무작위성에 도전 설득력 있게

**1. 서론** 논문은 네 가지 실제·가상 사례(복권, 배심원, 스토킹, 선거)를 통해 “우연히 발생한 사건이 실제로는 비정상적일 가능성”을 어떻게 논증할 수 있는지를 탐구한다. 저자들은 전통적 확률 이론이 사건 자체의 무작위성을 판단할 도구를 제공하지 못한다는 점을 지적하고, 알고리즘 정보 이론이 제시하는 ‘무작위성’ 개념도 실제 사회 현상에 바로 적용하기엔 한계가 있음을 설명한다. **2. 확률과 물리적 세계 연결** 2.1에서는 Cournot 원리를 소개한다. Cournot는 “확률이 충분히 작으면 실제로는 일어나지 않는다”는 실용적 확신을 제시했으며, 이는 확률 이론을 물리적 세계와 연결하는 유일한 방법으로 여겨졌다. 2.2에서는 “충분히 작다”는 기준이 상황에 따라 달라질 수 있음을 논의하고, 법적·과학적 맥락에서 임계값을 어떻게 설정할지에 대한 논의를 제시한다. 2.3에서는 Cournot 원리를 보다 명확히 정의하고, 실행 전 사건을 사전 지정하는 것이 왜 중요한지를 설명한다. 2.4에서는 이 원리를 통계적 가설 검정과 연결시켜, 사전 지정된 사건이 실제 발생하면 영가설을 기각하는 절차를 제시한다. **3. 무작위 사건과 기술 복잡도** 3.1에서는 Kolmogorov 복잡도와 같은 알고리즘 정보 이론 개념을 소개한다. 그러나 전체 사건을 이진 문자열로 표현하는 전통적 방법은 실제 사례에 적용하기엔 부적절하다고 판단한다. 3.2에서는 ‘기술 복잡도(description complexity)’라는 새로운 개념을 도입한다. 이는 사건을 논리적·언어적으로 기술하는 최소 길이를 측정함으로써, 사건이 얼마나 간단히 서술될 수 있는지를 평가한다. 사건이 사전에 간단히 정의될 수 있다면, 그 사건이 실제 발생했을 때 무작위가 아니라는 주장을 뒷받침한다. 3.3에서는 이와 유사한 대안적 접근법들을 검토한다. **4. 무작위성에 대한 의심 제기** 저자들은 위에서 정의한 ‘브리지 원리(Bridge Principle)’와 ‘기술 복잡도’를 결합해, 사건이 사전 지정되고 확률이 충분히 낮으며 기술 복잡도가 낮을 경우, 해당 사건을 ‘비정상적’이라고 판단한다. 이는 법정에서 “이 사건은 무작위가 아니다”라는 주장을 정량적·논리적으로 뒷받침할 수 있는 틀을 제공한다. **5. 사례 적용** 5.1 복권 사례: 전체 티켓 10,000,000장, 4,000,000명 참여, 아내가 3장 보유. “아내가 3장을 가지고 당첨” 사건의 확률을 계산하고, 사전 지정된 사건으로서의 타당성을 검토한다. 확률이 3/10,000,000 정도로 매우 낮으며, 사건 서술이 간단하므로 비정상적 의심을 제기한다. 5.2 배심원 선정 사례: 1,000,000명 중 50명의 후보가 특정 페이스북 그룹(100명) 소속. 그룹 소속 비율과 무작위 추출 확률을 계산해, 실제 발생 빈도가 기대값을 크게 초과하면 비정상성을 주장한다. 5.3 스토킹 사례: 무작위 식당 선택 실험에서 10번 중 5번 전 남자친구가 등장. 기대값은 0.5회이지만 실제 5회는 통계적으로 유의미하게 높아, 사건이 단순 우연이 아니라는 결론을 내린다. 5.4 선거 추첨 사례(니콜라스 카푸토): 과거 41회 중 40회 민주당이 유리한 위치를 차지. 사건을 “특정 당이 연속적으로 유리한 위치를 차지”로 정의하고, 그 확률을 계산해 매우 낮은 값을 도출, 따라서 조작 가능성을 제기한다. **6. 관련 연구** Cournot 원리와 그 현대적 해석, 알고리즘 정보 이론, 소셜 네트워크 분석 등 기존 문헌을 검토하고, 본 논문의 접근법이 기존 연구와 어떻게 차별화되는지를 논한다. **7. 최종 논의** 저자들은 제시한 프레임워크가 법적·사회적 상황에서 무작위성 의심을 정량화하고 설득력 있게 제시할 수 있는 도구가 될 수 있음을 강조한다. 다만, 임계값 설정과 기술 복잡도 측정의 주관성, 실제 데이터 수집의 어려움 등 한계도 인정한다. 향후 연구에서는 임계값을 분야별 표준화하고, 자동화된 기술 복잡도 측정 방법을 개발하는 방향을 제시한다.