사비오 칼럼

By James H. Choi
http://Korean.SabioAcademy.com
원문출처

“과학자”라 하면 흔히 흰 가운을 입고 시험관을 들고 있는 장면을 연상한다.  내가 석사 학위를 할 때 신호처리연구실 (signal processing lab) 내에 적을 두고 일했는데 이 “실험실”이라는 것이 책상마다 컴퓨터가 하나씩 올려 있는 것이 전부고 흰 가운을 입을 일도 없어 실험실에서 근무하면서도 “무슨 실험실이 이래?”하고 생각했던 것이 지금도 기억난다.  하지만 이 빅 데이터 시대에는 실험관도 흰 가운도 입지 않는 과학이 더 많다.

우선 우리가 “과학자”하면 떠올리는 대표적인 인물은 컴퓨터도 없이, 실험실도 없이 특허 사무실 책상에 앉아 연필과 종이만 가지고 노벨상 수준의 연구를 해 내었다.  아인스타인의 실화이다.  “이론물리”는 말 그대로 이론을 따지는 학문이라 실험을 하지 않는다.  안 하는 것 보다 아직 못하는 경우가 많다. 

이론물리학자는 수학이라는 도구를 망원경/현미경처럼 사용하여 우주를, 원자핵의 속을 보고 새로운 것을 발견한다.  그러면 수십 년 후에 테크놀로지가 발달하고 나서야 실험물리학자가 실험을 하여 그 이론이 맞고 틀리는 것을 확인한다.  아인스타인의 중력렌즈는 1916년에 나온 이론이지만 거의 100년이 지난 최근에야 확인할 수 있었다.  중고등학생이 할 수 있는 이론물리 연구는 없다.  하지만 컴퓨터를 사용하면, 그리고 상상력을 동원하면 아직 아무도 생각해내지 못한 문제를 찾아 풀 수가 있다.  예를 들면 최근 뉴스에 “소행성(asteroid)에 테(ring)가 있는 것이 발견되었다”라는 기사가 나왔는데 수성처럼 큰 행성에 테가 있는 것은 잘 알려져 있지만 지름이 불과 몇 킬로밖에 되지 않는 소행성에 테가 있을 수 있다는 것은 충격적인 새로운 발견이었다.  물리와 프로그래밍을 배운 학생은 이럴 때 “어떻게 하면 작은 소행성에 테가 생길 수 있는가?” 이론을 생각하여 컴퓨터를 밤새 돌리는 “실험”을 할 수 있고, 그 결과로 과학 경시대회에도 출전할 수 있다.  물론 알아야 면장을 하는 것이라 아무나 시도할 수 있는 연구는 아니지만 수학, 물리, 프로그래밍을 앞서 배워간 학생은 이럴 때 급우들이 부럽게 쳐다보는 지붕 위에서 쌓아 놓은 실력을 한껏 과시하는 것이다.

순수 수학도 중고등학생이 접근할 수 없는 고도로 발달 된 분야이지만 컴퓨터를 사용하면 접근이 가능할 뿐 아니라 새로운 문제를 만들어 답을 찾을 수도 있고 아니면 “이런 재미있는 문제가 있다”로 무책임하게 문제만 제기하고 해답도 없이 끝낼 수 있다.  그것이 conjecture인데 중고등학교에서는 창조적인 conjecture를 찾아내는 것 만으로도 과학 경시대회에 출전할 수가 있다.  몇 년 전 8학년 학생이 일리노이주 과학경시대회의 수학 부분에서 고등학생을 다 누르고 1등을 했는데 그의 연구는 Collatz Conjecture를 더 확대시킨 것이었었다.  즉, Collatz의 문제를 풀지도 못했을 뿐 아니라 그 외에 더 많은 문제가 있다는 것을 찾아내는 것으로 1등을 한 것이다.

기상학 같은 연구에서 지난 수백 년간의 온도 변화를 연구한다면 필히 남이 기록해 놓은 자료를 사용해야 하기 때문에 실험 없이 자료를 받아서 분석한다.  천문학도 직접 망원경으로 측정을 할 수 있지만 첨단 천문 망원경에서 나오는 많은 자료를 무료로 download해서 분석을 할 수 있기 때문에 아주 특정한 연구를 하지 않는다면 밤마다 하늘이 개이기를 염원하며 밤을 새울 필요가 없는 것이다.  내가 국제과학경진대회에서 물리학 분야를 심사할 때 마침 자료를 직접 측정한 학생과 download받은 학생 둘 다 있어서 관심 있게 보았는데 결국 download한 학생만 입상하는 것을 보았다.  다른 학생은 관측하는 시간에 기존 자료를 분석했다면 입상했을 수도 있겠다는 생각이 들었다.

의학으로 넘어가서 임상실험은 엄두도 못 내는 것이고, 하다 못해 손금만 보려고 해도 승인이 되지 않는 경우가 있다. 예를 들어 내 학생은 학교의 IRB (Institutional Review Board)가 손금 읽는 것을 허가하지 않아 “손금이 수명을 예측하는가?” 연구를 포기해야 했었다. 양로원으로 가서 장수한 분의 손금 특징을 파악하려고 했었다. “혈액형과 성격의 연관”연구 제안서는 상관 관계가 없다는 것을 증명하려는 의도로 시작했는데 학교측에서 “가정에 불화를 초래할 가능성이 있다”고 하여 승인해주지 않았다. 동시에 미국에서는 자신의 혈액형을 모르는 학생이 대부분이라 생각처럼 간단한 일이 아니라는 것을 알게 되었다.

그에 비해 임상실험 자료를 무료로 download하여 분석하는 전략은 아무런 허락을 받지 않아도 되고, 장비도 필요 없고, 시간도 소요되지 않아 첫날부터 분석해 가며 연구자체에 집중할 수 있다.

한 가지 꼭 피해야 할 연구는 특정 연구소에 가서 허락 받고 남의 기계를 사용해야 하는 연구다.  그 기계를 사용할 수 있는 시간과 나의 시간을 맞추어야 하는 문제가 있고, 공교롭게 꼭 오케스트라 연주 시간과 학기말 시험 기간에만 사용가능 하게 되는 단점이 있다. 그리고 마감일 직전에 기계가 고장이 나서 하늘이 노래지는 경험을 할 위험 부담도 만만치 않다.  그리고 내가 직접 측정하는 데이터는 오염이 됐거나 칼리브레이션이 어긋나 있었던 것을 뒤늦게 깨닫을 수도 있는 등 뭔가 원천적으로 잘못되어 새로 시작해야 해야만 할 가능성은 무궁무진하다.

이 빅 데이터의 시대에 들어선 오늘날에는 무료로 구할 수 있는 각 전문분야의 과학 자료도 많고 또 디지털 카메라 같이 자신이 집에서 직접 측정할 수 있는 종류의 데이터가 많아졌기 때문에 실험에 보낼 시간/비용/위험을 모두 다 피하고 관심분야에 맞는 분야의 자료를 찾아 분석을 배우는 것이 과학자다운 준비이고 여러모로 승산을 극대화 하는 현명한 전략이다.