물리학자들이 놀랐다. 양-밀스 이론이 수학적으로 빈틈없이 성립한다는 걸 인공지능(AI)이 증명했다고 지난달 26일 오픈AI가 발표해서다. 양-밀스 이론은 입자물리학의 기초를 이루는 중요한 생각이다. 물리학자들은 이게 옳다고 생각하고, 자연의 기본적인 힘들을 설명하는 집을 그 위에 지었다. 하지만 수학자가 보기에는 그건 온전한 건축물은 아니었다. 그래서 양-밀스 방정식 문제는, 난제를 모아놓은 ‘밀레니엄 문제’가 되어 있었다. 양-밀스 방정식은 1953년 싹 텄다. 그해 3월 스탈린이 죽었다. 영국 엘리자베스 2세 여왕이 대관식을 한 건 6월이었으며, 미국 상원의원 존 F 케네디가 재클린과 결혼한 건 그해 9월이었다. 미국 뉴저지주 프린스턴의 고등연구소(IAS)에 있던 중국 물리학자 양전닝은 같은 해 뉴욕주 롱아일랜드의 브룩헤이븐국립연구소로 가서 1년을 머무르게 됐다. 그곳에서 신임 연구원 로버트 밀스와 같은 사무실을 배정받았다. 이 만남에서 양-밀스 이론이 나왔다. 양이 시카고대학교 박사과정 시절인 1947년부터 몇 차례 시도하다 실패했던 이론 문제를 밀스에게 꺼낸 게 계기가 됐다. 당시 브룩헤이븐연구소 등의 입자가속기에서는 새로운 입자들이 잇따라 발견되고 있었다. 물리학자들은 입자들 간의 상호작용을 하나씩 설명하려고 했다. 그런 방식에 양전닝은 만족하지 못했다. “입자들의 상호작용을 지배하는 일반 원리가 있어야 한다.” 이것이 그가 찾고 있던 큰 그림이었다. 전자기학에 앞선 성공 사례가 있었다. 전하를 가진 입자들의 상호작용을 설명하는 건 하나의 대칭 원리였다. U(1) 게이지대칭이라고 한다. 그렇다면 양성자와 중성자를 묶어주는 강한 핵력에도 비슷한 원리가 있지 않을까, 라고 양은 생각했다. 입자마다 힘의 법칙을 따로 만들지 않고, 하나의 대칭 원리에서 상호작용을 끌어낼 수 있지 않을까. 그는 전자기학에서 성공한 게이지 대칭의 생각을 더 일반적인 대칭으로 확장하려 했다. 이 대칭이 SU(2) 게이지대칭이다. 하지만 시도할 때마다 식이 엉켰다. 전자기력을 전달하는 광자끼리는 직접 상호작용하지 않는다. 그런데 양전닝이 구상한 새로운 힘을 전달하는 입자는 자기들끼리도 상호작용하는 성질을 가질 수밖에 없었고, 이 성질이 골치 아픈 항으로 튀어나와 계산을 망쳤다. 브룩헤이븐에서 밀스와 문제를 다시 들여다보던 양전닝은 발상을 뒤집었다. ‘상호작용’을 처음부터 식에 넣자 깔끔하게 맞아떨어졌다. 골치 아픈 항들이 상쇄되어 없어졌다. 양전닝은 그 순간을 두고 “우리가 금광을 찾았다는 걸 알았다”고 훗날 말했다. 당시 IAS 소장은 미국 원자폭탄의 아버지 로버트 오펜하이머였다. 1954년 2월 오펜하이머 소장이 두 사람 연구 이야기를 듣고 양전닝을 불러 세미나를 하게 했다. 발표장에는 노벨상 수상자 볼프강 파울리(오스트리아)가 있었다. 파울리는 발표하던 양에게 “그 장(field)의 질량은 얼마냐”고 몰아붙였다. 양은 답하지 못했다. 파울리 질문은 사소한 게 아니었다. 전자기력을 전달하는 광자는 질량이 0이다. 이로 인해 전자기력은 멀리까지 미친다. 그런데 양과 밀스가 설명하려 했던 핵력은 아주아주 짧은 거리에서만 작용한다. 그 때문에 힘을 전달하는 입자가 질량이 0이라면 곤란했다. 그러니 파울리는 양-밀스 이론의 가장 아픈 곳을 찌른 것이다. 양은 브룩헤이븐으로 돌아가 밀스와 몇 달 더 고민했지만 답을 찾지 못했다. 두 사람은 문제를 그대로 남겨두고 논문을 내기로 했다. ‘아이소스핀 보존과 아이소스핀 게이지 불변’ 논문은 1954년 10월1일 ‘피지컬 리뷰’에 나왔다. 파울리가 지적한 질량 문제의 돌파구는 약 10년 뒤인 1964년에 나왔다. 물리학자들은 양-밀스 이론의 구조를 살리면서도 힘을 전달하는 입자가 질량을 가질 수 있는 방법을 찾아냈다. 힉스 메커니즘이다. 이 아이디어가 전자기력과 약력을 함께 설명하는 이론과 결합되면서, 약력을 전달하는 W, Z 입자가 왜 무거운지를 설명할 수 있게 됐다. 강력을 설명하는 이론도 양과 밀스가 만든 틀을 받아들였다. 양-밀스 이론은 결국 약력과 강력을 설명하는 표준모형의 뼈대가 됐다. 그런데 풀리지 않은 일이 남아 있었다. 양-밀스 이론으로 물리학자들은 실험 결과를 놀랍도록 잘 설명했지만, 이론을 엄밀한 수학적 대상으로 구성할 수 있다는 건 증명하지 못했다. 물리학자는 70년째 멀쩡히 쓰는 건물인데, 수학자가 요구하는 구조계산서가 없었다. 또 다른 질량 문제인, ‘질량 간극’도 풀리지 않고 남아 있었다. 컴퓨터를 이용한 수치 계산은 그런 간극이 있다는 걸 강하게 지지하지만, 엄밀한 수학적 증명은 없었다. 2000년 클레이수학연구소는 ‘양-밀스 이론의 존재와 질량 간극’을 일곱 개의 밀레니엄 문제 중 하나로 선정했다. 상금은 100만달러였다. 수학자와 수리물리학자들이 매달렸으나 문제는 풀리지 않았다. 그런데 이론이 나온 지 72년이 지난 시점에서 AI가 ‘4차원 양-밀스 이론의 존재’를 증명했다고 주장했다. 기뻐할 일인지, 두려워할 일인지, 사람들이 벙벙해하고 있다. 최준석 과학저널리스트

지난 13일 인천 남동구의 한 상업시설에서 59세 남성이 불특정 다수를 향해 흉기를 휘둘러 8명이 다쳤다. 그는 2015년 두 차례 살인미수 혐의로 복역한 뒤 출소해 전자발찌를 착용하고 있었고, 30여년간 정신과 치료를 받아온 것으로 알려졌다. 대통령이 정신질환자 관리에 대한 근본적인 대책 마련을 주문하면서, 중증 정신질환자의 비자의 입원(강제 입원) 여부를 법원이 심사·결정하는 사법입원제 논의가 다시 힘을 얻고 있다. 그러나 사건이 발생할 때마다 반복되는 논의 속에서도 변하지 않은 사실이 있다. 입원 결정의 실질적 부담이 여전히 가족의 어깨 위에 놓여 있다는 점이다. 가족을 살리기 위해 입원을 추진했지만, 환자에게는 자신을 강제로 가둔 사람으로 기억되기 쉽다. 정신질환자의 비자의 입원을 둘러싼 비극은 바로 여기서 시작된다. 보호자는 치료를 거부하는 가족을 지켜보며 증상의 악화와 사고 위험에 대한 불안을 감당해야 한다. 그러나 입원을 추진하는 순간 배신자로 받아들여질 수 있다. 퇴원 후에도 함께 살아가야 하는 가족에게 입원 동의서는 단순한 행정서류가 아니다. 국가가 짊어져야 할 책임을 가족에게 떠넘길 때, 치료의 출발점은 관계 파괴의 시작이 될 수 있다. 그동안 국가는 그 결정의 무게를 가족에게 맡겨 왔다. 2019년 진주 안인득 방화·살인 사건은 그 결과가 얼마나 참혹할 수 있는지 보여주었다. 참극이 벌어지기 전 가족은 여러 차례 도움을 요청했지만, 당사자가 치료를 거부한다는 이유로 공적 체계는 움직이지 않았다. 결국 5명이 목숨을 잃고 17명이 다쳤다. 그 뒤 법원은 국가배상 소송에서 국가의 책임을 일부 인정했다. 중요한 것은 가족이 위험을 알렸고 구조를 요청했지만, 아무도 책임지지 않았다는 점이다. 그럼에도 사건이 발생하면 화살은 늘 가족에게 돌아간다. 왜 관리하지 못했느냐는 비난이다. 제도는 가족에게 입원을 결정하라고 요구하면서, 사고가 발생하면 다시 가족에게 책임을 묻는다. 책임은 떠넘기고 권한은 제한하는 구조다. 물론 범죄 발생을 이유로 정신질환 전체를 위험의 상징으로 만들어서도 안 된다. 서현역 흉기 난동 사건 당시에도 범행보다 정신질환 여부가 더 큰 관심을 받았다. 일부에서는 이를 곧바로 조현병 문제로 일반화하려 했다. 그러나 특정 개인의 범죄를 질환 전체의 위험성으로 확장하는 순간, 치료 제도는 지원이 아니라 감시의 장치로 변질된다. 입원은 공포가 아니라 환자 상태를 기준으로 판단되어야 한다. 그래서 사법입원 논의가 나온다. 치료의 필요성은 의료진이 판단하되, 신체의 자유를 제한하는 결정은 독립된 사법절차가 맡자는 것이다. 핵심은 더 쉽게 입원시키자는 데 있지 않다. 국가가 책임져야 할 결정을 가족 혼자 떠안지 않게 하자는 데 있다. 지금의 제도는 보호자는 치료의 협력자이면서 동시에 강제 입원의 집행자가 되는 이상한 구조이다. 퇴원 후에는 다시 같은 공간에서 환자와 살아야 한다. 치료를 위해 내린 결정이 관계를 파괴하는 씨앗이 되는 것이다. 그렇다고 사법입원만으로 문제가 해결되는 것은 아니다. 누군가를 병원에 보내는 절차보다 더 중요한 것은 병원 밖에서 살아갈 조건이다. 방문 치료와 위기 대응팀, 지원 주거와 단기 쉼터, 가족 상담과 지역사회 지원체계가 없다면 입원 결정권자가 누구든 결과는 달라지지 않는다. 병원 문만 만들고 퇴원 후의 삶은 방치하는 정책은 개혁이 아니다. 정신질환 정책의 목표는 가두는 것이 아니라 치료하는 것이어야 한다. 국가가 책임져야 할 것을 더 이상 가족에게 미루어서는 안 된다. 우리가 선택해야 할 것은 환자의 인권과 가족의 안전 중 하나가 아니다. 필요한 순간에는 공공이 개입하고, 자유를 제한할 때는 엄격하게 심사하며, 퇴원 후에는 지역사회가 삶을 떠받치는 체계다. 사법입원은 그 출발점일 수 있다. 그러나 진짜 질문은 따로 있다. 왜 국가가 져야 할 책임을 지금까지 가족이 대신 지고 있었는가. 그 질문에 답하지 못한다면 어떤 제도를 도입해도 비극은 반복될 것이다. 권준수 한양대 의대 정신건강의학교실 석좌교수

인공지능(AI)은 늘 우리를 놀라게 한다. 2023년에 인간처럼 말하는 것도 놀라웠는데 어느새 그림도 그리기 시작했고, 최근에는 AI가 노트북 컴퓨터 등 사용자 기기를 직접 제어하여 사용자가 지시한 일을 대신 수행할 수 있게 되었다. 이것이 가능하다면, 조만간 공인인증서를 통한 금융거래 등 우리를 괴롭혀 온 수많은 번거로운 일 역시 AI가 직접 해줄 수 있게 될 것이다. 훨씬 프로그래밍도 해내는 AI가 아이디와 비밀번호를 대신 입력 못 할 이유가 없지 않은가. 하지만 편리함과 위험은 언제나 함께다. AI는 우리에게 편리함을 제공하지만, 이와 함께 치명적인 개인정보 유출이라는 새로운 위험을 발생시킬 수 있다. 현재 사용자 컴퓨터를 제어하는 AI는 전부 비슷한 방법으로 동작한다. 일단 사용자가 AI에 기기에서 접근할 수 있는 파일 등 정보를 지정해 주고, 자신의 기기에서 실행해도 되는 프로그램을 지정해 준다. 그 뒤에 사용자가 AI에 지시를 내리면 AI는 접근 가능한 정보와 실행 가능한 프로그램 범위 안에서 사용자의 지시를 실행하고자 한다. 결과적으로 AI는 사용자 컴퓨터 내부의 정보를 보게 된다. 이는 컴퓨터에 문제가 생겨 누군가에게 도움을 받는 상황과 근본적으로 다르지 않다. 당연하지만 인간이 일으킬 수 있는 문제는 AI도 일으킬 수 있다. 누군가가 컴퓨터에 계좌번호와 비밀번호를 대신 입력해 줬다면, 이후 보안사고가 일어날 가능성이 올라가게 된다. 그렇기 때문에 사람들은 자녀, 배우자 등 가까운 사람에게만 이런 부탁을 한다. ‘잘 모르는 사람에게 비밀번호를 알려주지 말라’는 너무나 당연한 원칙이다. 문제는 사람들이 AI를 사용할 때는 이런 원칙을 잊는 경우가 있다는 것이다. 대부분의 최첨단 고성능 AI는 내 컴퓨터 모니터에 글을 띄우고 있지만, 실제로는 거대 정보기술(IT) 기업의 데이터센터에서 구동되고 있다. 그래서 AI에 일을 맡기려면 결국 내 개인정보를 해외 서버에 보내야만 한다. 물론 구글, 오픈AI 등 미국 빅테크는 이런 정보를 얻더라도 계좌 비밀번호를 이용해 개인의 금전을 탈취하려는 시도 따위는 하지 않을 것이다. 회사 내부 감시도 강할 뿐만 아니라 그렇게 해서 얻을 이익이 너무나 낮다. 문제는 앞으로다. 앞으로는 대기업뿐만 아니라 크고 작은 스타트업 역시 사용자 기기를 제어하는 편의성 AI앱을 출시할 것이다. 그리고 모든 앱이 ‘더 많은 기능을 원하면 더 많은 정보를 달라’고 사용자에게 요청할 것이다. 그런데 수많은 스타트업이 과연 내 정보를 약속한 대로 관리한다는 보장이 있을까. 대기업조차 때때로 해킹당하여 개인정보가 유출되는 상황에, 수많은 스타트업에 컴퓨터 내에 저장된 민감한 내 정보를 공유하는 것이 올바른 일일까. 개인정보를 법에 맞게 다루겠다는 것은 약관 속 한줄 글일 뿐임을 잊어선 안 된다. 그리고 이런 시대가 오면, 해킹당해 정보가 유출되었을 때 발생할 피해는 더욱 커지게 된다. 기존에는 해킹으로 개인정보 유출이 발생해도 피해자에게 현실적인 피해가 발생하는 경우가 드물었지만, 이제는 직접적인 금융정보부터 개인의 사생활과 여행 동선 등 더욱 치명적인 정보가 유출될 수 있다. 피해 빈도도 높아지고, 피해 액수도 예전보다 더욱 높아질 수 있다. 자동차가 발명되어 인류는 예전보다 더 많은 짐을 적재하고도 두 도시를 더 빠르게 오갈 수 있게 되었다. 하지만 그 대가로 인간 한 명의 인생을 송두리째 바꿀 수도 있는 교통사고라는 치명적 위험이 생겼고, 운전하지 않는 사람도 도로교통법을 배워야 하게 되었다. AI도 마찬가지이다. AI는 삶의 모든 것을 편하게 해주지는 않는다. AI 덕분에 편리해진 것과 덜 공부해도 되는 것이 생겼다. 대신 예전보다, 심지어는 AI를 사용하지 않는 사람도 공부해야 할 부분이 생겼다. 늘 그렇듯, 할 일은 줄어들지 않았다. 대신 해야 할 일을 했을 때 신기술 덕분에 얻게 되는 편리함과 즐거움 역시 예전보다 더욱 커질 것이다. 정인성 작가

10월의 낮은 아직 따뜻하다. 햇볕 아래에서는 겉옷이 거추장스럽다가도 해가 지면 금세 옷깃을 여미게 된다. 도시에서는 산책과 단풍을 즐기는 계절이지만, 수확을 앞둔 농촌에서는 밤사이의 추위가 마음에 걸린다. 아침에 밭에 나가 보니 잎이 검게 변하거나 열매가 상해 있다면, 한 해 동안 들인 정성이 하룻밤 사이 흔들릴 수 있기 때문이다. 일교차가 크다는 예보가 나오면 우리는 감기를 걱정하며 겉옷을 챙긴다. 감기의 직접 원인은 바이러스지만, 갑작스러운 온도 변화에 맞춰 몸을 돌봐야 한다는 경험은 익숙하다. 농작물에도 계절을 건너는 준비가 필요하다. 기온이 서서히 내려가면 추위에 대응할 틈이 있지만, 따뜻한 날이 이어진 뒤 갑자기 식으면 적응할 시간이 짧아진다. 사람은 추우면 옷을 입고 실내로 들어가지만, 밭의 작물은 그 자리에서 밤을 견뎌야 한다. 특히 맑고 바람이 약한 가을밤에는 서리가 생기기 쉽다. 땅과 잎이 낮 동안 받은 열을 밤하늘로 내보내면서 차가워지는 복사냉각 때문이다. 구름이 적으면 열이 빠져나가기 쉽고, 바람이 약하면 지표 부근의 찬 공기가 위쪽의 따뜻한 공기와 잘 섞이지 않는다. 예보에 나오는 기온이 영상이어도 잎과 지표는 더 차가워져서 서리가 생길 수 있다. 낮에 햇볕이 좋았다는 기억만으로 그날 밤의 밭이 안전하다고 생각하기 어려운 이유다. 이런 저온 피해를 흔히 냉해라고 부르지만, 작물이 얼지 않는 저온에서 생육이 위축되는 냉해와 조직이 얼어 손상되는 서리해는 구분할 필요가 있다. 다만 농민이 마주하는 질문은 비슷하다. 작물이 얼마나 추웠는지, 그 추위가 얼마나 이어졌는지, 견딜 준비가 되어 있었는지다. 작물의 종류와 자라는 시기에 따라 같은 온도에서도 결과는 달라진다. 우리는 피해를 확인할 때 주로 잎과 열매를 본다. 색이 변하고 축 처진 모습이 눈에 들어오기 때문이다. 그러나 작물의 몸은 땅 위에서 끝나지 않는다. 흙 속에는 물과 양분을 받아 올리며 잎과 열매를 지탱하는 뿌리가 있다. 잎이 바깥 날씨를 맞는 얼굴이라면, 뿌리는 그 몸의 생활을 유지하는 보이지 않는 바탕이다. 겉으로 드러난 상처만 살피면 이 바탕이 겪는 어려움을 놓칠 수 있다. 땅은 바깥의 추위를 어느 정도 완충해 준다. 지표가 빠르게 식어도 땅속은 더 천천히 반응하므로, 서리가 내렸다고 뿌리까지 곧바로 얼었다는 뜻은 아니다. 그러나 추위가 이어져 뿌리 주변의 온도까지 내려가면 이야기가 달라진다. 뿌리는 얼지 않아도 물과 양분을 흡수하는 활동이 둔해질 수 있다. 땅에는 물이 남아 있는데 작물은 물 부족을 겪는 상황도 생긴다. 식탁에 음식이 차려져 있어도 몸이 아프면 제대로 먹기 어려운 것과 비슷하다. 그래서 잎에 서리가 보이지 않거나 땅이 얼지 않았다고 해서 저온의 영향이 없는 것은 아니다. 뿌리가 제 역할을 하지 못하면 그 영향은 줄기를 거쳐 잎과 열매로 이어질 수 있다. 낮에 기온이 다시 올랐다고 땅속도 같은 속도로 따뜻해지는 것은 아니다. 하늘의 날씨와 흙 속의 날씨는 서로 다른 시간표로 움직인다. 작물을 돌보려면 그 두 시간표를 함께 읽어야 한다. 흙의 수분도 이 시간표에 영향을 준다. 토양은 낮에 열을 저장했다가 밤에 내놓는데, 수분 상태에 따라 열을 저장하고 전달하는 방식이 달라진다. 같은 추위라도 마른 밭과 적절한 수분을 유지한 밭의 반응은 다를 수 있다. 그렇다고 물을 많이 주면 해결되는 것도 아니다. 지나친 습기는 뿌리의 숨 쉬는 일을 방해할 수 있다. 추위를 견디는 힘은 땅 온도와 수분, 작물의 상태가 함께 만들어낸다. 서리해를 줄이는 일도 이 보이지 않는 조건을 살피는 데서 시작한다. 작물의 성숙도와 밤사이의 추위를 함께 고려해 수확 순서를 정하고, 작물에 맞는 보온과 수분 관리를 준비해야 한다. 관계기관과 지자체부터 추위가 모이는 낮은 밭과 취약한 작물을 먼저 살펴야 한다. 경고는 농민이 아직 할 수 있는 일이 남아 있을 때 도착해야 한다. 작은 밭의 수확을 지키는 일은 그 땅에 쌓인 농민의 시간과 우리 식탁의 한 끼를 함께 지키는 일이다. 가을의 첫서리는 계절이 바뀌었다는 소식이다. 옷 한 벌 더 걸칠 수 없는 작물에게는 우리의 손길이 필요하다. 김상엽 건국대학교 교수·소방방재융합학

인공지능(AI)에게 질문을 던지면 몇 초 만에 대답이 돌아온다. 구내식당 저녁 메뉴를 물어도 되고 긴 보고서를 요약해 달라고 해도 된다. 그림을 그려 달라고 하면 그림도 그린다. 손가락 몇 번 움직였을 뿐이다. 연기도 나지 않고 쓰레기도 생기지 않는다. 그래서 우리는 AI를 물질이 없는 존재처럼 생각하기 쉽다. ‘클라우드’라는 말도 한몫한다. 구름 어딘가에서 지능이 내려오는 것 같다. 하지만 진짜 구름은 물방울로 이루어져 있다. AI도 마찬가지다. 우리가 질문을 던지는 순간 어딘가의 데이터센터에서 수많은 반도체가 계산한다. 전기가 흐르고 열이 난다. 그 열을 식혀야 한다. AI는 전기를 먹고 물을 마신다. 국제에너지기구(IEA)에 따르면 전 세계 데이터센터는 2024년 약 415TWh의 전기를 썼다. 세계 전력 소비의 약 1.5%다. IEA는 이 양이 2030년 약 945TWh로 두 배 이상 늘어날 것으로 내다본다. 특히 AI용 고성능 서버가 증가의 중요한 원인이다. 데이터센터는 한곳에 집중해 들어서는 경우가 많아 지역 전력망에 큰 부담을 준다. 전기를 먹기만 하면 끝나는 것도 아니다. 컴퓨터가 쓰는 전기는 결국 대부분 열이 된다. 서버 수천, 수만 대가 한곳에서 돌아가면 열을 빼내는 것 자체가 큰일이다. 효율이 높은 대형 데이터센터에서는 냉각이 전체 전력 사용량의 7% 정도지만, 효율이 낮은 곳에서는 30%를 넘기도 한다. 냉각탑을 쓰는 시설은 물을 증발시켜 열을 버린다. 그래서 데이터센터의 입지를 정할 때는 전력뿐 아니라 물 사정도 살펴야 한다. 생각해 보면 지능은 원래 비싸다. 인간의 뇌는 몸무게의 약 2%에 불과하지만 안정 상태에서 몸이 쓰는 산소의 약 20%를 소비한다. 에너지로 환산하면 약 20W다. 24시간이면 약 480Wh다. 작은 전구 하나를 종일 켜놓는 양이다. 적어 보이나? 사람이 하루 동안 2000㎉를 먹었다면 뇌가 413㎉를 소모한 셈이다. 가만히 누워 있다고 해서 뇌가 쉬는 것도 아니다. 잠을 자는 동안에도 뇌의 에너지 소비는 크게 줄지 않는다. 진화는 생각하는 능력을 공짜로 주지 않았다. AI도 마찬가지다. 차이가 있다면 AI의 위와 허파가 우리 눈에 보이지 않는다는 점이다. 발전소와 송전망, 변전소와 냉각장치가 멀리 떨어져 있기 때문이다. 우리는 화면에 뜬 대답만 보고 그 뒤에 붙어 있는 거대한 몸은 생각하지 않는다. 효율이 높아지면 문제가 해결될까. 꼭 그렇지는 않다. 1865년 영국 경제학자 윌리엄 스탠리 제번스는 ‘석탄 문제’에서 석탄을 더 효율적으로 사용하면 소비가 줄어들 것이라는 생각을 반박했다. 효율이 높아지면 비용이 낮아지고 활용 범위가 넓어져 오히려 전체 소비가 늘 수 있다는 것이다. 훗날 ‘제번스의 역설’이라 불린 생각이다. AI에서도 비슷한 일이 벌어질 수 있다. 실제로 한 번의 AI 작업에 필요한 에너지는 빠르게 줄고 있다. 하지만 사용자는 더 늘고, 텍스트를 넘어 이미지와 영상, 복잡한 추론까지 맡긴다. 한 번 계산하는 데 드는 전기가 줄어도 계산을 백 번, 천 번 더 하면 전체 사용량은 늘어난다. 그래서 “AI 강국이 되자”는 말에는 생각보다 많은 질문이 숨어 있다. 반도체를 얼마나 만들 것인가만의 문제가 아니다. 데이터센터를 어디에 세울 것인가, 전기는 어디서 만들 것인가, 송전망은 충분한가, 물은 어디서 가져올 것인가를 함께 물어야 한다. 혜택은 전국이 누리는데 발전소와 송전선, 데이터센터의 부담은 특정 지역이 떠안는다면 그것 역시 기술 문제가 아니라 사회 문제가 된다. 우리가 ‘디지털’이라고 부르는 세계가 사실은 발전소와 전선, 냉각수와 금속으로 이루어진 거대한 산업시설이라는 사실은 AI 시대에 더욱 선명해졌다. 화면은 가볍지만 그 뒤의 세계는 결코 가볍지 않다. 편리함에는 늘 자원이라는 청구서가 따라온다. 세상에 몸 없는 지능은 없다. 인간의 생각 뒤에는 포도당과 산소가 있고, AI의 대답 뒤에는 전기와 물이 있다. 우리는 더 똑똑한 AI를 만드는 일에 열중하고 있다. 이제 그 AI가 무엇을 먹고 무엇을 마시는지도 함께 물어야 한다. 그것까지 생각하는 것이 AI 시대를 준비하는 또 하나의 방법이다. 이정모 전 국립과천과학관장

서울대학교가 새 총장을 뽑고 있다. 후보 4명이 추려졌고, 10월7일 총장예비후보자 정책평가를 앞두고 있다. 필자는 그들에게 묻고 싶다. 서울대를 어디까지 올려놓을 것인가. 그리고 그건 언제까지 해낼 것인가. 서울대는 과거에 이 질문에 대담하게 답한 적이 있다. 2007년 이장무 총장 시절이다. 이 총장이 이끌던 서울대는 ‘2007~2025 장기발전계획’을 내놓으면서 2015년 세계 30위권, 2025년 세계 10위권 대학이 되겠다고 했다. 두루뭉술한 구호가 아니었다. 외국인 교수 900명, 외국인 학생 30%, 세계 10위권 학문 분야 50개라는 숫자도 내놨다. 서울대가 목표연도로 내건 2025년이 지났다. 어떨까. 서울대는 2026년 아시아에서 15위(THE 아시아 대학평가), 17위(QS 아시아 대학평가)다. THE 아시아 대학평가 순위는 거꾸로 내려가고 있다. 2014년 4위까지 갔으나, 그 뒤 내리막이다. 또 세계대학 순위에서는 58위(THE 세계대학 순위), 38위(QS 세계대학 순위), 87위(ARWU)다. 세계 10위권은커녕, 아시아 10위 이내도 힘든 지경이다. 그런데 이런 추락이 이제 별 뉴스도 되지 않는 듯하다. 서울대가 아시아 4위에서 15위로 내려온 것보다, 우리가 그걸 별일 아닌 듯 받아들이는 게 필자에게는 더 이상하다. 19년 전 서울대는 세계 10위권을 말했다. 필자는 지금 서울대 총장이 되고자 하는 후보 네 명에게 세계 10위가 아니라 아시아 10위 안에는 언제 다시 들어갈 것이냐고 묻고 싶다. 이장무 총장 후임자들이 놀고 있었던 건 아니다. 오연천 총장 때 서울대 법인화를 해냈다. 성낙인 총장은 ‘SNU with World’를 내걸었다. 오세정 총장은 세계 10위권 학문 분야를 만들겠다며 ‘SNU 10-10’을 시작했다. 유홍림 총장도 국제공동연구와 학문후속세대 지원, 연구 인프라 강화를 추진했다. 그런데 안 됐다. 이게 중요하다. 어느 한 총장이 무능해서 실패한 게 아니라는 얘기다. 여러 총장이 20년 가까이 국제화하고, 좋은 교수를 데려오려고 하고, 새로운 사업을 만들었다. 그런데 목표에는 도달하지 못했다. 그렇다면 사람 문제가 아니라 시스템 문제 아닌가. 서울대도 그 사실을 알고 있다. 오세정 총장 시절인 2022년 서울대가 교원·학생·직원·외부 전문가 85명을 동원해 ‘중장기발전계획’을 만들었다. 읽어보니 반성문과 같이 들린다. ‘연구 성과의 질적 저하’, ‘우수 인재 충원 감소’라고 썼다. 서울대 구성원들은 ‘경직적이고 관료적인 운영시스템’, ‘무사안일과 매너리즘적 조직문화’를 문제로 꼽았다. 보고서는 서울대를 두고 ‘낡고 느린 항공모함’이라는 표현까지 썼다. 외부 언론이 서울대를 공격한 게 아니다. 서울대가 서울대를 그렇게 진단했다. 시스템 문제라는 말은 추상이 아니다. 서울대 보고서는 새 교수를 뽑을 때 첨단 분야의 필요보다 기존 학과의 퇴직 결원을 채우는 방식이 강하다고 했다. 학과 간 이해가 충돌해 교수 정원을 새로운 분야로 옮기기도 어렵다고 했다. 세상이 먼저 움직이는데 조직은 뒤따라간다. 가장 아픈 숫자는 외국인 교수다. 이장무 총장 시절 목표는 2025년 900명이었다. 2025년 서울대 전임교원 2369명 중 외국인은 115명이다. 4.8%. 목표의 13%에도 못 미친다. 서울대 자신이 900명이라는 목표를 세웠는 데, 왜 115명에서 멈췄나. 서울대는 답을 이미 알고 있다. 2022년 보고서는 외국인 교수 숫자만 늘려서는 안 된다며 ‘서울대학교 체질과 시스템의 국제화’가 필요하다고 했다. 그렇다면 질문은 간단하다. 왜 세계의 뛰어난 학자를 서울대는 더 많이 끌어오지 못하는가. 필자는 총장이 되고자 하는 사람들에게 새로운 비전을 요구하지 않는다. 서울대에는 비전이 부족했던 게 아니다. 부족한 건 결과다. 총장이 되겠다는 사람들은 설명해야 한다. 이장무 총장 시절 내건 ‘2025년 세계 10위권’ 목표는 왜 실패했는가. 앞선 총장들은 법인화하고 국제화하고 SNU 10-10을 했음에도 왜 서울대를 앞으로 밀고 가지 못했는가. 당신은 뭘 다르게 할 것인가. ‘세계적인 대학으로 도약하겠다’는 오래된 수사는 필요 없다. 숫자를 제시하라. 5년 뒤, 10년 뒤 어디까지 가겠다는 건지 말하라. 그리고 순위를 올리는 데 돈이 더 필요하면, 얼마나 왜 필요한지 한국사회에 당당히 요구하라. 2007년 이장무 총장은 자신의 이름을 걸고 2025년이라는 날짜를 제시했다. 결과적으로 실패했지만 적어도 목적지와 시간을 말했다. 이번에 총장이 되겠다는 사람도 그래야 한다. 서울대 총장 후보들은 답해야 한다. 최준석 과학저널리스트

이재명정부 2기 개각 과정에서 용혜인 의원에 이어 김승원 의원까지, 두 명의 장관 후보자가 연이어 인사 검증 문턱을 넘지 못하고 낙마했다. 정권이 바뀔 때마다 되풀이되는 고위 공직자 인사 실패의 원인으로 언론은 흔히 폐쇄적인 회전문·코드 인사, 턱없이 부족한 검증 기간, 진영 간의 소모적인 정쟁 구도를 꼽는다. 김승원 후보의 낙마에는 식약처 신약 로비사건, 최근 불거지고 있는 성추행사건, 추가 음주 운전, 회계 부정 등 국민 눈높이와는 동떨어진 후보자의 경력이 문제일 것이다. 그러나 정권과 시대를 불문하고 반복되는 인사 실패의 가장 깊은 뿌리를 파헤쳐 보면, 이 모든 요인을 관통하는 가장 위태로운 심리 기제가 바로 ‘도덕적 면허 효과(Moral Licensing)’다. 도덕적 면허 효과란 과거에 쌓은 선한 행적이나 올바른 이미지가, 역설적으로 이후에 저지르는 흠결이나 잘못을 스스로 혹은 주변에서 관대하게 용인하도록 만드는 심리적 정당화 현상을 뜻한다. 이 개념은 2001년 프린스턴대학의 심리학자 베누아 모냉과 데일 밀러의 연구에서 시작됐다. 이들은 실험을 통해 ‘나는 편견이 없는 도덕적인 사람’이라는 자격표를 얻었다고 느끼는 사람일수록, 이후 상황에서 오히려 더 쉽게 차별적이거나 편향된 언행을 한다는 사실을 증명했다. 일상에서도 이런 모습은 흔히 발견된다. 아침에 고된 운동을 마쳤으니 저녁에 고칼로리 디저트를 먹어도 된다고 스스로에게 합리화하는 심리가 대표적이다. 인간은 자신이 해온 ‘선한 행동’이나 ‘바른 이미지’를 마치 은행 통장의 예금 잔액처럼 여긴다. 그리고 그 잔액이 넉넉하다고 믿는 순간, 도덕적 경계심을 해제하고 자신과 타인의 작은 흠결을 눈감아 준다. 이 도덕적 면허 효과가 인사 검증 국면과 만나면 매우 위험한 양방향 폭주를 시작한다. 첫째는 후보자 본인의 내면에서 일어나는 자기 합리화다. ‘나는 평생 개혁과 약자를 위해 헌신해 왔으니, 이 정도 개인적 편법이나 흠결은 대의를 위해 이해될 수 있다’는 정당화가 형성된다. 둘째이자 더욱 치명적인 방향은 검증을 담당하는 인사권자, 참모진, 그리고 지지층의 심리다. ‘이 사람은 평생 바르게 살아온 동지이므로, 제기된 의혹은 흠집 내기용 공세에 불과하다’며 대리 면허를 부여하는 것이다. 실제로 시스템을 마비시키는 것은 두 번째 심리다. 후보자 본인이 아무리 자만에 빠져 있더라도, 검증 라인이 냉정하게 칼을 대면 결함은 걸러지기 마련이기 때문이다. 조국 전 법무부 장관의 사례는 이 역설을 극명하게 보여준다. 서울대 법대 교수이자 진보·개혁 진영의 대표적 아이콘이었던 그는 문재인정부의 핵심 개혁 과제를 이끌 적임자로 꼽혔다. 그러나 자녀 입시 비리와 논문 저자 등재 등 이른바 ‘부모 찬스’ 의혹이 불거졌을 때 초기 검증 라인과 지지층은 크게 문제 삼을 일이 아니라는 방어막을 쳤다. 강력한 개혁적 이미지가 인사 검증의 잣대를 무디게 만드는 면허장으로 작동한 셈이다. 결국 징역형이 대법원에서 확정됐고, 정권 전체에 씻을 수 없는 정치적 타격을 남겼다. 최근 김승원 법무부 장관 후보자의 사퇴 과정 역시 판박이다. ‘신약 로비·청탁’ 의혹이라는 치명적인 내용이 제기되었음에도, 여당 주도로 인사청문경과보고서가 채택되는 등 당정의 방어막이 굳건했다. 이후 성추행 의혹 등 민심의 거센 역풍 속에 지명 20일 만에 ‘국민 눈높이에 미치지 못했다’며 자진 사퇴해야 했다. 권력의 중심부에서 오래 활동하며 스스로를 ‘바른 편’이라 여겨온 인사일수록, 자신과 동지에게 관대한 도덕적 면허를 발급했던 관성이 또다시 되풀이된 것이다. 이 심리가 지닌 가장 큰 위험성은 매우 반직관적이라는 점에 있다. ‘헌신적이다’, ‘도덕적이다’, ‘개혁적이다’라는 평판이 고평가된 후보일수록 검증 시스템은 오히려 경계심을 완전히 풀어버린다. 훌륭한 평판이 인사 검증을 무력화하는 최악의 걸림돌로 둔갑한다. 결국 이 악순환을 끊어내기 위한 결론은 우리의 일반적인 상식과 반대로 가야 한다. 평판이 좋고 개혁적인 인물일수록 검증의 잣대는 훨씬 더 혹독할 만치 철저해야 한다. ‘좋은 사람’이라는 착각을 내려놓고 가장 까다로운 눈으로 검증하는 시스템을 구축하지 않는 한, 인사 검증 실패라는 무거운 국정 손실은 정권과 관계없이 똑같이 반복될 수밖에 없다. 권준수 한양대 의대 정신건강의학교실 석좌교수

개발 완료 발표는 반도체 회사의 기술력을 보여주는 중요한 뉴스였다. 사람들은 6세대 10나노급 D램 개발 완료와 같은 뉴스를 보면 ‘반도체 회사의 기술력이 또 한 번 올라갔다’고 생각했고, 제품들이 곧 양산될 것이라고 믿었다. 그런데 최근에는 예전과는 다른 일이 빈번히 발생하고 있다. 2023년 말, 삼성전자는 HBM3E 제품 개발 완료를 발표했으나 2024년 내내 주요 고객사에 제품을 공급하는 데 실패해 큰 논란이 발생하기도 했다. 대체 무슨 일일까. 사실 이 문제의 답은 간단하다. 개발 완료는 반도체 회사의 선언일 뿐이고, 구매 결정은 고객에게 달렸기 때문이다. 제품이 마음에 들지 않으면 고객은 구매하지 않는다. 너무 당연하다. 그렇다면 우리는 질문을 살짝 바꿔 봐야 한다. 어째서 과거에는 이런 일이 일어나지 않은 것일까? 이를 이해하기 위해서는 표준(Standard)이라는 개념을 알아야 한다. 표준은 제품 제조사와 사용자 사이의 일련의 약속을 의미한다. 표준의 쉬운 예가 220V 출력 전압이다. 가전제품 회사는 220V에서 가동되는 가전제품을 만들고, 건설회사는 콘센트에서 220V 전압이 출력되는 건물을 짓는다. 표준의 힘은 막강하다. 모든 주택에 동일한 모양의 콘센트가 있고 동일한 출력 전압을 지원하므로, 가전제품 회사도 제품 개발이 편해지고 소비자도 제품을 구매할 때 동작 전압을 신경 쓰지 않아도 된다. 메모리 반도체는 대표적인 표준 제품이다. ‘DDR5 메모리’라는 제품은 실제로는 ‘DDR5 표준을 만족하는 메모리 반도체 제품’을 의미한다. DDR5를 지원하도록 만들어진 컴퓨터는 어떤 회사의 DDR5 메모리를 구해도 동작한다. 제조사별로 효율성, 속도 등의 차이가 있긴 하지만, 메모리 제조사는 기본적으로는 동일한 표준 위에서 경쟁해 왔다. 그래서 개발이 완료 뒤 양산하면 누군가에게는 판매할 수 있었다. 일단 장착하면 작동하기 때문이다. 이 상황은 인공지능(AI) 시대가 열리면서 변화하게 된다. AI 혁신의 주역 중 하나는 HBM이라는 메모리 표준 제품이다. 그런데 AI 열풍 시작 시점에 HBM의 전 세계 수요 대부분을 엔비디아 한 회사가 차지하고 있었다. 그래서 엔비디아의 의지가 제품의 표준 준수 여부보다 판매에 더 큰 영향을 끼쳤다. HBM 표준이 100의 성능을 요구해서 반도체 회사가 이에 맞춰 제품을 개발했는데, 엔비디아가 110의 성능을 요구하면 제품을 판매할 수 없게 되는 것이다. 과거 DDR5와 같은 제품이라면 다른 회사에 판매할 수 있겠지만, HBM의 경우 엔비디아가 세계 수요의 과반을 차지하고 있었으니 그렇게 팔 수 없었다. 게다가 반도체 제조 기술이 점점 더 어려워져 뒤늦게 고객의 의중을 알아채도 개발 방향을 바꾸는 것이 힘들어졌다. 제조 기술이 어려워질수록 메모리 회사는 고객 의견을 제품 개발 초반에 반영해야 한다. 고객 역시 메모리 회사가 제품 개발에 실패하면 비즈니스에 치명타를 입을 수 있다. 이런 상황 때문에 메모리 회사, AI 반도체 회사와 IT 대기업의 파트너십이 점점 강해지는 것이다. 그래서 과거 표준 중심의 경쟁에서, 표준 뒤에 숨겨진 고객의 의도까지 파악해야만 하는 방향으로 경쟁의 방향이 변화한 것이다. 그리고 그 결과로 표준 제품을 개발 완료했음에도 즉시 양산 성과로 이어지지 못하는 상황이 일어난 것이다. 언어는 역사성이 있고, 역사성 뒤에는 거대한 사회 변화의 흐름이 있다. 그래서 첨단 과학기술 용어도 역사성을 피해 갈 수는 없다. AI의 등장과 제조의 어려움이라는 파도가 닥쳐오자 ‘개발 완료’라는 단어의 무게감이 달라졌다. 중요한 것은 ‘개발 완료’의 의미가 바뀐 것을 외우는 것이 아니다. 어째서 이런 일이 발생했는지 정확히 이해함으로써 단어의 의미 변화 뒤에 숨겨진 거대한 사회 변화의 흐름을 읽는 것이다. 이번 변화는 결국 반도체 제조가 점점 더 어려워지고, AI가 요구하는 성능은 계속 높아지는 거대한 흐름이 있었기에 발생한 것이다. 당연하지만 이런 변화의 빈도는 더욱 높아질 것이다. 정인성 작가

지난 8월26일, 중국 국경과 맞닿은 네팔 북부의 계곡을 거대한 흙빛 물결이 덮쳤다. 마을과 도로, 교량과 수력발전소가 순식간에 파괴됐고, 수력발전소에서 일하던 한국인 근로자 9명도 실종됐다. 뉴스는 이 장면을 ‘네팔 대홍수’라고 전했다. 화면만 보면 틀린 말은 아니다. 그러나 그 물결의 정체를 끝까지 따라가면, 이 재난은 강에서 시작된 홍수라기보다 산에서 시작된 붕괴에 가깝다. 지반공학 관점에서 이 재난을 먼저 보는 것은 수위가 아니라 사면이다. 현재까지의 잠정 분석에 따르면 빙하를 포함한 고산 사면이 급격히 무너지면서 얼음과 암반이 수백m 아래 계곡으로 떨어졌다. 거대한 덩어리는 충돌하며 잘게 부서졌고, 일부 얼음은 녹아 물이 됐으며 계곡의 물과 오래 쌓인 흙, 자갈, 바위를 계속 끌어들였다. 처음에는 고체에 가까웠던 붕괴물이 아래로 갈수록 물과 토사가 뒤섞인 토석류로 변했고, 좁은 계곡을 따라 거의 100㎞를 이동했다. 일반적인 홍수에서 물은 흙과 돌을 운반한다. 그러나 이런 재난에서는 표현을 바꿔야 한다. 산을 이루던 흙과 돌, 얼음이 물의 유동성을 빌려 한꺼번에 움직인다. 맑은 물이 넘친 것이 아니라 ‘지반이 흐른’ 것이다. 따라서 하나의 재난 키워드를 고른다면 홍수보다 산사태, 더 정확히는 빙하·암반 붕괴가 토석류와 급류로 전이된 복합재난에 가깝다. 홍수는 피해가 나타난 마지막 모습이고, 산사태는 그 시작을 설명하는 말이다. 빙하 재난이라고 하면 흔히 빙하호 붕괴를 떠올린다. 녹은 빙하수가 골짜기에 고이고, 빙하가 밀어낸 흙과 돌인 퇴석이 자연댐을 만든다. 하지만 이 댐은 설계도 없고 충분히 다져지지도 않았으며 안전하게 물을 내보낼 여수로도 없다. 호수로 암석이나 얼음이 떨어져 큰 파도가 넘치거나, 불어난 물이 댐 표면을 깎기 시작하면 느슨한 흙과 돌은 순식간에 무너진다. 그러면 저류된 물은 토사를 품고 계곡 아래로 쏟아진다. 다만 이번 사고는 기존 빙하호의 댐이 먼저 터진 전형적인 빙하호 붕괴와는 순서가 달랐다는 점이 중요하다. 초기의 거대한 흐름은 빙하를 포함한 사면 붕괴가 직접 만들었고, 이후 쌓인 붕괴물이 하천을 막아 새로운 자연댐과 호수를 형성했다. 첫 번째 붕괴가 끝난 뒤에도 물은 그 뒤에 고이고, 임시댐이 다시 무너지면 두 번째 재난이 이어질 수 있었다. 산사태와 홍수는 따로 찾아오는 재난이 아니라 서로를 만들어내는 연쇄 과정이다. 이 차이는 단어의 문제가 아니라 관측과 대피의 문제다. 홍수로만 이해하면 비가 얼마나 왔는지, 하천 수위가 얼마나 높아졌는지를 본다. 산사태로 읽으면 빙하의 이동 속도와 균열, 암반 사면의 미세한 변형, 해빙수의 증가, 지진계가 감지한 비정상 진동, 계곡을 막은 토사의 높이까지 함께 살펴야 한다. 광학·레이더 위성과 고지대 카메라, 지상 센서와 하천 관측소를 연결하고 국경을 넘는 정보도 실시간으로 공유해야 한다. 경보가 확보하는 시간이 몇 분에 불과하더라도, 그 몇 분은 계곡 아래 사람에게는 생사의 거리다. 히말라야의 좁은 계곡은 사람과 재난을 같은 길로 안내한다. 평지가 귀한 산악 지역에서 마을과 도로, 수력발전소는 강을 따라 들어설 수밖에 없다. 그러나 생활을 가능하게 한 그 길이 산이 무너지는 순간에는 얼음과 바위, 토사를 빠르게 모아 보내는 통로가 된다. 재난은 자연현상만으로 완성되지 않는다. 자연의 이동 경로 위에 누군가의 집과 일터가 놓일 때 비로소 우리의 재난이 된다. 이번 붕괴를 기후변화 하나로 곧바로 단정하는 것은 아직 이르다. 다만 기온 상승은 빙하를 얇게 만들고, 영구동토와 얼음이 붙잡고 있던 암반의 균형을 바꾸며, 고산지대에 더 많은 녹은 물을 남긴다. 기후변화가 매번 첫 번째 도미노를 직접 미는 것은 아닐 수 있다. 그러나 수많은 도미노가 서 있는 바닥 자체를 조금씩 기울이고 있다는 사실은 외면하기 어렵다. 이번 네팔 사례는 기후변화가 영원히 제자리에 있을 것 같던 산과 빙하의 균형마저 무너질 수 있는 시대에 들어섰음을 세계가 등골 서늘하게 체감한 장면이었다. 불어나는 강물로 재난을 알아보아서는 늦다. 지반이 흐르기 시작하는 첫 순간을 읽어낼 때, 계곡 아래 사람들에게 살아남을 시간을 돌려줄 수 있다. 김상엽 건국대학교 교수·소방방재융합학

개와 마주 앉을 일이 있다면 가만히 눈을 맞춰보자. 그리고 천천히 몇 번 눈을 깜빡여 보자. 개가 따라 깜빡일 것이라고 기대할 필요는 없다. 그래도 개는 당신의 작은 움직임을 보고 있을 가능성이 크다. 최근 이탈리아 파르마대 연구진은 개가 사람의 눈 깜빡임에도 민감하게 반응한다는 연구를 발표했다. 연구진은 반려견 35마리에게 사람 얼굴 영상을 보여줬다. 화면에는 개의 보호자와 낯선 남녀가 등장했다. 한 영상에서는 사람이 3초에 한 번씩 눈을 깜빡였고, 다른 영상에서는 눈을 뜬 채 가만히 바라봤다. 보호자가 눈을 깜빡이는 모습을 볼 때 개도 눈을 더 자주 깜빡였다. 낯선 사람이 같은 행동을 할 때는 변화가 뚜렷하지 않았다. 작은 신호에도 ‘누가 보내는가’가 중요했던 셈이다. 그렇다고 개가 보호자의 눈 깜빡임을 흉내 냈다고 말할 수는 없다. 사람이 깜빡인 직후 개가 따라 깜빡이는 시간적 동조는 확인되지 않았다. 개가 “나도 좋아해”라고 답한 것도 아니다. 눈 깜빡임은 눈을 촉촉하게 하고 이물질을 없애는 생리현상이다. 연구진도 특정한 메시지를 보내는 행동이라고 단정하지 않는다. 그래도 눈 깜빡임이 단순한 생리현상만은 아닐 가능성이 있다. 같은 연구진은 지난해 개 54마리에게 다른 개가 눈을 깜빡이는 영상을 보여줬다. 다른 개가 깜빡이는 모습을 볼 때 실험견의 깜빡임도 늘었다. 눈 깜빡임이 개들 사이에서 긴장을 조절하거나 관계를 이어가는 신호일 수 있다는 것이다. 이번 연구는 그 가능성을 개와 인간 사이로 넓혔다. 개의 진화는 인간의 얼굴을 읽는 역사이기도 했다. 늑대와 달리 개는 사람의 시선과 손짓에 민감하다. 사람과 개가 서로 오래 바라볼 때 양쪽에서 사회적 유대와 관련된 옥시토신이 증가한다. 개는 늑대보다 눈썹 안쪽을 들어 올리는 근육도 발달했다. 이 근육을 움직이면 눈이 커지고 어려 보인다. 우리가 ‘강아지 눈’이라고 부르는 표정이다. 인간은 그런 표정에 마음을 주었고, 인간의 반응을 잘 이끌어내는 개가 곁에서 살아남았다. 우리는 흔히 인간이 늑대를 길들여 개를 만들었다고 말한다. 하지만 그것만으로는 부족하다. 개도 인간을 읽는 법을 익혔다. 인간의 손끝이 가리키는 방향을 보고, 목소리의 높낮이를 듣고, 얼굴에서 감정을 찾았다. 인간 역시 개의 꼬리와 귀와 자세와 눈을 읽었다. 가축화는 한 종이 다른 종을 바꾼 역사라기보다 서로 다른 두 종이 함께 살기 위해 맞춰온 역사다. 여기서 사람 사는 세상을 생각하게 된다. 우리는 소통이라고 하면 먼저 말을 떠올린다. 말을 잘하고 논리가 빈틈없으면 상대를 설득할 수 있다고 믿는다. 그래서 정치인도 논객도 자신의 판단을 더 분명하고 단정적으로 말하려 한다. 물론 논리는 중요하다. 그러나 소통은 내가 옳다는 사실을 증명하는 일만은 아니다. 상대가 어떻게 받아들이는지를 살피고 예상과 다른 반응이 돌아오면 내 판단도 다시 들여다볼 수 있어야 한다. 요즘은 누구나 하루 종일 말할 수 있다. 휴대전화와 사회관계망서비스만 있으면 자신의 의견을 즉시 내놓을 수 있다. 말은 넘쳐나는데 상대의 표정과 침묵, 망설임 같은 작은 신호를 읽을 기회는 오히려 줄었다. 내가 할 말을 보내는 데는 익숙하지만 그 말이 어떻게 도착했는지 살피는 데는 서툴다. 자신의 논리가 옳다는 확신만으로 밀어붙인다면 그것은 대화라기보다 독백에 가깝다. 좋은 관계에 필요한 것은 상대의 마음을 완벽하게 아는 능력이 아니다. 필요한 것은 조율이다. 내가 다가갔을 때 상대가 물러서는지, 목소리를 높였을 때 얼굴이 굳는지, 말을 멈추었을 때 다시 눈을 맞추는지를 살피는 일이다. 서로 다르다는 사실을 인정하면서 상대의 작은 신호에 반응해 나를 조금 바꾸는 것이 관계다. 인간은 개에게 많은 말을 가르쳤다. 앉아, 기다려, 손, 안 돼. 하지만 수만 년을 함께 사는 동안 개도 우리에게 무엇인가를 가르쳤는지 모른다. 관계를 만드는 것은 큰 목소리와 빈틈없는 논리가 아니다. 상대가 보내는 작은 신호를 알아차리고 거기에 응답하는 일이다. 우리는 말을 잘하는 능력을 소통이라고 생각하지만, 소통은 어쩌면 상대가 눈을 한 번 깜빡이는 것을 놓치지 않는 데서 시작되는지도 모른다. 이정모 전 국립과천과학관장