 원래 무언가가 생겨나는 바탕, 더 거칠게 말하면 자궁의 뜻을 품고 있다. 생명을 품고 키우는 공간. 외부의 위험을 막아주고, 필요한 것을 공급해 주는 곳. 자궁이 하는 일은 명확하다.

보호한다.
공급한다.
성장하도록 만든다.

여기까지는 아름답다. 문제는 자궁의 또 다른 성질이다.

자궁 안에서는 내가 숨 쉬는 방식도, 움직이는 방식도 내가 정하지 않는다.
내가 원하지 않아도 살아지며, 내가 선택하지 않아도 유지된다.

즉, 자궁은 “살게 해주는 곳”이면서 동시에 “결정권이 없는 곳”이다.

이 구조가 수학의 매트릭스(행렬)와도 묘하게 닮아 있다. 행렬은 벡터를 다른 벡터로 바꾸는 변환 장치다. 입력이 들어오면, 규칙대로 출력이 나온다. 그 규칙이 나를 도와주면 “도구”이고, 나를 고정시키면 “틀”이 된다.

AI도 비슷하다. 추천 알고리즘과 LLM은 우리에게 무언가를 “공급”한다.

내가 클릭할 만한 것
내가 좋아할 만한 말투
내가 이해하기 쉬운 요약
내가 불편하지 않을 흐름

그 공급이 반복되면, 내 안에는 조용한 변화가 생긴다. 나는 점점 더 그 공급 방식에 맞게 생각하고, 읽고, 선택한다. 내가 시스템을 쓰는 것이 아니라, 시스템이 내 습관을 설계하는 순간이 온다.

여기서 중요한 구분이 하나 있다.

도구(tool): 내가 원할 때 쓰고, 필요 없으면 내려놓는다.
시스템(system): 내가 쓰지만 동시에 나를 규정한다.

매트릭스가 ‘자궁 같은 바탕’에서 ‘감옥’으로 바뀌는 순간은 대개 이때다. 내가 내려놓을 수 없게 되었을 때. 혹은 내가 다른 선택을 떠올리기조차 어려워졌을 때.

3) 성찰: 보호와 통제의 경계는 ‘닫힌 선택지’에서 드러난다

이 장에서 말하고 싶은 것은 “기술이 나쁘다”가 아니다. 우리는 누구나 보호가 필요하다. 효율도 필요하다. 정리된 정보도 필요하다. 자궁 같은 바탕이 없으면 성장도 없다.

다만 질문 하나는 필요하다.

“이 바탕이 나를 키우고 있는가, 나를 고정시키고 있는가?”

플라톤의 동굴이 위험한 이유는, 그림자 때문이 아니다. 동굴 밖을 상상할 기회가 사라지기 때문이다. 데카르트의 의심이 강력한 이유는, 세상을 부정해서가 아니다. 내가 믿는 것의 근거를 확인하기 때문이다.

그래서 현실적인 기준을 하나 제안하고 싶다. 매트릭스가 자궁인지 감옥인지 판별하는 가장 쉬운 방법.

선택지가 닫히고 있는가?

새로운 의견을 접하면, 호기심이 생기는가 불쾌감이 먼저 오는가?
긴 글을 읽을 여유가 점점 사라지고, 요약만 찾게 되는가?
나와 다른 사람을 만나면, 대화보다 판단이 먼저 나오는가?
내가 무엇을 좋아하는지 “내가 발견한 경험”이 줄어들고 있는가?

이건 누군가의 음모가 아니라, 습관의 방향 문제다. 그리고 방향은—수학에서 말하듯—벡터다. 벡터는 아주 조용히 바뀐다. 하지만 어느 순간, 다른 곳에 와 있다.

자궁을 깨고 나온다는 것은 거창한 혁명이 아니다. 매일의 친절 속에서, 내가 잃어가던 작은 권리를 되찾는 일이다.

내가 고른 속도를 내가 다시 고르고,
내가 믿을 근거를 내가 다시 만들고,
내가 집중할 대상을 내가 다시 선택하는 것.

그때 매트릭스는 다시 ‘바탕’이 된다. 나를 품되, 나를 대신하지 않는 바탕. 키우되, 가두지 않는 바탕.

2장. 영화 〈매트릭스〉의 첫 장면은 탄생의 은유다

1) 이야기: “따뜻한 곳을 떠나는 장면”

영화 〈매트릭스〉에서 가장 잊히지 않는 장면을 하나만 고르라면, 많은 사람이 그 장면을 떠올린다. 네오가 캡슐 속에서 눈을 뜨고, 끈적한 액체 속에서 몸을 더듬고, 몸에 붙어 있던 선들이 뽑히며, 마침내 아래로 떨어지는 장면.

그곳은 이상할 만큼 안전해 보인다. 위험이 없다. 바깥의 소음도 없다. 배고픔도 없다. 해야 할 일도 없다. 생각할 필요도 없다. 누군가가 “살아가게” 해준다. 그 장면은 공포영화처럼 보이지만, 다른 한편으로는 너무 익숙한 감정이 있다. 편안함. 그리고 더 정확히는, 편안함의 다른 이름인 맡김.

네오는 그 맡김에서 빠져나온다. 그 순간부터 영화는 친절하지 않다. 밖은 차갑고, 숨 쉬는 법부터 다시 배워야 한다. 몸은 약하고, 토하고, 떨린다. 해방은 축배가 아니라 재활처럼 시작된다. 여기서 영화가 건네는 메시지는 단호하다.

“진짜 현실은, 종종 더 불편하다.”

왜 영화는 굳이 이렇게 시작했을까. 자유를 얻는 장면이라면, 멋지게 달리고 날아오르고 환호해도 되었을 텐데. 그 대신 영화는 ‘태어남’의 감각을 선택했다. 따뜻한 물에서 차가운 공기로, 보호에서 노출로, 자동에서 선택으로. 출생은 원래 그런 것이다.

우리는 태어날 때 박수를 받지 않는다. 울고, 젖고, 떨고, 숨을 쉬느라 아프다. 그리고 그 고통이 “틀렸다는 증거”가 아니라, 살기 시작했다는 증거가 된다.

2) 개념: “밖이 아픈 이유”는 ‘업데이트’의 조건이기 때문이다

이 장면을 AI 시대의 언어로 옮기면 이렇게 말할 수 있다.

캡슐 안은 손실(loss)이 없는 세계다. 틀릴 일이 없고, 피드백이 없고, 수정할 필요가 없다. 편안하지만, 바뀌지 않는다.
캡슐 밖은 손실이 생기는 세계다. 실패하고, 틀리고, 넘어지고, 다시 고친다. 불편하지만, 업데이트가 된다.

기계학습에서 학습은 손실을 줄이는 과정이다. 모델이 예측을 하고, 정답과 비교해 차이를 계산하고, 그 차이를 줄이도록 내부의 숫자(가중치)를 조금씩 조정한다. 여기서 중요한 사실은 하나다.

오차가 있어야 학습이 일어난다. 불편함이 있어야 수정이 가능하다.

그런데 사람도 비슷하다. 우리는 틀릴 때, 불편해질 때, 자존심이 상할 때, 관계가 삐걱거릴 때, 비로소 질문을 시작한다.

“내가 너무 단정했나?”
“내가 뭘 놓쳤지?”
“내가 정말 원하는 게 뭐지?”

불편함은 우리를 괴롭히지만, 동시에 우리를 깨어나게 한다. 그래서 네오의 ‘밖’은 차갑고 아픈 것이 중요하다. 그 고통은 벌이 아니라, 현실과 접촉했다는 신호다.

여기서 어텐션을 떠올려 보자. 어텐션은 “무엇이 중요한가”를 고르는 장치라고 배웠다. 그런데 정말 중요한 것은, 어텐션이 고르는 ‘중요함’이 대개 편안함과 반대편에 있다는 점이다.

편안함은 시선을 고정한다. 익숙한 정보, 익숙한 사람, 익숙한 결론. 반면 성장에 필요한 정보는 종종 불편하다. 내가 틀렸을 가능성을 열어야 하고, 낯선 관점을 견뎌야 하고, 다시 생각해야 한다.

즉, 자유란 “마음대로 하는 것”이 아니라 내 어텐션의 주도권을 되찾는 것이다.

무엇을 볼지
무엇을 믿을지
무엇에 시간을 줄지

이 선택을 내가 다시 할 수 있을 때, 나는 캡슐 밖에 서 있다.

3) 성찰: 자유는 ‘편안함의 반대말’이 아니라 ‘책임의 시작’이다

실존주의는 말한다. 인간은 선택하는 존재이고, 선택에는 책임이 따른다. 그래서 자유는 멋있지만, 동시에 무겁다. 캡슐 안이 편한 이유는, 책임이 없기 때문이다. “내가 선택한 결과”가 아니라 “주어진 흐름”을 타면 된다.

하지만 우리가 정말로 두려워하는 건 현실이 아닐지도 모른다. 우리가 두려워하는 건, 현실에서 마주치는 질문이다.

“그래서 너는 어떻게 살 거야?”
“그래서 너는 무엇을 선택할 거야?”

AI 시대의 ‘편안한 매트릭스’는 이 질문을 아주 부드럽게 잠재운다. 추천은 말한다. “너를 위한 거야.” 요약은 말한다. “네 시간을 아껴줄게.” 자동완성은 말한다. “말은 내가 대신 만들어줄게.”

그 결과 우리는 조금씩, 선택의 근육을 잃는다. 처음엔 편해진다. 다음엔 둔해진다. 그 다음엔 스스로 결정하는 일이 무서워진다. 그리고 그때, 우리는 다시 캡슐을 그리워한다.

그래서 네오의 탄생 장면은 우리에게 이렇게 말하는 것 같다.

“밖이 아픈 건, 잘못된 게 아니라 살아있다는 증거다.”

이 장을 마치며, 아주 현실적인 질문 하나만 남기고 싶다.

최근 한 달 동안, 당신이 일부러 선택한 ‘불편한 정보’가 있었는가?

내 의견과 반대되는 글을 끝까지 읽어 본 적
긴 글을 요약 없이 읽어 본 적
내 취향 밖의 음악을 끝까지 들어 본 적
“내가 틀렸을 수도”를 인정하고 대화를 이어간 적

이 작은 불편함들이야말로, 우리가 캡슐 밖에서 숨 쉬는 연습을 하는 방식이다.

3장. 벡터: 감정도 생각도 ‘방향’이 있다

1) 이야기: “나 오늘 기분이 어때?” 대신 “내 마음은 어디로 가고 있지?”

친구가 묻는다. “너 오늘 기분 어때?”

우리는 보통 이렇게 답한다. “그냥 그래.” “좋아.” “별로야.” 하지만 솔직히 말하면, 그 말들은 너무 납작하다. 기분은 한 단어로 접히지 않는다. 어떤 날은 기분이 나쁘면서도 의욕이 있고, 지치면서도 괜찮은 척하고, 불안하면서도 기대가 있다. 마음은 늘 여러 방향으로 당겨진다.

그래서 질문을 바꿔보면 어떨까.

“내 마음의 방향은 어디지?”

예를 들어 이런 식이다.

지금 나는 쉬고 싶은 쪽으로 기울어져 있나, 더 해내고 싶은 쪽으로 기울어져 있나.
나는 사람을 만나고 싶나, 혼자 있고 싶나.
나는 안정이 필요하나, 변화가 필요하나.

방향을 물으면 이상하게도 마음이 조금 더 선명해진다. “좋다/나쁘다”는 점수 대신, “어디로 가고 싶다”는 지도처럼 느껴진다. 그리고 지도는 행동으로 이어진다. 방향을 알면, 작은 선택이 가능해지기 때문이다.

변화가 필요하면: 새로운 장소를 걷는다.
안정이 필요하면: 익숙한 루틴을 회복한다.
사람 쪽이면: 연락을 한다.
혼자 쪽이면: 조용한 시간을 만든다.

기분을 “점수”로 대하면 하루는 평가로 끝난다. 하지만 기분을 “방향”으로 대하면 하루는 선택으로 열린다.

여기서부터, 벡터가 들어온다.

2) 개념: 벡터는 ‘크기’와 ‘방향’을 가진다—그리고 AI는 말도 벡터로 만든다

수학에서 벡터(vector)는 한마디로 “방향을 가진 화살표”다.

크기: 얼마나 강한가
방향: 어디로 향하는가

우리는 벡터를 떠올릴 때 보통 물리 시간의 속도나 힘을 생각한다. 하지만 벡터의 핵심은 물리보다 더 넓다. 벡터는 “여러 성질이 동시에 섞인 상태”를 다룰 때 특히 유용하다.

예를 들어, ‘취향’이라는 것도 사실 벡터에 가깝다.

달달함을 좋아하는 정도
매운 걸 좋아하는 정도
고기/채소 선호
식감(바삭/부드러움)
가격 민감도

이걸 한 문장으로 말하면 “내 입맛”이지만, 실제로는 여러 성분이 섞인 방향이다. 어떤 사람은 “달달함” 쪽으로 강하게 기울고, 어떤 사람은 “매운맛” 쪽으로 뻗는다. 그 차이가 바로 방향의 차이다.

AI가 언어를 다루는 방식도 이와 닮아 있다. LLM은 단어와 문장을 ‘뜻’으로 바로 이해하지 않는다. 대신 단어를 숫자들의 묶음, 즉 벡터로 바꾼다. 이를 임베딩(embedding)이라고 했다.

이때 중요한 변화가 일어난다.

의미는 “설명”이 아니라 “위치”가 된다. 감정은 “서술”이 아니라 “방향”이 된다.

그래서 AI는 이렇게 처리한다.

“기쁘다”와 “즐겁다”는 가까이
“기쁘다”와 “우울하다”는 멀리
“고맙다”는 “너”와의 관계에서 특정 방향으로 자주 연결

우리가 “비슷한 느낌”이라고 말하는 것을, AI는 “비슷한 방향”이라고 계산한다.

여기서 한 가지를 감각적으로 상상해보자.

문장 하나를 벡터라고 생각하면, 그 문장은 한 점이 아니라 한 방향의 화살표가 된다. 그 화살표가 어느 쪽을 향하느냐에 따라, 다음에 올 말이 달라진다.

“오늘은 정말…” 다음에 “행복했어”가 올지 “최악이었어”가 올지
“나는 너를…” 다음에 “믿어”가 올지 “의심해”가 올지

LLM은 그 다음을 맞히기 위해, 지금까지의 문장 벡터가 향하는 방향을 아주 미세하게 조정한다. 그 조정의 도구가 바로 매트릭스(행렬)이고, 그 조정의 기준이 손실(loss)이다.

즉, 언어 모델의 내부에서는 이런 일이 벌어진다.

말(토큰) → 벡터(방향) → 행렬(변환) → 새 벡터(새 방향) → 다음 말 예측

우리가 “말을 이해한다”고 느끼는 순간은, 사실 수많은 방향이 자연스럽게 이어졌기 때문일지도 모른다.

3) 성찰: 내 벡터는 누구의 손에 잡혀 있는가

여기서 질문은 자연스럽게 인간에게 돌아온다.

내 마음의 방향은, 내가 정하고 있는가?

현실에서 우리의 벡터는 종종 외부에 의해 꺾인다. 그 방법은 대개 거칠지 않다. 아주 부드럽다.

“이게 요즘 유행이야.”
“다들 이렇게 생각해.”
“너라면 이걸 좋아할걸.”
“이게 너한테 맞는 삶이야.”

처음에는 안내처럼 들린다. 하지만 반복되면 그건 방향을 정하는 힘이 된다. 나는 내가 선택한다고 느끼지만, 선택지는 이미 누군가가 정리해둔 상자 안에 있다.

여기서 〈매트릭스〉의 ‘빨간 약’이 다시 떠오른다. 빨간 약은 특별한 정보가 아니다. 빨간 약은 방향을 스스로 정하겠다는 결심에 가깝다.

불편하지만, 내가 선택한다. 느리지만, 내가 결정한다. 틀릴 수도 있지만, 그 책임을 내가 진다.

그래서 이 장에서는 아주 작은 연습 하나만 제안하고 싶다. 거창한 자기계발이 아니다. “벡터 감각”을 되찾는 습관이다.

오늘 밤, 이렇게 한 문장으로 써보기.

“오늘 내 마음은 ___ 쪽으로 향했다.” (예: 인정받는 쪽 / 숨고 싶은 쪽 / 도망치고 싶은 쪽 / 도전하고 싶은 쪽)

그리고 한 줄 더.

“그 방향은 내가 고른 걸까, 아니면 밀려간 걸까?”

이 질문이 중요한 이유는 간단하다. AI 시대에는 정보가 넘치고, 추천이 부드럽고, 말이 너무 쉽게 만들어진다. 그럴수록 내가 놓치기 쉬운 것은 ‘정답’이 아니라 방향이다.

정답은 바뀔 수 있다. 하지만 방향은, 나를 데려간다.

4장. 단어가 숫자가 되는 순간: 토큰과 임베딩

1) 이야기: “한 단어가, 두 조각으로 쪼개지는 날”

누군가 내 이름을 부르면 나는 돌아본다. 내 별명을 들으면 웃음이 난다. “엄마”라는 단어를 들으면 가슴이 먼저 반응하기도 한다. 인간에게 단어는 단순한 기호가 아니다. 단어는 기억이고, 관계이고, 체온이다.

그런데 어느 날, AI에게 “사랑”을 물었더니, 대답은 아주 그럴듯했는데—이상하게도 그 안에 체온이 없다는 느낌이 든다. 마치 사전을 아주 잘 외운 사람이 “사랑이란…”이라고 말하는 것 같달까. 여기서 우리는 착각을 하나 한다.

AI도 단어를 ‘단어’로 읽을 거라고.

하지만 LLM의 입장에서 단어는 처음부터 단어가 아니다. 더 정확히 말하면, 단어는 쪼개진다. 그리고 그 조각들이 숫자가 된다.

우리가 “커피”라고 말하면, AI의 내부에서는 “커”와 “피”처럼 쪼개질 수도 있다. “행복하다”는 “행복”과 “하다”로, 혹은 더 잘게. “unbelievable”은 “un- / believe / -able”처럼. AI는 문장을 통째로 이해하는 게 아니라, 토막난 조각들을 조립한다.

마치 레고처럼.

레고는 “자동차”라는 뜻을 모른다. 하지만 조각을 올바른 규칙으로 끼우면 자동차 모양을 만들 수 있다. LLM도 비슷하다. “뜻”을 모르는 대신, “조각의 연결”을 배운다.

그 순간부터 단어는 감정이 아니라, 재료가 된다.

2) 개념: 토큰은 ‘조각’, 임베딩은 ‘좌표’, 의미는 ‘거리’가 된다

LLM이 언어를 다루는 과정은 아주 단순한 두 단계로 시작한다.

토큰(token): 문장을 잘게 쪼갠 조각
임베딩(embedding): 그 조각을 벡터로 바꾼 것

토큰: “단어”가 아니라 “조각”인 이유

LLM은 세상에 있는 모든 단어를 사전에 저장할 수 없다. 신조어가 매일 생기고, 사람 이름도 무한하고, 띄어쓰기나 오타도 있다. 그래서 모델은 언어를 작은 조각의 조합으로 본다. 조각을 잘 만들면, 처음 보는 단어도 “대충 이런 느낌이구나” 하고 다룰 수 있다.

“초코라떼맛” 같은 신조합도
“ㅋㅋㅋㅋ” 같은 반복도
외래어와 고유명사도 토큰 조각으로 잘게 나누면 처리할 수 있다.

즉, 토큰화는 ‘언어를 소화하기 위한 씹기’다. 입에 넣기 전에 잘게 씹어야 삼킬 수 있듯, LLM은 토큰으로 쪼개야 계산할 수 있다.

임베딩: 조각이 숫자가 되는 순간

그 다음 단계가 임베딩이다. 토큰 하나하나는 이제 숫자들의 긴 줄로 바뀐다. 이 숫자 줄이 바로 벡터다. (보통 수백~수천 차원의 길이를 가진다.)

여기서 핵심은 이거다.

AI에게 단어의 뜻은 ‘설명’이 아니라 ‘위치’다.

임베딩 공간 안에서,

비슷한 토큰은 가까운 위치에 놓이고
반대 느낌의 토큰은 멀리 떨어지거나
특정 문맥에서 자주 같이 등장하는 토큰은 비슷한 방향을 공유한다

그래서 의미는 ‘거리’와 ‘각도’로 표현된다.

거리: 얼마나 비슷한가
각도(방향): 어떤 성질을 공유하는가

우리가 사람을 보고 “결이 비슷하다”라고 말할 때, AI는 “벡터가 비슷한 방향이다”라고 말하는 셈이다.

이때부터 “가깝다”는 말의 뜻이 바뀐다.

인간에게 “가깝다”는: 친밀함, 정서, 경험
AI에게 “가깝다”는: 좌표, 거리, 계산 결과

감정의 단어들이 좌표의 단어로 번역되는 순간이다.

그래서 LLM은 “이해”가 아니라 “정렬”을 한다

LLM이 하는 일은 간단히 말해 이렇다.

지금까지의 토큰들을 임베딩으로 바꾼 뒤
그 벡터들의 관계(거리/각도)를 이용해
다음에 올 토큰이 무엇일지 확률로 고른다

여기서 놀라운 일이 벌어진다. 정렬만으로도 설명처럼 보이는 문장이 나온다. 그럴듯함은 ‘뜻의 불꽃’이 아니라, ‘관계의 정확도’에서 생기기도 한다.

3) 성찰: 내가 쓰는 말도, 나를 만든다—좌표로만 살지 않기 위해

여기까지 오면 마음이 불편해질 수 있다.

“그럼 사랑도, 슬픔도, 죄책감도… 결국 숫자란 말이야?”

아니다. 최소한 인간에게는 그렇지 않다. AI는 단어를 좌표로 다룰 수 있지만, 인간의 단어는 좌표를 넘어선다. 왜냐하면 인간의 말에는 살아낸 시간이 붙어 있기 때문이다.

“괜찮아”라는 말은 사전에 하나로 정의되지만, 어떤 날의 “괜찮아”는 울음을 삼킨 말이고, 어떤 날의 “괜찮아”는 진짜 괜찮음이고, 어떤 날의 “괜찮아”는 상대를 살리려는 거짓말이다.

AI는 그 차이를 “문맥 패턴”으로는 흉내낼 수 있다. 하지만 그 말을 할 때의 체온—그 말이 내 삶에서 차지하는 무게—까지는 살지 못한다. 그래서 우리는 AI를 볼 때 두 가지를 동시에 해야 한다.

AI가 잘하는 것: 좌표로 정렬해서, 그럴듯함을 만든다
인간이 지켜야 할 것: 말의 체온, 책임, 관계

AI 시대의 위험은 “AI가 거짓말을 한다”보다 더 조용하다. 말이 너무 쉽게 생산될 때, 말의 무게가 가벼워지는 것. 누구나 완벽한 문장을 즉시 만들 수 있으면, “내가 실제로 말해야 하는 이유”가 흐려진다.

그래서 이 장의 결론은 기술 반대가 아니라, 기술 사용의 기준이다.

AI에게는 좌표를 맡기되,
내 삶의 말은 내가 살며 책임진다.

마지막으로, 오늘 당장 할 수 있는 작은 질문 하나.

내가 오늘 한 말 중, “내가 살지 않은 말”은 무엇이었나?

겉으로는 맞는 말인데, 내 마음의 방향과는 다른 말. 그걸 발견하는 순간, 우리는 좌표로만 살지 않게 된다. 그리고 그게—AI 시대의 가장 현실적인 각성이다.

5장. 의미는 어디에 사는가: 거리, 각도, 이웃

1) 이야기: “사전이 아니라, 내 옆자리에서 뜻이 생긴다”

어릴 때는 사전이 믿음직했다. 단어를 찾아보면 ‘정답’이 나왔다. 뜻은 종이 위에 고정돼 있는 것처럼 보였다.

그런데 커서 알게 된다. 뜻은 늘 움직인다.

예를 들어 “미쳤다”라는 말. 사전에는 대체로 부정적인 의미가 적혀 있지만, 친구가 공연을 보고 “야 그 무대 미쳤다”라고 말할 때, 그 말은 칭찬이다. “핵인싸”, “감다살”, “찐텐” 같은 말도 마찬가지다. 뜻은 사전에 먼저 들어가는 게 아니라, 사람들이 쓰는 자리에서 먼저 태어난다.

말이란 원래 그렇다. 단어 하나가 혼자 서 있으면 힘이 약하다. 하지만 어떤 단어 옆에 앉느냐에 따라, 뜻이 달라진다.

“차가운”은 날씨 옆에 앉으면 온도고,
“차가운”은 눈빛 옆에 앉으면 태도다.
“가볍다”는 가방 옆에 앉으면 무게고,
“가볍다”는 농담 옆에 앉으면 분위기다.

즉, 의미는 사전에 있는 게 아니라 이웃 관계 속에 산다.

AI는 이 사실을 아주 수학적으로 받아들인다. 뜻을 ‘정의’로 잡지 않는다. 거리로 잡는다.

2) 개념: 임베딩 공간의 지도—거리와 각도가 뜻을 만든다

임베딩을 “지도”라고 상상해보자. 각 단어(정확히는 토큰)는 그 지도 위의 한 점이다. 점과 점 사이의 관계가 의미를 만든다.

(1) 거리: “비슷하다”는 곁에 있다는 뜻

임베딩 공간에서 두 점이 가깝다는 건, 대체로 이런 뜻이다.

비슷한 상황에서 쓰인다
비슷한 단어들과 함께 등장한다
문맥이 겹친다

그래서 유의어가 가까워지고, 반대말은 멀어지는 경향이 생긴다. 하지만 중요한 건, AI가 “유의어 사전”을 외워서 가까이 두는 게 아니라는 점이다. 함께 등장한 기록이 점들의 위치를 만든다.

예를 들어보자.

“따뜻하다”는 “커피, 담요, 위로, 미소” 같은 이웃을 자주 만나고
“차갑다”는 “바람, 얼음, 냉정, 거리감” 같은 이웃을 자주 만난다

그러면 두 단어는 자연스럽게 서로 다른 동네에 산다. AI에게 뜻은 “정의”가 아니라 “동네”다.

(2) 각도(방향): “결이 같다”는 같은 방향을 본다는 뜻

거리가 ‘가까움’이라면, 각도는 ‘방향’이다. 이게 왜 중요하냐면, 어떤 단어들은 표면적으로는 다르지만 같은 성질을 공유할 때가 많기 때문이다.

예를 들어,

“사과(apple)”와 “바나나”는 다르지만 둘 다 “과일”이라는 방향을 공유한다.
“서울”과 “부산”은 다르지만 둘 다 “도시/지명”의 방향을 공유한다.
“기쁘다”와 “설레다”는 다르지만 둘 다 “긍정 정서”의 방향을 공유한다.

우리가 일상에서 말하는 “결이 비슷해”는, 사실상 “방향이 비슷해”에 가깝다. 그래서 AI는 단어를 외우는 대신, 방향을 익힌다.

(3) 이웃(Nearest Neighbors): 뜻을 보여주는 가장 쉬운 방법

임베딩에서 어떤 단어의 뜻을 가장 직관적으로 확인하는 방법은 이웃을 보는 것이다.

한 단어의 가장 가까운 이웃들이 이런 단어들이라면—

“위로”의 이웃: “격려, 다독임, 공감, 괜찮아”
“불안”의 이웃: “초조, 걱정, 두근거림, 긴장”

우리는 “아, 이 단어는 이런 분위기구나” 하고 감을 잡는다. 여기서 ‘분위기’라는 말이 중요하다. 임베딩이 잡아내는 건 사전적 뜻만이 아니라, 함께 따라오는 공기다.

말하자면, 임베딩은 이렇게 말한다.

“이 단어가 무슨 뜻인지 묻지 마.
얘가 누구랑 어울리는지 보면 돼.”

3) 성찰: “관계망” 속의 나—내가 가까이 두는 말이 나를 만든다

이쯤 되면, 이야기는 다시 인간으로 돌아온다.

만약 의미가 관계망 속에 산다면, 나는 어떤 말들을 내 옆자리에 앉혀 두고 있을까?

우리는 생각보다 많은 시간을 ‘말의 동네’에서 산다.

내가 자주 읽는 글의 어휘
내가 자주 쓰는 표현
내가 반복해서 듣는 단어들
내가 습관적으로 붙이는 라벨(“쟤는 원래 그래”, “난 원래 못해”)

이것들이 내 머릿속 임베딩 지도를 만든다. 그리고 그 지도는 내 선택에 영향을 준다. 사람은 결국, 자기 머릿속에서 ‘가까운 말’을 쉽게 꺼내기 때문이다.

그래서 AI 시대의 문해력은 단순히 “정보를 많이 아는 것”이 아니다. 내가 어떤 말들과 가까워지고 있는지 알아차리는 것이다.

요즘 내 머릿속에서 “불안/혐오/조롱” 같은 단어들이 너무 가까워진 건 아닌가
“호기심/대화/검증” 같은 단어들이 멀어지고 있는 건 아닌가
누군가를 말로 단정할 때, 나는 어떤 단어를 ‘이웃’으로 붙이는가

여기서 우리는 음모론으로 가지 않아도 된다. 누가 나를 조종한다고 소리칠 필요도 없다. 그 대신 훨씬 현실적인 일을 하면 된다.

내 말의 이웃을 관리하는 것.

오늘 하루만이라도 이렇게 해보자.

내가 자주 쓰는 단어 하나를 고른다. (예: “피곤”, “망했다”, “괜찮아”, “열받아”)
그 단어가 누구랑 자주 붙는지 떠올린다. (내 이웃 목록)
그 이웃이 내 삶을 넓히는지, 좁히는지 자문한다.

의미가 관계망에 산다면, 나의 삶도 관계망에서 자란다. 그리고 그 관계망은—조금씩—내가 바꿀 수 있다.

6장. 매트릭스: 세상을 바꾸는 ‘변환 장치’

1) 이야기: “사진은 그대로인데, 내가 보는 얼굴이 달라진다”

같은 사진을 두고도 사람들은 전혀 다른 말을 한다. “분위기 좋다.” “너무 차가워 보인다.” “영화 같다.” “좀 우울해.”

이럴 때 우리는 종종 카메라 필터를 떠올린다. 필터는 대상을 바꾸지 않는다. 내 얼굴은 그대로다. 하늘도 그대로다. 그런데도 화면 속 세계는 완전히 달라진다. 밝기가 달라지고, 색이 달라지고, 대비가 달라진다. 그 결과 같은 현실이 다른 감정으로 다가온다.

더 무서운 건 이거다. 필터를 오래 쓰면, 필터 없는 얼굴이 낯설어진다. 원본을 보면 “뭔가 이상한데?”라는 느낌이 든다. 사실 이상한 건 원본이 아니라, 내 눈이 이미 필터에 익숙해진 것뿐인데.

우리는 일상에서도 비슷한 일을 겪는다.

시험 기간에는 세상이 전부 “시간”으로 보인다.
연애 초에는 세상이 전부 “신호”로 보인다.
불안한 날에는 모든 말이 “공격”처럼 들리기도 한다.

현실은 그대로인데, 내가 세상을 읽는 방식이 바뀐다. 이때 바뀌는 것은 현실이 아니라 나의 변환 규칙이다.

수학은 이런 규칙을 한 단어로 부른다.

매트릭스(matrix).

2) 개념: 매트릭스는 ‘벡터를 바꾸는 규칙’이다

이제 우리는 벡터를 “방향”이라고 배웠다. 단어도 벡터이고, 문장도 벡터이고, 내 마음도 벡터처럼 다룰 수 있다.

그런데 벡터는 혼자만으로는 움직이지 않는다. 벡터를 다른 벡터로 바꾸려면, 변환 규칙이 필요하다.

그 규칙이 바로 매트릭스(행렬)다.

(1) 가장 쉬운 정의

벡터: 상태(방향)
매트릭스: 상태를 바꾸는 장치(변환)

즉, 매트릭스는 입력 → 출력을 만든다. 들어온 벡터가 매트릭스를 통과하면, 다른 벡터로 나온다.

이걸 “곱한다”라고 부르지만, 여기서 곱은 사칙연산의 곱과 느낌이 다르다. 행렬 곱은 “숫자를 키우는 곱”이 아니라 “방향을 바꾸는 곱”에 가깝다.

(2) 필터 비유로 다시 보기

필터는 어떤 일을 하느냐?

어떤 색은 더 진하게
어떤 색은 더 옅게
어떤 부분은 더 선명하게
어떤 부분은 더 부드럽게

즉, 특정 성질을 강조하고, 특정 성질을 줄인다. 행렬도 똑같다. 벡터의 여러 성분 중 어떤 건 키우고, 어떤 건 줄이고, 어떤 건 섞어 버린다.

그 결과, 벡터는 “다른 의미”를 띤 상태로 바뀐다.

(3) LLM은 왜 행렬 덩어리인가

LLM의 내부는 사실상 “매트릭스들의 연쇄”다. 토큰이 임베딩 벡터가 되고, 그 벡터는 수많은 매트릭스를 통과하면서 계속 바뀐다.

어떤 매트릭스는 “문법적인 성질”을 더 뚜렷하게 만들고
어떤 매트릭스는 “주제”를 정리하고
어떤 매트릭스는 “이 단어는 누구를 가리키나” 같은 연결을 강화한다

결국 모델이 하는 일은 이렇다.

언어(벡터)를 계속 변환해서, 다음 언어(다음 토큰)가 잘 나오게 만드는 것

우리가 “AI가 이해했다”고 느낄 때, 그 안쪽에서는 “이해”가 아니라 정교한 변환이 일어난다.

3) 성찰: 현실도 ‘원본’이 아니라 ‘변환된 화면’일 수 있다

이 장의 핵심은 단순하다.

우리는 항상 어떤 매트릭스를 통해 세상을 본다.

그 매트릭스는 기술일 수도 있고, 습관일 수도 있고, 감정일 수도 있고, 제도일 수도 있다.

SNS 알고리즘은 “자극”이라는 성분을 키우는 필터가 되기도 하고
뉴스 소비 습관은 “불안”이라는 성분을 키우기도 하고
내가 가진 편견은 “확신”이라는 성분을 과장하기도 한다

이때 세상은 갑자기 더 위험해 보이거나, 더 단순해 보이거나, 더 미워 보인다. 세상이 바뀐 걸까? 아니면 내가 거친 매트릭스가 바뀐 걸까?

여기서 중요한 건 “필터를 없애자”가 아니다. 필터는 필요하다. 인간은 필터 없이 세상을 감당할 수 없다. 문제는 필터가 투명해질 때다. 내가 필터를 썼다는 사실을 잊는 순간, 필터는 진실인 척하기 시작한다.

그래서 이 장의 현실적인 결론은 이거다.

나는 지금 어떤 매트릭스를 통과해서 세상을 보고 있지?

그리고 딱 한 가지 기준을 더 붙여 보자.

이 매트릭스는 내 시야를 넓히는가, 아니면 좁히는가?

필터를 바꾸면 사진이 바뀌듯, 매트릭스를 바꾸면 현실의 ‘느낌’이 바뀐다. 그건 세상을 속이는 일이 아니라, 내 시야를 조정하는 일이다.

이것이 음모론과 우리가 갈 길이 다른 이유다. 음모론은 “밖에서 누가 조종한다”로 끝난다. 우리가 하려는 이야기는 “내가 어떤 변환을 거치고 있는지 점검한다”로 시작한다.

7장. 선형대수학: AI가 숨 쉬는 뼈대

1) 이야기: “마법을 해부하면, 규칙이 보인다”

처음 LLM을 접했을 때 사람들은 이렇게 말한다. “이건 거의 사람인데?” “이건 마법이야.” “대체 어떻게 이걸 하지?”

그 느낌은 자연스럽다. 우리는 누군가 문장을 잘 쓰면 ‘재능’이라 부르고, 누군가 질문에 바로 답하면 ‘머리가 좋다’고 생각한다. 그런데 기계가 그렇게 보이는 말을 술술 뱉어내면, 마음 한구석이 흔들린다. 인간의 자리까지 흔들리는 것 같으니까.

하지만 어떤 마법이든, 한 겹씩 벗기면 대개 규칙의 반복이 남는다.

예전에 어릴 때 보던 애니메이션을 떠올려 보자. 주인공이 변신할 때, 번쩍이는 이펙트와 음악이 나오지만, 프레임을 멈춰 보면 정해진 순서가 있다.

빛이 오른다
형태가 바뀐다
장비가 붙는다
포즈가 완성된다

멋있게 보이는 건 그 순서가 빠르고 매끈하기 때문이지, 순서 자체가 미스터리는 아니다.

AI도 비슷하다. 겉으로는 “대답이 뚝딱 나오니” 마법 같지만, 속은 놀랄 만큼 반복적인 구조다. 그 반복의 이름이 바로 선형대수학이다.

그리고 이 사실을 알게 되면, 공포가 조금 줄어든다. 이해는 언제나 공포를 밀어낸다. 뼈대가 보이면, 몸짓이 덜 무섭다.

2) 개념: 선형대수는 “변환을 다루는 언어”다

선형대수학은 한 문장으로 말하면 이렇다.

많은 벡터를, 많은 매트릭스로, 빠르게 바꾸는 법

우리는 앞에서 벡터와 매트릭스를 이미 만났다.

벡터: 방향을 가진 상태
매트릭스: 그 상태를 바꾸는 변환 장치

그런데 AI는 ‘한 번’ 바꾸는 게 아니다. 수십 번, 수백 번 바꾼다. 그 변환들이 이어져서 하나의 긴 사슬을 만든다. 그리고 그 사슬이 바로 모델이다.

(1) “선형변환”이란 무엇인가 — 비유로 딱 잡기

선형변환은 어렵게 들리지만, 감각적으로는 이렇게 이해하면 된다.

입력이 두 배면, 출력도 두 배로 커지는 변환
입력을 섞으면, 출력도 섞인 채로 나오는 변환

즉, “규칙이 깔끔한 변환”이다. 필터로 비유하면, 선형변환은 ‘일관된 필터’다. 어떤 사진이 오든 같은 방식으로 톤을 바꾼다.

LLM의 내부는 이런 일관된 필터들이 층층이 쌓여 있다.

(2) 모델은 “한 번의 천재적인 변화”가 아니라 “작은 변화의 누적”

우리가 흔히 하는 착각이 있다.

“AI는 한 번에 의미를 이해하고 답한다.”

하지만 실제로는 이렇다.

토큰이 벡터가 되고
그 벡터가 매트릭스를 만나 조금 바뀌고
또 다른 매트릭스를 만나 조금 바뀌고
이런 변화가 층을 이루며 반복되고
마지막에 “다음 토큰 확률”이 나온다

즉, 모델은 거대한 하나의 두뇌라기보다 작은 변환들의 공장에 가깝다.

선형대수는 그 공장의 컨베이어벨트다.

(3) 그런데 왜 ‘선형’만으로는 부족할까?

여기서 현실적인 질문이 나온다.

“그럼 AI는 선형변환만 반복하면, 왜 그렇게 똑똑해 보이지?”

정답은 이것이다.

선형변환 사이사이에 비선형(작은 꺾임)이 끼어 있기 때문이다.

만약 선형변환만 계속 하면, 결국 “큰 선형변환 하나”로 합쳐진다. 즉, 아무리 여러 번 해도 표현력이 제한된다. 그래서 신경망은 중간중간 ‘꺾임’을 넣는다. 작은 문턱, 작은 스위치 같은 것.

하지만 중요한 포인트는 이거다.

복잡함의 대부분은 여전히 선형대수에서 나온다.
AI가 숨 쉬는 큰 호흡은 “벡터와 매트릭스의 춤”이다.
비선형은 그 춤에 리듬을 주는 ‘무릎 꺾기’에 가깝다.

즉, 선형대수는 AI의 뼈대이고, 비선형은 관절이다.

뼈대가 없으면 관절도 의미가 없다.

3) 성찰: “뼈대가 보이면” 우리는 질문을 되찾는다

AI가 무서운 이유는, AI가 강해서만은 아니다. 우리가 그 내부를 “검은 상자”로 느끼기 때문이다. 모르는 것은 언제나 과장된다. 그리고 과장은 공포를 만든다.

하지만 선형대수의 관점으로 보면, AI는 이렇게 바뀌어 보인다.

“마법의 지능” → “규칙적인 변환의 사슬”
“신비한 존재” → “학습된 필터들의 집합”
“인간을 대체하는 신” → “확률로 다음 말을 고르는 기계”

이 관점은 AI를 깎아내리려는 게 아니다. 오히려 정확히 보려는 것이다. 정확히 보면, 우리가 할 수 있는 일이 보인다.

어떤 입력이 들어가면 어떤 방향으로 바뀌는지(벡터)
그 방향을 누가 얼마나 왜곡하는지(매트릭스)
어떤 패턴이 반복될수록 무엇이 강화되는지(학습)

즉, 우리는 다시 질문할 수 있는 위치로 돌아온다.

그리고 이 책의 큰 흐름에서 보면, 이건 ‘자궁을 깨는’ 과정과 닮았다.

자궁 같은 시스템 안에 있을 때는, 규칙을 보지 못한다. 규칙이 보이지 않을수록 시스템은 더 강해진다. 하지만 뼈대가 보이면, 우리는 말할 수 있다.

“아, 이건 이렇게 작동하는구나.”
“그렇다면 나는 여기서 무엇을 조심해야 하지?”
“나는 내 어텐션을 어디에 줄까?”
“내 삶의 변환 장치는 무엇일까?”

이 질문들이야말로, AI 시대의 ‘빨간 약’이다. 거창한 반항이 아니라, 이해에서 시작되는 주체성.

8장. 어텐션: AI는 무엇을 ‘중요하다’고 느끼나

1) 이야기: “너는 지금 누구의 말에 반응했니?”

같은 말을 들어도 사람마다 반응이 다르다. 친구가 “괜찮아?”라고 물었을 때, 어떤 사람은 위로를 듣고 어떤 사람은 비난을 듣는다. 누군가는 “관심”을 읽고, 누군가는 “감시”를 읽는다.

왜 그럴까. 말 자체가 다르지 않은데도, 우리가 붙잡는 부분이 다르기 때문이다.

우리는 대화를 할 때 늘 선택한다. 상대의 표정에서 무엇을 볼지, 문장에서 어떤 단어를 강조할지, 과거의 어떤 기억을 가져와 지금에 붙일지. 그 선택이 곧 주의력(Attention)이다.

예를 들어 이런 상황을 떠올려 보자.

“너 요즘 바쁘지?”
“응, 좀.”
“그래서 연락이 없었구나.”

여기서 “그래서”라는 단어가 붙는 순간, 앞의 “바쁘다”는 말은 핑계가 되기도 하고 사실이 되기도 한다. 우리는 무의식적으로 연결 고리를 만든다. 말과 말 사이에 실을 걸어 “이 말은 저 말 때문이야”라고 해석한다.

영화 〈매트릭스〉로 돌아가면, 네오가 깨어나는 시작도 사실 하나의 주의력 변화다. 그는 “세상” 전체를 바꾼 게 아니라, 세상을 읽는 중요함의 기준이 바뀌었다. 남들이 흘려보내는 것을 그는 붙잡았다.

AI가 언어를 잘 다루는 이유 중 하나도 바로 여기 있다. AI는 ‘똑똑해서’라기보다, 연결을 만드는 방식이 정교해서 잘하는 것처럼 보인다.

그 정교함의 이름이 어텐션이다.

2) 개념: 어텐션은 “중요한 걸 고르는 기술”이 아니라 “관계를 점수로 만드는 기술”이다

사람들은 어텐션을 흔히 이렇게 이해한다.

“AI가 집중하는 기능.”

맞다. 하지만 더 정확히 말하면 이렇다.

어텐션은 문장 속 단어들이 서로를 얼마나 참고해야 하는지 점수로 매기는 장치다.

(1) 왜 필요할까?

문장은 길다. 단어는 많다. 그런데 단어의 뜻은 혼자서 완성되지 않는다. 특히 이런 것들은 반드시 ‘연결’이 필요하다.

대명사: “그, 그녀, 그것, 이거”
생략: 한국어는 특히 주어를 많이 뺀다
관계: “왜냐하면, 하지만, 그래서”
범위: “모두, 일부, 대부분”
감정의 대상: “화가 났다”는 누구에게? 무엇 때문에?

예를 들어 이런 문장을 보자.

“민지가 수아에게 책을 줬다. 그녀는 기뻤다.”

“그녀”가 누구인지 알아내려면 앞 문장과 연결해야 한다. 사람은 자연스럽게 한다. AI는 어텐션으로 한다.

어텐션은 “그녀”라는 단어가 이전 단어들(민지/수아/책/줬다) 중 누구와 더 강하게 연결돼야 자연스러운지를 계산한다. 그리고 그 연결 강도를 점수로 만든다.

(2) ‘중요함’이란 결국 ‘참조의 강도’다

어텐션에서 “중요하다”는 말은 감정적 가치판단이 아니다. “이 단어를 해석하려면 저 단어를 얼마나 참고해야 하는가”에 가깝다.

“그녀”는 앞의 인물 정보를 많이 참고해야 하니 점수가 커지고
“을/를” 같은 조사는 문맥마다 역할이 비슷하니 상대적으로 덜 중요해질 수 있다
“하지만”은 앞뒤 내용을 강하게 대비시키니 연결 구조에서 큰 역할을 한다

즉, 어텐션은 문장을 “의미의 그물망”으로 만든다. 단어들이 서로에게 실을 걸고, 그 실의 굵기를 조절한다.

(3) 그래서 AI가 관계를 잘 잡아내는 이유

사람은 주의력이 한정돼 있다. 우리는 동시에 많은 연결을 추적하기 어렵다. 길고 복잡한 문장을 읽으면 “앞에서 뭐라고 했지?” 하고 되돌아가게 된다.

AI는 다르다. 어텐션은 문장 전체를 한 번에 펼쳐 놓고, 모든 단어 쌍 사이의 연결 점수를 계산할 수 있다. 즉, AI는 “기억력이 좋아서”가 아니라 연결 계산을 대규모로 할 수 있어서 관계를 잘 잡는다.

이게 LLM이 갑자기 문맥을 잘 이해하는 것처럼 보이게 만든 핵심 중 하나다.

3) 성찰: AI의 어텐션이 커질수록, 인간의 어텐션은 더 소중해진다

여기서 질문은 기술이 아니라 삶으로 돌아온다.

내 주의력은 지금 무엇에 점수를 주고 있는가?

어텐션은 곧 ‘내가 무엇을 중요하다고 느끼는가’의 지도다. 그리고 그 지도는 내가 세상을 어떤 얼굴로 살게 될지 결정한다.

자극적인 제목에 높은 점수를 주면 세상은 더 위험해 보이고
내 불안을 건드리는 정보에 높은 점수를 주면 하루가 더 피곤해지고
누군가의 선의를 읽는 단어에 점수를 주면 관계가 조금 더 부드러워진다

우리가 놓치기 쉬운 사실이 하나 있다. 주의력은 ‘자연’이 아니라 훈련된 습관이다. 내가 무엇을 반복해서 보면, 내 어텐션은 그쪽으로 점점 더 빠르게 기울어진다.

AI가 우리에게 제공하는 것은 정보만이 아니다. AI는 우리에게 “주의력을 어디에 둘지”를 부드럽게 제안한다. 추천, 알림, 자동재생, 요약, 하이라이트. 전부 어텐션의 핸들에 손을 얹는 방식이다.

그래서 이 장의 결론은 단호하지만 현실적이다.

AI 시대의 자유는 ‘정보를 많이 아는 것’이 아니라 ‘주의력을 내가 운전하는 것’이다.

오늘 하루만이라도 작은 실험을 해보자.

내가 자주 보는 콘텐츠 하나를 켠다.
10초만 멈추고 이렇게 묻는다.
- “이건 내 삶에서 무엇과 연결되길 원하지?”
- “지금 이게 내 주의력을 가져갈 만큼 중요한가?”
그리고 한 번만, 내가 정한 연결로 시선을 옮긴다.
- 가족/공부/휴식/운동/대화/읽기 중 하나로.

이게 거창한 디지털 디톡스는 아니다. 그저 “어텐션의 주도권”을 1%라도 되찾는 연습이다.

9장. 트랜스포머: 변환들의 합창

1) 이야기: “합창은 한 사람의 목소리가 아니다”

합창을 처음 들으면 우리는 종종 착각한다. “와, 목소리가 엄청 크다.” “한 사람이 저렇게 부르나?”

하지만 가까이 가면 안다. 합창은 한 사람의 천재적 고음이 아니라, 여러 목소리가 정확히 겹친 결과다. 소프라노가 멜로디를 잡고, 알토가 바닥을 깔고, 테너가 다리를 놓고, 베이스가 땅을 만든다. 각 파트는 혼자만 들으면 평범할 수도 있다. 그런데 함께 쌓이면, 한 번도 들어본 적 없는 ‘두께’가 나온다.

트랜스포머(Transformer)도 그와 비슷하다. 우리가 보기에 LLM은 “한 번에” 대답한다. 하지만 그 안에서는 수십, 수백 번의 작은 변환이 겹친다. 단어들은 한 번에 의미가 되는 게 아니라, 여러 층을 지나며 조금씩 정렬된다. 마치 여러 파트가 동시에 음을 맞추며, 결국 하나의 합창이 되는 것처럼.

그래서 트랜스포머가 주는 인상은 “생각”에 가깝다. 그런데 정말 생각일까? 아니면 생각처럼 들리는 합창일까?

2) 개념: 트랜스포머는 “어텐션 + 변환(행렬) + 반복”이다

트랜스포머를 한 문장으로 줄이면 이렇게 말할 수 있다.

단어 벡터들을 ‘관계(어텐션)’로 엮고, ‘변환(행렬)’로 바꾸는 일을 층층이 반복하는 구조

여기서 핵심은 세 가지다.

(1) 한 층(layer)에서 일어나는 일: “엮고, 바꾸고, 다듬는다”

트랜스포머의 한 층을 아주 간단히 비유하면 이런 작업실이다.

어텐션으로 “서로 누구를 참고해야 하지?”를 계산한다.
- 단어들이 단어를 바라보는 방식이 생긴다.
- 문장 전체가 관계망으로 엮인다.
선형변환(행렬)으로 그 관계를 반영해 벡터들을 새로 만든다.
- “같은 단어”라도 문맥에 따라 다른 방향으로 바뀐다.
- 예: “은행”이 “강” 옆에 있으면 river 쪽으로, “대출” 옆에 있으면 bank 쪽으로.
작은 비선형(꺾임)으로 표현력을 늘린다.
- 선형만으로는 부족하니, 중간중간 ‘관절’을 넣어 더 복잡한 패턴을 담는다.

이 과정이 한 번이면 “그럴듯함”이 약하다. 하지만 이 과정을 여러 번 반복하면, 벡터들은 점점 더 문맥에 맞는 형태로 조정된다.

(2) 왜 ‘변환들의 합창’이 되는가: “조금씩 바뀌는 방향”이 쌓이기 때문에

우리는 흔히 변화를 ‘큰 결심’이라고 생각하지만, 실제 변화는 대개 미세하다. 트랜스포머의 변화도 그렇다.

1층에서는 단어의 대략적 역할이 잡히고
5층에서는 문장 구조가 더 또렷해지고
20층에서는 맥락과 스타일이 고르게 정리되고
40층에서는 장거리 의존(앞뒤 멀리 떨어진 관계)까지 견고해진다

각 층은 벡터를 조금씩 바꾸는 필터다. 그 작은 바뀜이 수십 번 누적되면, 문장 전체가 “말이 되는 방향”으로 정렬된다.

이게 바로 합창이다. 한 명이 똑똑해서가 아니라, 많은 변환이 정확히 겹쳐서 “지능처럼” 들린다.

(3) 그런데도 우리는 왜 거기서 ‘사고’를 느끼는가

여기서 중요한 질문이 나온다.

“정교한 변환의 누적”인데, 왜 우리는 거기서 생각을 느낄까?

이유는 몇 가지가 있다.

언어가 원래 사고의 껍질이기 때문 우리는 생각을 말로 정리한다. 말이 그럴듯하면, 생각도 있는 것처럼 느낀다.
맥락을 유지하는 답변은 ‘이해’처럼 보이기 때문 트랜스포머는 어텐션으로 관계를 잘 유지한다. 그래서 “앞에서 말한 걸 기억하는 것”처럼 보인다.
우리의 뇌가 ‘의도’를 자동으로 읽어내기 때문 사람은 패턴에서 의도를 추측한다. 바람 소리에서도 누군가 부르는 듯한 리듬을 느끼듯, 그럴듯한 문장에서 ‘의도’를 본다.

즉, 우리가 느끼는 ‘사고’는 AI 내부의 사고라기보다 우리 쪽에서 발생하는 해석일 때가 많다.

트랜스포머는 생각을 “가진다”기보다, 생각처럼 보이는 결과를 “만든다.”

3) 성찰: “생각처럼 보이는 것”과 “생각하는 것”을 구분하는 용기

이 장에서 우리가 얻어야 할 태도는 냉소가 아니다. “다 가짜야”라고 말하는 순간, 우리는 더 쉽게 속는다. 왜냐하면 냉소는 검증을 대신하지 못하기 때문이다.

대신 필요한 건 구분이다.

그럴듯함과 근거
유창함과 정확함
문장과 현실

트랜스포머는 합창처럼 유창하다. 그래서 우리는 그 목소리에 감정이 따라붙기 쉽다. 하지만 합창은 아름다워도, 곡의 사실관계를 보장하지 않는다.

여기서 다시 〈매트릭스〉의 은유가 돌아온다. 매트릭스 안에서는 모든 것이 자연스럽다. 그 자연스러움이 오히려 위험하다. 너무 자연스러워서 의심이 사라지기 때문이다.

AI 시대의 ‘빨간 약’은 거창한 거부가 아니다. “이 문장이 왜 그럴듯하지?”라고 묻는 작은 한 걸음이다.

이 답은 어디에서 왔지? (근거)
어떤 가정 위에 서 있지? (전제)
다른 가능성은 뭐지? (대안)
내가 보고 싶은 방향으로만 정렬된 건 아니지? (편향)

이 질문들이야말로, 우리가 합창을 “음악”으로 즐기되 “진실”로 착각하지 않게 해 준다.

10장. LLM의 엔진룸: 예측이 만든 문장, 문장이 만든 세계

1) 이야기: “다음 말을 맞히는 사람은, 대화를 이끈다”

친한 친구와 대화할 때 이런 순간이 있다. 내가 말을 끝내기 전에 친구가 “아, 너 그 얘기 하려는 거지?” 하고 알아맞힌다. 그때 우리는 감탄한다.

“너 나 잘 안다.”

그런데 곰곰이 생각해보면, 그 친구가 한 일은 딱 하나다. 다음 말을 예측한 것.

내가 어떤 표정을 지으면 어떤 말을 할지
내가 어떤 주제를 꺼내면 어떤 결론으로 갈지
내가 어떤 말투를 쓰면 어떤 감정을 품고 있는지

예측은 관계를 만든다. 그리고 예측이 반복되면, 관계는 더 단단해진다.

문제는 여기서 끝나지 않는다. 예측은 단지 ‘맞히는 능력’이 아니라 흐름을 만드는 힘이기도 하다.

대화에서 상대가 내 다음 말을 너무 잘 맞히면, 나는 점점 그 예측에 맞는 말을 하게 된다. “그렇지, 너는 원래 이런 사람이지?”라는 말이 반복되면, 나는 그 틀에서 벗어나기가 어려워진다. 예측은 종종 현실을 따라가는 것 같지만, 실제로는 현실을 밀어 넣는 틀이 되기도 한다.

LLM도 여기에서 출발한다. LLM이 하는 일은 놀랄 만큼 단순하다.

다음 토큰을 맞히기.

그런데 왜 우리는 그 단순함 앞에서 “지능”을 느낄까? 왜 “맞히기”가 “말하기”가 되고, “말하기”가 “생각하기”처럼 보일까?

2) 개념: LLM은 ‘의미를 말하는 것’이 아니라 ‘다음 조각을 고르는 것’이다

LLM의 엔진룸을 가장 정직하게 요약하면 이렇다.

지금까지의 토큰들을 보고, 다음에 올 토큰의 확률을 계산한다.

여기서 중요한 포인트가 세 개 있다.

(1) “다음 토큰 예측”이 왜 강력한가 — 언어는 원래 이어짐이기 때문

언어는 단어의 목록이 아니다. 언어는 이어짐이다.

“비가 오면” 다음에는 “우산”이 자주 오고
“죄송하지만” 다음에는 “요청/거절/변명”이 자주 오고
“결론적으로” 다음에는 “요약”이 자주 온다

우리가 말을 잘한다는 건, 결국 “다음에 무엇이 와야 자연스러운지”를 잘 안다는 뜻이다. 그래서 다음 토큰 예측을 잘하는 모델은, 자연스럽게 ‘말을 잘하는 것’처럼 보인다.

(2) 예측은 “지식”이 아니라 “패턴”에서 나온다

LLM이 “아는 것처럼” 말하는 많은 내용은, 실제로는 이렇게 만들어진다.

어떤 문장에서 어떤 표현이 자주 이어졌는지
어떤 질문에 어떤 답변 구조가 자주 뒤따랐는지
어떤 말투가 어떤 분위기와 함께 등장했는지

즉, LLM은 “진실”을 저장한다기보다 말의 습관을 저장한다.

그래서 LLM은 사실을 말할 수도 있고, 그럴듯한 거짓을 말할 수도 있다. 엔진의 본질이 “정확성”이 아니라 “자연스러움”이기 때문이다.

(3) 그런데 스타일은 어떻게 생기나 — ‘예측의 취향’이 굳어지기 때문이다

여기서 재미있는 일이 일어난다.

예측은 단순히 다음 단어 하나를 고르는 일이지만, 그 선택이 계속 쌓이면 문장 전체의 리듬이 된다.

문장을 짧게 끊는 사람
비유를 자주 쓰는 사람
반문을 즐겨 쓰는 사람
단정적으로 말하는 사람
조심스럽게 조건을 다는 사람

이런 스타일은 “한 문장”에서 결정되는 게 아니라, 수백 번의 작은 선택이 누적되어 생기는 결이다.

LLM이 특정 문체를 흉내 낼 수 있는 이유도 여기에 있다. 문체는 신비한 ‘영혼’이 아니라, 통계적 반복이 만든 무늬이기도 하다.

3) 성찰: 예측이 언어를 만들고, 언어는 다시 현실을 만든다

여기서 한 걸음 더 나가 보자. 가장 중요한 질문은 이것이다.

예측은 언어를 만들 뿐인데, 왜 현실을 흔들까?

현실은 단순히 ‘사건’으로만 이루어지지 않는다. 현실은 사건을 둘러싼 이야기로 이루어진다.

같은 사건도 어떤 언어로 말하느냐에 따라 완전히 달라진다.

“실패”라고 부르면 끝이지만
“실험”이라고 부르면 다음이 열린다
“갈등”이라고 부르면 싸움이지만
“조율”이라고 부르면 대화가 된다

언어는 세계를 해석하는 매트릭스다. 단어 하나가 필터가 되고, 문장 하나가 프레임이 된다.

그리고 AI가 하는 일은, 이 프레임을 매우 빠르게, 매우 많이 생산하는 것이다.

요약문을 만들고
댓글을 만들고
기사 제목을 만들고
설득 문장을 만들고
심지어 내 말투까지 만들어 준다

그 결과 우리는 더 많은 언어 속에서 산다. 언어가 많아질수록, 현실은 더 넓어질 수도 있다. 하지만 동시에 위험도 생긴다.

예측이 만드는 언어가, 나의 판단을 대신하기 시작할 때.

내가 직접 읽기 전에 요약이 먼저 결론을 주고
내가 직접 생각하기 전에 답변이 먼저 방향을 주고
내가 직접 말하기 전에 문장이 먼저 감정을 정해 버린다

그때 우리는 캡슐 속의 편안함과 비슷한 것을 얻는다. 수고가 줄고, 시간이 절약되고, 말이 부드러워진다. 하지만 그 편안함 속에서 “나의 선택”은 조금씩 약해진다.

그래서 이 장의 결론은 단순하다.

AI의 예측을 도구로 쓰되, 내 삶의 예측은 내가 세운다.

우리는 늘 예측하며 산다. “이 말을 하면 저 사람이 상처받겠지.” “이 선택을 하면 내일이 달라지겠지.” 그 예측이 모여 내 인생의 문장을 만든다.

LLM이 다음 토큰을 예측하듯, 우리는 다음 하루를 예측한다. 차이는 하나다.

AI의 예측은 “자연스러움”을 목표로 하지만, 인간의 예측은 “어떤 삶을 살 것인가”를 목표로 해야 한다.

11장. 학습이란 무엇인가: 손실을 줄이는 삶

1) 이야기: “틀렸다는 말이 무서운 이유”

시험지를 받았을 때, 빨간 펜이 가득하면 몸이 먼저 움츠러든다. 정답보다 먼저 보이는 건 틀린 표시다. 그 표시는 단순한 정보인데도, 사람은 쉽게 그걸 ‘나’로 받아들인다.

“나는 부족해.”
“나는 안 돼.”
“나는 원래 이래.”

틀림이 ‘데이터’가 아니라 ‘정체성’이 되는 순간, 학습은 멈춘다. 그리고 우리는 이상한 선택을 한다. 틀리지 않기 위해 아예 시도하지 않는 쪽으로.

하지만 생각해 보면, 세상에서 가장 빠르게 성장하는 것들은 틀림을 두려워하지 않는다. 아기는 걸으며 수백 번 넘어진다. 누가 그걸 두고 “수치스럽다”고 말하지 않는다. 오히려 우리는 박수친다. 넘어짐은 실패가 아니라 업데이트의 과정이기 때문이다.

영화 〈매트릭스〉에서도 비슷하다. 네오가 깨어난 뒤 처음부터 강하지 않다. 몸이 말을 듣지 않고, 눈은 아프고, 현실은 낯설다. 자유는 한 번의 결심으로 완성되지 않는다. 반복되는 실패로 근육이 생긴다. 그 실패를 견디는 법이 곧 학습이다.

AI도 똑같다. AI는 “천재적으로 깨닫는” 방식으로 똑똑해지지 않는다. AI는 한마디로, 틀리면서 똑똑해진다.

2) 개념: 손실(loss)은 “벌점”이 아니라 “거리 측정”이다

기계학습에서 학습은 이렇게 진행된다.

모델이 답을 낸다.
정답과 비교한다.
차이(손실, loss)를 계산한다.
그 차이를 줄이도록 내부 숫자(가중치)를 조금 조정한다.
다시 시도한다.

여기서 손실(loss)은 감정이 아니다. 손실은 “너 틀렸어!”라는 비난이 아니라, “정답에서 얼마나 멀리 떨어졌지?”를 알려주는 거리계다.

(1) 손실은 방향을 준다

손실이 크면 “이 방향은 멀다”는 뜻이다. 손실이 작아지면 “가까워지고 있다”는 뜻이다.

즉, 손실은 학습의 나침반이다. 나침반이 없으면 우리는 어디로 고쳐야 할지 모른다. 그래서 역설적으로, 손실이 없으면 학습도 없다.

(2) ‘경사(gradient)’는 한 걸음의 규칙이다 (비유로)

모델이 손실을 줄이는 방법은 “한 번에 정답으로 점프”가 아니다. 대개는 아주 작은 걸음이다.

산을 내려갈 때를 떠올리면 쉽다. 정상에서 목적지까지 한 번에 뛰지 않는다. 대신 발밑의 기울기를 느끼고, 조금 더 낮은 쪽으로 한 발 내딛는다. 이 “기울기”가 바로 경사(gradient)다.

손실이 큰 방향은 피하고
손실이 줄어드는 방향으로 조금 움직인다

그 작은 움직임이 수천 번 쌓여 모델이 바뀐다.

(3) 그래서 학습은 ‘수정의 누적’이다

우리가 AI를 볼 때 놓치기 쉬운 사실이 있다. 모델은 한 번의 천재적인 발견으로 바뀌지 않는다. 거의 언제나 미세한 조정의 누적으로 바뀐다.

그건 인간에게도 매우 낯익다.

글쓰기도 한 번에 완성되지 않는다. 초고는 틀리기 위해 쓰고, 수정은 더 정확해지기 위해 한다.
운동도 한 번에 강해지지 않는다. 근육통은 내 몸이 “업데이트 중”이라는 신호다.
관계도 비슷하다. 실수하고, 사과하고, 조정하면서 신뢰가 쌓인다.

학습은 결국 손실을 줄이는 삶이다. 완벽해지려는 삶이 아니라, 오차를 줄이며 더 나은 방향으로 가는 삶이다.

3) 성찰: 틀림을 ‘수치심’이 아니라 ‘데이터’로 바꾸는 연습

이 장에서 우리가 얻어야 할 것은 하나다.

“틀렸다”는 말을 해석하는 방식을 바꾸는 것

AI는 틀려도 부끄러워하지 않는다. 그저 손실을 계산하고 업데이트한다. 사람은 틀리면 마음이 무너진다. 그래서 업데이트보다 방어를 먼저 한다.

AI처럼 살자는 말이 아니다. 하지만 AI의 학습 방식에서 빌릴 수 있는 태도가 있다.

(1) ‘나’와 ‘출력’을 분리하기

“나는 틀렸어”가 아니라
“내 답이 틀렸어”

이 한 줄이 생각보다 큰 차이를 만든다. 출력은 고칠 수 있지만, 정체성은 고치려 들면 무너진다.

(2) 손실을 “질문”으로 바꾸기

틀렸을 때 바로 자책으로 가는 대신, 이렇게 묻는 것이다.

어디서부터 어긋났지?
어떤 가정을 했지?
내가 놓친 정보는 뭐지?
다음엔 무엇을 바꿔볼까?

이 질문들은 비난이 아니라 설계다. 학습은 늘 설계 쪽에서 일어난다.

(3) 피드백을 ‘공격’이 아니라 ‘업데이트 신호’로 받기

피드백은 가끔 서툴게 온다. 말투가 거칠 수도 있고, 내용이 불완전할 수도 있다. 그럼에도 불구하고 그 안에는 ‘수정할 점’이라는 데이터가 섞여 있을 때가 많다.

우리는 피드백을 받을 때 선택할 수 있다.

“나를 공격했어”로 끝낼지
“업데이트에 쓸 데이터가 있나?”로 열어둘지

후자가 가능해지는 순간, 우리는 캡슐 밖에서 더 잘 걷게 된다.

마지막으로 이 장의 가장 현실적인 결론을 한 문장으로 남기고 싶다.

학습은 자존심을 지키는 일이 아니라, 손실을 줄이는 일이다. 그리고 손실을 줄이는 사람은, 결국 더 자유로워진다. 왜냐하면 그는 실패를 두려워하지 않기 때문이다.

12장. 플라톤의 동굴과 화면 속 세상

1) 이야기: “세상은 넓은데, 내 화면은 좁다”

어느 날 친구와 같은 사건을 얘기하는데, 대화가 이상하게 어긋난 적이 있을 것이다. 나는 “요즘 다들 그 얘기하던데?”라고 말했는데, 친구는 “난 처음 듣는데?”라고 한다. 똑같이 하루를 살았고, 같은 도시에서 같은 시간을 보냈는데, 서로가 ‘전부’라고 믿는 세계가 다르다.

이럴 때 우리는 종종 상대를 탓한다. “너는 관심이 없구나.” 혹은 “너는 한쪽만 보네.”

하지만 더 조용한 진실이 있다. 우리는 각자 다른 동굴에 앉아 있을지도 모른다.

화면은 내 취향을 존중한다. 내가 오래 본 것, 자주 클릭한 것, 끝까지 본 것, 댓글을 단 것. 그 데이터를 바탕으로 화면은 점점 “나 같은 사람”을 위한 세계를 만들어 준다.

내가 좋아하는 말투로
내가 쉽게 이해하는 방식으로
내가 불편해하지 않는 톤으로
내가 반응할 만한 자극으로

처음엔 친절이다. 세상이 내 손바닥 안에 들어온 것 같다. 그런데 어느 순간, 세상은 넓어졌는데 내 눈은 좁아졌다.

나는 더 많이 보는 것 같은데, 사실은 비슷한 것만 보고 있다. 나는 더 많이 아는 것 같은데, 사실은 같은 결론만 반복해서 확인하고 있다. 이게 바로 ‘보이는 세계의 편식’이다.

그리고 편식은 배를 채우지만, 몸을 약하게 만든다.

2) 개념: 플라톤의 동굴—그림자는 거짓이라서가 아니라 ‘전부라서’ 위험하다

플라톤의 동굴 이야기는 이렇게 시작한다. 사람들이 어릴 때부터 동굴 안에 묶여 있다. 뒤를 볼 수 없고, 앞의 벽만 본다. 뒤에서 불빛이 비추고, 어떤 물체들이 지나가면, 벽에는 그림자가 생긴다. 사람들은 그 그림자를 ‘현실’이라고 믿는다. 왜냐하면 그게 그들이 평생 본 전부이기 때문이다.

여기서 핵심은 이것이다.

그림자가 ‘가짜’여서 문제가 아니다.
그림자가 전부가 되는 것이 문제다.

우리는 지금 “벽”을 갖고 있다. 그 벽의 이름은 화면이다.

그리고 “불빛과 물체”의 역할을 하는 것이 알고리즘이다. 추천 알고리즘은 악마가 아니다. 대개는 효율을 위한 기술이다.

시간을 아껴 주고
취향에 맞춰 주고
내가 좋아할 확률이 높은 것을 먼저 보여 준다

문제는 효율이 반복될 때 생긴다.

효율은 다양성을 희생한다. 빠른 길은 늘 같은 길이 된다. 추천은 내 취향을 존중하는 것 같지만, 결국 내 취향을 고정시키기도 한다.

이걸 AI의 언어로 말하면 이렇게 된다.

나는 내가 좋아하는 콘텐츠에 더 오래 머문다(어텐션)
알고리즘은 그 패턴을 학습한다(손실을 줄이며 최적화)
그 결과 더 비슷한 콘텐츠를 보여준다(보상)
나는 더 익숙해지고, 다른 선택을 덜 하게 된다(습관)

이 과정에는 거대한 음모가 필요 없다. 그저 “편한 최적화”만 있으면 된다.

동굴의 사슬은 쇠사슬이 아니라 습관일 수 있다.

3) 성찰: 공포가 아니라 균형—“내 동굴을 넓히는 방법”

이 장에서 우리가 지켜야 할 태도는 두 가지 극단을 피하는 것이다.

“알고리즘이 다 조종해!” (공포)
“추천이니까 괜찮아.” (무감각)

둘 다 우리를 약하게 만든다. 공포는 검증을 포기하게 하고, 무감각은 선택을 포기하게 한다.

필요한 건 균형이다. 즉, 내 화면이 세상의 일부일 뿐임을 자주 확인하는 습관이다.

여기서 현실적으로 쓸 수 있는 “동굴 확장 3가지”만 제안하겠다.

1) 반대편으로 한 번만 걸어가기(‘이웃 바꾸기’)

내가 좋아하는 주제에서 “반대 결론”을 검색해 본다. 화가 나더라도 끝까지 읽는 게 목적이 아니다. 그냥 내 머릿속 지도에 새 이웃을 하나 추가하는 게 목적이다.

2) 속도를 바꾸기(요약에서 원문으로)

요약은 빠르지만, 뇌를 약하게 만들 수 있다. 일주일에 한 번만이라도, 요약 없이 긴 글을 읽어 보자. 이건 지식보다 주의력 근력을 위한 운동이다.

3) 질문을 하나 더 붙이기(프레임 점검)

화면에서 강한 감정이 올라오는 콘텐츠를 볼 때, 딱 한 문장만 덧붙인다.

“이 장면(이 문장)이 나에게 ‘전부’처럼 느껴지게 만드는 이유는 뭐지?”

이 질문은 내용을 부정하지 않는다. 다만 “내가 왜 이렇게 반응하는지”를 되돌려 준다. 그 순간 동굴의 사슬 하나가 느슨해진다.

플라톤의 동굴이 말하는 자유는, 벽을 부수고 탈출하는 영웅담이 아니다. 뒤를 돌아볼 수 있게 되는 능력이다.

AI 시대의 동굴도 마찬가지다. 우리는 화면을 없앨 수 없고, 없앨 필요도 없다. 대신 우리는 이렇게 할 수 있다.

내 화면이 곧 세계가 아니라는 사실을 기억하고
내 어텐션의 방향을 조금씩 바꾸고
내가 ‘전부’라고 느끼는 것에 늘 질문을 하나 더 붙이는 것

이 작은 균형 감각이야말로, 음모론 없이도 우리가 “각성”할 수 있는 가장 현실적인 길이다.

13장. 데카르트의 의심: 나는 진짜로 아는가

1) 이야기: “그럴듯한 말이 나를 안심시키는 순간”

우리는 하루에도 몇 번씩 ‘그럴듯함’에 기대어 산다. 뉴스 제목이 그럴듯하면 믿고, 댓글이 많으면 믿고, 말투가 단정하면 믿는다. “전문가가 말했다”라는 한 문장이 붙으면 더 믿는다. 사실을 확인하기 전에 마음이 먼저 결론을 낸다.

AI가 등장한 뒤, 그럴듯함은 더 쉽게 만들어졌다. 질문 하나만 던지면, 정리된 문장으로 답이 돌아온다. 문단도 예쁘고, 논리도 매끈하다. 그리고 우리는 그 매끈함에 속삭이듯 안심한다.

“아, 맞는 말이네.”

하지만 생각해 보면, 그럴듯한 말은 언제나 우리를 안심시키지 않았다. 시험 때도 그랬다. 문제를 풀고 나서 ‘느낌상 맞는 것 같은’ 답을 고른 적이 있다. 시간이 없을 때는 더 그렇다. 그런데 정답을 보면, 느낌은 꽤 자주 틀린다.

그때 깨닫는다.

그럴듯함은 정답의 친구가 아니라, 종종 정답의 적이다.

여기서 데카르트가 들어온다. 데카르트는 세상을 미워해서 의심한 사람이 아니다. 그는 오히려 너무 간절했기 때문에 의심했다.

“나는 확실한 바닥이 필요하다.”

AI 시대의 우리는 그의 마음을 이해할 수 있다. 정보가 넘칠수록, 말이 유창해질수록, ‘확실함’은 더 소중해진다.

2) 개념: 데카르트의 의심은 “믿지 말자”가 아니라 “확실한 것만 남기자”다

데카르트를 중학생도 이해할 말로 바꾸면 이렇게 된다.

“진짜로 확실한 것만 남기고, 나머지는 잠깐 보류하자.”

그는 세상을 다 부정하려고 한 게 아니다. 오히려 확실한 기초를 찾으려는 점검이었다.

데카르트는 이렇게 물었다.

내가 보고 듣는 게 항상 맞을까? (감각은 착각할 수 있다)
꿈을 꾸고 있는 건 아닐까? (꿈에서도 현실처럼 느낀다)
누군가 나를 속이는 건 아닐까? (가능성은 있다)

여기서 중요한 건 결론이 아니다. 중요한 건 질문의 태도다.

그가 결국 붙잡은 것은 유명한 한 문장으로 요약된다.

“나는 생각한다, 고로 존재한다.”

이걸 너무 어렵게 받아들일 필요는 없다. 그 말은 이렇게도 번역할 수 있다.

“적어도 ‘지금 내가 의심하고 있다’는 사실만큼은 확실하다.”

즉, 데카르트는 ‘모든 것을 믿지 말자’가 아니라 ‘확실한 것에서부터 다시 쌓자’라는 방법을 제시한 것이다.

AI 시대에 이 태도가 왜 중요할까?

AI는 문장을 잘 만든다. 하지만 문장을 잘 만든다는 건, 진짜라는 뜻이 아니라 자연스럽다는 뜻일 때가 많다. 그러니 우리가 필요한 건 “AI를 의심하자”가 아니라, 더 넓게 말해

그럴듯함을 통과하는 기준이다.

3) 성찰: 의심은 냉소가 아니라 기준—“보류”라는 힘

여기서 우리가 빠지기 쉬운 함정이 하나 있다. 의심을 시작하면, 어떤 사람은 곧바로 냉소로 가 버린다.

“다 믿을 수 없어.”
“어차피 다 조작이야.”
“팩트도 의미 없어.”

하지만 그건 의심이 아니다. 그건 포기다. 그리고 포기는 가장 쉬운 마비다.

데카르트식 의심은 그 반대다. 그는 믿음을 버리기 위해 의심한 게 아니라, 더 단단히 믿기 위해 의심했다.

그래서 이 장에서는 AI 시대에 쓸 수 있는 “기준 3개”만 남기고 싶다. 거창한 검증법이 아니라, 일상에서 바로 쓸 수 있는 기준이다.

기준 1) “근거가 있는가?” (출처 질문)

그럴듯한 말 앞에서 이렇게 묻는다.

이건 어디에서 온 말이지?
누가, 언제, 무엇을 근거로 말했지?
적어도 확인 가능한 단서가 있나?

AI 답변이든 사람 말이든, 근거가 없는 단정은 일단 보류한다. ‘보류’는 게으름이 아니라, 성숙이다.

기준 2) “반대로 말하면 어떻게 되지?” (대칭 질문)

한 결론이 너무 매끈할 때, 반대로 뒤집어 본다.

“항상 그렇다” → 정말 항상? 예외는?
“모두가 원한다” → 모두가 누구지?
“이게 정답이다” → 다른 답은 왜 아닌지?

이 질문 하나만으로, 많은 ‘그럴듯함’이 제자리로 돌아간다.

기준 3) “내 감정이 결론을 대신하고 있나?” (감정-판단 분리)

강한 감정이 올라오면, 우리는 확신을 더 빨리 만든다. 그래서 이렇게 묻는다.

내가 지금 화가 나서 믿고 싶은 건가?
내가 지금 불안해서 결론을 빨리 갖고 싶은 건가?
내가 지금 누군가를 미워해서 단정하고 싶은 건가?

감정은 중요한 신호지만, 감정이 곧 사실은 아니다. 의심은 감정을 무시하는 게 아니라, 감정과 사실을 분리하는 기술이다.

이 장의 결론은 하나다.

의심은 부정이 아니라 점검이다. 그리고 점검의 핵심은 “보류할 수 있는 힘”이다.

AI가 만들어 주는 문장은 너무 빨리 결론을 준다. 그래서 인간에게 더 필요한 능력은 오히려 느린 능력이다.

한 박자 멈추는 능력
근거를 요구하는 능력
확실한 것부터 쌓는 능력

그게 데카르트가 우리에게 남긴 선물이다. AI 시대에도 변하지 않는, 가장 현실적인 빨간 약.

14장. 구조주의: 보이지 않는 틀이 우리를 움직인다

1) 이야기: “나는 선택했다고 믿었는데, 길이 먼저 그어져 있었다”

엘리베이터 앞에서 잠깐 망설인다. “계단으로 갈까?” 그런데 몸은 이미 버튼을 누르고 있다. 피곤해서일까? 게을러서일까? 물론 그런 이유도 있다. 하지만 그것만은 아니다.

우리는 자주 ‘내 의지’라고 생각하지만, 사실은 길이 먼저 그어져 있는 경우가 많다.

예를 들어,

편의점에 들어가면, 계산대 옆에 있는 건 대개 충동구매용 상품이다. 나는 “내가 고른 것” 같지만, 사실은 내가 손이 가기 좋은 위치에 놓인 것을 고른다.
학교나 회사에서 회의가 길어지면, 처음엔 누구나 손을 들고 질문하고 싶어 한다. 하지만 분위기가 “조용히 넘어가는 쪽”으로 굳어지면, 말하고 싶은 사람도 입을 다문다.
친구들과 밥을 먹을 때도 그렇다. 메뉴를 고르는 순간, 누군가가 “아무거나”라고 하면 대부분 ‘아무거나’가 되지 않는다. 눈치가 규칙이 되어 흐름을 만든다.

이런 경험이 말해주는 건 단순하다.

사람은 의지로만 살지 않는다.

우리는 늘 어떤 틀 속에서 선택한다. 그 틀은 눈에 보이지 않아서 더 강하다. 눈에 보이면 반발할 수 있는데, 보이지 않으면 그게 ‘원래 그런 것’처럼 느껴지기 때문이다.

영화 〈매트릭스〉의 공포는 기계가 아니다. 진짜 공포는 사람들이 매트릭스 안에 있다는 사실을 모른 채, 그 안에서 “자유롭게 살고 있다”고 믿는 데 있다.

그 지점에서 구조주의가 시작된다.

2) 개념: 구조주의는 “개인”보다 “틀”을 먼저 본다

구조주의를 한 문장으로 말하면 이렇다.

우리를 움직이는 것은 개인의 마음만이 아니라, 그 마음이 움직이는 ‘구조(틀)’다.

여기서 구조란 거창한 음모가 아니다. 언어, 제도, 관습, 규칙, 분위기, 역할 같은 것들이다. 우리가 태어나기 전부터 이미 깔려 있던 길. 그 길은 친절할 수도 있고, 답답할 수도 있다.

(1) 언어가 틀을 만든다 — “말이 먼저 길을 낸다”

우리는 생각을 말로 정리한다. 그런데 말이 제한되면, 생각도 제한된다.

예를 들어 누군가를 평가할 때,

“성공/실패”라는 말만 있으면 삶은 점수표가 되고
“성장/실험”이라는 말이 있으면 삶은 과정이 된다

같은 현실이 다른 언어를 통과하면 다른 세계가 된다. 언어는 단순한 표현이 아니라, 생각의 매트릭스다.

(2) 제도와 관습은 ‘가능한 행동의 범위’를 만든다

학교에서는 어떤 행동이 “학생답다”고 불리고, 회사에서는 어떤 행동이 “직원답다”고 불린다. 이 ‘답다’라는 말이 무섭다. 그 말은 사람을 보호하기도 하지만, 동시에 사람을 정렬한다.

“그건 너답지 않아.” 이 말은 칭찬처럼 들릴 때도 있지만, 사실은 이렇게 말하는 것과 비슷하다.

“너는 이 틀 안에서 움직여.”

(3) 매트릭스는 ‘기계’가 아니라 ‘규칙의 그물망’이다

우리가 지금까지 배운 수학의 언어로 옮기면, 구조는 이런 역할을 한다.

입력(나의 욕구, 감정, 생각)이 들어오면
구조(언어/관습/제도)가 그걸 특정 방식으로 변환하고
출력(내 행동, 내 선택, 내 표정)이 나온다

즉, 구조는 하나의 행렬(변환 장치)처럼 작동한다. 그리고 그 행렬은 벽에 붙어 있지 않다. 사람들 사이에 떠다니고, 분위기에 섞여 있고, 규칙 속에 숨어 있다.

그래서 영화의 매트릭스를 현실로 옮기면, 이렇게 말할 수 있다.

“기계가 나를 가둔다”가 아니라
“보이지 않는 틀이 내 선택을 ‘자연스럽게’ 만든다.”

3) 성찰: 내 삶의 매트릭스를 알아차리는 가장 현실적인 방법

구조주의는 사람을 무력하게 만들기 위해 존재하는 게 아니다. 오히려 반대로, 구조를 알면 내가 바꿀 수 있는 지점이 보인다. 보이지 않던 것을 보게 되면, 우리는 선택을 다시 할 수 있다.

그래서 이 장에서는 거창한 해방 선언 대신, 현실적인 점검 질문 세 개만 남기고 싶다.

질문 1) “내가 ‘당연하다’고 말하는 것은 무엇인가?”

‘당연함’은 종종 구조의 냄새다.

“당연히 대학은 가야지”
“당연히 이 나이면 이 정도는 해야지”
“당연히 이렇게 말해야 예의지”

그 당연함은 누구의 것일까? 내가 선택한 기준일까, 오래된 규칙이 내 입을 빌려 말하는 걸까?

질문 2) “내가 자주 쓰는 단어는 무엇인가?”

말은 사고의 지도다. 내가 어떤 단어를 자주 쓰는지 보면, 내가 어떤 구조에 살고 있는지 보인다.

“해야 돼”가 많으면 의무의 구조
“망했어”가 많으면 불안의 구조
“나만 그래”가 많으면 비교의 구조
“괜찮아”가 많으면 억눌림의 구조일 수도 있다

단어는 사소해 보여도, 우리 삶을 끌고 간다.

질문 3) “내가 불편해하는 순간의 규칙은 무엇인가?”

불편함은 종종 구조가 드러나는 순간이다.

왜 어떤 자리에서는 말이 나오지 않을까?
왜 어떤 사람 앞에서는 작아질까?
왜 어떤 주제만 나오면 공격적으로 변할까?

그 불편함 뒤에는 대개 “보이지 않는 규칙”이 있다. 그 규칙을 발견하면, 우리는 구조를 비난하지 않고도 구조를 조정할 수 있다.

이 장의 결론은 단호하지만 희망적이다.

매트릭스는 영화 속 기계가 아니라, 일상 속 규칙으로도 존재한다. 그리고 그 규칙은 절대적 진리가 아니라, 사람들이 만든 구조다. 사람이 만들었으면, 사람은 다시 고칠 수도 있다.

15장. 자궁을 깨고 나온다는 것: 보호를 떠나는 용기

1) 이야기: “나가고 싶은데, 나가면 무너질 것 같아”

처음 혼자 해보는 날들이 있다. 처음 혼자 병원에 가는 날, 처음 혼자 계약서를 읽는 날, 처음 혼자 낯선 길을 찾아가는 날. 그때 느끼는 감정은 대개 비슷하다.

“나가고 싶다”와 “나가면 무너질 것 같다”가 동시에 온다.

보호막은 그래서 끈적하다. 그 안은 따뜻하다. 실수해도 누군가 대신 수습해준다. 규칙은 이미 정해져 있고, 길은 이미 닦여 있다. 내가 고민할 일이 줄어든다. 그런데 그 편안함이 오래 지속되면, 어느 순간 이런 불안이 찾아온다.

“이렇게 계속 살면… 내가 나로 남을 수 있을까?”

영화 〈매트릭스〉의 캡슐은 극단적인 비유지만, 우리의 삶에도 ‘캡슐 같은 자리’가 있다.

누군가가 내 결정을 대신해주는 관계
질문하지 않아도 굴러가는 루틴
불편한 사실을 보지 않아도 되는 정보의 동네
실패를 피하기 위해 안전한 길만 걷는 습관

그 안은 따뜻하다. 하지만 그 따뜻함은 때로 나를 내가 아닌 방향으로 키운다. 자궁은 생명을 살리지만, 동시에 생명을 “아직 세상에 나오지 않은 존재”로 머물게 한다.

그래서 ‘나오는 순간’이 필요하다. 그리고 그 순간은 늘 차갑다.

2) 개념: 시스템을 떠난다는 건 “지원을 잃는 것”이 아니라 “결정권을 얻는 것”이다

자궁을 깨고 나온다는 은유는 감정적 표현이 아니라, 구조를 설명하는 정확한 언어다.

자궁(시스템)의 기능은 세 가지다.

불확실성을 줄인다
결정의 부담을 대신해 준다
실패의 비용을 낮춘다

이 세 가지는 모두 좋은 것이다. 그래서 우리는 시스템이 필요하다. 문제는 이 기능들이 너무 완벽해질 때 발생한다.

불확실성이 너무 낮아지면, 우리는 모험을 잃고
결정 부담이 너무 줄면, 우리는 선택 근육을 잃고
실패 비용이 너무 낮아지면, 우리는 성장의 긴장을 잃는다

AI 시대의 시스템은 특히 이 세 가지를 “아주 잘” 해낸다.

추천은 불확실성을 줄이고
자동완성은 결정의 부담을 줄이며
요약과 템플릿은 실패의 비용을 낮춘다

그 결과 삶은 편해진다. 하지만 동시에 내가 ‘주체’로 느끼는 순간이 줄어든다.

여기서 중요한 구분이 하나 있다.

지원(support): 내가 선택한 것을 도와준다
대체(replacement): 내 선택을 대신한다

자궁 같은 시스템이 감옥이 되는 순간은 대개 ‘지원’이 ‘대체’로 넘어갈 때다. 그리고 그 경계는 생각보다 조용하다.

“너 대신 내가 해줄게.” 처음엔 사랑처럼 들리지만, 반복되면 권한의 이동이 된다.

이 책의 언어로 말하면, 주체성은 결국 이 한 줄이다.

내 삶의 변환(매트릭스)을 내가 조정할 권리

시스템을 떠난다는 건, 완벽한 독립을 뜻하지 않는다. 그건 “모든 도움을 거부하겠다”가 아니라 “도움이 나를 대신하지 않게 하겠다”는 선언이다.

3) 성찰: 불편함을 ‘진통’으로 읽는 연습

자궁 밖은 춥다. 그건 당연하다. 밖이 따뜻하면, 자궁을 떠날 이유가 없다.

여기서 실존주의가 말하는 자유가 등장한다. 자유는 ‘하고 싶은 대로 하는 것’이 아니라, 선택의 부담을 내가 지는 것이다. 그리고 부담은 늘 불편하다. 그러니 불편함은 실패의 신호가 아니라, 자유의 신호일 수 있다.

그래서 이 장에서 제안하고 싶은 것은, 불편함을 다시 해석하는 방식이다.

(1) “불편함 = 내가 망했다”가 아니라 “불편함 = 내가 태어나고 있다”

처음 발표할 때 목소리가 떨리는 건, 망했다는 증거가 아니다. 새로운 자리에서 내 몸이 적응 중이라는 증거다.

처음 긴 글을 읽을 때 집중이 안 되는 건, 내가 멍청해졌다는 증거가 아니다. 요약에 익숙해진 뇌가 다시 근육을 쓰는 증거다.

(2) ‘작은 독립’을 설계하기

자궁을 깨는 건 한 번의 폭발이 아니다. 현실에서 가능한 건 작은 독립이다.

하루에 10분만 ‘추천 없는 선택’을 해보기 (검색해서 찾기, 서점에서 랜덤으로 한 페이지 읽기, 새로운 장르 듣기)
중요한 결정을 하나만 “내 말로” 써보기 (왜 이것을 선택했는지, 내가 감수하는 불편은 무엇인지)
누군가의 의견을 듣고도, 결론을 5분만 미루기 (보류의 힘: 내 판단권을 되찾는 가장 작은 행동)

(3) 주체성은 ‘큰 선언’이 아니라 ‘작은 반복’에서 나온다

네오가 캡슐을 깨고 나온 뒤에도, 그는 바로 영웅이 되지 않는다. 그는 계속 어지럽고, 계속 휘청이고, 계속 배우며, 계속 실패한다. 그 실패의 반복이 그의 몸에 “나의 선택”이라는 감각을 새긴다.

우리도 그렇다. 주체성은 멋진 문장이 아니라 습관이다.

내가 무엇을 볼지
내가 어떤 말을 믿을지
내가 어떤 방향으로 갈지

이 작은 선택들이 쌓일 때, 나는 시스템 속의 부품이 아니라 내 삶의 운전석으로 돌아온다.

이 장의 마지막 문장을 이렇게 남기고 싶다.

주체성은 편안함에서 태어나지 않는다. 불편함은 ‘나가도 된다’는 신호일 수 있다. 그 불편함을 진통으로 읽는 순간, 우리는 더 이상 캡슐 안의 안전만을 삶이라 부르지 않는다.

16장. 선택의 문제: 빨간 약은 늘 불편하다

1) 이야기: “결정적 한 번”보다 “작은 매일”

우리는 선택을 영화처럼 상상한다. 인생이 갈라지는 갈림길에서, 한 번의 결단으로 운명이 바뀌는 장면. 빨간 약을 삼키는 순간처럼.

하지만 현실의 선택은 대부분 그렇게 멋있지 않다. 선택은 자주 초라하고, 작고, 귀찮다.

공부를 “해야지”라고 생각하다가도, 10분만 더 누워 있을지
친구에게 “미안해”라고 말할지, 자존심을 세울지
요약만 읽고 넘어갈지, 원문을 한 단락이라도 읽을지
자극적인 영상 하나 더 볼지, 지금 끊을지

이건 드라마가 아니라 하루다. 그런데 이상하게도, 인생은 이 하루들로 만들어진다.

〈매트릭스〉의 빨간 약을 현실로 옮기면 거창한 비밀문서가 아니다. 대개는 이런 식으로 온다.

“불편하지만, 이쪽으로 가보자.”
“시간이 걸리더라도, 내 손으로 해보자.”
“당장 기분은 나쁘지만, 솔직해지자.”

빨간 약은 늘 불편하다. 왜냐하면 파란 약은 늘 편하기 때문이다.

2) 개념: 실존주의—자유는 ‘가능성’이 아니라 ‘책임’이다

실존주의를 중학생도 이해할 말로 딱 줄이면 이렇다.

사람은 ‘선택’으로 만들어지고, 선택에는 ‘책임’이 붙는다.

여기서 실존주의가 말하는 자유는 흔히 말하는 “하고 싶은 대로”가 아니다. 그건 자유가 아니라 방임에 가깝다. 실존주의의 자유는 훨씬 현실적이고 무겁다.

나는 어떤 사람이 될지 고를 수 있다
하지만 그 결과를 남 탓으로만 돌릴 수는 없다

이게 책임이다.

(1) “선택하지 않음”도 선택이다

실존주의가 우리를 불편하게 만드는 문장이 하나 있다.

“너는 선택하지 않을 수도 없다.”

예를 들어,

“그냥 흐름대로 살래”도 선택이고
“아무 생각 안 하고 살래”도 선택이고
“나중에 할래”도 선택이다

우리는 선택을 피하는 순간조차, 어떤 방향을 택하고 있다. 벡터로 말하면, 가만히 있는 것도 결국 어떤 방향으로 끌려가는 상태다.

(2) ‘진짜 나’는 안에서 발견되는 게 아니라 밖에서 만들어진다

많은 사람이 “진짜 나는 누구지?”라고 묻는다. 실존주의는 이렇게 답한다.

“진짜 나는 미리 정해져 있지 않아. 네가 고른 것들의 합이 너야.”

처음엔 차갑게 들린다. 하지만 이 말은 동시에 엄청난 희망이기도 하다. 지금의 내가 마음에 들지 않아도, 선택을 바꾸면 내가 바뀔 수 있다는 뜻이니까.

(3) 반복이 곧 정체성이 된다

우리는 흔히 ‘큰 목표’를 세우지만, 정체성은 목표가 아니라 반복에서 자란다.

매일 10분 읽는 사람
매번 약속을 지키려는 사람
화가 나도 한 번 더 생각해보는 사람
불편한 사실을 피하지 않는 사람

이런 사람들은 하루아침에 만들어지지 않는다. 그들은 매일의 작은 빨간 약을 삼킨다. 그 반복이 “나는 이런 사람”이라는 문장을 만든다.

3) 성찰: 빨간 약을 ‘일상화’하는 3가지 방법

이 장의 결론은 간단하다.

선택은 멋진 선언이 아니라, 작은 습관이다.

그래서 현실적으로 가능한 방법 세 가지를 제안한다. (거창한 자기계발이 아니라, 선택 근육을 키우는 방식이다.)

1) “보류”를 선택하기 — 즉시 반응하지 않기

우리의 선택을 망치는 가장 큰 적은 ‘즉시성’이다. 알림이 오면 바로 누르고, 자극이 오면 바로 분노하고, 질문이 오면 바로 결론을 내린다.

빨간 약은 여기서 시작한다.

10초만 멈추기
“지금 내가 원하는 건 편안함인가, 진실인가?” 한 번 묻기

이 짧은 멈춤이, 선택을 내 것으로 만든다.

2) “작은 불편”을 하루에 하나만 넣기

불편함은 주체성의 운동이다.

요약 대신 원문 한 단락
알고리즘 추천 대신 검색으로 하나 찾기
하고 싶은 말이 아닌, 해야 할 말 한 문장
쉬운 길 대신 한 번 계단

이건 고행이 아니다. “내가 운전하고 있다”는 감각을 되찾는 연습이다.

3) 선택의 문장을 “내 말로” 써보기

하루가 끝날 때 한 줄만 적어보자.

“오늘 내가 삼킨 빨간 약은 ___였다.”
“그 선택의 비용은 ___였고, 얻은 건 ___였다.”

이 기록은 단순한 일기가 아니다. 내 삶의 기준을 외부에서 내부로 돌려놓는 작업이다. 선택은 기억될 때 더 강해진다.

빨간 약은 늘 불편하다. 하지만 그 불편함은 벌이 아니라 신호다.

“지금 나는, 내 삶을 대신 살아주는 편안함을 거절했다.”
“지금 나는, 내 선택의 책임을 내 손에 다시 쥐었다.”

그리고 그 작은 반복이, 결국 ‘나’를 만든다.

17장. AI와 인간의 차이: 이해와 흉내의 경계

1) 이야기: “말은 완벽한데, 마음은 어디 있지?”

누군가 내게 위로의 말을 건넨다. 문장은 흠잡을 데 없이 정확하다. “당신의 감정은 당연해요.” “그럴 수 있어요.” “천천히 해도 괜찮아요.” 그런데 이상하게도, 그 말을 듣고도 마음이 풀리지 않을 때가 있다.

그때 우리는 눈치를 챈다. 내가 원하는 건 ‘정답 문장’이 아니라, 나와 함께 있는 사람이라는 것을.

반대로 이런 순간도 있다. 친구가 서툴게 말한다. 문장은 엉성하고, 위로도 똑바로 못한다. 그런데도 이상하게 위로가 된다. 왜냐하면 그 말이 “맞아서”가 아니라, 그 사람이 내 옆에 있었기 때문이다.

이 차이를 AI와 인간의 차이로 옮기면 조금 선명해진다. AI는 점점 더 말이 좋아진다. 논리도 매끈하고, 문장도 부드럽고, 상황에 맞는 표현을 빠르게 골라낸다. 그런데도 우리는 어느 지점에서 멈칫한다.

“이건 이해일까, 흉내일까?”

2) 개념: AI는 ‘의미를 계산’하고, 인간은 ‘의미를 살아낸다’

이 장에서 말하려는 핵심은 단순하다. AI를 신격화하지도, 무시하지도 말자. AI가 잘하는 것과 못하는 것을 구분하자. 그 구분이 있어야 우리는 AI를 도구로 쓰면서도, 인간의 자리를 잃지 않는다.

(1) AI의 “이해”는 무엇에 가까운가

LLM은 다음 토큰을 예측한다. 그 과정에서 임베딩(벡터), 어텐션(관계 점수), 매트릭스(변환)를 반복한다. 그래서 문맥에 맞는 말이 나온다.

이걸 한 문장으로 말하면,

AI는 언어의 관계망을 매우 잘 학습한다.

즉, “이 단어 뒤에는 보통 이런 단어가 온다” “이 질문 뒤에는 보통 이런 구조로 답한다” “이 말투는 대개 이런 감정과 함께 등장한다” 이런 패턴을 엄청나게 잘 잡는다.

그래서 AI의 능력은 “이해”라기보다 정렬에 가깝다. 문장들을 자연스러운 방향으로 정렬하고, 어긋남을 줄이며, 그럴듯한 흐름을 만든다.

그 정렬이 정교해질수록, 우리는 그것을 이해로 착각하기 쉽다.

(2) 인간의 이해는 무엇이 더 들어가나

인간의 의미에는 관계망만이 아니라 경험이 붙어 있다.

“미안해”라는 말을 실제로 사과하며 한 번 해본 사람
“괜찮아”를 말하면서 속으로는 울어본 사람
“사랑”을 말하면서 책임을 진 사람

이런 경험은 텍스트로 설명할 수 있지만, 텍스트만으로 완전히 대체되지는 않는다. 왜냐하면 의미가 단어에만 있는 게 아니라, 내가 치른 비용과 내가 감당한 결과에 붙어 있기 때문이다.

그래서 인간의 이해에는 늘 이것이 포함된다.

몸의 기억(피곤함, 떨림, 안도감)
관계의 역사(신뢰, 배신, 화해)
책임의 무게(내가 선택했고, 내가 감당한다)

AI는 이걸 “묘사”할 수는 있지만, “살아낼” 수는 없다.

(3) 흉내와 이해의 경계는 어디에 있나

가장 쉬운 기준은 이거다.

AI는 말의 형태를 만든다(언어의 패턴).
인간은 말의 책임을 진다(삶의 결과).

우리가 누군가를 “이해했다”고 말할 때, 사실은 이런 의미가 포함된다.

“나는 너의 상황을 알고, 그로 인해 내가 어떻게 행동할지 책임질 준비가 되어 있다.”

AI가 아무리 좋은 말을 해도, 그 책임은 결국 인간 쪽에 남는다. 그래서 AI의 문장은 도움일 수는 있지만, 최종 판단과 책임을 대신할 수는 없다.

3) 성찰: 두 극단을 피하자—두려움도 구원도 아닌 ‘도구’

AI를 바라보는 태도는 쉽게 두 극단으로 흔들린다.

두려움: “AI가 다 대체할 거야. 나는 끝이야.”
구원: “AI가 다 해결해줄 거야. 나는 생각 안 해도 돼.”

둘 다 위험하다. 두려움은 나를 마비시키고, 구원은 나를 비워버린다.

그래서 이 장의 결론은 이렇게 정리하고 싶다.

AI는 도구다. 하지만 강력한 도구다.
강력한 도구는 ‘기대’가 아니라 ‘기준’이 필요하다.

현실적인 기준을 세 가지로 줄여 보자.

기준 1) AI에게 맡길 것: 정리, 초안, 탐색

방대한 정보를 정리하기
글의 초안을 잡기
아이디어를 넓히기
여러 관점을 빠르게 훑기

AI는 여기서 정말 강하다. 시간을 아껴주고, 시작을 돕고, 생각의 재료를 가져다준다.

기준 2) 인간이 맡을 것: 판단, 가치, 책임

무엇을 믿을지(근거 확인)
무엇을 선택할지(내 삶의 방향)
누구에게 어떤 말을 할지(관계의 책임)

여기는 인간의 자리다. AI가 대신해주면 편하지만, 그 편함은 곧 주체성의 위탁이 된다.

기준 3) 가장 중요한 것: 내 어텐션의 주도권

AI는 내 주의력을 붙잡을 수 있고, 풀어줄 수도 있다. 결국 관건은 “내가 무엇에 집중할지”를 내가 결정하는가다.

AI가 준 답을 그대로 삼킬지
한 번 더 확인할지
다른 관점을 찾을지
내 말로 다시 써볼지

이 작은 선택이, 인간과 AI의 경계를 건강하게 만든다.

이 장을 마무리하며, 한 문장을 남기고 싶다.

AI는 의미를 계산한다. 인간은 의미를 살아낸다. 그러니 우리는 AI를 두려움의 대상으로도, 구원의 대상으로도 만들지 말자. 그 대신, 이 강력한 도구를 들고도 내 삶의 운전석을 놓치지 말자.

18장. 나의 벡터는 어디로 향하는가

1) 이야기: “나는 나를 살고 있었나, 기대를 살고 있었나”

어느 날 문득, 내가 하고 있는 일이 낯설게 느껴질 때가 있다. 분명 내가 선택한 길인데, 이상하게도 내 발이 내 발 같지 않다. “잘하고 있다”는 말을 듣는데도 기쁘지 않고, “괜찮다”는 평가를 받아도 마음이 편하지 않다.

그럴 때 대개 뒤에서 이런 문장이 들린다.

“너는 그 정도는 해야지.”
“너는 이런 게 잘 어울려.”
“너는 원래 그런 사람이잖아.”
“다들 그렇게 하니까.”

이 문장들은 폭력처럼 들리지 않는다. 대부분은 걱정, 조언, 칭찬의 얼굴을 하고 온다. 그래서 더 깊게 들어온다.

처음에는 방향이 조금 꺾인다. 그리고 그 꺾임이 반복되면, 나는 어느새 ‘나’의 방향을 잊는다. 어느 순간부터는 내가 무엇을 원하는지 묻는 대신, “남들이 실망하지 않을 선택”을 먼저 고르게 된다.

타인의 기대가 내 벡터를 꺾는 방식은 대개 이렇게 조용하다. 정면 충돌이 아니라, 매일의 미세한 보정으로.

AI 시대에는 그 보정이 더 부드럽게, 더 자주 일어난다.

“너를 위한 추천”
“너의 스타일에 맞는 답변”
“너라면 이런 선택을 좋아할 거야”

AI는 내 방향을 대신 결정하지 않지만, 내 방향이 ‘그럴듯한’ 쪽으로 미끄러지게 만들 수 있다. 그럴듯함은 종종 안전하고, 안전함은 종종 타인의 기대와 잘 맞는다.

그래서 우리는 다시 물어야 한다.

나는 지금 어디로 향하고 있지?

2) 개념: “무엇을 원하냐”는 질문을 ‘감정’이 아니라 ‘방향’으로 바꾸기

우리는 ‘원함’을 감정으로만 생각하는 습관이 있다. “기분이 좋아지는 것”, “설레는 것”, “재밌는 것”. 하지만 감정은 순간마다 흔들린다. 감정만 붙잡으면 나는 늘 망설인다.

그래서 질문을 바꾸는 것이 핵심이다.

“나는 무엇을 원하지?”
→ “내 삶의 벡터는 어느 방향으로 가고 싶지?”

벡터의 언어로 바꾸면, 원함은 더 구체적으로 잡힌다. 방향은 감정보다 느리게 변하고, 그래서 더 믿을 만하다.

예를 들어 이런 식이다.

나는 안정 쪽으로 가고 싶은가, 성장 쪽으로 가고 싶은가
나는 인정 쪽으로 가고 싶은가, 자율 쪽으로 가고 싶은가
나는 속도 쪽으로 가고 싶은가, 깊이 쪽으로 가고 싶은가
나는 성취 쪽으로 가고 싶은가, 회복 쪽으로 가고 싶은가

여기서 중요한 건 “정답”이 없다 는 점이다. 방향은 옳고 그름이 아니라, 내가 감당할 삶의 모양이다.

그리고 타인의 기대가 내 벡터를 꺾는 순간은 대개 이럴 때다.

내가 원하는 방향과
내가 ‘해야 한다’고 믿게 된 방향이 서로 반대일 때.

이때 생기는 불편함을 우리는 종종 “게으름”이나 “의지 부족”으로 오해한다. 하지만 실제로는 방향 충돌일 수 있다.

마치 차가 북쪽으로 가고 싶은데, 계속 동쪽으로 끌어당기는 것처럼. 엔진이 약해서가 아니라, 핸들이 두 개라서 흔들리는 것이다.

3) 성찰: 내 방향을 복원하는 ‘작은 실천’ 3가지

이 장의 목표는 거창한 인생 상담이 아니다. 그저 내 벡터의 핸들을 다시 잡는 법이다. 그래서 오늘부터 가능한 작은 실천만 제시하겠다.

실천 1) “에너지 기록”으로 내 방향 찾기

감정은 흔들려도, 에너지는 비교적 정직하다. 하루를 돌아보며 이렇게 적어본다.

오늘 나를 살린 순간 1개
오늘 나를 닳게 만든 순간 1개

중요한 건 사건의 크기가 아니다. 누구와 있을 때, 어떤 일을 할 때, 어떤 방식으로 일할 때 내 에너지가 늘고 줄었는지가 내 방향의 힌트다.

에너지가 늘어나는 쪽이 ‘정답’은 아니지만, 그쪽은 적어도 내 벡터가 향하는 자연스러운 방향일 가능성이 높다.

실천 2) “한 문장 기준” 만들기

내가 흔들릴 때마다 돌아갈 기준을 한 문장으로 만든다.

예를 들면,

“나는 빠르게 맞는 사람보다, 천천히 정확한 사람이 되고 싶다.”
“나는 남의 기대보다, 내가 감당할 수 있는 삶을 선택한다.”
“나는 보여주기보다, 쌓아가는 쪽을 택한다.”

이 문장은 다짐이 아니라 필터다. 매트릭스(변환 장치)처럼, 선택을 통과시키는 기준이 된다.

선택은 매일 오고, 매일 흔들린다. 기준이 없으면 그때그때의 목소리에 끌려간다. 기준이 있으면 흔들리더라도 돌아올 곳이 생긴다.

실천 3) “작은 반항”을 하루에 1%만

타인의 기대는 크게 부수기 어렵다. 대신 “작은 반항”으로 방향을 되돌린다.

추천이 뜨면 한 번은 검색으로 바꿔보기
안전한 선택 대신 작은 실험 한 번 해보기
“괜찮아” 대신 내 진짜 감정을 한 문장만 말해보기
남의 일정이 아니라 내 리듬에 맞춰 쉬어보기

이건 싸움이 아니다. 그저 내 삶의 운전석에 “내 손”이 있음을 확인하는 행위다.

작은 반항이 쌓이면, 방향은 조금씩 복원된다. 벡터는 갑자기 바뀌지 않는다. 하지만 매일 1도씩만 돌려도, 한 달 뒤에는 전혀 다른 곳을 보고 있다.

마지막으로, 이 장을 이렇게 정리하고 싶다.

타인의 기대가 내 벡터를 꺾을 때, 나는 감정으로 싸우지 말고 방향으로 돌아와야 한다. “내가 무엇을 원하지?”는 종종 흐리지만, “내가 어디로 향하고 싶지?”는 생각보다 선명하다.

19장. 새로운 매트릭스: 우리는 또 다른 자궁을 만든다

1) 이야기: “탈출했는데, 또 규칙이 생겼다”

학교를 졸업하면 자유로울 줄 알았다. 그런데 회사에 들어가면 또 다른 규칙이 있다. 회사에서 벗어나 프리랜서가 되면 완전히 자유로울 줄 알았다. 그런데 이번엔 ‘내가 만든 규칙’이 나를 조여 온다. 쉬는 날에도 불안하고, 일하는 날에도 불안하다. 규칙이 없어서 더 흔들린다.

어떤 사람은 이런 경험을 한다. 엄격한 집을 떠나면 숨이 트일 것 같았는데, 막상 떠나고 나니 마음이 텅 빈다. “아무도 나를 통제하지 않는 자유”가 “아무도 나를 지켜주지 않는 불안”으로 바뀌기도 한다.

그때 우리는 뒤늦게 깨닫는다.

탈출은 끝이 아니라 시작이다. 그리고 더 정확히 말하면, 탈출은 ‘규칙이 없는 삶’로 가는 게 아니라 ‘내가 감당할 수 있는 규칙’을 새로 만드는 삶으로 간다.

〈매트릭스〉에서도 마찬가지다. 매트릭스를 떠난 사람들은 완전히 자유로운 낙원으로 가지 않는다. 그들은 시온(Zion)이라는 또 다른 공동체로 간다. 거기에도 규칙이 있고, 역할이 있고, 갈등이 있다. 자유는 “규칙의 부재”가 아니라, “규칙을 함께 설계하는 능력”과 더 가깝다.

2) 개념: 매트릭스는 ‘감옥’이기 전에 ‘바탕’이다—그리고 바탕은 필요하다

우리가 처음 이 책에서 붙잡은 출발점은 이것이었다. matrix는 본래 자궁, 즉 “무언가가 태어나는 바탕”을 뜻한다.

자궁 같은 바탕이 왜 필요할까?

바탕이 있어야 성장하고
규칙이 있어야 협력하고
구조가 있어야 에너지를 아낄 수 있다

완전히 규칙이 없는 세상은 자유가 아니라 혼란이다. 그래서 인간은 탈출하자마자, 다시 시스템을 만든다. 그건 배신이 아니라 본능에 가깝다.

문제는 시스템 자체가 아니라, 시스템이 어떻게 설계되었는가다.

여기서 우리는 수학의 매트릭스로 돌아올 수 있다. 매트릭스는 변환 장치다. 입력을 특정 방식으로 바꾼다.

어떤 매트릭스는 다양한 방향을 살려 주고(확장)
어떤 매트릭스는 특정 방향만 남긴다(수축)
어떤 매트릭스는 노이즈를 줄여 주고(정리)
어떤 매트릭스는 편견을 증폭시킨다(왜곡)

현실의 시스템도 똑같다.

어떤 시스템은 사람을 키우지만
어떤 시스템은 사람을 고정시킨다

그래서 중요한 능력은 “감옥을 부수는 힘”만이 아니다. 부수는 건 순간일 수 있다. 하지만 살게 하는 건 설계다.

AI 시대에는 이 문제가 더 또렷해진다. 우리는 AI를 쓰면서 “나만의 시스템”을 빠르게 만들 수 있게 되었다.

공부 루틴을 자동화하고
일정과 목표를 정리하고
글과 발표를 템플릿으로 만들고
생각의 재료를 즉시 공급받는다

이건 강력한 바탕이다. 하지만 바탕이 지나치게 편하면, 다시 자궁이 된다. 편안함은 의존을 부르고, 의존은 주체성을 얇게 만든다.

결국 질문은 이거다.

나는 어떤 매트릭스를 만들고 있나?
그 매트릭스는 나를 키우나, 가두나?

3) 성찰: 더 나은 바탕을 설계하는 3가지 기준

이 장에서는 “새로운 매트릭스”를 건강하게 만드는 기준을 세 가지로 정리해 보자. 복잡한 철학이 아니라, 당장 내 삶과 공동체에 적용할 수 있는 기준이다.

기준 1) 빠르지만 얇은 시스템 vs 느리지만 두꺼운 시스템

AI는 속도를 준다. 하지만 속도가 늘 좋은 건 아니다. 속도는 종종 깊이를 깎는다.

그래서 내가 만드는 시스템에는 일부러 “느린 구간”이 필요하다.

요약만 보지 않고, 원문을 만나는 구간
자동완성 대신 내 말로 다시 쓰는 구간
추천 대신 내가 찾는 구간

이 느린 구간은 효율을 떨어뜨리는 낭비가 아니라, 주체성을 유지하는 안전장치다.

기준 2) 예외를 허용하는 시스템

감옥 같은 시스템의 특징은 간단하다. “항상” “반드시” “무조건”이 많다.

더 나은 바탕은 예외를 허용한다.

컨디션이 나쁘면 계획을 줄일 수 있고
실패하면 다시 조정할 수 있고
틀리면 수정할 수 있다

학습이 손실을 줄이는 과정이었듯, 좋은 시스템은 사람을 벌하지 않고 업데이트하게 만든다.

기준 3) 질문이 살아 있는 시스템

가장 위험한 시스템은 질문을 죽인다. “원래 그래.” “다들 그렇게 해.” “굳이?” 이 말들이 많아지면, 바탕은 곧 감옥이 된다.

반대로 좋은 시스템은 질문을 살린다.

“왜 우리는 이 규칙을 쓰지?”
“이 규칙이 지금도 유효해?”
“누구에게 불리하지?”
“더 나은 방식은 없을까?”

질문이 허용되는 곳은 완벽하지 않아도 건강하다. 질문이 금지되는 곳은 효율적이어도 위험하다.

이 장의 마지막 문장을 이렇게 남기고 싶다.

우리는 매트릭스를 부수고 끝나지 않는다. 우리는 다시 매트릭스를 만든다. 그러니 핵심은 탈출이 아니라 설계다. 더 나은 바탕—나를 키우되, 나를 대신하지 않는 바탕. 따뜻하되, 숨 막히지 않는 자궁.

에필로그. 매트릭스를 깨는 가장 현실적인 방법

1) 이야기: “밖은 춥다. 그런데도 숨이 더 잘 쉬어진다”

처음에는 작은 일로 시작된다. 알림이 울렸는데, 바로 누르지 않은 것. 요약을 보려다가, 원문을 한 단락만 더 읽은 것. 누군가의 말에 즉시 반응하지 않고, 10초를 멈춘 것. 그 10초는 아무것도 아닌 것 같지만, 어떤 날에는 인생에서 가장 큰 거리를 만든다.

〈매트릭스〉에서 네오는 캡슐을 깨고 나온다. 그 장면은 멋있지 않다. 냄새가 날 것 같고, 몸은 떨리고, 세상은 차갑다. 영웅의 탄생이라기엔 너무 처절하다. 그런데도 관객은 안다. 그 순간부터 네오는 “살아가기 시작했다”는 것을.

왜냐하면 그가 이제 내 발로 걷기 시작했기 때문이다.

우리는 가끔 착각한다. 탈출은 한 번의 결단이라고. 진실을 알면 자유가 온다고.

하지만 현실에서 탈출은 사건이 아니라 습관이다. ‘밖으로 나왔다’는 선언이 아니라, ‘다시 들어가지 않는’ 반복이다. 결국 우리의 매트릭스는 어디에 숨을까?

대부분은 아주 사소한 곳에 숨는다.

내가 자동으로 켜는 화면
내가 아무 생각 없이 믿는 말
내가 늘 같은 쪽으로 기울이는 주의력
내가 늘 미루는 작은 선택

거대한 혁명은 보기 좋다. 하지만 혁명은 잠깐이고, 습관은 매일이다. 매일이 이기면, 인생이 바뀐다.

2) 개념: 매트릭스를 깨는 것은 ‘시스템을 없애는 것’이 아니라 ‘내 변환을 되찾는 것’이다

이 책에서 우리는 벡터와 매트릭스를 수학으로 배웠다. 그리고 동시에, 그것이 삶의 은유가 될 수 있다는 것도 보았다.

벡터: 나의 방향
매트릭스: 나를 바꾸는 변환 장치
어텐션: 내가 중요하다고 느끼는 연결의 점수
학습: 손실을 줄이며 업데이트되는 과정

AI 시대의 시스템은 우리에게 아주 많은 변환을 제공한다. 추천은 방향을 잡아주고, 요약은 결론을 앞당기고, 자동완성은 말을 대신한다. 이건 도움일 수도 있다. 하지만 도움과 대체의 경계가 흐려지면, 나는 점점 ‘운전석’에서 내려온다.

그래서 “매트릭스를 깬다”는 말을 현실적으로 번역하면 이렇게 된다.

내 주의력(어텐션), 내 질문, 내 선택을 다시 내 손에 가져오는 것

즉, 시스템을 불태우는 게 아니라, 내가 어떤 변환을 통과하고 있는지 자각하고, 필요한 곳에서 필터를 바꾸는 것이다.

그게 가능한 이유는 하나다. 우리는 완벽하게 자유로울 수는 없지만, 조금 더 주체적일 수는 있기 때문이다.

3) 성찰: 작은 습관 7개—오늘 당장 시작할 수 있는 ‘진짜 탈출’

여기서부터는 아주 실용적으로 가자. 거대한 다짐 대신, 작은 습관으로. 당장 오늘부터 가능한 것들로.

1) 알림을 “반응”이 아니라 “질문”으로 바꾸기

알림이 오면 즉시 누르지 말고, 한 문장만 붙인다.

“이게 지금 내 삶에서 정말 중요한가?”

이 질문 하나가 어텐션의 핸들을 되찾는다.

2) 하루에 한 번, ‘추천’ 대신 ‘검색’

추천은 편하지만, 방향을 고정시키기 쉽다. 하루에 한 번만이라도 내가 원하는 키워드로 찾아본다. 작지만 강력한 “운전”이다.

3) 요약을 읽기 전에, 원문 한 단락

요약은 결론을 준다. 원문은 맥락을 준다. 맥락이 있어야 판단이 생긴다.

4) “그럴듯함”에 속지 않기 위한 3문장

AI 답변이든 사람이든, 단정적인 말 앞에서 이 세 문장을 습관처럼 떠올린다.

근거는?
반대는?
내 감정은?

냉소가 아니라 기준이다.

5) 내 말로 다시 말하기

좋은 문장을 읽었을 때, 그대로 복사하지 말고 한 번만 내 말로 바꿔본다. 그 순간, 말은 ‘소비’가 아니라 ‘내 것’이 된다.

6) 하루의 끝에 “내가 삼킨 빨간 약” 한 줄

“오늘의 빨간 약은 ___였다.”

작은 불편을 기록하면, 불편은 고통이 아니라 성장의 흔적이 된다.

7) 내 벡터 점검: “나는 오늘 어디로 향했나”

인정 쪽? 자율 쪽?
속도 쪽? 깊이 쪽?
안전 쪽? 성장 쪽?

정답은 없다. 다만 방향을 잊으면, 남의 방향이 나를 끌고 간다.

밖은 춥다. 그건 인정하자. 주체성은 늘 약간의 불편함을 동반한다. 하지만 이상하게도, 그 불편함 속에서 숨이 더 잘 쉬어진다.

왜냐하면 그 숨은, 내 것이기 때문이다.

이 책은 당신에게 거대한 결론을 주려는 책이 아니다. 오히려 결론을 ‘보류’할 수 있는 힘을 주고 싶었다. 그럴듯함에 흔들리지 않는 기준, 주의력을 되찾는 작은 습관, 그리고 무엇보다—내가 내 삶의 방향을 선택한다는 감각.

매트릭스는 완전히 사라지지 않는다. 우리는 언제나 어떤 바탕 위에서 살 것이다. 하지만 그 바탕이 감옥이 될지, 자궁이 될지는 달라질 수 있다.

거대한 혁명보다 작은 습관이 더 강하다. 나의 주의력, 질문, 선택을 되찾는 것이 진짜 탈출이다. 밖은 춥지만, 내 발로 걷는 현실이 시작된다.

저작자표시 (새창열림)

'LLM으로 뽑은 잡지식' 카테고리의 다른 글

왜 하필 파리였는가 — 프랑스 혁명과 산업 혁명 이후 파리 예술의 탄생 (0)	2026.03.09
AI 시대, 결국 살아남는 사람의 습관 (0)	2026.03.05
다시, 매트릭스를 깨다 (0)	2026.02.11
『다시, 매트릭스를 깨다』 (0)	2026.02.11
진짜는 도망가지 않는다 - 아퀴나스의 미학 수업 (1)	2026.02.07