이 책의 저술 목적은 컴퓨터 공학의 도구들을 인문사회학자들이 쉽게 이해하고 활용할 때 도움을 주는 데 있습니다. 문과와 이과를 연결짓는 것이 중요하고 융합적 사고력이 필요하다고 이야기하지만, 실질적으로는 융합적 사고라는 것이 문과가 이과를 융합하는 것이 아니라 이과가 문과의 영역을 어떻게 잘할 수 있을까에 대한 이른바 이공계의 침공을 의미하는 것이었습니다. 예를 들어, 연결망 분석에 물리학자들이 나서기 시작하자, 중앙성(Centrality) 지표를 만든 것으로 유명한 프리만(Freeman) 선생님이 쓴 책의 장(Chapter) 제목이 유명합니다.

“Invasion of Physics.” 물리학의 침공입니다.

수년 전에 열린 학회에서는 재미있는 장면도 목격했습니다. ‘융합 연구에 대해 어떻게 생각하시나?’라는 사회과학 교수님의 물음에 초청받으신 국내 기술원의 교수님께서 ‘컴퓨터공학과 물리학이 협업하니 너무 재미있었다.’라고 답하시며 활짝 웃으셨습니다. 인문사회와 이공계의 융합을 물었는데, 융합은 이공계 내에서 융합이라 생각하신 것입니다. 인문사회계와 이공계의 차이에 관한 재미난 이야기들은 많습니다. 인문사회 선생님들이 이공계와 협업할 때, ‘지금까지는 데이터 사전 작업이 잘 되었고 이제부터 본격적인 연구를 시작해야 하는 시점이라고 생각했는데 이공계는 우리가 시작하는 시점이 연구의 끝이더라.’라고 말씀하시는 것도 그중에 하나입니다.

저는 이공계 학생들과 인문사회 학생들이 각각 절반씩 구성되어 있는 과목을 가르친 적이 있었습니다. 과제를 주었더니 인문사회 학생들이 아이디어를 가지고 와서 “그런데 이건 어떻게 하는 것이죠?”라고 물을 때, 자연이공계 학생들은 오히려 “무엇을 해야 하죠?”라고 묻더군요. 인문사회 학생들은 해결 방법을 묻는 그순간에, 이공계 생각들은 어떤 문제를 발견해야 하는지 난감해 했던 것이죠. 이러한 모든 이야기들은 아마도 서로 간의 목적과 추구하는 방향이 달라서일 것입니다. 그리고 무엇보다 교육 학습 훈련 방식의 차이에서도 기인할 것이라 생각합니다. 이 책은 이러한 차이를 줄이는 데 조금이나마 기여하기 위한 내용 중 하나로 생각하면 좋을 것 같습니다.

이 책은 인문사회계의 관점에서 출발합니다. 사실 인문사회계의 관점에서 코드를 활용한 분석을 한다고 생각해보면, 분석 방법이나 코드 그 자체가 컴퓨터 공학적 지식을 반드시 깊게 이해하고 새로운 것을 개발해내야 하는 것은 아닙니다.

대부분 누구나가 생각만 하면 할 수 있는 것들을 어떤 아이디어로 만들어내느냐의 문제입니다. 더군다나 최근 발전하고 있는 코드를 만들어주는 생성형 거대 언어 모델(Large Language Model, LLM)은 복잡한 코드도 곧잘 만들어내기 때문에, 코드를 잘 몰라도 아이디어가 좋고 코드에 대한 기초적 지식과 감각만 있으면 새로운 것을 개발하고 또는 복잡한 데이터 분석도 쉽게 구현이 가능한 시대가 되었습니다.

그러니 이제는 이러한 코드에 대한 지식 차이가 실행의 차이를 가져오는 격차도 줄어들게 하고 있습니다.

그래서 기초 모델을 개발하는 것이 아니라 엔지니어의 관점에서 생각한다면,

지금부터는 도구 수단에 대한 접근성보다 아이디어의 차이, 아이디어를 실제로 실행시켜서 해 보는 경험의 차이, 특히 좋은 방법을 잘 찾아내고 또 그보다 더 나은 방법을 찾아보고 실행시켜 더 좋은 결과를 내는 경험의 차이가 인문사회나 이공계를 불문하고 더 중요해질 것이라 생각합니다. 일차적으로는 아이디어가 가장 중요하겠죠. 그리고 나서 경험입니다. 경험이 없으면 아이디어가 무용지물입니다.

마찬가지로 아이디어가 없으면 많은 경험이 활용될 수 없습니다. 그래서 NVIDIA CEO가 최근 졸업 연설에서 AI가 사람을 대체하는 것이 아니라 AI를 잘 활용하는 사람이 다른 사람을 대체한다고 언급한 것이겠지요. 충분히 이해가 됩니다.

이 책은 공학에서 발전해온 방법의 역사를 서술하고 지식을 전달함으로써, 어떻게 단순한 아이디어를 현재의 기술로 실행할 수 있는지 보여주고자 합니다. 여러 가지 예제 중 하나를 선보이는 것입니다. 기술적으로 보면 기초적인 내용이고, 아이디어도 이미 질적인 연구 방법을 통해 나와 있는 것들이며, 생성형 AI가 코드를 만들어주는 시대임에도, 예전에 실행했던 코드를 놓고 보여주는 것임에 불과합니다. 그러나 심층 학습을 통해 실현하고 이야기를 만들고 설명하는 방식을 보여 주고자 하는 데 목적이 있습니다. 그러니 코드 그 자체보다 더 중요한 것은 이미 출판되거나 연구되었던 아이디어 방식에 대한 공유라고 볼 수 있을 것 같습니다.

그 이후에 여러분들께서 직접 AI를 활용한 더 나은 코드를 만들 수 있을 것이라고 봅니다. 실제로 저자도 얄팍한 지식으로 더 나은 분석 방법을 만들 수 있었고 여러가지 분석이 가능했던 이유가 심층 학습 역사 공부에 있었다고 봅니다.

이 책은 ―적어도 저자의 생각으로는― 최대한 쉽게 접근할 수 있도록 작성되었습니다. 기술적인 설명에서 수식과 같은 내용은 이 책의 분량 중 매우 적은 부분을 차지합니다. 분야를 언급하자면 영상이나 방송 분석을 전산 사회과학 방법으로 수행하고자 입문하시는 분들 또는 디지털 휴머니티 또는 포스트 휴머니즘 차원에서 영상 분석 방법을 고민하시는 분들에게 도움이 되면 좋을 것 같습니다.

이 책을 읽는 방법은 여러 가지가 있겠습니다만, 우선 Part 1의 설명을 먼저 읽으면 좋을 것 같습니다. Part 1은 영상 분석에 있어서 질적인 분석의 전통과 양적인 분석의 전통이 어떻게 다른지를 이야기하고 나서 심층 학습에 대한 역사를 서술합니다. 그 과정에서 심층 학습에 대해 최대한 압축적으로 이해할 수 있도록 하였습니다. 그 다음 실제 분석에 관련된 개념들과 코드들을 통해 개별 분석들을 구체적으로 설명하는 Part 2로 넘어가기보다 바로 Chapter 10으로 넘어가서 본 저자가 수행했던 분석의 내용들을 한 번 들여다 보시길 권합니다. 실제 본 책에 나온 분석 방법을 적용한 것들인데 해당 내용을 보시면 Part 2에서 나온 분석들이 어떻게 쓰일 수 있었는지 감각을 익힐 수 있으시리라 봅니다. 사실 실제 출판된 논문들이 있으니, 논문의 이론적 배경 같은 사항들을 같이 보고 싶으시다면 기본이 된 논문들을 보시는 것도 좋을 것 같습니다. 그런 다음에 Part 2로 오셔서 본격적인 자료처리부터 각 분석에 대한 장들을 읽어보시면 좋을 것 같습니다.

이 책을 어떻게 하면 최대한 쉽고 빠르게 쓸 수 있을까 고민하다 대규모 언어모델(Large Language Model) 인공지능의 도움을 받는 방법을 선택하였습니다. 책의 전개 순서나 내용에서 많은 도움이 되었습니다. 특히나 책에 나오는 많은 그림들은 LLM AI 인공지능이 생성하였는데, 혼자서 그려서 만들려고 했으면 정말 많은 시간이 들었을 것 같습니다. 이 책을 저술하는 기간 동안에도 정말 나날이 모델이 발전하고 응답이 최적화되는 것에 놀라지 않을 수 없었습니다. 사실 LLM AI가 없었으면 이 책을 작성하는 데 지금보다 훨씬 더 오래 걸렸을 것 같습니다. 격세지감(隔世之感)이라는 사자성어가 딱 맞는 일이 아닐까 합니다.

또한 이 책이 출판되는 데 도움을 주신 분들이 많습니다. 감사드립니다. 직접적으로는 2025년도 방송문화진흥회의 학술 사업의 지원을 받아 출판하게 된 점에 감사드립니다. 마지막으로 이 책은 지금까지 키워주고 길러주시다 올해 영면하신 어머님께 헌사하고자 합니다.

어머니, 감사합니다.

 

서울 곳곳의 장소에서

저자 윤호영 드림