February 1, 2025

📰 Newsy news

1. 딥시크란?
2. 잘 살고 싶은 나
3. 바늘을 대체 할 바이오 기술

---

👀 딥시크

딥시크(DeepSeek)는 2023년에 설립된 중국의 인공지능(AI) 연구 기업에서 개발한 오픈소스 AI 모델이다. 딥시크의 대표 모델인 DeepSeek-R1은 OpenAI의 모델과 견줄 만한 성능을 지니며, 웹, 앱, API를 통해 제공되고 있다.

량원펑은 왜 첫 회사 이름을 수학자에서 따왔나 세계 인공지능(AI) 기술과 산업 생태계를 뒤흔든 중국 대표 괴짜 량원펑 딥시크 대표의 저력은 수리과학에서 비롯했다는 분석이 나온다. 선형대수는 AI 딥러닝의 근간이다. 딥러닝 알고리즘인 인공신경망(ANN)이 선형대수로 설계된다. AI의 예측과 생성, 추론 기능은 입력값(데이터)과 출력값(결과물) 간 함수로 표현되는데, 이 함수를 병렬적으로 무수히 배치하는 기법이 선형대수다. 그래픽처리장치(GPU)의 병렬 연산도 여기서 시작한다. AI의 정확성을 높이는 작업은 편미분이 담당한다. - 한국경제 이해성 기자

AI가 중요한 화두로 떠오르며 기업들은 AI 관련 기술을 적극적으로 검토하고 있다.

무신사, AI기업 몰로코와 업무 협약 “상품 추천 서비스 고도화”
“딥시크로 놀라긴 이르다” ‘가성비 AI’ 줄줄이 출격

'AI는 도덕을 이해할까?' ... 학자들이 던지는 7가지 질문 미·중 AI 전쟁이 본격화했다는 분석이 나오는 가운데 딥시크발쇼크는 AI를 둘러싼 논란에 다시 불을 붙였다. 개인정보 과다 수집, 거짓 정보 제공, 지식재산권 침해, 중국 정부 검열 의혹과 정치적 편향성 등 이 '저비용 고성능' 모델이 드러낸 한계는 'AI 윤리'를 묻게 한다. 인간은 '인지적 편향, 편애, 인종 또는 성별 편견 등 무의식적으로 의사 결정에 영향을 미치는 편향'에서 벗어나지 못한다. 이런 편향을 제거한 AI는 인간이 신체적, 정신적으로 불완전한 상태일 때도 "합리적이고 편향 없는 상태에서 더 많은 정보를 갖고 내릴 만한 도덕적 판단"을 하는데 도움을 준다. 이를 통해 사회의 불공정을 개선하고, 비윤리적 결정을 방지할 수 있다는 것이다. 다만 이 그럴듯한 제안 뒤에는 '도대체 어떤 도덕적 원칙을 AI에 학습시켜야 하는가'라는 근본적 질문이 남는다. 저자는 인간의 한계 때문에 이상적인 도덕적 판단이 무엇인지 완벽하게 알아내거나 예측하기 어렵다는 사실을 인정한다. 그렇지만 "흠결이 있더라도 도덕적 판단을 AI에 구축하는 것은 도덕성이 없거나 도덕성을 교정하지 않은 AI 기술보다 커다란 발전"이라고 주장한다. - 한국경제 설지연 기자

📖 인공신경망이란?

인공신경망(artificial neural network, ANN)은 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계중 특히 뇌)에서 영감을 받아 만들어진 알고리즘이다. ( 출처: 나무위키 )

입력 → 가중치 연산 → 활성화 함수 → 출력 * 대부분의 연산이 행렬(Matrix)과 벡터(Vector) 연산으로 표현

(1) 입력과 가중치의 행렬 연산

인공신경망에서는 여러 개의 입력 값(𝑥)이 가중치(𝑊)와 곱해져서 새로운 값을 생성하는데 이 과정은 행렬 곱셈(Matrix Multiplication)으로 표현된다.

💡 인공신경망에서 가중치(Weight)는 신경망의 각 연결을 조정하는 값으로 각 연결의 중요도를 나타낸다. 신경망의 각 뉴런(혹은 노드) 사이에는 연결선이 있고, 이 연결선마다 가중치가 할당된다.

\[𝑦=𝑊𝑥+𝑏\]

𝑥 : 입력 벡터 (𝑛×1)
𝑊 : 가중치 행렬 (𝑚×𝑛)
𝑏 : 편향 벡터 (𝑚×1)
𝑦 : 출력 벡터 (𝑚×1)

즉, 입력 데이터(𝑥)와 가중치 행렬(𝑊)을 곱하는 것이 핵심 연산이고, 이것이 선형대수 연산이다.

(2) 활성화 함수 (비선형 변환)

선형대수만으로는 신경망이 복잡한 패턴을 학습할 수 없어서 활성화 함수(ReLU, 시그모이드 등)를 추가해서 비선형성(Non-linearity)을 부여한다. 하지만 활성화 함수 자체를 제외하면, 신경망의 연산은 대부분 선형대수 연산이다.
(비선형성: 시스템이나 함수가 입력과 출력 사이에 비례 관계가 없을 때 발생하는 특성)

📖 일상속에서 사용되는 행렬

일상에서 쉽게 접할 수 있는 예시로 접근해보고자 한다. 예를 들어, Netflix에서 사용자에게 영화를 추천할 때 행렬을 사용한다면 어떨까?

① 문제 상황

사용자가 선호할 영화를 추천하려면, 사용자들이 각 영화에 대해 평가한 평점을 기반으로 추천을 해야 한다. 예를 들어, 사용자 A가 영화 1에 5점을 주고, 영화 3에는 아직 평점을 주지 않았다고 가정해보자. 영화 3의 평점을 예측해서 영화 3을 좋아할 확률이 높은지 예측하고 추천할 수 있다.

② 평점 행렬

여러 사용자들이 각 영화에 대해 매긴 평점이다.

사용자/영화	영화 1	영화 2	영화 3	영화 4	영화 5
사용자 A	5	3	?	1	4
사용자 B	4	?	2	3	3
사용자 C	1	1	1	5	?
사용자 D	?	5	4	4	5

여기서 ?는 사용자가 아직 평가하지 않은 영화이자 예측해야 하는 값이다.

③ 행렬 분해

위 평점 행렬을 작은 행렬들로 나눠서 사용자와 영화의 특성을 추출해 평점을 예측해본다. 여기서 생각해봐야 하는 것이 사용자와 영화는 각기 다른 특성을 가지고 있다는 점이다.

• 사용자 A는 액션 영화를 좋아하고, 로맨스 영화는 별로 안 좋아한다.
  
• 영화 3은 액션 영화지만, 로맨스 요소도 적당히 들어 있다.
  

이런 특성을 기반으로 사용자 A가 액션을 좋아하고 영화 3도 액션 요소가 있으면 영화 3을 좋아할 가능성이 높다고 예측하여 영화 3에 대한 예상 평점을 계산할 수 있다.

먼저 평점 행렬을 다음과 같이 두 개의 작은 행렬로 분해한다. 가장 일반적인 방법은 SVD(Singular Value Decomposition)나 ALS(Alternating Least Squares)를 사용하는 것이다.

• SVD (Singular Value Decomposition): 간단하고 널리 사용되는 행렬 분해 방법
• Alternating Least Squares (ALS): 추천 시스템에서 자주 사용되는 방식

목표: 사용자 행렬 (U): 사용자가 선호하는 영화의 특성을 담은 행렬 영화 행렬 (V): 영화의 특성을 담은 행렬

\[𝑅 = 𝑈×𝑉^𝑇\]

𝑅: 사용자-영화 평점 행렬 (원본)
𝑈: 사용자 특성 행렬 (사용자 수 × 특성 수)
𝑉: 영화 특성 행렬 (영화 수 × 특성 수)

분해한 결과는 적용한 방식과 기준에 따라 다르겠지만 간단하게 적용되는 사례를 보고자 함이니 분해한 값이 아래와 같이 나왔다고 가정한다.

(1) 사용자 행렬 (U)

사용자	특성 1	특성 2	특성 3
사용자 A	0.9	0.7	0.4
사용자 B	0.8	0.6	0.5
사용자 C	0.2	0.9	0.3
사용자 D	0.7	0.8	0.6

(2) 영화 행렬 (V)

영화	특성 1	특성 2	특성 3
영화 1	0.9	0.6	0.5
영화 2	0.4	0.7	0.8
영화 3	0.7	0.4	0.6
영화 4	0.6	0.9	0.7
영화 5	0.8	0.5	0.7

각 사용자와 각 영화는 특성을 통해 서로 연결되는데, 예를 들어 영화 1은 특성 1, 2, 3에 대해 각기 다른 값을 가질 수 있고, 사용자 A는 이 특성에 따라 영화를 선호할 가능성이 크다.

④ 예측 평점 계산

사용자 A가 아직 평가하지 않은 영화 3의 평점을 예측하려면, 사용자 A와 영화 3의 특성을 곱한 후 합산하여 사용자 A가 영화 3에 대해 얼마나 좋아할지 예측할 수 있다.

\[예측 평점=(0.9×0.7)+(0.7×0.4)+(0.4×0.6)\]

⑤ 최종 목표

이러한 방식으로 사용자와 영화 간의 숨겨진 관계를 찾는 과정이 추천 시스템의 핵심이며 이를 통해 예측된 평점을 기반으로 추천 목록을 제공할 수 있다.

---

👀 잘 살고 싶은 나

고난과 도전이 심리적 풍요로움을 고양시킨다 저마다 ‘잘 살고 싶다’고 말한다. 그런데 ‘잘 산다’는 게 뭘까. 어떤 사람은 행복해야 잘 사는 것이라고 하고, 또 어떤 사람은 의미 있는 삶이 더 중요하다고 말한다. 그렇다면 행복과 의미 두 가지만 성취하면 잘 사는 것일까. 그리고 행복한 인생이란 어떤 것이고, 의미 있는 삶이란 또한 무엇일까. 시게히로 오이시는 행복과 의미만으로는 좋은 삶을 살 수 없다며 ‘호기심’과 ‘탐구’ 그리고 ‘경험’이 우리를 더 나은 인생으로 이끈다고 안내한다. 행복감을 자주 느끼고, 목표가 뚜렷하며, 다채로운 경험으로 가득한 삶이 좋은 삶이다. (3차원의 인생 (Life in Three Dimensions)) “우리는 모두 좋은 삶을 원합니다. 하지만 단순하고 예측 가능한 즐거움은 자만과 후회로 이어지지 않을까요? 의미 있는 삶을 추구하려고 일부러 인생의 목표를 낮추며 자기만족에 취하거나 편을 가르는 편협한 사고에 치우치는 우를 범하지 않을까요?” 저자는 ‘행복’ ‘의미’와 함께 우리를 좋은 삶으로 이끄는 또 다른 조건으로 ‘심리적 풍요로움’이라는 삶의 태도를 제안한다. 호기심과 탐구, 다양한 경험으로 이뤄진 심리적 풍요를 통해 우리는 활짝 열린 가능성의 세계로 초대받는다. 자신을 더 깊이 만나거나 새로운 사고와 관점을 얻을 수 있다. 올리버 색스는 “제가 지금 느끼는 감정은 ‘감사’입니다. 저는 사랑했고 사랑받았습니다. 저는 많은 것을 받았고 보답으로 세상에 무언가를 줬습니다.” 색스는 인생의 일몰 무렵 행복과 의미, 심리적 풍요의 교차로에 도착했다. 오이시 교수는 고난과 도전이 심리적 풍요를 고양할 수 있다는 사실을 환기한다. 순탄치 않은 인생이 심리적으로 풍요로운 인생이다. 멈추고, 우회하고, 덜컹거리고, 복잡한 사건 사고가 이어지지만 이 같은 경험은 심리적 면역 체계를 활성화하고 회복 탄력성을 강화한다. “내 인생은 풍부하고 강렬한 순간들로 이뤄져 있습니다” “내 인생은 극적이었습니다” “다른 사람에게 들려주고 싶은 개인적인 이야기가 많습니다” “내 삶은 좋은 소설이나 영화로 만들 수 있을 것 같습니다.” 오이시 교수는 이렇게 말할 수 있는 인생이라면 최고로 멋진 삶을 살고 있는 것이라고 결론 내린다. -한국경제 BC에이전시 대표·북칼럼니스트

‘잘 산다’라는건 나에겐 늘 정답이 없거나 바뀌는 문제였는데 시게히로 오이시 교수님의 말씀이 적힌 글을 보고 새로운 시각으로 문제를 다시 접근했던 것 같다. 자연 속에서 외부의 자극보다 내면의 소리에 귀를 기울인 채 좋아하는 사람들과 하루하루를 보내다 보면 행복을 얼만큼 느낄 수 있을까? 라고 막연하게 생각해 본 적이 있다. 이 기사를 읽고 행복의 결, 양과 질, 행복의 유지 기한에 대해 짧게 나마 고민해보고 나는 어떤 상황에서 행복을 많이 느끼고 또 어떤 상황에서 행복을 깊게 느끼는지 되돌아 보게 되었다.

---

👀 바늘 대체 바이오 기술

"주사기의 고통에서 해방되자" '바늘 대체' 바이오 기술 경쟁 바늘과 병은 떼려야 뗄 수 없는 관계지만, 사용이 번거롭고 고통스러울 때도 많습니다. 일부 환자는 바늘을 사용하는 것에 극도의 공포를 느끼기도 합니다. 그래서 바늘을 대체할 기술이 필요합니다. CES 2025에서는 다양한 대체 기술들이 소개되었습니다. 아폴론의 채혈 없는 혈당 측정기 📎 작동 원리: 피부와 밀착하는 부분에서 일정 주파수의 레이저를 쏘고, 라만분광법(빛에 물질이 닿아 산란할 때 고유 진동에너지 차이를 이용하여 물질을 식별하는 분석법)을 이용해 피부 아래 간질액 속 포도당 수치를 측정합니다. 📎 특징: 기기 외형은 스마트워치와 비슷합니다. 정확도는 임상 실험에서 약 11.7%의 오차율을 기록, 기존 연속혈당측정기(CGM)의 오차율(8~10%)과 비슷합니다. 플로빔스의 무선 레이저 주사기 📎 작동 원리: 레이저를 활용하여 약물을 국부적으로 가열합니다. 이때 생긴 미세 기포가 강한 압력과 속도로 약물을 진피층으로 밀어 넣습니다. 약물이 머리카락보다 얇은 굵기로 주입되어 통증이 없습니다. 📎 특징: 기존 제품보다 크기가 작고, 한 손에 쥘 수 있을 정도로 편리합니다. 두 기술은 상용화까지 3~5년이 소요될 것으로 예상되며, 환자 선택의 폭을 넓히고, 의료폐기물을 줄이며, 바늘 처리 과정에서 발생하는 감염 문제를 예방할 수 있는 기대 효과가 있습니다. - 한국경제 오현아 기자

어렸을 때 주변에 불주사 자국을 가진 또래들이 많았다. 성인이 되어서도 그 자국은 남아있었고 장난 삼아 그걸로 나이를 추측하기도 했다. 그 당시에 주사 바늘을 무서워 하던 친구들도 많았는데 실제로 이런 기술들이 나오기 시작했다니 너무 신기하고 바이오 기술 발전이 어디까지 일지 몹시 기대된다.