초록 열기/닫기 버튼
본 논문은 최근 인공지능 분야 등에서 널리 활용되기 시작한 기계학습 기반 예측모형, 자동화 시계열 분석 모형이 과학철학 관점에서 어떤 함의를 갖는지 살펴보았다. 또한 이러한 예측기법이 문제지향과 가치지향의 정책학과 공존할 수 있는지를 비판적으로 살펴보았다. 이러한 논의를 통해 기계학습에 기반한 예측에는 이론의 존재 가능성, 인과관계에 기반한 예측, 설명과 예측의 구조적 동일성과 같은 전통적 실증주의적 명제가 적용되지 않고 있음을 알 수 있었다. 기계학습은 설명력 제고보다는 예측 타당성을 높이도록 방법론이 설계되어 있기 때문이다. 또한 실제 정책문제를 해결할 때도 알고리듬 기반 방법론이 가진 몰가치성을 극복하기도 쉽지 않음을 지적하였다. 알고리듬에 의해 제시된 결과가 타당한지를 평가하기 위해서는 투입변수와 결과변수의 관계에 대한 설명이 필요한데 이 설명을 기계학습에서는 제시하기 어렵기 때문이다. 따라서 예측방법론에 대한 지나친 낙관론을 경계하면서도 새로운 방법이 갖는 기술적 장점은 충분히 정책연구에 활용하는 실용주의적 관점을 취하는 것이 바람직하다고 할 것이다.
Despite the growing popularity of Artificial Intelligence and Machine Learning techniques, we do not critically analyze how those techniques can be understood from the viewpoint of the philosophy of science. This paper argues that new prediction and forecasting techniques such as CNN/RNN, neural network, automated timeseries model, and other algorithmic prediction models are not consistent with the explanatory and causal modeling of post-postivism, mainstream philosophy of science. In particular, the value-orientation of policy sciences may not be easy to embrace those prediction models. Hence, we should not be too optimistic and dependent on automated prediction results. On the contrary, we have to make an effort of sense-making of the prediction results produced by the models and find a pragmatic way of utilizing new prediction techniques.
키워드열기/닫기 버튼
Artificial intelligence, Machine learning, Prediction, Philosophy of science, Value-orientation
