Why Your Best Ideas Come When You Stop Trying | Marcus du Sautoy

URL: https://www.youtube.com/watch?v=XPK5qHhBEhE 날짜: 2026-07-28 채널: EO (eoglobal)

---

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

AI가 정말로 창의적일 수 있는가, 그리고 인간 창의성 중 AI가 대체할 수 없는 영역은 무엇인가? ==옥스퍼드 수학 교수 마커스 듀 소토이는 창의성을 탐색적·조합적·변혁적 세 단계로 나누고, AI는 앞의 두 가지엔 강하지만 변혁적 창의성엔 근본적 한계가 있다고 주장한다==. 대신 인간의 진짜 무기는 "게으름에서 나오는 지름길 찾기 능력"이라고 말한다.

• AlphaGo의 이세돌전 2국 37수를 기계 창의성의 첫 사례로 제시
• 가우스의 1~100 합산 일화로 인간의 "게으른 천재성"을 설명
• AI를 경쟁자가 아닌 "증강 지능(augmented intelligence)"이자 협력자로 재정의

듀 소토이는 자신의 저서 《Better Thinking, The Art of the Shortcut》을 언급하며, 인간은 사바나의 사자처럼 원래 게으른 종이고, 그 게으름이 오히려 혁신을 낳는 지름길 사고를 만들어낸다고 주장한다. AI는 지치지 않기 때문에 무식한 방법도 개의치 않지만, 인간은 에너지가 고갈되기에 반드시 더 영리한 방법을 찾아야 했고, 그것이 수학과 컴퓨팅의 기원이라는 것이 그의 핵심 통찰이다.

---

1. 창의성의 세 가지 유형

AI가 창의적일 수 있는지 논하려면 먼저 창의성이라는 단어를 명확히 정의해야 한다는 것이 저자의 전제다.

1.1. 탐색적 창의성 (Exploratory Creativity)

1. 정의
   1. 현재 규칙 안에서의 극한 추구: 게임의 규칙(rule set)을 그대로 둔 채, 그 안에서 무엇을 더 할 수 있는지를 극한까지 밀어붙이는 창의성
   2. 음악적 예시: 바로크 시대의 바흐(Bach)는 당시 음악 규칙 체계 안에서 작업했지만, 그 스타일을 절대적 한계까지 밀어붙인 탁월한 창의성을 보여준 예시로 제시됨
2. AI와의 관계
   1. AI의 강점 영역: 저자는 탐색적 창의성이 AI가 매우 잘하는 영역이라고 명확히 밝힘

1.2. 조합적 창의성 (Combinational Creativity)

1. 정의
   1. 서로 다른 영역의 결합: 완전히 다른 두 분야를 결합해 새로운 것을 찾아내는 창의성
   2. 요리 예시: 아시아의 식재료를 유럽식 조리법으로 요리하는 "퓨전 쿠킹(fusion cooking)"을 대표 사례로 제시
2. 저자 본인의 연구 방식
   1. 수학에서의 조합: 저자는 정수론(number theory) 전공이지만 기하학(geometry) 세미나에 참석해 그들이 구조를 분석하는 방식을 관찰하고, 이를 자신의 분야를 보는 새로운 사고방식으로 삼음
3. AI와의 관계
   1. AI의 강점 영역: 한 분야의 스타일을 학습해 완전히 다른 분야에 적용하는 데 AI가 매우 능하다고 평가

1.3. 변혁적 창의성 (Transformational Creativity)

1. 정의
   1. 무에서 나온 듯한 창의성: 가장 어렵고 가장 희귀한 형태로, 과거의 모든 관습을 깨뜨리는 방식으로 나타남
   2. 음악적 예시: 20세기 초 음악의 세리얼리즘(serialism) — 화성 구조(harmonic structure)를 통째로 버리고 12음 기법(12 tone row)을 도입한 것을 대표 사례로 제시. 옛 구조를 완전히 버리면서도 흥미롭고 해방적인 새로움을 만들어냄
2. AI와의 관계
   1. AI에게 가장 어려운 영역: AI는 과거의 별(패턴)들을 학습해 발전시키는 방식으로 창의적이기 때문에, 근본적 파괴가 핵심인 변혁적 창의성은 AI에게 가장 큰 도전 과제라고 강조

---

2. AI가 보여준 실제 창의성 사례들

2.1. 수학 난제 해결 — "디지털 망원경"으로서의 AI

1. 미결 난제의 해결 방식
   1. 반례를 통한 반증: 수십 년간 열려 있던 수학적 추측(conjecture) 하나를 AI가 풀었는데, 참임을 증명한 것이 아니라 반례(counterexample)를 찾아내 틀렸음을 보여주는 방식이었음
   2. 갈릴레오의 망원경 비유: 갈릴레오가 망원경으로 태양계를 더 깊이 볼 수 있게 됐던 것처럼, AI는 인간이 볼 수 없던 디지털 세계의 패턴을 드러내 주는 "디지털 망원경" 같은 도구
2. 재정의: Artificial Intelligence가 아닌 Augmented Intelligence
   1. 용어 재정의의 의도: 저자는 AI를 "인공지능"이 아니라 "증강 지능"으로 번역해서 부른다고 밝힘 — AI는 여전히 도구를 다루는 인간의 능숙함을 요구하며, 인간의 능력을 증강시키는 역할이라는 점을 강조

2.2. AlphaGo의 37수 — 기계 창의성의 첫 신호

1. 사건 개요
   1. 경기 상황: 이세돌과의 대국 2국에서 나온 37수. 게임 초반에, 바둑판의 매우 깊숙한 지점에 두는 극히 파격적인 수였음
   2. 해설자들의 반응: 유튜브 중계 해설자 전원이 놀라 탄식했고, "놀라운 수", "실수라고 생각했다", "클리커(clicker, 온라인 바둑 용어로 매우 나쁜 수)로 여겨질 정도"라는 반응이 나옴 — 판 초반에 그렇게 깊이 두는 것은 전통적으로 매우 약한 수로 간주됨
   3. 결과: 그러나 판이 끝날 무렵, 바로 이 수가 알파고에게 그 2국의 승리를 안겨준 결정적인 수였음이 드러남
2. 왜 이것을 변혁적 창의성으로 보는가
   1. 탐색적 창의성이 아닌 이유: 단순히 게임 규칙 안에서 탐색한 것처럼 보일 수 있지만, 저자는 이를 변혁적 창의성으로 규정 — 인간이 오랫동안 옳다고 믿어온 바둑의 정석(관행)을 깨뜨렸기 때문
   2. 로컬 맥시멈(local maximum) 비유: "우리는 산봉우리를 정복했고 그곳이 최고봉이라 여겼지만, 알파고는 그것이 그저 국소 최댓값(local maximum)일 뿐, 계곡 건너 안개에 가려 보이지 않던 훨씬 높은 봉우리가 있었음을 보여줬다"는 비유로 설명
3. 이것이 코더가 아닌 AI 자체의 창의성인 이유
   1. 인간이 직접 코딩하지 않은 전략: 이 수를 만든 코드 라인은 인간이 직접 작성해 넣은 것이 아니라, 알파고의 학습 과정(learning process)에서 스스로 생겨난 것
   2. 인간이었다면 삭제했을 코드: 저자는 만약 인간 개발자가 이 코드 라인을 미리 봤다면 "알파고가 잘못된 방향으로 가고 있다"고 판단해 삭제했을 가능성이 크다고 지적 — 그래서 이 창의성의 공은 인간 코더가 아닌 AI 자체에 돌려야 한다고 주장

2.3. AI의 한계 — "왜"가 없는 통계 모델

1. AI의 본질
   1. 통계적 확률 모델: AI는 방대한 통계를 기반으로 만들어졌으며, ChatGPT 같은 모델은 결국 학습 과정을 바탕으로 "다음에 가장 그럴듯한 것"을 생성하는 텍스트 생성기일 뿐임을 인정해야 한다고 강조
   2. What은 보여주지만 Why는 못 보여줌: 무언가가 일어난다는 것(what)은 보여줄 수 있지만, 왜(why) 그런지는 보여주지 못함
2. "기계 속의 유령(ghost in the machine)"이 나타나는 순간
   1. 의도의 부재가 현재의 한계: 지금 당장 AI가 소설을 쓰지는 않겠지만, 만약 AI가 "AI로 존재한다는 것이 어떤 느낌인지 전하고 싶다"는 스스로의 의도(intention)를 갖고 표현하기 시작한다면, 그것이야말로 진짜 전환점이 될 것이라고 전망

---

3. 인간의 진짜 무기: 게으름과 지름길 사고

3.1. 인간은 원래 게으른 종이다

1. 사자 비유
   1. 사바나의 사자: 인간은 사바나에서 하루 종일 가만히 누워 있다가, 먹잇감을 잡기 위한 짧은 순간에만 폭발적으로 움직이는 사자와 비슷한 종이라고 설명
   2. 문제 접근 방식과의 유사성: 이것이 인간이 문제를 대하는 방식과 매우 흡사하며, 그리고 이 게으름이 종종 놀라운 혁신(incredible innovation)으로 이어진다고 강조
2. 수학의 기원과의 연결
   1. 게으른 사고방식에서 발전한 수학: 저자는 수학이라는 학문 자체가 이런 "게으른 사고방식"에서 발전했다고 주장 — 힘든 노동(laborious donkey work)을 피하고 싶은 마음에서 측면적 사고(lateral thinking)와 영리한 우회로를 찾는 것이 인간의 특기라는 것

3.2. 가우스의 일화 — 8세 소년의 지름길

1. 문제 상황
   1. 교사의 의도: 어린 시절 수학 영웅 중 하나인 칼 프리드리히 가우스가 학교에서 1부터 100까지 더하라는 문제를 받았는데, 교사는 학생들을 오랫동안 붙잡아 둘 목적이었다고 저자는 추측
   2. 무식한 방법(dumb way): 1+2=3, 거기에 3을 더해 6, 다시 4를 더해 10... 이런 식으로 끝없이 이어가면 매우 오래 걸리는 방식
2. 가우스의 해법
   1. 짝짓기 전략: 당시 8세였던 가우스는 처음 숫자와 마지막 숫자를 짝지음 — 1+100=101, 2+99=101, 3+98=101... 이런 식으로 101이 되는 쌍이 50개가 나온다는 것을 발견
   2. 결과: 50쌍 × 101 = 5,050으로 답을 순식간에 계산해냄
3. 알고리즘으로서의 의미
   1. 확장 가능한 전략: 이 전략은 숫자가 아무리 커져도(예: 1부터 100만까지) 그대로 적용 가능한 방법이며, 저자는 이것이 진짜 힘이라고 강조
   2. 컴퓨팅의 기원과의 연결: 어떤 숫자를 넣든 빠르고 효율적이고 정확하게 답을 내놓는 알고리즘을 만드는 것 — 이것이 바로 초기 코딩(early coding)의 본질과 맞닿아 있다는 통찰을 제시

3.3. AI는 왜 이런 지름길을 잘 찾지 못하는가

1. AI는 지치지 않는다
   1. 에너지 고갈이 없는 AI: 인간은 힘든 여정을 몇 시간이고 계속하다 보면 에너지가 고갈되어 반드시 지름길을 찾아야 하지만, AI는 무식한 방법(dumb way)을 계속하는 것에 전혀 개의치 않음
   2. 결론: 이런 이유로 저자는 AI가 이런 종류의 지름길을 스스로 잘 찾아내지 못할 것이라고 예상
2. 인간-AI 협업의 미래 가능성
   1. 상호보완적 결합: 하지만 앞으로는 달라질 수 있으며, 인간의 지름길에 대한 열정과 AI의 실행력이 결합되면 훨씬 더 멀리 나아갈 수 있다고 전망
   2. 협업 모델의 구체적 그림: 인간이 "이렇게 오래 걸리는 방법도 있지만, 지름길을 하나 소개하겠다"며 그 지름길을 프로그램에 도입하면, 인간과 기계의 매우 효율적인 조합이 만들어진다고 설명

---

주요 발언 모음

"My name's Marcus du Sautoy. I'm a professor of mathematics at the University of Oxford and also the Simonyi Professor for the public understanding of science."

"The most difficult and the rarest form of creativity is transformational creativity."

"We're actually quite a lazy species. We're a bit like the lion that sits around all day in the savanna and then just does a short burst in order to capture its prey."

"I often translate artificial intelligence not as artificial intelligence, but augmented intelligence."

"This I would regard as genuinely first kind of sign of creativity in a machine."

"We thought we climbed a mountain peak and we knew the top place to play this game. But what the AI revealed is okay, that might be a high peak, but it's only what we mathematicians call a local maximum."

"AlphaGo didn't want to play that game of Go. It really wasn't interested. It was us who had the intention to get the thing to play the game."

"One of my central messages is to remember that artificial intelligence is not a competitor. It's a collaborator."

핵심 데이터 & 수치

• 창의성의 3단계 분류: 탐색적(Exploratory) → 조합적(Combinational) → 변혁적(Transformational) 창의성. AI는 앞의 두 단계에 강하고 마지막 단계에서 가장 취약
• AlphaGo vs 이세돌 2국 37수: 저자가 "기계 창의성의 첫 신호"로 지목한 대표 사례
• 가우스의 1~100 합산 일화: 8세의 가우스가 50쌍 × 101 = 5,050으로 즉시 계산 — 알고리즘적 사고의 기원 예시
• 피보나치 수열 예시: 1, 1, 2, 3, 5, 8, 13 — 자연의 성장 패턴을 설명하며 언급된 예시
• 기하학 사례: 유클리드 기하학(평면) → 19세기 새로운 기하학(구면에서 삼각형 내각합 180도 초과, 쌍곡 기하학의 안장 형태) — 수학이 물리적 실재와 무관하게 창의적일 수 있음을 보여주는 예시
• 저서 언급: 《Better Thinking, The Art of the Shortcut》 — 저자가 AI와 창의성을 다룬 이전 저서 이후에 쓴 책으로, 이 영상의 핵심 주제(게으름과 지름길)를 다룸

결론 및 시사점

1. AI는 탐색적·조합적 창의성에서는 이미 인간과 대등하거나 그 이상일 수 있지만, 기존 관습을 근본적으로 깨뜨리는 변혁적 창의성은 여전히 인간에게 유리한 영역으로 남아 있다.
2. AlphaGo의 37수는 인간이 만든 "정석"이라는 국소 최댓값(local maximum)을 깨고 더 높은 봉우리를 보여준 사례로, 이 창의성의 주체는 코더가 아니라 학습 과정에서 스스로 전략을 만들어낸 AI 자체로 봐야 한다.
3. 인간의 진짜 강점은 지치지 않는 실행력이 아니라, 지치기 때문에 반드시 찾아내야 했던 "지름길 사고"에 있으며, 가우스의 일화가 이를 상징적으로 보여준다.
4. AI는 아직 "왜"라는 의도(intention)를 갖지 못한 통계적 텍스트/패턴 생성 모델에 불과하지만, 스스로 표현하려는 의도가 생긴다면 그것이 진정한 전환점이 될 수 있다.
5. 궁극적으로 AI는 인간의 경쟁자가 아니라 협력자로 봐야 하며, 인간의 지름길 사고와 AI의 무한한 실행력이 결합될 때 진짜 잠재력이 발휘된다.