어쩌다 휴먼 벡터 Human Vector

휴먼 벡터 human vector를 생각하다 
 
모두연 AI 2024 코칭스터디를 쓰던 중이었던가- 마지막 주차 미션을 정리하던 중이었던가- 팀 리더로 활동하며 다양한(자발적이고 적극적이었던) 팀원들과 무언가를 리서치하고 정리해나가면서 문득 떠오른 단어다. 휴먼 벡터 human vector.
 

물론 각 키워드간 적확성을 논허자는게 아니라 구조적 유사성에 대한 관찰과 개인적인 추론을 담은 이야기다.

 

방향성

단순히 크기만 있는 스칼라와는 달리 벡터는 크기와 방향을 가지고 있다. 때문에 양을 나타내는 개념으로 필요에 따라 화살표로도 표현될 수 있다. 이러한 특징을 바탕으로 벡터는 수학과 물리학에서는 단일 숫자로 표현할 수 없는 예컨데 변위, 힘, 속도와 같이 크기와 방향을 모두 갖는 일부 수량이나 일부 벡터 공간의 요소를 비공식적으로 나타내는 용어로 쓰이고 있다.(출처 - 위키독스, 위키)

여기서 재미있는 사실을 하나 발견했다.
사람은 어떠한가? 시간 위에 놓여 있는 물질적 요소들과 달리, 그리고 상대적으로- 스스로 영장류라 일컫는 인간은 시간 위에서 단순히 부유하거나 정체하지 않고(또는 못하고) 계속해서 방향의 속성을 띈다(때론 띄고자 노력한다).
위치는 벡터의 속성이 아니다. 단순히 점 만으로는 표현할 수 없다. 사람도 그렇다. 사람은 단독으로는 표현하거나 해석할 길이 없다. 어쩌면 해석 자체가 무의미할 수도 있다. 사람은 다른 사람과 - 마치 벡터의 그것과 같이, 평행하며 같은 길이를 가진 벡터는 동일한 벡터라고 간주하듯- 이웃하는 다른 사람들을 필요로 한다. 
 
= update =

이미지란 무엇인가-이미지 철학 탐구- 이솔(민음사)

철학자들은 오랫동안 이미지를 의식 내에 위치한 외부 대상의 모사물과 같은 것으로 간주해 왔다. 그 러나 이미지는 의식의 '대상'이 아니라 의식의 '활 동'이다.
사르트르 이미지 이론의 핵심을 이루는 이 주장은 후설 철학을 바탕으로 이해되어야 한다. 사르트르가 후설 현상학에서 주목한 것은 무엇보다도 의식의 지향성(intentionnalite)이라는 관념이다. 철 학적 과제와 대결했던 후설은 모든 지향적 체험은 자신의 지향적 객체를 가진다고 말한다. 사르트르 는 이를 "모든 의식은 무엇에 관한 의식이다."라는 문장으로 정식화한다.
의식은 늘 무엇인가를 지향하는 본성을 가진 다. 의식은 순전한 활동일 뿐이다. 의식을 그것 내부에 표상들이 놓이는 공간 같은 관념으로 오인해서는 안 된다. 의식의 '내부'란 없다. 의식이 지향적으로 관계하는 의식의 대상은 늘 의식 바깥에 있다.
그렇기에 전통 철학이 가정하는 의식 내부에 위치 하는 표상으로서의 이미지 관념은 순전한 허위이 다. 지각, 사유와 마찬가지로 상상은 의식이 대상을 지향하는 활동의 한 양상이다. 이미지는 대상을 상 상의 방식으로 겨냥하는 의식의 활동 방식이다.
…
우리가 경험하는 것은 오직 대상으로부터 유래한 표상들일 뿐이라 말해 왔다. 그런데 의식의 본성이 지향성이라면, 의식은 자신의 바깥에 있는 대상과 직접 관계하는 것이 된다

샤르트르의 이미지철학
- 이미지란 무엇인가. 이솔(민음사)

샤르트르가 주목한 후설 현상학의 ‘의식의 지향성’에 대한 설명이다. 여기에 개인적인 해석을 덧붙이면, 의식은 그 자체로 존재하지만 그 스스로 존재를 인식할 수는 없다. 마치 거울을 보듯 주변에 비추어 자신의 모습응 파악하고 타인(들)의 행동과 태도에 대한 시시비비와 이에 비추어 비로소 자신을 회고할 수 있다.

의식은 무엇인가? 핵심은 더 이상 의식을 공간적인 사고 내에서 이해해서는 안 된다는 것이다. 의식은 외부세계의 다른 사물과 같지 않으며 그러한 사물이 위치하는 공간과도 다르다. 의식은 순전한 활동성으로 이해되어야 하며, 대상(Noema)을 지향 하는 작용(Noesis) 그 자체가 의식의 본질인 것이다.
의식의 지향적 대상과 지향 작용 사이에는 더 이상 어떤 매개도 요구되지 않는다. '의식'을 (외부대상으 로부터 산출된) 순전한 지향적 활동으로 이해함에 따라 '이미지' 역시 의식이 취하는 일종의 활동 방 식으로 거듭나게 된다. 113

.. ㅇ흐ㅗ… 너무 백터 Vector와 구조적 유사성이 놀랄만치 가깝지 않은가?!







 

끼리끼리

벡터는 x축과 y축 이차원 공간에서의 점으로 표현될 수 있다. 그리고 3차원, 4차원... 으로 표시될 수 있다. 차원. 사람은 같은 삶의 방향(시간) 위에서 상당히 다차원적인 벡터 형태를 취한다. 온전한 개인, 가족, 회사, 동아리, 스터디.. 각기 다른 입장(차원) 또는 위치에서 각기 다른 역할을 한다. 심지어 최근에는 투잡, 쓰리잡과 같이 정말 많은 레이어의 일상을 사는 이들이 많다. 마치 우리가 익히 알고 있는 그 흔한 퍼소나 처럼 말이다.
여기서 잠깐, 혹시 나와 다른 두께를 지닌 이들과 대화를 해본 경험이 있는가? 물론 만날 일도 많지 않겠지만 만나도 사실 전혀 다른 세계에서 살고 있는 느낌이 들지 않던가?  여기서 잠깐 x2, 벡터는 동일한 차원이고 대응되는 성분(방향, 길이)이 같다면 두 벡터는 동일(벡터의 상등)한 것으로 본다. 이른바? 끼리 끼리 인것이다.  

벡터의 상등(3차원 벡터)

 
 

그란데 말입니다-

우리는 인간임에도 불구하고 스스로를 타인을 너무 스칼라와 같은 기준으로, 보고 듣고 평가하고 있지는 않은가? 하는 생각과 나와 다른 차원의 휴먼 벡터들에 대하여 너무 인색하지는 않은가- 하는 생각이 들었다.
고객 센터 상담원, 공공기관 공무원, 회사 내 타 부사와의 협업 또는 매장 내에서 점원과 나누는 대화에서 내 맘같지 않은 인색함 또는 서운함을 느낀 경험이 누구나 한번쯤은 있을 거라는 생각이 든다.   
최근들어, 인공지능 서비스를 사용하다보면 종종 인공지능의 친절함이 사람 못지 않거나 때때로 사람보다 더 친절하게 느껴지는 경우가 있다. 뿐만아니라 오히려 사람과 대화할때보다 더 친절하게 프롬프트 엔지니어링을 하는 경우를 종종 목격할 수 있다.

사람에게도 프롬프트 엔지니어링 처럼만 친절했다면 어땠을까..

아이러니하면서도 먹먹한 현실이다.
사람 대 사람은 쓸모와 효용의 잣대로 점차 사물화 되어가는데 오히려 인공지능은 사람처럼 개선되고 또한 사람들로부터 오히려 대우를 받고 있다.
사람 스스로는 편리와 효율을 담보로 스스로를 더 타이트하게 조여가며 루틴(규칙적)하고 정량적인 삶을 추구하며 점점 존재 그 자체로서의 여유를 잃어가는 듯하다. 반면, 인공 지능과 같은 새로운 개체(?!. 개인적으로는 이렇게 평가한다)는 오히려 정성적이고 비선형-스러움을 쫒고 있는듯한 아이러니한 상황이 난무하는 분위기다.

 

 

본론 

프롤로그는 여기까지. 다시 처음으로 돌아와서, 모두연 AI 2024 코칭스터디를 쓰던 중이었던가- 마지막 주차 미션을 정리하던 중이었던가- 팀 리더로 활동하며 문득 '휴먼벡터' 라는 키워드가 떠오르면서.. "개인은 벡터, 조직은 행렬을 닮았네?!." 하며, 짧은 기간, 리더로 활동하는 과정을 회고하는 측면에서;; "각자의 속성과 물리학적 한계(수학적 규칙)를 고려하면 더 좋은 결과를 만들 수 있지 않을까 ?" 생각을 하게 되었다.  

1) 예컨데-1번

사람과 도구의 만남은 덧셈과 뺄셈이라 생각하고 사람과 사람의 만남은 곱셈 또는 나눗셈이라 생각한다. (참고로 인공지능 분류의 '개체'는 단순히 도구보다 사람에 조금 더 근접하다고 생각한다)
그리고 만약 이 둘을 곱하는 경우,
 - 사람과 사람과 같이 - 
수학적 수식으로는 'C = A ⋅ B', 
Python에서는 'C = A @ B' ,
numpy에서는 np.dot() 함수를 연산자를 사용하여 행렬 곱셈을 수행할 수도 있다. 그런데 여기서 염두에 두어야 할 부분은, 
첫 번째 행렬의 열의 수가 두 번째 행렬의 행의 수와 같아야 한다는 점이다. 첫 번째 행렬의 열의 수가 두 번째 행렬의 행의 수와 다르면 불가능하다.

2) 예컨데-2번

주성분 분석(PCA, Principal Component Analysis)은 가장 대표적인 차원 축소 알고리즘으로, PCA는 먼저 데이터에 가장 가까운 초평면(hyperplane)을 구한 다음, 데이터를 이 초평면에 투영(projection)시킵니다. 데이터의 분산을 최대화하는 직교 성분(Principal Components)을 찾는 선형 변환 기법입니다. 데이터의 공분산 행렬을 고유값 분해하여 고유벡터(주성분)를 계산합니다. 

주성분 분석(PCA, Principal Component Analysis)

우측의 2차원 데이터셋 위 3개의 축이 표시되어있다. 우측은 각 축이 1차원에 투영된 결과이다. 가장 위의 실선이 분산을 최대로 보존하고 있고, 맨 마지막 점선이 분산을 가장 적게 보존하고 있다. 정보손실이 가장 적은 데이터의 분산이 최대로 보존되는 축, 즉 원본데이터셋과 투영된 데이터 셋 사이의 평균제곱거리를 최소화 하는 축을 선택하는 것이 PCA 기법이다.
기법의 장단점 자르고..쉽게 말해서, 데이터의 차원을 축소하면서도 가능한 한 원래 데이터의 분산을 많이 유지하기 위한 기법이다. 시장 또는 고객에 대응하는 조직 또는 프로덕트의 방향성이 이와 같지않은가 하는 생각이 들었다

3) 어쩌면 성급한 일반화된 본론

예컨데-1번은 휴먼벡터와 휴먼벡터 또는 휴면벡터와 조직행렬을, 예컨데-2번은 조직행렬과 시장행렬과의 관계를 닮아 있는 구석이 있다.  
이 속성, 그러니까 개별 휴먼벡터 간 커뮤니케이션, 휴먼벡터과 조직행렬 또는 조직행렬과 조직행렬간 프로젝트를 진행하는 경우에는 최소한의 공통 영역, 차원을 축소하든 뭘하든- 이른바 '공통차원(다수의 닷)벡터(방향성)'을 먼저 구성해보고 공유, 리뷰, 합의하는 과정이 필요하다.  뭐 눈엔 뭐만 보인다고..  사실,, 결국 PM/PO가 TF를 구성하고 운영할 때 가장 먼저 하는 일이다. 
 
 
 
 
 

결론.

조직 내에서 각 개인은 하나의 벡터와 같다. 그리고 그 백터는 때와 장소에 따라 다양한 차원을 보유하게되고 그 각각의 차원은 마치 서비스디자인에서의 퍼소나와 같이 각자의 역할과 책임을 부여한다.
그렇게 휴먼은 그동안 자신들이 살아온, 그리고 그렇게 경험해온 각자의 차원을 보유하게된다. 종종 그 차원은 소소한 취미로 때론 목표나 꿈 그리고 관계로 구성되기도 한다.
이러한 배경으로 그런 차원의 교집합을 구성할 수 있을 때, 비로소 전체 조직은 하나의 행렬처럼 작동할 수 있게 되는 것이다. 마치 벡터와 행렬의 상호작용과 같이 말이디. 
*(힘의 합성이란 한 물체에 작용하는 여러 가지 힘을 벡터 합성하여 마치 하나의 힘이 작용하는 것과 같은 효과를 내도록 힘을 구하는 것을 말한다. - 서울대학교 과학교육연구소)
 
 
 
 

개인은 각자의 경험과 지식을 토대로 
저마다의 삶에서 
자신만의 '휴먼 벡터'를 구성한다 

그리고 팀은 
각기 다른 '휴먼 벡터'들과 함께
대항해의 길을 나선다

 

대항해의 길(이미지 - 라인콩 코리아)

 
 
 
과연 나는 어떤 차원의 벡터를 가지고 있는가 
나는 다른 휴먼벡터, 조직행렬 또는 시장행렬과의 관계 또는 커뮤니케이션에 있어, 내 차원의 일부를 축소해서 그들에게 맞춰줄 수 있는 입장인가- 아니면 그들의 맞춰 줌에 의존해야하는 휴먼벡터인가. 
 
그냥, 그렇다고- 




쿠키: 자연어 처리에서 전처리 과정에 텍스트를 벡터로 변환하는 벡터화(Vetorization)라는 키워드가 있다. 침고로 동영상도 영상으로, 영상은 다시 텍스트로 변환이 가능하다. 그리고 특히 오늘날은 딥러닝 또는 머신러닝을 통해, 벡터로 변환할 수 있는 것들은 서로의 거리를 계산할 수 있다. 다시 그리고, 결국 이를 통해 예측과 추론이 가능해진다.