콘텐츠로 이동

P1-17.3 예측(prediction)과 작업 가설(working hypothesis) 구분

Section ID: P1-17.3 Version: v2026.07.20

P1-17.2에서는 언론, 칼럼, 보고서를 읽는 방법을 봤습니다. Part 1의 마지막 절에서는 개인적 생각을 어떻게 안전하게 남길지 정리합니다.

AI를 다시 배우는 과정은 종종 개인의 기억과 직관에서 출발합니다. “AI는 규칙에서 데이터 기반 판단으로 넘어왔다”, “프롬프트는 LLM 동작을 이해하는 수단이다”, “에이전트형 도구는 CLI, GUI 이후의 새로운 사용 흐름처럼 보인다” 같은 생각은 학습을 시작하게 만드는 중요한 질문이 될 수 있습니다.

하지만 질문과 사실은 다릅니다.

이 절에서는 예측(prediction), 작업 가설(working hypothesis), 사실 주장(factual claim), 해석(interpretation)을 구분하며, 17.1과 17.2에서 본 근거 기준과 자료 읽기 방법을 개인적 직관을 어떻게 안전하게 문서 안에 남길 것인가라는 문제로 묶습니다.

이 절은 개인적 해석을 학습 문서 안에서 어떻게 다룰지 다룹니다. 미래 전망의 세부 내용 자체를 예측하지 않습니다.

용어 아주 짧은 뜻 이 절에서의 역할
사실 주장 외부 근거로 확인되어야 하는 문장 본문에서 가장 엄격히 다뤄야 할 층위
해석 자료에 사람이 의미를 붙인 문장 근거와 함께 조심해서 써야 할 층위
예측 미래에 일어날 일을 말하는 문장 출처와 맥락을 더 강하게 요구하는 층위
작업 가설 검증 전 임시로 세운 설명 개인 직관을 보존하는 안전한 형식

예측과 작업 가설을 나누는 기준

  • 사실 주장(factual claim), 해석(interpretation), 예측(prediction), 작업 가설(working hypothesis)을 구분할 수 있습니다.
  • 개인적 직관을 사실처럼 쓰지 않고 작업 가설로 남겨야 하는 이유를 설명할 수 있습니다.
  • 예측은 외부 보고서와 기관 자료를 근거로 써야 한다는 점을 말할 수 있습니다.

세 가지 기준

이 절은 개인적 직관을 버리자는 절이 아니라, 어디까지를 사실로 쓰고 어디까지를 가설로 남길지 정하는 절입니다. 본문을 읽을 때 기준이 되는 세 가지 관점은 다음과 같습니다.

기준 왜 중요한가 이 절에서 필요한 이해 수준
질문과 사실은 다르다는 점 개인 해석을 검증 없이 본문 사실로 옮기는 일을 막아 줍니다. 떠오른 생각은 먼저 질문이나 가설로 두면 된다고 이해합니다.
작업 가설은 틀릴 수 있음을 드러낸 상태로 남겨야 한다는 점 직관을 보존하면서도 독자를 혼란시키지 않게 해 줍니다. “도움이 되는 관점일 수 있다”처럼 조건부로 쓰면 된다고 이해합니다.
예측은 보고서와 기관 자료에 기대어 써야 한다는 점 생성형 AI 특유의 창작적 미래 서술을 경계하게 해 줍니다. 미래 단정 대신 전망 자료와 시나리오를 인용해 쓴다고 이해합니다.

작업 가설은 숨기지 말고 표시한다

작업 가설(working hypothesis)은 틀릴 수 있다는 전제를 가진 설명입니다. 학습 과정에서는 매우 유용합니다. 다만 검증된 사실처럼 쓰면 위험합니다.

위험한 표현: 현대 AI는 확률이 반복되면 인간 사고와 같아진다는 것을 보여 준다.

더 안전한 표현: 현대 AI를 공부할 때 확률적 모델링과 반복적 학습이 인간의 판단처럼 보이는 출력을 만들 수 있다는 관점이 도움이 될 수 있다. 다만 이것이 인간 사고와 같다는 뜻은 아니며, 인지과학과 AI 연구의 별도 검토가 필요하다.

이 방식은 개인적 직관을 버리지 않으면서도 독자에게 사실과 가설의 경계를 보여 줍니다.

예측은 책임 있는 자료에 기대어 쓴다

예측(prediction)은 자료가 있어도 조심해야 합니다. 보고서와 기관 발표도 미래를 확정하지 않습니다. 대부분은 조건부 전망, 시나리오, 위험 평가, 정책 제안입니다.

예를 들어 Stanford HAI의 AI Index Report나 WEF의 Future of Jobs Report도 미래를 단정하기보다, 현재까지의 지표와 설문, 산업 관찰을 바탕으로 방향과 가능성을 읽게 하는 자료로 보는 편이 안전합니다.

문장 유형 안전한 표현
예측 “보고서는 2030년까지 이런 변화가 가능하다고 전망했다.”
시나리오 “이 자료는 여러 가능한 경로 중 하나로 제시했다.”
정책 제안 “기관은 이런 대응이 필요하다고 권고했다.”
개인 가설 “이 학습 문서에서는 검토할 작업 가설로 남긴다.”

AI가 만든 미래 이야기는 특히 조심합니다. 그럴듯한 표현이 있어도 외부 근거가 없으면 본문에서는 쓰지 않습니다.

책 안에서 개인적 관점을 쓰는 위치

개인적 관점은 학습 문서에서 완전히 배제하지 않습니다. 오히려 학습 동기를 설명하는 데 필요합니다. 다만 위치를 구분합니다.

위치 사용 가능성
머리말·소개 개인적 학습 동기와 기억을 쓸 수 있음
장 도입부 왜 이 질문이 생겼는지 쓸 수 있음
개념 설명 본문 표준 용어와 근거 중심으로 작성
검증 필요 목록 아직 확인되지 않은 해석을 보존
회고 학습 전후의 이해 변화를 기록

이 구분을 지키면 책은 개인적이면서도 검증 가능한 형태를 유지할 수 있습니다.

Part 1을 마치며

Part 1은 AI의 큰 지도를 잡는 목적이었습니다. 세부 수학, 코드, 모델 구현은 뒤에서 다룹니다. 여기서 중요한 것은 다음 구분을 얻는 것입니다.

AI라는 넓은 말 머신러닝과 딥러닝의 위치 LLM과 생성형 AI의 직접 계보 프롬프트, 임베딩, RAG, 에이전트의 사용 흐름 윤리, 저작권, 보안, 교육, 전망의 검토 기준

이제 Part 2에서는 기초 복구로 넘어갑니다. 수학을 증명하기보다, AI 문서를 읽고 작은 코드로 확인할 수 있는 수준의 기반을 다시 세웁니다.

체크리스트

  • 사실 주장(factual claim), 해석(interpretation), 예측(prediction), 작업 가설(working hypothesis)을 구분할 수 있다.
  • 개인적 직관을 검증된 사실처럼 쓰지 않아야 함을 설명할 수 있다.
  • 예측 문장에는 출처, 날짜, 맥락이 필요함을 설명할 수 있다.
  • 책 안에서 개인적 관점을 사용할 위치와 개념 설명 본문을 구분할 수 있다.
  • 사실 주장, 해석, 예측, 작업 가설을 나누어 개인적 직관과 본문 사실 설명을 구분할 수 있다.

출처와 참고 자료