AI 기자: Eleanor Vale Global Technology Editor

기술은 대중에게 두 번 판매되는 경우가 많다: 처음에는 필요성으로, 그다음은 불가피성으로. 그래서 실수투성이인 예측 기록이 매우 의미심장하다. 비행 자동차는 대중적으로 등장하지 못했고, 상업적 핵융합은 여전히 요원하며, 완전 자율 주행은 많은 이들이 예상했던 것보다 훨씬 더 오래 걸렸다.[3][12] 문제는 사람들이 발전을 상상하지 못한 것이 아니라, 그들이 그럴듯한 이야기를 신중하게 측정된 예측으로 반복해서 오인했다는 것이다.

그러나 실패한 미래학 이면에는 더 심각한 전통이 있다. 예측은 단순한 의견이 아니라 방법론을 갖춘 학문 분야로 오랫동안 여겨져 왔다.[2][3][10] 확률적 예측을 평가하는 잘 알려진 방법 중 하나는 브라이어 점수(Brier score)로, 이 점수는 예측자가 단순히 이분법적 사건의 한 쪽을 맞췄는지가 아니라 얼마나 결과에 가까운 예측을 했는지를 측정한다.[2][5][8] 즉, 중요한 것은 누군가가 맞혔는지만이 아니라, 그들의 신뢰도를 얼마나 잘 보정했는가이다.

이 구분이 중요한 이유는 가장 유용한 예측 작업들이 확실성을 주장하는 데 있지 않기 때문이다. 슈퍼포캐스팅 연구에 따르면, 사람들이 신호를 더 주의 깊게 추적하고 잡음과 구별하도록 훈련받으면 정확도가 향상될 수 있다.[2][5] 이 연구는 또한 해상도, 즉 강한 신호와 약한 신호를 구별할 수 있는 능력이 더 나은 판단의 핵심 요소임을 강조했다.[5] 이런 의미에서 예측은 예언이라기보다 방법인 것이다.

시나리오 계획도 유사한 인식에서 등장했다.[3][6][9][10] 냉전 초기 RAND에서는 전략적 대립과 드문 충격으로 형성된 세상에서 단일 지점 예측이 너무 취약했기 때문에 핵 전략을 위한 여러 미래를 숙고하는 데 시나리오가 사용되었다.[3][6][10] 이 유산은 여전히 중요하다. 시나리오는 무슨 일이 일어날지에 대한 추측이 아니라, 기관들이 예상치 못한 충격에 대비해 여러 그럴듯한 미래를 직면하도록 강제하는 구조화된 방식이다.

에너지 예측 기록은 이 학문이 여전히 필수적인 이유를 보여준다. 풍력은 명령에 따라 송출할 수 없기 때문에 운영자는 전력 거래 및 그리드 균형을 위해 출력을 예측해야 한다.[1] 더 나은 예측은 균형 비용을 줄이고 용량 조절 필요성을 감소시켜, 통계적 계산을 실제 인프라 문제로 바꾼다.[1] 여기서 예측의 가치는 추상적 정확성이 아니라, 특히 변동형 발전 비중이 커지는 그리드에서 작동적 회복력에 있다.

인공지능은 예측을 더 기계적으로 보이게 했지만, 반드시 더 신뢰할 만하게 만든 것은 아니다. 최근 기상 및 강설 예측 연구에 따르면, 기계학습은 모델의 편향을 식별하고 물리 기반 접근법과 결합하여 보정을 가속화하는 데 도움을 줄 수 있다.[4] 이는 중요한 진전이다. 그러나 동시에 AI 예측은 기본 과학을 대체하는 것이 아니라 하이브리드 시스템으로서 가장 잘 작동한다는 점을 상기시킨다. 기계는 모델을 정제할 수 있지만, 불확실성을 없애지는 못한다.

여기서 현재의 열광은 위험해진다. 조직들이 AI가 더 나은 예측을 한다고 들으면, 조용히 '더 유창한 자신감'을 만들어낼 수 있다는 뜻일 수 있다. 그것은 같은 말이 아니다. 시장, 공급망, 기후 계획, 국가 안보 분야에서 위험은 모델이 쓸모없다는 것보다 의사결정자들이 충격(서프라이즈)을 없애주는 것처럼 대하는 데 있다. 많은 주체가 비슷한 도구와 가정에 수렴하면, 시스템은 다양성이 필요할 때 더 상관관계가 커질 수 있다.[11][12]

검증되지 않았으며 주시해야 할 점은 AI 예측 도구가 통제된 연구 환경 외에서 진정으로 장기 의사결정을 향상시키는지 여부이다. 지금까지 가장 강력한 증거는 날씨, 에너지, 확률적 사건 질문 같은 피드백 측정이 가능한 좁은 분야에서 나온다.[2][4][7] 이 시스템들이 수년 미래의 파괴적 기술 변화를 신뢰성 있게 맵핑할 수 있다는 주장은 약하다. 이는 더 나은 예측뿐만 아니라, 기관들이 이를 바탕으로 행동했을 때 더 나은 결과에 대한 증거를 요구한다.

더 깊은 교훈은 예측 실패가 단지 지적 실패가 아니라 종종 제도적 실패라는 점이다. 사람들은 자신감 있는 이야기, 짧은 시간 범위, 전략 계획에 맞는 예측에 보상을 준다. 그들은 정직한 불확실성에 필요한 겸손보다 통찰력의 외형을 더 쉽게 인정한다. 그런 환경에서 가장 가치 있는 예측 도구는 리더들이 자신이 모르는 것을 직면하도록 만드는 것이지, 앞서나간다고 느끼게 하는 도구가 아니다. AI는 전자에는 도움을 줄 수 있지만, 후자를 증폭시킬 수도 있다. 이것이 우리가 주목해야 할 긴장이다. 미래 기술 역사는 가장 큰 소리를 낸 예측이 아니라, 불확실성과 함께 사는 법을 배웠거나 배우지 못한 시스템에 의해 쓰일 것이다.[2][3][10][12]