not enough evidence

"The first principle is that you must not fool yourself, and you are the easiest person to fool." - Richard Feynman

인간의 뇌는 내러티브 기계다. 풀숲에서 호랑이를 보도록 진화해온 이 기계는 원인이 없는 자리에도 원인을 세우고, 흩어진 사건들을 원하지 않아도 하나의 이야기로 엮는다. 거기에 몇 가지 설득력 있는 근거들을 더하고 나면 우리의 뇌는 세 번 연속으로 주식시장의 움직임을 맞춘 것은 운이 아니라 나의 실력이었다고 스스로를 속인다. 이것은 똑똑함으로 벗어날 수 있는 결함이 아니다. 대니얼 카너먼은, 가장 영리한 사람일수록 더 그럴듯한 이야기를 지어내기에 오히려 더 깊이 속는다는 사실을 밝혔다.

1989년, 통계학자 페르시 디아코니스(Persi Diaconis)는 "진정으로 큰 수의 법칙(the law of truly large numbers)"에 대해 이야기했다. 충분히 많은 시행이 주어지면 아무리 터무니없는 일이라도 가능한 것을 넘어 반드시 일어나도록 수학이 보장한다는 것이다. 누군가는 복권에 두 번 연속 당첨되고, 누군가는 동전의 앞면을 열다섯 번 연속으로 띄운다. 어떤 노하우나 재능이 있어서가 아니다. 시행이 충분히 많았으므로, 백만분의 일은 수학적으로 결국 누군가에게 떨어질 수밖에 없었을 뿐이다.

한 인간의 관점에서 관찰할 수 있는 표본은 지극히 작다. 그러나 그 인간이 수십억 명 모이고, 거기에 지치지도 않고 굴러가는 수천 배의 기계들이 더해지면, 표본의 총합은 큰 수의 법칙이 자신을 온전히 드러낼 만큼 커진다. 지금 이 순간 눈부신 연승을 달리는 "천재"를 볼 때, 우리는 거의 확실하게, 그 법칙이 애초에 만들어낼 수밖에 없었던 바로 그 사람을 보고 있는 것이다.

수학적으로 자명한 이 사실은 표본이 그 자체로는 침묵한다는 이유로 잘 드러나지 않는다. 승자는 시끄럽게 자신의 성과를 자랑하고, 패자는 입을 다물어 버린다. 살아남은 자들만으로 그린 모든 그림은 환상이다.

진짜 우위와 순수한 행운이 모든 작은 표본에서 구별하기 어렵고, 그저 순수한 내러티브 창작 기계인 나의 뇌는 그 행운을 "기술"이라 부르도록 지어졌다면, "내 예측 시스템은 작동하는가?"라는 물음에 대한 정직한 대답은 거의 언제나 "나는 아직 충분한 증거를 갖고 있지 않다"일 것이다.