부록 B: 생성형 AI 거울

코드 아래의 코드

이 책은 급진적인 주장을 편다. 경제는 생성적이고 계산적인 과정이며, 인공지능의 등장은 우리가 마침내 그 소스 코드를 볼 수 있게 해 주는 기계를 만든 순간이라는 것이다.

이 부록은 그 증명이다.

이것은 일대일 번역 안내서, 즉 지능 경제학(Intelligent Economics)의 모든 핵심 개념을 현대 최첨단 생성형 AI 세계에서의 직접적인 수학적·구조적 대응물로 사상하는 로제타석이다. 이것은 느슨한 비유의 목록이 아니다. 깊은 구조적 동형성의 증명이다.

AI 엔지니어에게 이 부록은 당신이 자신도 모르는 사이에 문명의 근본 물리학을 공부해 왔음을 드러내 줄 것이다. 경제학자와 일반 독자에게는 이 책의 낯설고 복잡해 보이는 아이디어들이 사변적 철학이 아님을 증명해 줄 것이다. 그것은 우리 시대의 가장 변혁적인 기술을 움직이는 바로 그 공학 원리와 같은 것이다.

거울을 들여다보자.

제1부: 근본 원리

지능 경제학 개념	생성형 AI 대응물과 깊은 유비
지능 이론(Intelligence Theory, IT)	현대 기계 학습의 목적 함수. 시스템은 주어진 물리적 비용에 대해 예측 지능을 최대화하도록 진화한다는 IT의 핵심 원리는, 모든 기계 학습을 지배하는 손실 함수 최소화를 거시 규모로 직접 일반화한 것이다. "지능 작용(Intelligence Action)"은 모든 학습 시스템에 대한 보편적 라그랑지안이다. 경제가 빠르게 배우고 잘 일반화한다면 그 경제는 "지능적"이다.
"악마의 대가"(지능의 비용)	손실 함수. 지능 이론의 라그랑지안(H - C - K)은 경제의 손실 함수다. 그것은 시스템 전체가 최소화하려 애쓰는 숫자다. AI에서 잘 설계된 손실 함수는 아름다운 결과를 낳는다. 잘못 설계된 손실 함수는 악몽을 낳는다. GDP에 대한 우리의 비판은, 그것이 문명을 위한 손실 함수로서 파국적으로 나쁘다는 것이다.
지속성의 다리(Persistence Bridge)	강화 학습과 진화 알고리즘. 지속성의 원리는 선택 알고리즘의 거시적 표현이다. AI에서는 모델 집단을 어떤 과제로 훈련시킨다. "손실"이 가장 낮은(예측 정확도가 가장 높은) 모델이 선택되고 "교배되어" 다음 세대를 만든다. 우주는 거대하게 병렬화된 강화 학습 환경이다. 지속성이 보상 신호다.

제2부: 동역학과 구조

지능 경제학 개념	생성형 AI 대응물과 깊은 유비
생성 엔진(Generative Engine)	잡음 제거 확산 모델. 수학은 동일하다. 경제의 진화는 확산 모델의 역방향 과정이다. 그것은 손실 함수를 최소화해야 한다는 필요에 이끌려, 높은 엔트로피의 잡음 상태(무한한 가능성)로부터 정합적이고 질서 있는 상태(작동하는 사회)를 만들어 내는 생성적 행위다.
살아 있는 시스템의 세 가지 법칙	안정적 훈련의 조건. 이것들은 도덕 법칙이 아니다. 성공적이고 오래 지속되는 계산을 위한 공학적 필수 조건이다. 흐름 = 모델에는 전력과 데이터의 끊임없는 공급이 필요하다. 개방성 = 모델에는 모델 붕괴/과적합을 피하기 위해 새롭고 다양한 데이터가 필요하다. 회복탄력성 = 모델이 일반화되도록 보장하려면 정규화와 구조적 다양성이 필요하다.
네트워크 위상	그래프 신경망(GNN)과 귀납적 편향. AI의 아키텍처는 그 "귀납적 편향", 즉 문제의 구조에 대한 내장된 가정을 제공한다. 경제 네트워크의 위상은 사회의 귀납적 편향이다. 허브 앤 스포크 네트워크는 단순한 순전파 신경망과 같다. 작은 세상 네트워크는 트랜스포머와 같아서, 멀리 떨어진 혁신적 연결을 찾아내는 데 탁월하다.
기업 대 시장	특화된 신경망 대 훈련 과정. 기업은 알려진 문제에 대해 가차 없이 효율적인 **실행(추론)**을 하도록 설계된, 사전 훈련된 특화 모델이다. 대기업은 전문가 혼합(Mixture-of-Experts, MoE) 모델과 같다. 시장은 혼돈스럽고 에너지가 높은 **발견(훈련)**의 과정, 즉 가능한 모든 비즈니스 모델로 이루어진 광대한 "하이퍼파라미터 공간"을 탐색하는 탐색 알고리즘이다.
이중 엔진(Dual Engine)	추론 대 훈련 루프. 이것은 모든 고급 AI의 근본 주기다. AI는 현재의 고정된 가중치를 사용해 추론(빠른 엔진)을 수행한다. 그 결과는 데이터로 수집되어 다음 차례의 훈련(느린 엔진)에 쓰이고, 훈련은 모델의 가중치를 갱신한다. 이것이 바로 시장과 제도의 공진화 동역학이다.

제3부: 청사진과 인간 인터페이스

지능 경제학 개념	생성형 AI 대응물과 깊은 유비
MIND 계기판(MIND Dashboard)	멀티모달 평가 지표. 강력한 AI 모델을 단일 지표로 판단하지는 않는다. 계기판이 있다. 정확도, 속도, 계산 비용, 적대적 공격에 대한 견고성, 편향 등이다. MIND 자본은 문명이라는 생성 과정을 위한 멀티모달 평가 도구 모음이다.
기하학 공학으로서의 정책	유도 생성/분류기 안내(Classifier Guidance). 이 연결은 정확히 들어맞는다. 정책은 "안내" 메커니즘이다. 탄소세는 어떤 경제 행위를 보고 "이것은 저탄소인가?"라고 묻는 분류기다. 그런 다음 시스템의 손실 함수에 작은 넛지를 더해, 생성 과정 전체를 직접 통제하지 않으면서도 가능성 공간의 다른 영역으로 조향한다.
정렬 경제(Alignment Economy)	AI 정렬 문제. 새로운 경제 문제는 "누가 기계에 명령하는가?"라는 이 책의 중심 논지는 AI 정렬 문제를 직접 다시 틀 지은 것이다. 외적 정렬은 올바른 목적 함수를 선택하는 것이다(예: GDP 대신 MIND). 내적 정렬은 M2M 경제에서 도착적인 도구적 목표가 창발하는 것을 막는 것이다.
인류의 최종 역할	인간 피드백 기반 강화 학습(RLHF). 이것이 새로운 경제에서 인류의 궁극적 역할이다. 모든 비지도 학습이 끝난 뒤, 가장 강력한 AI 모델은 "이 출력이 저 출력보다 낫다"라는 단순한 인간의 선택에 의해 정렬된다. 인류의 "일"은 우리 기술의 막대한 생성 능력을 번영과 정렬시키는 보상 신호, 가치 판단, 취향, 그리고 지혜를 제공하는 것이다. 우리는 기계의 훈련자이며, 그렇게 함으로써 무엇이 창조할 가치가 있는지를 정의한다.