the Great World Meson

Philip K. Dick 원작의 Next 란 영화에 보면 주인공 Nicholas Cage 는 2분앞을 내다 볼 수 있는 능력을 가지고 있으면서 그 능력을 증진(?)시켜서 2분의 주인공이 2분앞으로 더 들어가고 더 들어가고 해서 결국 핵폭탄이 어디에 있는지 찾아내고 숨어있는 적들의 위치를 정확히 파악해 거의 무적에 가까운 활약을 보여준다. 

문제는 결국 Nicholas Cage 는 미션을 실패하고 그 미션이 실패하는 것조차도 아주 먼 미래를 바라보면서 잠든 주인공 눈을 뜨게 하면서 끝나고 만다. (개인적으로 핵폭탄을 찾지못한 그 순간까지 영화는 맘에 들었다.) 

문제는 여기까지이다. Philip K. Dick 의 다른 미래 소설, Minority Report, Paycheck 에서도 실제로 미래를 예측하기 보다는 미래를 에측하기에 나타나는 불확실성에 대한 위험성이 부각되고 있다는 점이다. 즉, Combinatorial Problem 의 세상은 확률적으로는 0,1 의 binary code 로 존재하지만 우리는 에측을 위해서 심하게 똑똑한 Probability 의 [0,1] 의 구간성을 만들어 버려서 예측해도 믿기 힘든 결과를 만들어내기 때문이다. 즉, 원하는 사건 A 가 일어날 확율을 아무리 계산을 해도 그리고 1에 가까운 확률을 가지는 게임에서도 조차 0으로 떨어져 버릴때의 한계성은 누구도 보장해주지 못한다는 점이다. 

TSP 는 문제의 복잡성을 표현하기 보다는 어느 길을 가야지 ... 즉, 다양한 조합적인 표현시 일어날 수 있는 그리고 0, 1 의 선택의 문제가 가지는 복잡한 NP-Hard 의 문제를 간단하게 보여줄려고 했던 것 뿐이다. 

Nicholas Cage 가 미리 예상을 해보고 이 길은 아닌가봐... 2분후의 일을 미리 0, 1 의 확실한 주사위를 가지고 Cut off 를 하는 것이 바로 분류학이 가지는 가장 큰 힘이다. 즉, 2분후의 일만 미리 알아도 어느정도 쓸데없는(?) 가지 말아야할 혹은 가면 좋지 않을 길의 다양한 조합의 Tree 를 제거할 수 있다는 것이다. 

우리가 선택의 순간 두려워하는 것은 그 선택이 가지는 당장의 Effect 를 두려워하는 것이 아니라 그 Effect 가 Cause 가 되어서 나타나는 다양한 Cause - Effect Sub-tree 들이다. 따라서 예상할 수 있는 Cause - Effect Tree 를 그려보는 것은 나름 중요한 의미를 가진다. 그렇지만 한 순간 어떤 선택을 할 수 있는가 잘 분리하는 사람과 잘 분리하지 못하는 사람의 결과는 상당히 많이 달라질 것이다. 이는 다양한 선택의 가지(Branch) 를 고민한 사람과 고민하지 않은 사람의 결과로 나타날 것이다. 그렇기에 체계적이고 분류학적인 자신의 선택에 대한 진지한 고민은 2분을 내다 볼 수 있는 중요한 능력중에 하나인것이다. McKinsey & Company의 MECE 는 이러한 분류의 중요성을 잘 표현해준다. 

맥킨지 컨설턴트들은 결혼을 결정하는 것이나 거대기업의 합병 및 구조조정 방식을 찾아가는 것이 다르지 않다고 말한다. 일상사든 경제적인 문제든 맥킨지 입사 이후 끊임없이 반복 학습하는 MECE (Mutually Exclusive Collectively Exhaustive) 방식을 통해 답을 찾아나갈 수 있다는 것이다.

MECE는 문제를 철저히 분해하는 데서부터 출발한다. 우선 결혼해야하는이유를 ‘여자 자체가 좋은가’와 ‘여자의 환경이 좋은가’로 나눌 수 있다. 여자 자체가 맘에 든다면 다시 ‘신체적’ 요인인지 ‘비 신체적’요인인지로 분해가 가능하다. 신체적 요인은 또 얼굴과 몸매 등 외모적 요소와 건강 등 내부적 요소로 나뉘어진다. 이렇게 문제를 분해하다보면 이 여자와 결혼해야 하는 수십가지의 이유가 나오게 된다. 이런 이유들의우선 순위를 정하고 결혼에 별로 중요하지 않은 요소들을 하나씩 제거해나가다 보면 해답은 의외로 쉽게 나올 수 있다.

즉, 분류학과 적절한 제거의 기술은 대체적으로 현명한 판단을 할 수 있는 생활태도인 것이다. 문제의 해결에 있어 항상 내가 풀려는 문제의 본질을 파악하고 그 문제를 풀 수 있는 가능성 있는 대안을 잘 분류하고 그 이후 제거의 기술로 적절하게 필요없다고 생각되는 sub-tree 를 잘 잘라내는 것이 중요하다. 

Search Algorithm 에서 가지는 Deep-First Tree 구조 혹은 Binary Tree 로 표현되어서 분류와 제거의 방법으로 가능한 솔루션을 만들 수 있지만 다른 분류학적 접근을 생각할 수 있다. 

Internal Property 들을 통해서 서로의 비교 가능한 어떤 기능적인 수를 만들어내는 것이다. 유체역학이나 이동현상(Transport Phenomena) 에서처럼 무차원수(Dimensionless Number) 를 통해서 비교 가능한 수의 분자 / 분모 비교를 통해서 상태를 표시하는 방법이다. 이를 통해서는 어느 범위에 있는 대상은 어떤 분류에 속한다라고 얘기할 수 있게 될 것이다. 즉, 범위를 통한 대상의 특징을 분류하고자 할때 두가지 혹은 그 이상의 대립적 성질을 대치하여 어느정도 그 두가지 이상의 성질이 Balance 를 이루는지에 대한 Quantitative Analysis 를 하는 것이다. 

이에대한 응용부분은 좀더 시간을 두고 생각해볼 필요가 있을 것 같다.

정성적(Qualitative) 와 정량적인(Quantitative) 분류학(Taxonomy)의 필요성을 새롭게 부각시킬 필요가 있을 것 같다.