1
00:00:00,000 --> 00:00:08,000
최근에 AI가 판단을 대신해주는 순간들이 늘어나면서, 정작 내 확신이 어디서부터 흔들리는지 더 정확한 언어로 보고

2
00:00:08,000 --> 00:00:09,000
싶어졌습니다.

3
00:00:09,000 --> 00:00:13,000
그래서 다시 펼친 책이 카네만의 생각에 관한 생각입니다.

4
00:00:13,000 --> 00:00:17,000
읽기 전에 나는 한 가지 가설을 갖고 있었습니다.

5
00:00:17,000 --> 00:00:25,000
내가 설명이라고 부르는 것들 중 상당수는 결과를 본 뒤에야 비로소 만들어지는 이야기일지도 모른다는 생각이었습니다.

6
00:00:25,000 --> 00:00:31,000
그 가설이 이번 16장부터 19장까지 읽으며 조금 더 구체적인 형태로 바뀌었습니다.

7
00:00:31,000 --> 00:00:35,000
사람은 생생한 사례와 그럴듯한 원인 이야기를 압도적으로 선호합니다.

8
00:00:35,000 --> 00:00:43,000
그런데 예측의 질은 그 이야기가 아니라, 이야기 이전에 존재하는 기저율과 평균 회귀를 얼마나 존중하는지에 따라

9
00:00:43,000 --> 00:00:46,000
달라진다는 점을 다시금 확인하게 되었습니다.

10
00:00:46,000 --> 00:00:54,000
특히 평균 회귀를 무시할 때 칭찬과 처벌의 효과를 완전히 잘못 해석하게 된다는 부분이 오래 남았습니다.

11
00:00:54,000 --> 00:01:02,000
좋은 결과 뒤에 나타나는 하락을 개입의 실패로, 나쁜 결과 뒤의 상승을 개입의 성공으로 읽는 착각이 실제로 얼마나

12
00:01:02,000 --> 00:01:04,000
자주 일어나는지 생각하게 되었습니다.

13
00:01:04,000 --> 00:01:08,000
또 한 가지 불편했던 지점은 사후 설명의 매끄러움입니다.

14
00:01:08,000 --> 00:01:15,000
결과가 나온 뒤에야 비로소 모든 것이 필연처럼 연결되는 이야기를 우리는 너무 쉽게 믿습니다.

15
00:01:15,000 --> 00:01:19,000
그 이야기가 아름다울수록 원래 존재했던 불확실성은 점점 지워집니다.

16
00:01:19,000 --> 00:01:25,000
이 책을 읽고 난 뒤, 내 작업에서 바뀐 한 가지는 예측을 대하는 태도입니다.

17
00:01:25,000 --> 00:01:30,000
이제는 예측을 내놓기 전에 세 가지를 먼저 분리해서 적어보려 합니다.

18
00:01:30,000 --> 00:01:38,000
전체에서 차지하는 기본 확률, 지금 보고 있는 개별 사례의 정보, 그리고 그 사례를 특별하게 보고 있는 나의 조정

19
00:01:38,000 --> 00:01:39,000
이유.

20
00:01:39,000 --> 00:01:46,000
이 세 줄을 분리하는 것만으로도 직관이 너무 빨리 결론을 내리는 걸 한 박자 늦출 수 있었습니다.

21
00:01:46,000 --> 00:01:54,000
또한 성과가 눈에 띄게 변했을 때, 그 변화가 정말 개입 때문인지 아니면 평균으로 돌아가는 흐름 때문인지 먼저

22
00:01:54,000 --> 00:01:55,000
물어보게 되었습니다.

23
00:01:55,000 --> 00:02:02,000
이 책은 특히 자신의 판단을 기록하고 되돌아보는 작업을 하는 사람에게 의미가 있을 것 같습니다.

24
00:02:02,000 --> 00:02:10,000
데이터나 예측, 학습 피드백, 글쓰기에서 반복적으로 결정을 내려야 하는 사람이라면, 한 번쯤 이 책이 던지는 불편한

25
00:02:10,000 --> 00:02:12,000
질문을 만나보기를 권합니다.

26
00:02:12,000 --> 00:02:18,000
설명은 결과를 멋지게 포장할 수 있지만, 예측은 결국 기저율과 회귀를 피해가지 못한다.

27
00:02:18,000 --> 00:02:23,000
다음으로 나는 어떤 최근 결정에서 이 착각을 가장 먼저 확인해보고 싶을까.