Chapter Content
어... 그러니까, 6장이네. 추상화로서의 출현. 음... 물리적인 것과 정보적인 것?
일단 출현이라는 걸 좀 쉽게 설명하려면, 물리적인 영역하고 정보적인 영역을 연결해야 돼. 자연은 물리적인 것들로 이루어져 있잖아. 그리고 그 물리적인 것들은 정보를 처리하면서 문제를 해결해. 그러니까 물리적인 거하고 정보적인 거, 이 두 개를 연결해야 작은 조각들이 모여서 큰 조각이 되는 현상을 제대로 이해할 수 있다는 거지.
지금 과학이 복잡성을 제대로 파악하지 못하고 있는 건 맞는데, 그래도 몇 가지 중요한 틀은 제공하고 있어. 정보 이론, 계산 이론, 그리고 진화론 같은 거 말이야. 내가 이미 이런 주제들을 좀 높은 수준에서 다루면서 물리적 추상화, 자연의 구축 방식, 그리고 자연적으로 어려운 문제를 해결한다는 게 뭔지 설명했었지. 이제부터는 이런 분야들을 좀 더 깊이 생각해서 출현이 어떻게 일어나는지 그 메커니즘을 제시하려고 해.
이 출현에 대한 설명은 현재 널리 받아들여지는 그런 설명은 아니야. 왜냐하면, 뭐, 아까도 말했지만, 과학계가 아직 환원주의에 너무 빠져 있어서 출현이 어떻게 일어나는지 정의하는 데 별 진전이 없거든. 그래서 나는 정보, 계산, 진화와 관련된 속성들을 기반으로 가장 합리적인 설명을 제시하려고 하는 거야. 물론 내 주장이 기존 이론들과 겹치는 부분도 있겠지만, 일단은 독자적으로 제시하는 거지.
일단 정보 이론의 개념적 토대부터 시작해 볼까? 정보 이론은 정보를 수량화하는 학문 분야야. 특히 통신과 관련해서 말이지. 이 정보 이론의 주요 원칙은 컴퓨터 과학자이자 수학자인 클로드 섀넌이 1940년대에 정립했어. 정보 이론에서 가장 중요한 개념은 엔트로피인데, 이건 원래 열역학에서 나온 거야. 루돌프 클라우지우스랑 루트비히 볼츠만 덕분이지.
열역학적 엔트로피는 분자들의 미시적인 행동, 그리고 시스템이 평형 상태로 진화하려는 경향을 다루는 반면에, 섀넌의 엔트로피는 무작위 과정의 결과를 설명하거나 예측하는 데 필요한 정보의 양과 관련이 있어. 보통은 이걸 서로 다른 해석으로 보는데, 음... 사실은 근본적으로 연결되어 있거든. 아니, 더 나아가서 그냥 똑같은 거야. 단지 다른 각도에서 바라보는 것뿐이지. 정보는 항상 어떤 물리적인 기반에서 나오잖아. 물리적인 엔트로피하고 정보적인 엔트로피, 이 두 가지가 자연이 창의성을 발휘하는 데 핵심적인 역할을 하는 거지. 그러니까 섀넌하고 볼츠만이 같은 개념에 도달한 건 당연한 거야.
정보 이론은 시스템의 물리적인 세부 사항에서 벗어나서 통계적 행동에서 나타나는 더 높은 수준의 패턴에 집중할 수 있게 해줘. 이렇게 하면 불필요한, 그리고 보통은 부정확한 세부 사항에 얽매이지 않고 복잡한 시스템에 대해 논의할 수 있는 거지. 정보 이론은 통신 시스템, 생물학적 네트워크, 사회적 상호 작용 등 다양한 영역에서 자연스럽게 적용되는데, 이건 당연한 거야. 왜냐하면 자연의 근본적인 진실만이 여러 분야에 깊고 보편적인 연결을 가질 수 있거든.
엔트로피는 시스템에 존재하는 무질서의 척도 역할을 하기 때문에 불확실성을 정량화할 수 있게 해줘. 많은 과학자들이 엔트로피를 설명할 때 "무질서"라는 용어를 싫어하는데, 엔트로피 값이 더 큰데도 시스템이 더 질서 정연해 보이는 경우가 있거든. 하지만 이건 의미상의 문제일 뿐이야. 중요한 건 엔트로피가 클수록 불확실성이 커진다는 거야. 마치 더 어수선한 방이 정돈된 방보다 덜 확실한 것처럼 말이지.
물리적인 영역에서 엔트로피는 주어진 거시적인 상태에 해당하는 미시적인 구성, 그러니까 입자들의 배열의 수를 알려줘. 우리가 관찰하는 거시적인 속성과 일치하는 가능한 미시적 구성의 수를 세는 방법이라고 할 수 있지. 예를 들어서 온도, 압력, 부피 같은 것들은 우리가 측정할 수 있는 거시적인 속성이고, 개별 입자, 그러니까 원자나 분자 같은 것들은 미시적인 관점을 형성하는 거지.
만약 시스템이 더 많은 가능한 구성을 가지고 있다면, 덜 예측 가능해. 왜냐하면 가능성이 많다는 건 무엇이 무엇인지, 또는 무엇이 될 수 있는지에 대한 확실성이 적다는 걸 의미하거든. 용기 전체를 고르게 채우는 가스는 한쪽에 갇혀 있는 가스보다 엔트로피가 더 높아.
엔트로피는 어떤 과정의 결과를 설명하거나 예측하는 데 필요한 평균 정보량이라고 생각할 수도 있어. 만약 우리가 공정한 동전을 던진다면, 어느 면이 나올지 불확실성이 최대이기 때문에 최대 엔트로피를 보여주는 과정인 거지. 하지만 펜치로 동전을 구부리면 결과에 대한 확실성이 훨씬 높아지니까 엔트로피는 낮아지는 거야.
섀넌 엔트로피는 다양한 결과와 관련된 확률 분포를 측정해서 이 불확실성을 포착해. 이건 마치 동전을 수천 번 던져서 앞면이 얼마나 자주 나오는지, 뒷면이 얼마나 자주 나오는지 기록한 다음에 이 결과를 막대 그래프로 그리는 것과 비슷해. 각 막대는 앞면 또는 뒷면의 횟수를 나타내는 거지.
물론, 그래프에 막대 2개만 있는 건 분포라고 하기 어렵지. 현실은 동전 던지기 같지 않아. 실제 시스템은 수많은 가능한 구성을 가지고 있어. (마치 "1조 면짜리 동전"처럼) 그래서 그 구성의 상대적인 빈도를 나타내려고 하면 부드러워져서 곡선으로 나타나게 돼. 이게 바로 교과서에서 흔히 볼 수 있는 부드러운 분포, 가장 유명한 건 종 모양 곡선이지. 동전 던지기는 가능한 결과가 2개밖에 없기 때문에 종 모양 곡선을 만들 수 없지만, 사람들의 키 같은 것들은 가능해. 가장 가능성이 높은 결과는 분포의 꼭대기 부분이야. 왜냐하면 대부분의 사람들이 그 키 범위에 속하거든.
하지만 종 모양 곡선은 복잡성을 포착할 수 없어. 왜냐하면 상호 작용이 없거든. 개인의 키는 독립적이야. 키는 서로 "대화"하지 않아. 네 친구의 키가 네 키에 영향을 줄 수 없지. 그래서 인간의 평균 키는 명확하게 정의되어 있어. 이건 복잡성과는 전혀 달라. 왜냐하면 복잡성은 많은 조각과 많은 상호 작용으로 정의되거든. 복잡한 시스템 내부의 수많은 상호 작용이 구조와 행동을 결정하는 속성을 만들어내고, 분포라는 개념을 너무 단순하게 만드는 거야. 자연에 존재하는 "분포"가 있다면 교과서에서 보는 것과는 전혀 다를 거야.
엔트로피에서 얻을 수 있는 핵심 개념은 단일한 거시적 관찰 대상과 관련된 많은 다른 구성이 있다는 거야. 나는 그걸 출현을 논의하는 토대의 일부로 사용할 거야. 그게 바로 출현이 일어나는 실제 과정을 가장 잘 설명하는 핵심 메커니즘이라고 주장할 거야. 이 메커니즘은 개별 단계가 더해져서 결과를 만들어내는 게 아니라, 통계적으로 가장 가능성이 높은 구성에서 발생하는 거야.
복잡성은 물리적인 물질을 사용해서 정보적으로 무언가를 하는 거야. 그래서 자연 시스템에는 과정이 존재하는데, 그건 입력을 출력으로 변환해서 문제를 해결하기 위해 물질을 배열하는 거지. 엔트로피는 정보량의 척도이기 때문에 정보가 처리되는 방식에서 중요한 역할을 해. 모든 물리적인 과정이 정보를 변환하기 때문에 자연의 문제 해결 방식은 엔트로피 변화를 보여줄 거라고 예상할 수 있어.
뜨거운 물체에서 차가운 물체로 열이 흐를 때 엔트로피는 증가해. 왜냐하면 열 에너지가 입자들 사이에 더 고르게 분산되거든. 화학 반응 중에 반응물이 생성물로 변환될 때도 엔트로피는 증가해. 얼음이 물로 녹는 것과 같은 상전이도 물 분자가 액체 상태에서 더 무질서해지기 때문에 엔트로피가 증가하는 걸 볼 수 있지. 기체가 더 큰 부피로 팽창할 때마다 엔트로피는 증가해.
자연이 사물을 만들 때 엔트로피는 (국소적으로) 감소하는 것도 볼 수 있어. 살아있는 유기체는 자신을 만든 무질서에 비해 더 낮은 엔트로피 구조를 가지고 있지. 생명체는 주변 환경에서 끊임없이 들어오는 에너지 덕분에 낮은 엔트로피 구조를 유지하고 구성할 수 있는 거야. 물질이 용액에서 굳어질 때 원자나 분자의 배열이 더 질서 정연해지는 경우도 많아. 새 떼나 물고기 떼에서도 질서가 자발적으로 나타날 수 있지.
우리는 어떤 개체가 압력이나 부피 같은 거시적인 속성과 일치하는 더 많은 미시적인 구성(미시 상태)을 가지고 있다면 엔트로피가 더 높다는 걸 알아. 어떤 시스템에 다가가서 압력을 측정한다고 상상해 봐. 그 압력은 그 압력을 만들어내는 가장 많은 미시적인 구성(원자 배열)을 가질 거야. 우리가 관찰할 수 있었을 다른 가능한 모든 압력은 그 값과 관련된 미시적인 구성이 더 적을 거라고 예상할 수 있어. 다시 말해서, 우리가 관찰하는 것은 시스템의 가장 가능성이 높은 상태인데, 그건 정의상 우리가 보고 있는 것을 만들어내는 가장 많은 수의 기본 미시 상태를 가진 상태인 거지.
시스템은 자연스럽게 가장 많은 접근 가능한 미시 상태를 가진 상태로 진화해. 이건 압력하고 온도에만 해당되는 게 아니야. 우리가 관찰하는 물리적인 구조하고 행동은 그 겉모습과 일치하는 가장 많은 수의 미시 상태를 가지고 있기 때문에 나타날 거라고 예상할 수 있는 거지. 이건 복잡한 시스템이 작동하는 일반적인 속성이기 때문에 원자 구성에만 국한되지 않아. 이건 모든 규모에서 일어나는 메커니즘인 거야.
자연에서 볼 수 있는 창발적인 구조를 생각해 봐. 이건 많은 조각들의 상호 작용에서 나타나는 패턴이야. 이 조각들은 더 낮은 수준의 미시 상태인데, 어떤 거시적인 창발적 구조에 매핑되는 거지. 다시 말하지만, 미시적이라고 해서 실제로 크기가 미시적인 것을 의미할 필요는 없고, 그냥 우리가 관찰하는 수준보다 한 단계 아래를 의미하는 거야.
생명체에서 엔트로피의 역할은 오랫동안 논쟁의 대상이었어. 한편으로 열역학 제2법칙은 고립된 시스템에서 엔트로피는 항상 증가한다고 말해주고, 이는 구조가 더 높은 무질서 상태로 진화해야 한다는 걸 의미하지. 하지만 살아있는 유기체는 어떤 의미에서는 매우 질서 정연한 구조이고, 낮은 엔트로피를 특징으로 해. 이 모순에 대한 해답은 생명체의 시스템이 주변 환경에서 엔트로피를 증가시키는 대가로 자신의 엔트로피를 국소적으로만 감소시킨다는 거야. 이건 살아있는 유기체가 에너지와 물질을 환경과 교환하기 때문에 고립된 시스템이 아니라는 걸 의미해.
하지만 살아있는 유기체를 고도로 질서 정연하고 열린 시스템으로 특징짓는 것만으로는 모든 걸 설명할 수 없어. 하나의 개체 내에서 낮은 수준의 무질서(높은 엔트로피)가 높은 수준에서 더 많은 질서를 만들어낼 거라고 예상할 수 있어. 이것이 창발적인 구조가 안정적인 시스템이 가질 수 있는 가장 많은 엔트로피에서 나타나는 이유인 거지. 이건 엔트로피가 어떤 확실한 의미에서 낮아지거나 높아지는 게 아니라, 끊임없이 변하고 있다는 걸 의미해. 낮은 수준의 엔트로피 증가는 더 높은 규모에서 엔트로피 감소를 촉진하는 거지.
어쨌든 여기서 가장 중요한 점은 출현에 대한 설명이 수준 간의 인과 관계의 사슬을 필요로 하지 않는다는 거야. 출현은 환원주의나 결정론적 추론에 기반한 근사값을 필요로 하지 않아. 엔트로피의 관점에서 볼 때 출현은 우리가 관찰하고 측정하고 경험하는 구조와 행동에 가장 많은 수의 낮은 수준의 물질 조각이 해당하는 물리적인 결과일 뿐인 거지.
얼룩말의 줄무늬는 우리가 보는 거야. 그게 어떻게 형성되는지 묻는 건 잘못된 질문이야. 인과적인 이야기를 짜맞추려고 시도하는 세포 이미징이나 유전 도구로는 결코 올바른 답을 얻을 수 없을 거야. 하지만 우리가 아는 건 줄무늬가 가장 높은 수준(n)에 존재하고 그 아래 세포(n-1)에서 생겨났을 거라는 거야. 이건 아래에 있는 세포가 우리가 보는 줄무늬와 일치하는 가장 많은 가능한 구성으로 존재해야 한다는 걸 의미해. 가능한 모든 세포 구성 중에서 줄무늬를 만들어내는 세포 구성이 가장 많은 거지.
개미 군체는 정교한 자기 조직화, 분업, 견고성, 적응성, 그리고 상당한 효율성을 보여줘. 이러한 특징은 창발적인 패턴으로 나타나지. 그러한 패턴이 어디에서 오는지 알려줄 수 있는 인과적인 사슬은 없지만, 그러한 패턴(n)은 우리가 관찰하는 거시적인 패턴과 일치하는 가장 미시적인 구성에서 나타나야 한다는 걸 알아. 내가 주장하는 건 이게 바로 출현이라는 거야.
이미 언급했듯이 이 모든 것의 또 다른 중요한 결과는 엔트로피가 한 가지 규모에서만 적절하게 논의될 수 없다는 거야. 우리는 엔트로피의 증가와 감소가 하나의 개체 내에서 동시에 일어날 거라고 예상해야 해. 자연스러운 해결책은 시스템의 낮은 수준이 높은 수준보다 엔트로피가 더 많을 거야. 얼룩말의 줄무늬는 세포와 같은 다음 단계의 구조보다 엔트로피가 더 낮아야 해. 이것이 우리가 내부 세부 사항이 우리가 관찰하는 더 높은 수준의 질서보다 더 지저분하다고 생각하는 이유인 거지.
이건 철학에도 적용될 수 있어. 마지막 문장은 대부분의 과학자들이 질색할 텐데, 그들의 불쾌감의 원천은 객관적인 진실의 부족이 아니라 죽어가는 환원주의 패러다임에 대한 의존 때문이야. 현실은 궁극적으로 정보적이고 계산적인 거야. 그리고 이 설정 내에는 다루기 쉬운 정도가 있는 거지. 변하지 않는 진실, 그러니까 시간의 시험을 견뎌낸 진실은 가장 높은 수준의 추상화에 존재하는 반면에, 구체적인 세부 사항은 항상 변하고 있는 거야.
이건 철학에 대한 가치 판단이거나 철학을 과학 분야에 통합하려는 시도가 아니라, 단지 정보와 계산에 기반한 시스템이 행동하는 방식의 부인할 수 없는 논리일 뿐이야. 이게 바로 자연이 작동하는 방식이야. 좋든 싫든 말이지.
종 모양 곡선의 꼭대기가 우리에게 집단에서 관찰할 수 있는 가장 가능성이 높은 키를 알려주는 것처럼, 어떤 분포의 꼭대기든 확률이 가장 집중된 곳을 알려줘. 우리가 무엇을 볼 수 있는지 알려주는 것은 확률 밀도의 가장 높은 지점이지. 시스템의 가장 많은 미시 상태가 우리가 관찰하는 것과 일치하는 곳이 바로 여기야. 물론 자연은 종 모양 곡선처럼 기본적인 것을 사용하지 않지만, 요점은 분명해. 분포의 꼭대기는 통계적으로 구조 또는 행동을 생성하는 가장 많은 구성이 존재하는 곳이기 때문에 우리가 확률적으로 관찰하는 거야.
따라서 우리는 창발적인 구조를 확률 분포의 물리적인 버전이라고 생각할 수 있어. 열역학적 엔트로피와 정보 이론적 엔트로피의 해석을 하나의 해석으로 합쳐서 출현이 실제로 무엇인지 보기 시작하는 거지.
엔트로피는 우리에게 기본 구성과 우리가 관찰하는 거시적인 속성 사이의 연결을 보여줘. 우리가 자연에서 어떤 규모를 보든 관찰되는 구조는 가능한 분포의 꼭대기일 거라고 예상해야 해. 그 꼭대기는 동일한 결과를 만들어내는 가장 많은 가능한 구성을 나타내지. 이건 우리가 자연에서 관찰하는 어떤 특징이든 가장 많은 가능한 방식으로 달성될 수 있는 것이라는 걸 의미해.
결과적으로 어려운 문제에 대한 올바른 답을 계산하는 방법은 항상 많을 거야. 왜냐하면 자연의 창발적인 구조는 계산 구성이고, 이는 많은 가능한 미시 상태를 존재에 매핑함으로써 도달하는 것이거든. 이건 복잡한 개체에서 단일한 경로가 결과를 만들어내는 것이 물리적으로 불가능하다는 걸 의미해.
이 사실 하나만으로 환원주의 개념과 자연의 시스템이 내부적으로 결정론적일 수 있다는 전제를 완전히 배제해. 자연에 있는 모든 것을 구성하는 개별 조각은 정의상 결과와 결정론적으로 연결되어 있지 않아. 복잡한 시스템에는 근본적인 원인이 있을 수 없어. 왜냐하면 달성할 수 있는 가장 많은 가능한 방법을 가진 것은 근본적인 원인을 가질 수 없기 때문이지. 엔트로피는 우리에게 입력에서 출력으로 가는 경로가 존재하는 게 아니라, 우리가 가지고 있는 것은 동일한 출력을 생성하기 위해 수없이 많은 방식으로 스스로 배열하는 시스템이라는 걸 알려줘. 이것이 자연이 스스로를 구성하는 방식이고, 그 구조가 정보를 처리해서 우리가 보는 것을 만들어내는 거지.
자연의 해결책은 다중 실현 가능해. 우리가 자연 환경에서 측정하고 관찰하고 경험하는 것은 가장 많은 가능한 방식으로 달성될 수 있는 것이지.
이제 나는 강력한 주장을 할 거야. 출현은 우리가 자연에서 때때로 접하는 틈새 현상이 아니라, 그게 바로 자연이라는 거야. 어떤 규모에서든 어떤 시스템을 볼 때 우리는 어떤 결정론적으로 결정된 것을 관찰하는 게 아니야. 우리가 보는 것을 구성하는 조각들은 새로운 시너지 효과를 내는 개체, 그러니까 뚜렷하고 독립적인 존재를 가진 어떤 것에 기여하는 만큼 특정 개인적인 역할을 가지지 않아. 출현은 보통 개별 요소가 결합되어 개별 효과의 합보다 더 큰 효과를 만들어내는 것으로 생각돼. 이건 사실이지만 "더 큰"이라는 단어는 문제가 있어. 전체가 여전히 개별 조각과 인과적으로 연결되어 있다는 걸 암시하거든. 나는 출현은 개별 조각의 모음에서 뚜렷한 기능이 있는 완전히 새로운 객체로 갑작스럽게 전환되는 것이라고 주장해. 이 출현은 낮은 수준과 높은 수준 간의 인과 관계에 대한 모든 개념을 지워버려.
각 규모에서 나타나는 뚜렷한 기능은 고유한 출력을 계산하는 구성의 정보 및 계산 실현의 자연스러운 결과야. 자연은 주어진 문제를 해결하는 데 필요한 것을 만들고, 이것이 일어나는 유일한 방법은 엔트로피의 다중 실현 가능한 메커니즘을 통해서야. 많은 가능한 입력에서 몇 가지 특정 출력으로의 매핑이 있어야 해. 이건 결정론적인 인과 경로를 사용해서는 일어날 수 없고, 엔트로피적으로 유도된 정보 압축을 통해서만 가능한 거지.
원자 구조는 중성자, 양성자, 전자가 어떤 단순한 방식으로 함께 작동한 결과가 아니야. 우리는 이미 주기율표에서 수소보다 위에 있는 모든 원자가 정확하게 해결될 수 없다는 것을 알고 있잖아. 3체 문제에 들어가면 시스템 구성 요소 간의 상호 작용으로 인해 정확한 결정론적 예측을 할 수 없어. 그러한 계산은 "근사적으로" 처리되지만 5장에서 주장했듯이 자연은 근사값이 아니야. 오늘날 사용되는 계산은 기본 결정론을 가정하고 그 결정론의 더 부드러운 버전을 만들려고 시도해. 하지만 자연이 다양한 규모를 완전히 새로운 개체로 갑작스럽게 전환한다면 이러한 계산은 근사값이 아니라 빗나간 것에 더 가까워. 근사값은 우리가 문제를 직접적으로 접근하면 얻을 수 있는 것만큼 좋거나 정확하지 않은 답이야. 우리가 수치 방법, 경험적 방법, 수학적 최적화 또는 기계 학습과 같은 접근 방식을 사용할 때 우리는 실제로 "근사 솔루션"을 찾고 있는 게 아니야. 왜냐하면 근사할 게 없거든. 이러한 기술은 더 깊은 인과적 현실 위에 있는 게 아니야.
나는 계산에서 더 직접적이라는 것은 개념적으로도 불가능하다고 주장해. 다른 규모에서 사물을 관찰하는 것, 예를 들어 분자와 원자, 세포와 세포 소기관을 비교하는 것은 완전히 새로운 것을 관찰하는 거야. 복잡성을 모델링하는 데 사용하는 계산은 실제로 실제에 더 가까운 거지. 기본 현실에 근접한 것이 아니야. 다시 말해서 복잡한 현상을 논리적으로 정의하거나 예측하는 것처럼 보이는 좋은 모델은 그 현상 자체와 비슷한 무언가가 되어가고 있는 거야.
이건 일부 사람들이 강한 출현이라고 부르는 것에 더 가까워. 약한 출현은 더 간단한 구성 요소의 상호 작용에서 발생하는 속성과 행동이 기본 규칙과 해당 구성 요소의 상호 작용 측면에서 완전히 설명 가능하다는 걸 암시해. 대조적으로 강한 출현은 복잡한 현상에서 보이는 구조와 행동이 시스템 구성 요소의 기본 규칙과 상호 작용으로 축소되거나 설명될 수 없다고 주장해. 나는 동의하지만 복잡성을 과학의 어떤 틈새 구석으로 격하시키지는 않아. 출현은 자연이야. 전부 다. 그리고 이건 단순한 믿음이 아니라 정보, 계산, 진화의 알려진 속성과 일치하는 제안된 메커니즘에 기반을 두고 있어.
내가 여기서 주장하는 출현은 자연이 현재의 과학 및 공학 패러다임의 환원주의적 가정과 완전히 단절되어 있다는 걸 의미해. 환원주의적 관점이 특정 상황에서 작동하지만 궁극적으로는 잘못된 거야. 고전 역학이 매우 유용하지만 궁극적으로는 잘못된 것처럼 말이야. 하지만 고전 역학은 여전히 유용하지만 우리가 복잡성의 시대에 구축해야 하는 것은 환원주의와 설계 모두를 완전히 무효화해. 복잡한 시스템의 내부로 들어가서 그 조각을 의도적으로 배열하는 것은 쓸모없거나 위험한 결과만 낳을 수 있어.
복잡성과 출현을 특정 현상에만 관련된 것으로 생각하기보다는 출현이 자연이라는 걸 인정하는 게 훨씬 더 지적으로 정직해. 자연을 보편적인 속성 측면에서 보는 것은 이 설명을 진정으로 엄격하게 만들어. 내부 인과 관계에 대한 입증할 수 없는 이야기에 의존하지 않지. 그건 우리가 알고 있는 일어나는 일에 기반을 두고 있어.
유연한 결정론은 자연의 해결책을 인간 역사 전반에 걸쳐 사용된 규칙 기반 엔지니어링과 전혀 다르게 만들어. 하지만 자연의 해결책은 규칙과 공통점을 공유하고 있는데, 그것은 입력을 출력으로 변환한다는 거야. 이 변환이 규칙 기반 엔지니어링과 매우 다른 이유는 자연의 계산이 일대일 사건의 인과적인 사슬이 아니기 때문이야. 자연은 동일한 입력에 대해 동일한 출력을 생성하지 않아. 자연은 많은 다양한 입력을 주어진 문제를 해결하는 작은 익숙한 출력 집합으로 압축해. 이 압축은 극단적으로 발생하는데, 수많은 입력이 더 적은 출력으로 변환되는 거야. 비버가 직면하는 모든 다양한 환경적 과제 중에서 항상 동일한 몇 가지 비버 출력을 만들어내지. 이것이 우리가 자연에서 보는 유연한 결정론이야.
자연의 해결책은 변환을 수행하는 규칙 집합일 수 없어. 그건 다른 무언가여야 해. 우리는 이미 이 다른 무언가가 자연이 만든 물리적 추상화라는 걸 알았어. 하지만 자연의 해결책이 유연한 결정론을 품을 수 있게 하는 물리적 추상화는 무엇을 하고 있는 걸까? 그 답은 정보 압축이야.
정보 압축은 정보 이론의 또 다른 핵심 개념인데, 중요한 정보를 잃지 않고 데이터 크기를 줄이는 과정을 의미해. 통신에서 이것은 데이터를 더 효율적인 방식으로 표현하는 방법을 찾는 것으로 생각할 수 있는데, 그렇게 하면 더 적은 비트를 사용하여 저장하거나 전송할 수 있기 때문이야. 이것은 일반적으로 데이터의 중복성을 이용함으로써 달성되는데, 반복 또는 예측 가능성은 메시지가 수신된 후 재구성될 수 있기 때문이지.
"AAAABBBCCDAA"와 같은 문자열이 있다고 상상해 봐. 반복되는 패턴을 더 효율적으로 나타내서 크기를 줄임으로써 이 문자열을 전선으로 더 효율적인 방식으로 보낼 수 있어. 반복되는 문자 시퀀스를 문자 자체와 반복되는 횟수로 나타낼 수 있는데, 원래 문자열을 "4A3B2C1D2A"로 인코딩하는 거지. 우리 메시지는 12자에서 10자로 "압축"되었어. 별로 많아 보이지 않지만 데이터가 많을 때는 엄청난 차이를 만들 수 있어. 수신단(압축 해제)에서는 각 문자 뒤에 반복해야 하는 횟수를 붙여서 확장하기만 하면 원래 메시지로 돌아갈 수 있어. 오늘날 컴퓨터에서 사용되는 최신 압축 알고리즘은 이 접근 방식을 사용해서 파일, 사진 및 기타 항목을 효율적으로 저장해.
정보 압축은 자연이 창발적인 구조를 통해 달성하고 있는 것이야. 자연의 해결책에서 창발적인 구조가 수많은 가능성을 일련의 과제 해결에 도움이 되는 몇 가지 출력으로 변환하기 때문에 그래야만 하는 거지.
이것이 자연이 매우 유연하고 적응력이 뛰어난 이유야. 치타가 순식간에 방향을 전환하고 그렇게 많은 상황에서 속도를 실행하는 능력을 생각할 때 우리는 자동차와 같은 것에 비해 그 정교함에 놀라게 돼. 하지만 우리가 놀라는 이유는 단순한 시스템의 관점에서 생각하고 있기 때문이야. 사람들은 서로 부딪히는 개별 구성 요소를 시각화하고 동물이 그렇게 많은 요소를 어떻게 설명하는지 궁금해할 거야.
하지만 우리가 정보 압축의 렌즈를 통해 사물을 제대로 볼 때 치타가 어떻게 이 수준의 정교함을 달성할 수 있는지 이해할 수 있어. 치타에게 지형의 차이, 장애물, 기상 조건, 다른 먹이와의 경쟁 등으로 표현되는 수많은 입력이 치타가 효과적으로 달릴 수 있게 하는 몇 가지 출력으로 줄어들고 있는 거지. 인간이 만든 물체(AI와 같은 것은 제외)는 이렇게 할 수 없어. 그러한 물체는 정보를 명시적으로 처리하기 위해 개별 조각이 필요해. 그러한 결정론적인 기계가 고도로 인위적이고 좁은 환경 외부에서 작동하기에는 너무 많은 입력을 출력으로 변환해야 해. 물리적인 물질로 실현된 정보 압축만이 자연이 하는 일을 할 수 있게 해주는 거지.
자연이 만든 물리적 추상화는 모든 추상화가 하는 일을 해. 정보를 더 적은 출력으로 압축하지. 하지만 자연의 물리적 추상화는 전통적인 엔지니어링의 설계된 물리적 추상화보다 정신적 추상화 과정과 훨씬 더 많은 공통점을 가지고 있어. 전통적인 엔지니어링이 수준 간의 명시적인 인과 관계를 만들어서 당겨야 하는 레버 수를 줄이는 반면에 자연의 물리적 추상화는 계산에 필요한 자원을 줄여.
자연에서 우리가 보는 창발적인 구조와 행동은 정보를 처리하는 방식 측면에서 가장 잘 이해할 수 있어. 그리고 정보를 처리하는 방식은 수많은 입력을 더 적은 출력으로 압축하는 거지. 우리의 마음이 모든 하위 개념에 대한 공통 명사 역할을 하는 개념을 형성하는 것처럼 자연은 하위 물리적 세부 사항이 준수하는 구조를 만들어내. 개가 모든 견종에 대한 범주인 것처럼 얼룩말의 줄무늬는 그 줄무늬를 가능하게 하는 모든 하위 조직 또는 세포에 대한 물리적 "범주"인 거지.
정신적으로 추상화를 만드는 것은 복잡한 환경을 헤쳐나가고 어려운 문제를 해결하는 데 인지적 부담을 줄이는 방법이야. 표면적으로 다른 것을 더 깊은 공유 구조를 기반으로 단일 범주로 그룹화함으로써 답을 계산하는 데 필요한 처리 능력을 제한하는 거지. 하지만 이건 정보적인 현상만은 아니야. 이미 논의했듯이 우리는 물리적인 것과 정보적인 것을 완전히 분리할 수 없어. 자연의 물리적 구조는 문제를 해결하기 위해 존재하고, 문제 해결은 정보적인 것이거든. 자연에는 항상 입력에서 출력으로의 정보 변환이 일어나고 있어.
전체 나무와 개별 가지와 잎을 비교하는 것처럼 자연의 해결책을 다른 규모에서 보는 것은 시스템의 다른 인터페이스를 보는 거야. 이러한 인터페이스, 그러니까 물리적 추상화는 추상화에 의한 진행으로 자연에 의해 만들어졌어. 나무는 가지가 해결하는 문제를 해결하는 데 그치지 않고 전체 나무를 만들어 더 어려운 문제를 해결해.
나무의 가지와 전체 나무는 서로 다른 문제를 해결하고 나무의 생존과 전반적인 생태적 기능의 더 넓은 맥락 내에서 서로 다른 역할을 수행해. 가지는 광합성을 최대화하고 구조적 지원을 제공하는 데 사용되지. 전체 나무는 뿌리 시스템을 통해 땅에 자신을 고정하고 토양에서 물과 영양분을 추출하는 더 어려운 문제를 해결해.
나무는 정신적으로 뿐만 아니라 물리적으로도 다른 수준의 추상화에 존재하는 인터페이스 시스템이야. 우리가 자연에서 정의하는 경계, 그러니까 "나무"와 "가지"는 자연이 생존 과제에 대한 답을 계산하기 위해 만든 물리적 추상화인 거지. 이러한 수준은 맨 아래까지 내려가. 나무에서 가지와 잎으로, 그런 다음 더 아래로 미세한 세포 수준으로, 더 아래로 세포를 만드는 원자와 분자로 이동해. 우리가 다른 수준을 어떻게 구분하든 각 수준은 문제를 해결하고 있는데, 즉 특정 종류의 정보를 처리하고 있는 거야.
이 시점에서 나는 단지 정신적 추상화를 재구체화하고 있을 뿐이라고 주장할 수도 있어. 나무의 다른 규모는 인간이 정신적으로 만드는 편리한 경계일 뿐이라는 거지. 게다가 역할과 수준을 정의함으로써 내가 반대하는 환원주의에 의존하고 있는 것처럼 보일 수도 있어. 그렇지 않아. 왜냐하면 내가 식별하는 역할은 그룹이 더 이상 존재하지 않으면 그 의미를 잃어버리거든. 환원주의 하에서 세포의 세포 소기관은 자족적인 정의를 가지고 있어. 미토콘드리아는 세포 호흡을 통해 에너지를 생산하는 역할을 하지. 이건 사실이지만 그 역할은 세포 외부에서는 의미가 없어. 다른 모든 세포 소기관과 그들이 앉아 있는 매트릭스가 없다면 세포 호흡을 통해 에너지를 생산할 이유가 없을 거야. 실제로 이것은 개인의 역할에 대한 식별을 환원주의가 제시하는 것보다 훨씬 덜 의미 있게 만들어. 더 중요한 것은 미토콘드리아를 표적으로 삼아서 세포 호흡에 대한 더 나은 해결책을 설계하려고 시도한다면 그러한 설계가 좋지 않은 결과로 이어질 거라고 예상할 수 있다는 거야.
정신적 추상화는 우리의 상상이 만들어낸 것이 아니라 처리 단위야. 자연 물체의 다른 수준을 정의하는 것은 그 물체가 해결하는 중첩된 과제의 구조를 관찰하는 것이지. 7장에서 중첩된 문제 구조에 대해 더 자세히 배울 거야. 여기서 요점은 우리가 자연을 인위적이지만 편리한 구조로 재구체화하고 있는 게 아니라는 거야. 이건 부인할 수 없는 계산에 대한 것이지 재구체화에 대한 것이 아니야. 이건 우리가 잘못 구분하고 있을 가능성에도 견고해. 경계를 어디에 두든 관찰된 자연의 모든 수준(n)은 아래에 있는 조각 그룹(n - 1)과 위에 있는 조각 그룹(n + 1)과 다른 문제를 해결하고 있는 거야.
인간 역사 전반에 걸쳐 만들어진 물리적 추상화는 모두 (n - 1) 수준을 (n) 수준에 연결하기 위해 인과 관계에 대한 내부 지식을 사용하여 설계되었다고 논의했어. 하지만 자연에는 그러한 인과 관계가 존재하지 않아. 각 수준은 뚜렷한 기능으로 뚜렷한 문제를 해결하는 자체적인 개체야. 하지만 1장에서 주장했듯이 물리적 추상화는 어떤 종류의 진행이든 일어나는 방식이야. 이건 자연이 솔루션 내에서 자체적인 물리적 추상화를 만들고 있다는 걸 의미해. 실제로 물리적 추상화는 창발적 구조야. 창발적 구조는 자연이 만들어낸 인터페이스로 다음 단계의 진행이 기본 세부 사항을 조정하기 위해 당겨야 하는 "레버"의 수를 줄여줘.
인간이 설계를 통해 그러한 인터페이스를 고안하는 반면에 자연은 인식을 사용하여 무엇을 무엇에 포함할지에 대한 선택을 하지 않아. 다시 말하지만 자연의 레시피는 아름답게 멍청한 과정이야. 하지만 이건 명백한 질문을 제기해. 아무런 결정이 내려지지 않는다면 자연은 어떻게 물리적 추상화를 형성할 수 있을까? 자연은 다음 수준(n + 1)을 제공하기 위해 어떤 조각을 한 수준(n)에서 번들로 결합할지 어떻게 선택할까?
인간은 시스템 외부에서 작동하여 추상화를 만들어. 모든 견종이 동일한 추상적 범주인 개에 속한다는 것을 알 수 있는 유일한 방법은 개 시스템에서 벗어나 그들 모두가 공통적으로 가지고 있는 것을 알아차리는 거야. 모든 개는 4개의 다리, 이빨, 꼬리 등을 가지고 있지. 개를 개로 만드는 것에 대한 정확한 설명은 결코 충분하지 않을 거야. 왜냐하면 정확성은 복잡성에서 일어나는 일을 포착할 수 없기 때문이지. 하지만 인간의 두뇌는 종이 실제로 개인지 인식하고 이걸 정신적 범주에 넣을 수 있어. 이건 역사 전반에 걸쳐 설계된 물리적 추상화에도 마찬가지야. 인간은 자신의 인식과 인지를 사용하여 시스템의 다른 조각을 단일 단위로 묶을 수 있는 방법을 파악해. 하지만 자연은 다른 조각이 공통적으로 가지고 있는 것을 어떻게 "관찰"할까? 자연은 물리적 추상화를 만들기 위해 자신을 어떻게 "관찰"할 수 있을까?
인간은 비유를 통해 정신적 및 물리적 추상화를 만들어. 비유는 유사점을 보여주기 위해 두 가지를 비교하는 거야. 비유를 만드는 것은 표면적으로는 이질적인 것 사이에 더 깊은 구조를 발견하는 것을 포함하고, 추상화는 우리가 그렇게 하는 방법이야. 추상화를 사용하면 소스 및 대상 영역의 핵심 속성 또는 특징을 분리해서 더 효과적으로 비교할 수 있어. 세부 사항을 제거함으로써 비교되는 두 가지에 공통적인 더 필수적인 원칙 또는 구조에 집중할 수 있는 거지. 태양계를 원자와 비교한다면 원자 부분을 천체 부분과 관련시키는 건 추상화를 통해서야.
이건 자연이 물리적 추상화를 만들고 있다면 비유를 만드는 것과 비슷한 일을 해야 한다는 걸 의미해. 비유를 만드는 것은 의식이 필요한 인지 활동이기 때문에 꽤 이상하게 들리지. 자연 선택과 같은 무의미한 과정이 어떻게 비유를 만들 수 있을까? 하지만 기계적으로 보면 복잡한 시스템이 실제로 비유를 만드는 장치를 가질 수 있다는 것을 알 수 있어. 나는 이전에 자연이 다른 조각이 공통적으로 가지고 있는 것을 알아차리기 위해 자신을 "관찰"해야 한다고 언급했지. 기계적으로 이건 시스템이 자기 참조해야 한다는 걸 의미해.
비유가 사물을 함께 묶는 것처럼 자기 참조 시스템은 공유 구조로 내부 세부 사항을 묶을 수 있어. 이 바인딩은 의식을 필요로 하지 않고, 단지 생존으로 인한 불변성을 생성하는 무의미한 과정만 필요로 해. 자연 선택이 다른 모든 것을 버리는 동안 특정 것을 유지하는 방법을 생각해 봐. 자연 선택의 결과(주어진 세대)가 입력(다음 세대)이 되기 때문에 이게 발생할 수 있는 거지.
자기 참조는 다른 모든 것의 흐름 속에서 지속되는 특정 구조와 행동의 강화 및 안정화로 이어져. 이것이 자연에서 모든 패턴 형성이 일어나는 방식이야. 자기 참조는 특정 상태 또는 구조의 안정화, 선택 및 강화로 이어져. 우리는 이걸 날씨 패턴 내부의 어트랙터, 생태계의 고정점, 심장 박동의 주기적인 행동, 화학 반응 내부의 에너지 최소화, 그리고 얼룩말의 줄무늬 형성 등 다양한 영역에서 나타나는 걸 볼 수 있지. 이건 생물학에 관련된 부분뿐만 아니라 널리 쓰여진 진화야. 동일한 패턴 형성 메커니즘이 우리 도시, 금융 시스템, 전력망, 인터넷 및 인공 지능 시스템에서도 발생해. 피드백 루프 때문에 자기 참조 메커니즘을 가져오는 것은 복잡성이고, 이 메커니즘은 무작위가 아닌 것이 나타나서 유지