하지만 이러한 결론이 모든 종류의 예측이 불가능하다는 것을 뜻하지 않는다. 앞뒤가 동일한 동전 하나를 던지면 앞이 나올지 뒤가 나올지 예측할 수 없지만, 100만 번 던지면 앞이나 뒤나 50만 번쯤 나오리라는 것은 예측할 수 있다. 수소 분자 100개와 산소 분자 100개가 들어 있는 방을 가만히 두면 두 분자가 골고루 섞이리라는 점도 예측 가능하다. 정확하게 예측할 수 없는 것은 동역학적 법칙을 따르는 시스템이다. 우리는 양자역학에 따라 전자의 위치와 운동량을 동시에 정확히 알 수 없지만, 앞에서 보았듯이 지구 중력장에서 움직이는 물체의 거시적 운동은 예측할 수 있다. 따라서 이 책의 핵심 주제 가운데 하나가 ‘예측’이라고 말할 때, 그것은 상위 계층에서의 집단적 예측, 통계적 예측을 뜻한다.
---pp.54-55

어떻게 실리콘이라는 돌덩어리에서 인공지능(artificial intelligence, AI)이 탄생하는지, 그 과정을 따라가다 보면 수많은 양질 전환을 경험하게 된다. 그리고 이는 뒤에서 세포와 뇌, 사회를 이해하는 데 크나큰 도움이 된다. 우리는 이 과정을 따라가며 단순한 물질에서 어떻게 지능이 탄생하고 인간 사회까지 만들어질 수 있는지 확인할 것이다. 컴퓨터는 한마디로 세계를 이해하는 작은 모형이다. 그러나 그저 하나의 작은 모형에 불과한 것은 아닌데, 컴퓨터 분야에서는 원자부터 인공지능까지, 그 모든 구성 단계들이 속속들이 연구되어 있기 때문이다. 이는 모든 단계가 환원주의적 관점에서 완전히 이해 가능하다는 뜻이다. 다시 말해, 인공지능의 결정을 실리콘 수준까지 내려가 분석할 수 있음을 의미한다. 이것은 원자에서 인간의 뇌로 이어지는 단계를 아직 모두 이해하고 있지 못함에도 우리 뇌가 어떤 결론에 이르렀을 때 이를 뉴런, 심지어 원자의 수준에서 해석하지 못할 이유가 없음을 깨닫게 해준다. 적어도 원리적으로는 말이다.
---pp.99-100

(1) 무어의 법칙은 끝났다. 기술 낙관론자들은 아직도 무어의 법칙을 이야기하지만, 그것이 ‘법칙’이었던 시기는 막을 내렸다. 현재 실리콘의게이트 길이는 대략 15nm다. 실리콘 원자로 치면, 약 30개 정도다. 더 줄이면 양자역학 효과가 나타나기 시작한다. 게이트 길이를 유지하면서도 트랜지스터 전체 사이즈를 줄이는 방법도 있지만, 이것에도 한계가 있다. 기술적인 문제보다 더 심각한 문제는 트랜지스터 크기 감소에 따른 원가 감소보다 작고 빠른 트랜지스터를 만드는 데 필요한 돈이 더 빠르게 늘어나고 있다는 점이다. 배보다 배꼽이 커지는 것이다. 즉, 무어의 법칙은 기술이 아니라 경제적 이유로 끝이 났다. 수많은 낙관론자들은 경제를 간과하거나 아예 고려하지 않는다. ... (3) 실리콘 기반 기술을 제외한 어떤 기술도 과거 30년간 5,000배의 성능 향상을 보이지 않았다. 건전지는 30년 전에도 “100만 스물하나, 100만 스물둘”을 외쳤는데 지금도 그렇다. 자동차 연료 효율, 자동차 최대 스피드, 로켓의 속도, 그 어떤 것도 그만큼 성능이 좋아진 것은 없다. 달에 도착한 인류는 60년간 제자리다. 30년 전과 비교해 놀라울 만큼 발전한 것은 컴퓨터의 계산 속도, 반도체의 속도와 용량뿐이다. 하지만 이마저 그 끝이 보이기 시작했다. 경제적인 문제이기에 이를 해결하기도 어려워 보인다. 예컨대 태양에서 에너지를 수집하는 다이슨 구(Dyson sphere)를 들먹이기도 하는데, 이는 뜬구름 잡는 이야기일 뿐이다. 다이슨 구 같은 기술이 가능한지가 문제가 아니라, 다이슨 구를 만드는 데 전 인류가 굶어 죽을 만큼 돈이 든다는 것이 문제다. 우리는 이제 기술 발전 속도가 둔화되는 시대에 대비해야 한다. 하지만 오해하면 안 된다. 기술 발전이 느려지더라도, 기술의 다양성은 획기적으로 증가할 것이다.
---pp.150-151

환경 변화가 매우 느리면, 생태계는 각각 국소적 최적점에 갇혀 안정적인 특성을 보인다. 외부에서 보면 마치 진화가 멈춘 것처럼 보일 수 있다. 느린 환경 변화는 느린 국소적 최적점의 위치 변화를 야기하고, 생태계의 진화는 그 속도를 따라 변한다. 이 경우 진화의 원동력은 느린 환경 변화다. 환경 변화만이 생태계의 진화 방향과 속도를 결정한다. 하지만 환경 변화 속도가 진화의 속도만큼 빠르다면 진화의 방향은 전혀 예측할 수 없다. 유전자는 최적점에서 다른 최적점으로 계속 이동하며 움직인다. 또한 생태계에 다른 종이 유입되면 역시 유전자 탐색 공간을 바꾸고, 환경 변화와 상관없이 생태계는 진화하며 그 진화는 국소적 최적점을 찾을 때까지 계속된다. 새로운 종의 유입에 따른 유전자 탐색 공간의 변화는 일반적으로 빠르게 이루어지기에, 이 경우 진화는 비가역적으로 진행된다.
---p.239

이러한 관점에서 진화의 2종 예측은 두 가지로 정리할 수 있다. 첫째는 다양화다. 이는 생태계의 비어 있는 곳을 빠짐없이, 천천히 메운다는 뜻이며, 마르코비언적 과정에서 영점 근방이든 영점으로부터 먼 곳이든, 어느 곳에서나 생명체를 발견할 확률이 있다는 것과 동일한 의미다. 유전자 탐색 공간의 관점에서 말하자면, 국소적 최적점마다 생명체가 들어설 확률이 있다. 진화는 생명체 혹은 종으로 채워진 지점 근방의 비어 있는 또 다른 지점을 찾아 생명체로 채워 넣는 것이다. 물론 최적점도 시간에 따라 바뀐다. 둘째는 복잡화다. 하지만 이는 다양화의 결과일 뿐이다. 시간이 지날수록 비록 그 속도는 점차 느려지더라도, 더 복잡한 형태로 더 멀리까지 퍼져 나간다. 다양화와 복잡화는 마르코비언적 특성에서 비롯된다.
---p.253

에너지 소모 관점에서도 분석할 수 있다. 디지털 컴퓨터에서 곱하기를 한 번 하는 데 들어가는 에너지가 ??라면, 은닉층의 뉴런이 1억 개씩 연결된 경우 대략 1억×1억×??만큼의 에너지를 소모한다. 이때 ??는 칩에 공급되는 전압의 제곱(실리콘 특성에 의해 약 1V), 그리고 연산에 관여하는 트랜지스터의 용량(축전기 역할을 하는 소자 크기)에 비례한다. 디지털 컴퓨터는 오로지 더하기와 곱하기에 최적화되어 있지만, 곱하기를 한 번 하는 데 필요한 트랜지스터 수가 칩 안에 들어 있는 트랜지스터의 전체 합에 육박한다. 약간 과장된 표현이기는 하지만, 더하기나 곱하기를 한 번 하려고 칩 전체가 움직이는 것이다. 반면 뇌에서는 앞서 설명한 대로 신호 전달이 시냅스에서 전기 신호가 화학 신호로 바뀌고, 다시 전기 신호로 바뀌는 과정에서 이루어진다. 뉴런 하나가 수상돌기 1만 개로부터 신호를 받는다고 하더라도, 결국 신호 처리는 뉴런 단위에서 이루어지기에 전체 에너지 소모는 뉴런 수에 대체로 비례한다. 정리하면, 패턴 인식에 필요한 연산 비용은 디지털 컴퓨터에서는 대략 뉴런 수의 제곱에 비례하고, 뇌에서는 뉴런 수에 비례한다는 것이다. 따라서 은닉층 하나에 뉴런이 100만 개인 상황에서는 에너지 효율 면에서 두 시스템 간에 대략 100만 배 차이 난다. 게다가 뇌는 동작 전압이 반도체 소자보다 훨씬 낮다. 뇌와 엑사스케일 컴퓨터의 전력 소모가 100만 배 차이 나는 이유가 이것이다.
---pp.292-293

요즘 아이들은 알지도 못하고, 어른들의 향수 젖은 추억에만 존재하는 이 ‘공동체’라는 단어는 주로 마을 단위의 공동체를 말한다. 하지만 과학적으로는 생존을 위해 협력하는 혈족과 거주지 중심의 집단 정도의 의미를 가진다. 예전에는 경제 활동의 무대가 가족, 혈족, 마을이었지만, 오늘날에는 직장으로 옮겨 갔다. 직장만큼 확실한 공동체도 없다. 공동체를 복원하자는 운동은 직장을 넘어 거주지에서도 공동체를 만들자는 것인데, 공동체는 생존에 이득이 없으면 에너지만 소모하는 조직일 뿐이다. 그래서 서울에도 골목길을 만들고 공동체를 복원하자는 주장은 직장에서 에너지를 쓰고 집으로 돌아가 에너지를 또 쓰자는 주장이다. 직장은 생존에 필요한 이득을 제공하지만, 마을은 더 이상 우리에게 그러한 이득을 제공하지 않는다. ‘마을 공동체’나 ‘골목 공동체’ 같은 말들로 어른들의 향수를 자극하는 것은 좋지만, 과학적으로는 가능하지 않은 주장이다. 인간의 마음은 마을 공동체, 골목 공동체를 더 이상 좋아하지 않는다. 이제 집과 마을은 모든 공동체에서 해방되어 에너지 소비를 최소화하는 휴식 공간이어야 한다. 우리 마음은 이러한 공간을 바란다.
---pp.354-355

하지만 아직 이러한 인공지능이 개발되었다는 이야기는커녕 만들고 있다는 이야기조차 들어보지 못했다. 아직 때가 아닐 뿐이라고 말할지도 모르지만, 3차 연합 장치를 탑재한 인공지능이 개발되었다고 하더라도 2차 연합 장치를 흉내 내는 인공지능이 만들어질지는 미지수다. AI 산업은 이미 반도체만큼 거대 산업화되었기 때문에, 이러한 산업을 움직이려면 2차 연합 장치를 흉내 내는 인공지능의 개발이 확실한 경제적 가치를 만들어 낼 것이라는 확신이 필요한데, 이에 대한 답이 확실하지 않기 때문이다. 인간은 배고프면 공부를 미루고 밥부터 먹는다. 졸음이 쏟아지면 이성 활동을 멈추고 잠부터 잘 것이다. 이러한 생물학적 기계의 몸과 마음을 닮은 인공지능이 어떤 경제적 가치를 창출할 수 있을지 아직 모르겠다. 반면 인간보다 훨씬 강력한 3차 연합 시스템을 가진 인공지능이 가져다줄 이득은 막대할 것으로 보인다.
---pp.359-360

첫째, 각 노드의 자원 확보 극대화가 게임의 목표라는 관점에서 보면, 협력은 협력하지 않은 경우보다 이득일 때만 발생한다. 설령 배신당하더라도, 역선택이 일어나더라도, 혼자 참여하는 것보다 이득일 때 발생한다. 즉, 연결과 그 동역학은 연결이 없는 경우보다 더 많은 생존 자원을 확보할 수 있을 때 비로소 발생한다. 뒤에서 다시 살펴보겠지만, 연결 없는 노드들의 총생산력보다 네트워크의 총생산력이 높기에 네트워크는 자연적으로 발생한다. 둘째, 연결로 이루어진 네트워크는 죄수의 딜레마 게임과 같이 네트워크가 가질 수 있는 최대 생산력으로 이어지지 않을 수 있다. 하지만 연결 없는 노드들의 생산력보다 높기만 하면, 네트워크는 출현한다. 셋째, 목표는 본능에 의해 주어지지만 목표 달성은 자주 지능에 의존한다. 본능의 목표인 생존 효율성 증대와 자원 확보 극대화를 달성하려는 노드의 작동 방식은 본능을 넘어서 지능과 지능 간의 게임으로 확장된다. 이는 현대 사회에서 점차 중요해지고 있다. 하지만 지능은 본능에서 완전히 벗어날 수 없다. 사회 네트워크를 지배하는 2종 법칙 또한 본능의 목표에 지배받는다. 지능은 수단에 불과하며, 본능이 우리에게 각인한 목표를 바꾸지는 못한다.
---pp.383-384

첫째, 이러한 최적화 방식은 자연 진화의 원리와 동일하며, 시장 원리에 대한 신뢰를 의미한다. 자동차 산업과 반도체 산업 각각의 생산력뿐 아니라 전체 생산력을 높이려면 둘을 동시에 컨트롤하려고 하지 말고 각자의 시장 원리에 맡기라는 것이다. 회사의 조직 운영 방식에도 동일하게 적용할 수 있다. 조직이 커질수록 권한의 집중보다 분권화가 필요함을 암시한다. 둘째, 이러한 방식은 결국 해체로 이어진다. 네트워크가 복잡하지 않고 한두 개로 쪼개는 것으로 충분한 경우에는 원심력보다 구심력이 좋은 결과를 보여줄 수 있다. 하지만 연결과 비선형성이 갈수록 증가하는 현대 사회의 경우에는 계속되는 분산과 연결을 피할 수 없다. 그것이 생산력을 높이는 방법이라는 것을 모두가 알고 있다. 분산과 연결의 가속화, 그로 인한 엔트로피의 증가를 막을 방법은 없다. 이러한 경제적 다양성 추구와 해체 과정은 현대 경제의 분명한 거시적 방향이다.