투자 리스크 추구 경향 때문에 피해 위기 감지 어려워 나 빼곤 다 주식 대박 생존편향에 조바심 더 커져 김태균 기자 = 사연은 판박입니다.
흙수저 사연의 부호나 연예인 금융 전문가가 나타난다. 주식 등으로 돈을 벌자며 비공개 단체 대화방 일명 리딩방 으로 초대합니다. 청산유수 강연과 종목 귀띔이 쏟아지고 거금을 투자합니다. 뒤늦게 낌새가 이상하다고 느껴도 출구가 없습니다. 리딩방 큰 손 은 연락이 끊기고 원금은 증발합니다. 투자 리딩방 사기가 들불처럼 번지고 있습니다. 범죄 패턴이 널리 알려졌지만 피해자가 끊길 기색이 없습니다. 경찰청 집계에 따르면 전국의 리딩방 피해 신고 건수는 작년 9월부터 올 3월까지 누적 3천235건에 달합니다. 피해액은 약 2천970억원으로 3천억원에 육박합니다. 리딩방 사기는 탐욕에 눈이 먼 극단적 경우에나 일어나는 일 같지만 투자 업계 전문가들의 진단은 반대다. 수법이 뻔해도 누구나 당할 수 있습니다.
유달리 욕심이 많거나 어리석은 이들만 피해자가 되는 게 아닙니다. 인간 마음의 근본적인 약점을 파고들기 때문입니다. 리딩방 사기꾼이 노리는 대표적 맹점은 리스크 추구 성향입니다. 리스크 추구는 모든 투자자가 가진 심리적 특성입니다. 이 성향이 없으면 투자를 아예 할 수 없습니다. 이 때문에 사기꾼들은 리딩방의 엉터리 투자를 수익을 위해 당연히 감수해야 할 리스크로 포장하고자 온갖 수를 쓴다. 이렇게 속아 넘어간 피해자는 가족이 만류해도 범죄 위험을 자각하기가 어렵다. 대박 의 길이 훤히 보인다고 느끼는 것입니다. 자산운용업계의 한 관계자는 사람은 애초 수익이 난다고 보면 리스크를 축소하는 편향도 있습니다. 작심하고 온갖 가짜 정보로 이런 약점을 공략하면 설령 금융 전문가라도 수법에 넘어갈 수밖에 없다고 설명했습니다. 낙관적 사고 성향도 피해자의 발목을 잡는다.
사람은 통상 남의 피해 사례를 들어도 나는 그래도 괜찮을 것 이라고 위안합니다. 이는 삶의 활력을 위해 꼭 필요한 특성이지만 리딩방에서는 올가미가 됩니다. 의심이 생기지만 나는 잘될 것 이라고 긍정하며 계속 사기꾼의 말을 듣는 것입니다. 여기에 집단 동조 현상까지 더해지면 문제가 더 커집니다. 거짓 수익을 자랑하는 바람잡이의 말에 많은 이들이 함께 열광하는 리딩방의 분위기에서 낙관적 사고의 족쇄를 벗어나기가 어려워지는 것입니다. 생존 편향 도 피해자를 양산하는 요인입니다. 이 편향은 살아 돌아온 것 또는 잘된 것만 보고 상황을 잘못 파악하는 특성입니다. 투자자 커뮤니티에서 흔한 푸념이 나 빼고 다들 주식 대박으로 돈을 벌었다 는 얘기다. 그러나 대부분의 사람은 투자로 돈을 잃으면 침묵합니다. 투자 실패 사연은 안 보이고 소수 성공 사례만 과도하게 접하기 쉽다. 이런 편향은 나만 뒤처졌다 는 조바심을 키운다.
리딩방 참여 권유가 매력적으로 느껴집니다. 소비자 심리 연구자인 서울과기대 안서원 교수는 리딩방 사기 문제를 나와 무관한 남의 얘기로만 생각하는 것도 낙관적 사고 성향에 해당합니다. 누구나 피해자가 될 수 있다는 경각심을 기르는 것이 그나마 피해를 줄이는 길이라고 본다고 설명했습니다. tae 국내기업 하인텔 연구논문서버 사용량학습 시간 줄일 수 있어 노재현 기자 = 생성형 인공지능 의 개발과 운용에 들어가는 막대한 전력과 비용을 줄이기 위한 새로운 알고리즘 접근법이 국내 기업에 의해 제시돼 눈길을 끈다. 인공지능의 핵심 알고리즘을 전문적으로 연구하는 국내기업 하인텔은 지난 9일 국제적인 논문 사전 공개 사이트 아카이브 를 통해 AI의 그래픽처리장치 및 메모리 사용의 효율성을 높여 학습 시간과 전력 사용량을 줄일 수 있는 방법을 담은 논문을 발표했다고 12일 밝혔습니다. 논문 제목은 경로적분을 이용해 무한히 긴 문맥을 접어서 응축하는 트랜스포머 다. 오픈AI의 챗GPT 네이버의 하이퍼클로바X 등 모든 생성형 AI는 2017년 구글이 개발한 주의 기반 트랜스포머 라는 핵심 기술로 작동합니다. 트랜스포머는 문장 속 단어와 같은 데이터 내부의 관계를 추적해 맥락과 의미를 학습하는 신경망 기술을 말합니다. AI 분야에서 획기적 기술이지만 사용자와 챗봇이 대화나 작업을 기억하는 데 한계가 있고 이 한계를 벗어나려면 서버와 학습 시간이 대폭 늘어나는 점이 문제로 꼽힙니다. 이에 따라 일정 수준 이상의 챗봇이나 생성형 AI를 만들려면 수천억원에 달하는 고가의 슈퍼컴퓨터는 물론 엄청난 학습 시간과 전력이 필요합니다. 대규모 자본력을 갖춘 기업이 아니면 생성형 AI 개발에 나서기가 매우 어려운 게 현실입니다.
하인텔은 논문에서 이 문제를 해결하기 위해 주의 기반 트랜스포머를 양자 역학적 입자 물리학적으로 재해석했다고 설명했습니다. 복잡한 트랜스포머 동작을 단순한 물리학적 계산법으로 환원시킨 것입니다. 생성형 AI에 사용되는 트랜스포머는 입력받은 사건 들로부터 수백억개 매개 변수들로 구성된 계산 단계를 거쳐 다음에 발생할 사건을 예측하는 방식입니다. 하인텔은 트랜스포머 동작이 양자역학에서 미세입자가 특정 시점에서 다음 시점의 다른 상태로 넘어갈 때 예측에 사용되는 파인먼 경로적분 의 미세단계와 거의 같다는 점을 관찰했다고 밝혔습니다. 힐스테이트 더샵 상생공원 파인먼 경로적분은 현대 입자물리학과 양자역학에서 전자와 같은 아주 작은 입자들의 정확한 위치와 운동을 파악할 수 없기 때문에 특정 시점의 상태에서 다음 시점의 상태로 변화할 을 계산하는 데 쓰인다. 하인텔은 파인먼 경로적분을 이용하면 다수의 긴 사건정보를 소수의 상태 벡터로 압축할 수 있고 많은 메모리를 쓰지 않고도 과거 기록과 문맥 정보의 손실을 최소화할 수 있다고 주장했습니다. 그러면서 실제로 이 기법을 사용한 결과 사건을 12개씩 입력받아 처리하는 작은 트랜스포머도 150개 이상의 사건 내용을 잊지 않는 성과를 확인할 수 있었다고 강조했습니다. 다만 하인텔은 연구자금 부족 등으로 논문에 대한 대규모 입증 작업을 하지 못했다고 밝혔습니다. 하인텔 대표이사 권대석 박사는 이번 연구가 난해한 트랜스포머의 동작에 대해 새로운 이해 방법을 제시한 만큼 구글 오픈AI등 세계적 AI 기업들과 비교해도 앞선 성과일 가능성이 있다고 말했습니다. 김동현 충북대 물리학과 교수는 연합뉴스와 통화에서 하인텔의 논문에 대해 신선한 분석이라며 논문이 제안한 모델이 입증되면 AI 분야에 굉장히 넓게 적용되고 파급력이 클 것 같다고 말했습니다.

dd