무작위성의 의미와 정의

초록

이 논문은 무작위성을 법칙 부재와 구분하고, 진정한 무작위가 반드시 무질서를 의미하지 않음을 밝힌다. 무작위 현상을 부르는 네 가지 동기(존재적, 인식론적, 가짜‑의사, 망원)와 Kolmogorov 복잡도에 기반한 무작위 수열 정의를 제시한다. 또한 교육적 관점에서 확률을 가르치기 전에 무작위성을 충분히 이해하도록 권고한다.

상세 분석

논문은 먼저 “무작위성(randomness)”과 “법칙 없음(lawlessness)”을 철학적·수학적 관점에서 구분한다. 무작위성은 관측 가능한 현상이 특정 확률 분포를 따르면서도, 그 발생 메커니즘이 본질적으로 예측 불가능하거나 정보적으로 압축될 수 없음을 의미한다. 반면 법칙 없음은 어떠한 규칙성도 존재하지 않는다는 의미로, 실제 물리·수학 시스템에서는 거의 찾아볼 수 없는 개념이다. 저자는 무작위성을 네 가지 동기로 분류한다. 첫 번째 ‘존재적(ontic) 무작위성’은 자연계에 내재된 근본적인 불확정성(예: 양자역학의 측정 결과)으로, 관측자가 어떠한 추가 정보도 가질 수 없을 때 발생한다. 두 번째 ‘인식론적(epistemic) 무작위성’은 관측자의 지식 한계에 의해 발생하며, 실제 시스템은 결정론적이지만 우리에게는 충분한 모델링이 불가능한 경우를 말한다. 세 번째 ‘가짜(pseudo) 무작위성’은 알고리즘적으로 생성된 시퀀스로, 통계적으로는 무작위처럼 보이지만 결정론적 규칙에 의해 완전히 정의된다. 네 번째 ‘망원(telescopic) 무작위성’은 교육적·실용적 목적에서 의도적으로 무작위성을 도입해 복잡한 현상을 단순화하고, 학생이 통계적 사고를 연습하도록 돕는 전략이다.

다음으로 논문은 “무작위 수열이란 무엇인가?”라는 질문에 Kolmogorov 복잡도(Kolmogorov complexity)를 도입한다. 길이 n인 문자열 x에 대해 가장 짧은 프로그램(또는 설명) 길이를 K(x)라 정의하고, K(x)≈n인 경우를 ‘무작위’라고 본다. 이는 압축이 불가능하고, 정보량이 최대임을 의미한다. 저자는 이 정의가 기존 확률론적 정의와 어떻게 보완되는지를 상세히 논한다. 특히, 확률 분포가 존재한다는 전제 하에 무작위성을 논하는 전통적 접근은 ‘무작위’와 ‘확률’ 사이의 혼동을 초래할 수 있다. Kolmogorov 복잡도는 확률 모델 없이도 개별 시퀀스의 무작위성을 판단할 수 있게 해준다.

교육적 논의에서는 학생들이 “통계학자는 데이터에 대한 무작위성을 이해하고, 이를 기반으로 확률 모델을 구축한다”는 인식을 갖도록 유도한다. 저자는 무작위성을 충분히 설명하지 않은 채 확률을 가르치는 것이 오히려 오해를 낳을 수 있다고 경고한다. 이를 해결하기 위해 ‘망원 무작위성’이라는 개념을 도입, 교사가 의도적으로 무작위 데이터를 제시해 학생이 직접 통계적 검정과 추정을 수행하도록 한다. 이는 학생이 ‘통계적 사고’를 체득하게 하고, 동시에 ‘이론가(armchair theorist)’가 되지 않도록 실험적 경험을 강조한다.

마지막으로 논문은 ‘존재적 무작위성’과 ‘인식론적 무작위성’이 각각 ‘존재적 확률(ontic probability)’과 ‘인식론적 확률(epistemic probability)’과 어떻게 구별되는지를 정리한다. 존재적 확률은 물리적 세계 자체에 내재된 확률이며, 인식론적 확률은 관측자의 불확실성을 정량화한 것이다. 두 개념을 명확히 구분함으로써, 무작위성에 대한 오해를 최소화하고, 확률론적 모델링의 전제조건을 명확히 할 수 있다. 전체적으로 이 논문은 무작위성 개념을 철학·수학·교육 세 차원에서 재조명하고, Kolmogorov 복잡도를 통한 엄밀한 정의와 교육적 적용 방안을 제시한다.