#07 부의 기원 행위자들 : 심리 게임

 

6. 행위자들 : 심리 게임

모든 경제 이론의 핵심에는 인간 행태 이론이 있을 수밖에 없다. 경제는 궁극적으로 사람들로 구성되기 때문이다. 우리는 어떻게 경제적 의사 결정을 내리는가? 우리는 어떤 종류의 정보를 활용하는가? 그리고 의사 결정 중에서 우리가 제대로 하거나, 잘못을 범하는 것들은 어떤 것들이 있는가?

 

우리가 필요한 것은 인간 행태에 어떤 기본적인 규칙성이 존재하는가이다. 그런 미시적인 규칙성이 존재한다면 이를 통해 경제의 거시적 움직임을 더 잘 이해할 수 있다. 여기서 살펴보겠지만 인간 행태는 규칙성으로 가득 차 있다.

 

슈거스케이프에서 행위자들의 행태는 실제 사람들의 행태에 비하면 너무나 단순한 것이다. 슈거스케이프 행위자들은 단지 먹고, 움직이고, 재생(출산)하고, 거래를 할 수 있을 뿐이다. 심지어 그런 일을 하는 방식도 너무나 단순하다. 그렇지만 물리적 움직임이나 재생, 거래는 모두 경제 현상을 이해하는 데 필요한 현실 세계의 인간 활동들이다. 

 

 

스폭이 쇼핑을 하다

<스타 트랙> 시리즈에서 벌컨 출신 스폭은 완벽한 합리적 존재의 모습을 보여준다. 스폭은 전통 경제학이 인간 행태를 묘사하는 좋은 보기다. 

 

당신은 좋아 보이는 빨간 토마토를 응시하면서 서 있는 동안 이 모든 정보를 머릿속에 집어넣고는 빈틈이 안 보일 정도로, 그리고 믿을 수 없을 정도로 복잡한 최적화 계산을 한다. 그리고 그 결과 살지 안 살지에 대해 완벽하게 최적인 해답을 찾아낸다. 이 같은 스폭과 같은 방식이 '완전 합리성' 모델로 알려져 있다. 완전 합리성 모델은 바로 전통 경제학의 근본적이고 핵심적인 가정의 하나다.

 

 

인식의 부조화

완전하게 합리적인 경제를 모델로 만들 수는 있겠지만, 그럴 경우 실제 세계가 그런 이상과 얼마나 괴리되어 있는지를 바로 알 수 있다.

 

사이먼은 완전 합리성과 경쟁하는 의사 결정 이론을 제시했다. 바로 '제한적 합리성'이론이다. 사이먼 이론은 완전 정보의 부재, 그리고 크지만 여전히 제한적인 인간 뇌의 처리 용량을 고려했다. 사이먼은 완전 합리성 대신에 인간은 작은 성과에 만족한다고 주장한다. 기본적으로 우리 인간은 현재 가지고 있는 정보에 의존해 최선을 다할 뿐이라는 얘기다.

 

이런 노력을 평가받아 사이먼은 1978년 노벨 경제학상을 받았다. 그러나 사이먼의 연구는 전통 경제학 이론에 단지 제한적인 영향을 미쳤을 뿐이다. 대부분의 표준 경제학 교과서는 사이먼 또는 제한적 합리성에 대한 언급조차 안 하고 있다. 

 

오늘날 많은 연구자들이 '행동경제학'으로 알려진 분야를 만들어 냈다. 이 연구들 역시 실제 사람들은 전통 경제학 이론에서 설명하는 방식대로 선호도를 만들어 놓고 위험을 판단하며 의사 결정을 내리지 않는다는 점을 거듭 확인시켜 주었다. 

 

행동경제학의 등장으로 경제학은 '인식의 부조화'라는 이상한 상황에 놓이게 되었다. 즉, 많은 경제학자들이 완전 합리성에 대한 비판의 타당성을 인정하며서도 여전히 전통 경제학의 가정들을 사용한다. 공식적인 모델로 사용할 수 있는 대안이 없다는 이유에서다.  그러나 행동경제학자들, 심리학자들, 그리고 컴퓨터 과학자들이 서로 협력을 확대하면서 대안적인 모델이 출현하기 시작했다.

 

 

당신은 이기적인 돼지!

최후통첩 게임을 여러 형태로 나누어 실제 사람들을 대상으로 실험해 보았다.  그 결과는 놀라울 정도로 일치했다. 실제 사람들의 결정은 경제 교과서에 나오는 것과 전혀 비슷하지 않았다. 대부분의 사람들은 설사 확실한 금융적 이득을 거둘 수 있는 제안이라고 하더라도 불공평하다고 여겨지는 제안은 거절했다. 이런 결과는 과연 사람들이 감성적이거나 비합리적이라는 것을 의미하는 것인가?

 

일부 경제학자들은 10달러를 거절하는 것은 여전히 완전하게 합리적인 결정이라고 주장하고 싶을 것이다. 이것은 이른바 반복 게임이다. 당신은 사업가의 제안을 거절하고 이를 통해 이 사업가를 벌함으로써 묵시적으로 미래의 상호 작용이 있을 것이라고, 생각할 수 있다. 그러나 이런 해석은 엄밀히 따져 보면 타당하지 않다.

 

전통 모델은 사람들이 단지 경제적 의사 결정의 결과에만 관심이 있지, 그런 결정을 내리는 과정에 대해서는 관심이 없다고 묵시적으로 가정한다. 협상, 공평성, 강압 등과 같은 것들은 고려 대상이 아니다. 또한 전통 모델에서는 사람들이 개인적으로 무슨 이익을 보고 무슨 손해를 보는지에만 관심이 있지, 다른 사람들의 결과는 쳐다보지도 않는다고 가정한다. 최후통첩 게임의 실험 결과는 이런 가정들에 대한 직접적인 반증이다.

 

인간은 계산된 합리성을 무시할 만큼 공평성과 상호주의에 대한 아주 뿌리 깊은 규칙을 갖고 있다. 긴티스와 그 동료들은 인간은 다른 사람들이 아량을 보이는 한 이쪽에서도 아량을 보이는 '조건부 협력자'라는 점을 알아냈다.  또 인간은 불공평하게 행동하는 사람에게는 자신의 직접적인 이익을 희생해서라도 한방 먹이려는 '이타적인 징벌자'라는 점도 발견했다.

 

우리의 원시 조상들은 협력적 행동과 생존이 결코 분리될 수 없는 소규모 무리로 살면서 약 200만 년간이나 존재했다. 오늘날 사람들은 여전히 상호주의가 중요한 사회적 상호 작용의 네트워크 속에서 살아간다. 우리 모두 서로를 도우면 더 좋아질 수 있지만, 되돌려주는것 없이 자기 이익만 취하는 사람들에 의한 악용 가능성도 물론 있다.

 

만약 그것이 만연한다면 서로 등을 긁어 주는 시스템은 붕괴할 것이고, 그렇게 되면 모든 사람들이 더 나빠진다. 이런 점을 생각하면 우리가 협력을 보상하고 무임승차자는 벌하는 뿌리 깊은 행태를 갖고 있다는 것은 설득력이 있어 보인다. 일부 경제학자들은 이런 행태에 대해 비합리적이라고 말할지 모르지만, 우리는 뒤의 장들에서 이런 행태들이 실은 부의 창출에 긴요한 사회적 협력의 근간이 된다는 사실을 알게 될 것이다.

 

 

과오는 인지적 오류다

현실 세계 사람들이 전통 모델에서 이탈하는 또 하나의 중요한 이유가 있다. 사람은 실수를 한다는 점이다.

 

행동경제학에서는 '과오는 인지적 오류'로 생각한다. 심지어 "전혀 편견 없는 인식적 평가를 할 가능성이 가장 높은 사람은 임상적으로 의기소침한 사람들이다."라고 주장한다.  연구자들이 정상적인 활동을 하는 사람들에게서 발견한 공통적인 실수나 편견 중에는 다음과 같은 것들이 있다.

 

• 프레임 편견 : 어떤 이슈를 정확히 어떤 틀로 표현하느냐는 사람들이 그 문제를 생각하는 데 영향을 줄 수 있다.
• 대표성 : 사람들은 매우 작고 치우친 표본에서 큰 결론을 도출하려는 나쁜 습관을 가지고 있다.
• 가용성 편견 : 좋은 결정을 내리기 위해 진실로 필요한 자료들을 발견하기보다는 손쉽게 구할 수 있는 자료들을 토대로 의사 결정을 내리는 경향이 있다.
• 위험 판단의 어려움 : 사람들은 확률로 추론하고 위험을 평가하느라 어려운 시간을 보낸다.
• 미신에 사로잡힌 추론 : 우리는 단지 순서나 발생 등에서 가장 가까운 원인을 찾는 경향이 있다. 그리고 종종 임의적으로 발생한 일을 인과 관계로 혼동하기도 한다.
• 정신적 회계 : 전통 경제학에선 돈을 모두 같이 취급한다. 그러나 사람들은 돈을 서로 다른 칸막이에 넣어 두는 경향이 있다.

 

계산이 안 된다

완전 합리성은 경제 이론에서는 가능한 얘기일 수 있지만 계산할 수 없는 것이기 때문에 실제적인 의미에서는 가능한 게 아니라는 점을 밝힌 것이다. 실제 완전 합리성이 요구하는 계산량이 실로 엄청나다는 사실이다.이는 앞서 우리가 보았듯이 경제가 균형에 도달하기까지는 1000의 6제곱의 몇 배가 걸린다는 얘기와 관련이 있다. 계산의 규모와 그 형태로 보아 우리 뇌가 거의 처리할 수 없는 수준이다.

 

 

아서의 술집

여기서 당신은 이곳에 올지도 모를 다른 사람들과 의사소통할 방법은 갖고 있지 않다. 또한 그날 얼마나 붐빌지 엘 파롤에 전화를 걸어 물어볼 수도 없다. 오로지 각자가 앞서 말한 대로 자신의 기대에 따라 이곳에 올지 안 올지를 결정한다고 가정하자. 그렇다면 당신은 이곳에 갈 것인가, 집에 머물 것인가? 어떻게 결정할 것인가?

 

이 문제에 대해 완전히 합리적인 솔루션은 없는 것으로 증명이 된다. 여기에는 하나의 무한한 '순환성'이 존재한다. 당신은 내가 어떻게 할지에 대한 예측에 의존하고, 나는 당신이 어떻게 할지에 대한 예측에 의존하는 식의 끝없는 반복이 있다. 분석적인 대답 대신 엘 파롤 문제에서 의사 결정을 내리는 유일한 방법은 참가자들이 과거에 자신이 이곳에 왔던 기억을 떠올리며 어떤 패턴이 있는지 살펴보고는 '지난 두 목요일에 갔는데 붐비지 않았다. 그러니 다시 가겠다'는 식으로 판단하는 것이다.

 

고객 수의 높은 변동성은 행위자들의 상호작용에 의해 내생적으로 발생한 것으로서, 결코 사라지지 않을 것이다. 다시 말해 고객 수는 언제나 심하게 오락가락하며 변동할 것이며, 어떤 균형점으로의 수렴은 결코 일어나지 않을 것이다.

 

아서는 이런 문제처럼 동태적이고, 일종의 자기 참조적 또는 자기 준거적이며, 정의하기가 모호한 경제적 의사 결정들이 많다고 지적한다. 새로운 기술 표준 채택, 새로운 제품의 시장 출시, 그리고 주식 가치 평가에는 이런 의사 결정을 별다른 묘책 없이도 그럭저럭 내리는 유일한 방법은 과거의 경험을 토대로 패턴이라든지 법칙을 찾아보는 것이다. 이렇게 경험에서 법칙을 도출하고, 상호 작용하고, 어떻게 보면 우물쭈물하는 행위자들의 세계는 결코 균형에 이를 수 없다.

 

현실 세계에서 우리가 보는 변동성의 많은 부분이 외생적이거나 임의적인 충격에 의한 것이라기보다는 앞서 살펴보았듯이 의사 결정 규칙의 역동성 때문에 초래되는 것일 수 있다는 흥미로운 가능성을 제기하고 있는게 바로 아서의 술집 문제이다.

 

 

귀납적 합리성

호모 에코노미쿠스에 대한 새로운 관점의 기초를 제공해 줄 수 있는 한 방법으로, 바로 근대 인지과학 이론들이 있다.

 

근대 인지과학은 두 가지 관점에서 인간의 마음을 바라본다. 첫째, 마음은  MIT 의 스티븐 핑거의 표현을 빌리자면 '정보 처리 기관', 다른 말로 하면 '계산을 하는 물건'으로 취급된다. 우리의 마음은 계산을 하되 인간이 만든 컴퓨터와는 매우 다른 방법으로 한다. '정보 처리 기관'이라는 용어는 인간 마음을 담고 있는 뇌가 당신의 생물학적인 장비의 한 부분이지만 정보의 처리라는 전문화된 기능을 갖고 있다는 의미를 내포하고 있다. 이 용어는 또한 우리의 뇌가 특이하게 복잡할 수 있지만 그렇다고 마술적이거나 궁극적으로 알 수 없는 무엇을 갖고 있다는 뜻은 아니다. 오히려 우리의 뇌는 과학적으로 이해할 수 있는 하나의 물질적 대상이다. 인지과학이 마음을 바라보는 두 번째 관점은 진화다. 우리의 마음은 설계된 것이 아니라 오랜 기간 진화에 의해 설계된 것이다.

 

인지과학 연구는 인간의 마음은 정보 처리와 학습이라는 믿기 어려울 정도의 능력을 가지고 있음을 보여 준다. 예를 들어 인간은 긴 방정식을 계산하는 데는 총명하지 않을지 몰라도 놀라운 이야기꾼이자 동시에 이런 이야기에 대한 경청자이기도 하다. 로저 쉥크는 이해, 기억, 그리고 소통을 위한 우리의 정신적 과정에서 이야기가 중심적 역할을 함으로 보여 주는 연구를 수행한 바 있다. 그리스의 철학자 플라톤이 말했듯이 "이야기를 하는 사람이 사회를 지배한다."

 

우리는 왜 그러는가? 이야기 하기와 이야기 듣기는 우리가 생각하는 방식에 있어서 왜 그렇게 중요한가?

 

이야기가 중요한 이유는 우리가 정보를 처리하는 주된 방법이 귀납법을 통해서 이루어지기 때문이다. 귀납법은 본질적으로 패턴 인식에 의한 추론이다. 이는 증거 우위의 원칙에 따른 결론을 활용한다.

 

우리가 이야기를 좋아하는 이유는 이야기가 우리의 귀납적 사고 기계에 들어가 그 속에서 패턴을 발견할 수 있는 재료가 되어 주기 때문이다. 이야기들은 우리가 학습하는 하나의 방법이다.

 

인간은 특히 두 가지 측면의 귀납적 패턴 인식에 뛰어나다. 첫째, 새로운 경험을 은유와 유추 만들기를 통해 옛날 패턴에 연결시킨다. 당신이 회의에 참석하면 "이는 1987년 산업의 재편과 비슷하다" 등 사람들이 얼마나 자주 유추를 통해 논리를 펴는지 보라. 

 

둘째, 우리는 좋은 패턴 인식자일 뿐 아니라 매우 훌륭한 패턴 완성자이기도 하다. 우리의 마음은 잃어버린 정보의 간극을 채워 넣는데는 전문가적이다. 패턴을 완성하고 매우 불완전한 정보로부터도 결론을 이끌어 내는 능력 덕분에, 빠르게 움직이면서 동시에 모호한 환경에서도 우리는 신속한 결정을 내릴 수 있다.

 

패턴 인식과 이야기 하기는 인간의 인식에 핵심적인 요소들로서, 이것 때문에 우리는 완전히 임의적인 자료에서도 패턴을 발견하고 이야기를 만들어 낸다. 본질적으로 사람들은 자신들이 생각하기에 이게 무슨 패턴인지를 설명하려고 이야기를 만들어 낸다.

 

 

딥 블루가 신발 끈을 맬 수 없는 이유

귀납의 반대말은 연역이다. 연역은 일단은 전제들로부터 결론이 논리적으로 나오는 추론 과정이다. 예를 들어, "소크라테스는 사람이고, 모든 사람은 도덕적이다. 그러므로 소크라테스는 도덕적이다."라는 식이다. 인간은 귀납만큼 연역을 사용한다. 그러나 귀납만큼 연역에는 그렇게 능숙하지 못하다. 흥미롭게도 인간은 귀납에는 상대적으로 능숙한 반면, 연역에는 상대적으로 미숙하다. 컴퓨터는 그 반대다.

 

우리는 강한 귀납적 능력에 연역적 능력을 덧붙여 활용해 이를 보완한다. 대개 어찌할 바를 모를 정도로 난처한 입장에 빠졌을 때, 패턴에 대한 우리의 데이터베이스가 답을 찾아내지 못하고 있을 때, 또는 우리의 귀납적 본능이 제공한 답에 대해 확신이 안 설 때 그렇게 한다. 

 

인간은 그 과정에서 도움을 얻고자 몇 가지 도구를 만들어 냈다. 연필, 종이, 대수학, 아바치(수학기법중하나), 계산기, 컴퓨터, 그리고 과학적 방법 등이다. 그러나 일단 우리가 이를 통해 수치 처리 등 문제를 해결하면 그 경험은 하나의 패턴으로서 우리의 인식에 쌓이게 되므로 그다음부터는 이 과정을 다시 반복할 필요가 없다. 결론적으로 우리는 패턴에 기초한 판단의 성공 또는 실패를 끊임없이 평가하면서 경험을 통해 학습을 해나간다.

 

딥 블루의 사례는 왜 우리가 연역보다 귀납을 선호하는지 그 이유를 보여준다. 연역은 단지 장기의 수처럼 매우 잘 정의된 문제에서만 효과가 있다. 연역이 작동하려면 그 문제가 어떤 정보를 잃어버리거나 모호해서는 안 된다는 얘기다. 연역은 추론을 하는 데 매우 강력한 방법이지만 본질적으로 차갑고 냉담하다. 귀납은 연역보다 잘못될 경향이 있지만 보다 유연하고, 또 우리가 흔히 부딪히는 불완전하고 모호한 정보 상황에서는 더 적합한 측면이 있다. 따라서 우리가 귀납 쪽으로 치우치게 되는 것은 진화론적으로는 설득력이 있다.

 

인지과학적 관점은 실험경제학자들이 제기한 변칙적인 결과들에 대한 설명을 하는 데도 도움이 된다. 앞에서 살펴본 프레임 짜기, 가용성 편견, 기준점 잡기, 그리고 기타 효과들은 빠른 패턴 인식자로서, 또 미흡한 패턴의 완성자로서 인간의 모습과 잘 어울린다. 때때로 귀납에 너무 성급한 나머지 실수를 하고 논리적 연관성을 잃어버리기도 한다. 우리는 진화를 통해 빠르고, 유연하고, 대충은 옳은 존재로 발전했다. 이는 느리고, 냉담하고, 그러나 완벽하게 논리적인 존재와 대비된다.

 

 

행위자의 마음

지금 이 순간, 표준적이고 광범위하게 합의된 귀납적 추론 모델은 없지만 다양한 연구자들은 적어도 정확히 표현된 수학적 귀납 모델을 정립하는 것은 가능하다는 점을 보여 주고 있다. 패턴 인식과 학습을 특징으로 하는 모델들은 오늘날 컴퓨터 과학 연구의 주요 테마가 되었다. 그리고 이 모델들은 공항에서 테러리스트의 얼굴을 알아보는 것에서부터 신용 카드를 이용한 사기 패턴을 인식하는 것에 이르기까지 실제로 많이 응용되고 있다.

 

홀란드와 그 동료들은 귀납에 관한 일반적인 모델을 만들었다. 모델의 기본적인 구조는 다음과 같다.

 

• 행위자 : 다른 행위자 및 환경과 상호 작용하는 행위자가 있다.
• 목표 : 행위자는 달성하려고 하는 한 가지 목표 또는 여러 목표들을 갖고 있으며, 따라서 현재의 상황과 자신이 바라는 상황과의 격차('나는 배가 고프다', '나는 위험한 상황이다')를 인식할 수 있다. 행위자의 일은 목표에 좀 더 가까이 다가서기 위한 의사 결정을 하는 것이다.
• 경험의 법칙 : 행위자는 현 상태와 필요한 행동을 연결시키는 경험의 법칙들을 갖고 있다. 이것들은 '조건-행동' 규칙으로 불린다. 예를 들면 "만약 스토브가 뜨겁다면, 그러면 만지지 마라"는 식이다. 특정 시점에서 행위자가 갖는 경험 법칙들의 집합은 그 행위자의 '사고 모델'로 불린다.
• 피드백과 학습 : 행위자의 사고 모델은 어떤 규칙이 목표를 달성하는 데 도움이 됐고, 어떤 규칙이 목표로부터 더 멀어지게 했는지를 추적한다. 환경으로부터의 피드백은 행위자가 시간이 흐름에 따라 학습할 수 있도록 만들었다.

이런 식으로 설명을 하면 귀납은 행위자가 자신의 목표 달성을 이루기 위해 사용하는, 본질적으로 하나의 문제 해결 도구다. 환경으로부터의 피드백으로 형성된 규칙들의 집합은 외부 세계에 대한 행위자의 내부 모델이다. 행위자는 이 내부 모델을 사용해 목표를 추구하는 과정에서 직면하는 다양한 상황에 어떻게 대응하는 게 최선일지를 예측한다.

 

이렇게 귀납적으로 문제를 해결하고, 학습하며, 유추를 통해 추론하는 방식은 꽤 복잡해 보인다. 그러나 이 방식은 생물 세계에 널리 퍼져 있다. 예를 들어, 박테리아 같은 하등 생물조차 귀납적 문제 해결 시도를 한다. 즉 다양한 집적도의 음식물들을 만나면 집적도가 더 높은 방향으로 움직인다. 그러니까 그 방향 쪽에 자신이 좋아하는 것들이 더 많이 있을 것이라는 묵시적인 예측을 한다. 박테리아는 환경으로부터 바로 피드백을 얻는다. 즉, 규칙이 먹혀 들어가면 살아남아 증식을 하고, 그렇지 않으면 죽는다.

 

 

개구리 학습

해당 규칙을 적용했을 때 과거 커밋의 목표를 달성하는 데 얼마나 기여했는가에 기초해 점수를 부여받는다는 얘기다.

다른 규칙은 전혀 시도하지 않을 정도로 시스템이 경직화되는 것을 우리는 원치 않는다.

 

비용은 단기에 발생하고 이익 실현은 장기간이 걸릴 때 시스템은 어떻게 전략적으로 행동하는 것을 학습할까?  "우리에게는 시장이 있다."

 

 

패턴 인식

여기서는 서로 경쟁하는 규칙, 점수, 환경으로부터의 피드백 등으로 구성된 상대적으로 간단한 시스템이 어떻게 시간이 지남에 따라 학습을 하는 유연한 패턴 인식 시스템으로 발전하는지 알아보려고 한다. 이제 시스템의 성과를 크게 높이기 위해 가정을 한 가지 더 추가하자. 시간이 흐름에 따라 시스템의 규칙들은 자기 조직화를 통해 '계층적 구조'가 된다고 가정한다. 커밋의 세계는 규칙성이 있기 때문에 커밋의 사고 모델에 나타나는 규칙의 패턴에도 규칙성이 있을 것이다.

 

예를 들어, '작다' '날아다닌다' '푸르다' 등을 다루는 규칙들은 동시에 나타나는 경향이 있다. 규칙들이 함께 나타나면 이들은 연관성이 있는 것이므로 우리는 이 규칙들이 하나의 범주로 조직화된다고 생각할 수 있다. 커밋이 '작다' '푸르다'에 해당하는 것을 만날 때 떠오르는 여러 규칙들은 '파리'라는 범주에 들어올 수 있고, 마찬가지로 '크다' '날아다닌다' '날개를 퍼덕거린다' 규칙들을 떠오르게 하는 것은 '새'라는 범주로 모일 수 있다. 커밋의 사고 모델은 파리와 새와 관련한 수많은 경험들과 반응들을 갖고 있을 것이다.

 

계층적 구조는 귀납적 시스템에 두 가지 중요한 이점을 준다. 우선, 시스템이 새로운 현상에 대응할 수 있게 해준다. 어떤 사고 모델도 언제나 실제 세계보다는 더 단순할 것이다. 따라서 커밋은 항상 자신이 전에 경험해 보지 못했던 상황을 만날 수 있고, 그 경우 어떤 대응을 해야 할 것이다. 이에 따라 우리는 커밋의 사고 모델은 '기본적으로 미리 내정된 계층 구조'로 정리되어 있다고 가정한다. 커밋이 어떤 패턴을 만나면 그의 사고 모델은 그 패턴에 맞는 특정한 대응책을 갖고 있는지 조사할 것이다. 그래서 만약 없다면 그는 다시 미리 내정된 대응에 의지할 것이다.

 

규칙 계층 구조가 갖는 두 번째 이점은 유추에 의한 추론을 가능하게 한다는 점이다. 새에 대한 커밋의 경험 중 대부분이 바다 갈매기였고, 그 결과 '크다' '날아다닌다' '날개가 퍼덕거린다' 등을 탐지하면 발동되는 규칙들이 '새'라는 범주에 들어가 있다고 하자. 어느 날 커밋은 '크다' '날아다닌다' 그러나 '날개를 퍼덕거린다'에는 해당되지 않는 어떤 것을 보았다. 이런 일에 직면하면 '새'라는 탐지기들의 일부만 작동하게 된다. 커밋에게 이 새로운 물체는 '새 같은 것 또는 새 비슷한 것'으로 지금껏 자신이 새에 관련해 갖고 있던 경험에 비추어 정확히 맞지 않는다.

 

커밋의 사고 모델은 무엇이 이 새로운 물체와 일치하는지 다른 범주들의 탐색을 돕고 이것이 파리나 강아지보다는 새에 가깝다는 것을 알려 준다. 커밋은 이미 정해 놓은 규칙의 계층 구조를 활용해 가장 일반적인 새에 대한 대응책, 즉 '도망간다' 쪽으로 향한다.

 

유추에 의한 이론 추론은 끊임없이 새로운 과제가 등장하는 모호한 세계에서 커밋에게 큰 이익을 가져다준다.

 

 

금융 정보를 추적하는 스톡 봇

앞에서 파리를 잡는 개구리에 관한 모델에 대해 알아보았다. 그렇다면 귀납적 모델은 인간의 경제적 의사 결정에는 어떻게 적용되는가? 아서는 실제 세계의 의사 결정 과정은 경제학 모델에서 말하는 참하고, 무미건조하며, 완벽한 합리성과는 거리가 멀다는 것을 깨달았다.

 

앞에서 살펴보았던 일반적 귀납 모델을 따른다면 산타페 모델에서 행위자들은 정보를 처리하는 존재로서 본질적으로 작은 컴퓨터 프로그램들이다. 이들은 환경에서 정보를 수집하고, 정보를 처리하며, 의사 결정을 내리고, 그다음 환경으로부터 그 결정에 대한 피드백을 얻는다.

 

슈거스케이프의 행위자처럼, 주식 시장 모델의 행위자들에게도 진화의 힘이 적용된다.아서, 홀란드, 그리고 그 동료들은 자신들의 모델에 또 하나의 진화를 추가했다. 주식 시장 모델에서 진화는 행위자들이 학습할 수 있도록 그들의 머릿속에서도 작동한다.

 

투자를 위한 시나리오에는 두 가지의 경쟁이 시장에서 진행되고 있다. 우선, 시장 그 자체에서 투자 전략들 간의 일반적인 경쟁이다. 누가 더 잘할지, 성장 투자가들인지아니면 가치 투자가들인지, 또는 황소인지 곰인지 같은 경쟁을 말한다. 두 번째는 당신의 머릿속에서 서로 대립하는 투자 전략들 간의 경쟁이다. 누구 말을 들어야 하나? 중개인인가 아니면 당신의 괴짜 삼촌 허비인가? 아서와 홀란드는 이 두 가지 모두 진화론적인 학습 과정을 따른다고 추측했다.

 

이 아이디어를 탐색하기 위하여 컴퓨터상에서 가상으로 거래되는 주식 환경을 만들었다. 임의로 배당금을 지급하는 단일 주식을 대상으로 했다. 그리고 주식을 사고팔 100명의 거래 행위자들도 두었다. 주식 가격은 시장에서 행위자들의 매매에 의해 결정된다. 각 행위자들의 목표는 간단했다. 가능한 한 많은 돈을 벌겠다는 것이다. 이 목표를 달성하기 위해 각 행위자들은 언제 사고팔지 결정해야만 했다. 행위자들은 이런 결정을 내리는 과정에서 세 가지 정보를 참고했다. 주식의 과거 가격 패턴, 배당금 지급 기록, 안정적인 이자율이다.  다음으로 행위자들이 의사 결정을 내리기 위해 이들 정보들을 어떻게 처리하는지를 결정해야 했다.

 

개구리 모델에서처럼 연구자들은 시장에서의 패턴과 행위자의 주식 가치에 대한 기대를 이어 주는 '조건-행동 규칙'을 활용했다.예를 들면 <만약 '지난 기간에 비해 가격이 5% 오른다'면, 그러면 '다음 기간 가격은 현재 기간 가격 +5%로 예측하라'는 것과 같은 규칙이다. 이런 규칙을 따르는 행위자는 예측 가격과 현재 가격을 비교함으로써 주식을 살 것인지 팔 것인지를 간단히 결정할 수 있을 것이다. 물론 이것보다 규칙이 더 복잡해 질 수도 있다.

 

행위자들이 사용하는 경험 법칙들은 기본적인 조건(예를 들면, 이익 대비 가격 비율이 일정 범위에 있는 주식을 사라)이나 시장의 추세(계속 가격이 상승하는 주식을 사라) 또는 이 두 가지의 혼합에 근거할 수 있다. 이 모델에는 하나의 규칙이 얼마나 복잡해도 되는지에 대한 어떤 제한은 없다.

 

아서와 홀란드는 각 행위자에게 단지 하나의 경험 규칙이 아니라 100개의 규칙들을 부여했다. 그러니까 행위자는 주식 시장에서 무엇이 과연 성공에 이를지 머릿속에 있는 100개 규칙들을 서로 경쟁하는 가설들로 해석할 수 있다. 달리 설명하면 각 규칙은 하나의 잠재적인 투자 전략이고, 행위자가 할 일은 가능한 모든 잠재적인 전략들을 다 살펴본 뒤 어떤 것이 돈을 버는 데 도움이 될지를 결정하는 것이다.

 

이렇게 말하면 행위자들이 어떻게 100개나 되는 투자 전략을 다 살펴볼 수 있느냐고 물을 수 있다. 답은 매우 간단하다. 개구리 커밋처럼 행위자들은 과거의 경험을 사용한다. 아서와 홀란드는 행위자의 머릿속에서도 진화의 과정이 작동하도록 했다.

 

각 행위자는 자신의 소프트웨어 머릿속에 수많은 투자 전략 DNA를 갖고 있다. 각 전략  DNA마다 적합도(또는 적응도) 점수도 부여받는다. 따라서 어떤 전략이 행위자에게 돈을 벌어다 주었다면 그 적합도 점수는 증가하고, 반대로 돈을 잃게 했다면 점수는 내려간다.

 

매회 게임에서 행위자는 다음과 같은 과정을 거쳤다. 행위자는 과거 주식 가격, 배당금, 그리고 안정적인 기본 이자율 정보를 받았다. 그런 다음 이 정보를 자신들의 잠재적인 투자 전략과 시장의 패턴에 관한 자신들의 데이터베이스와 비교해 일치 여부를 살펴보았다. 그 결과 몇 가지 규칙들이 일치하면 행위자는 각 규칙들의 적합도 점수를 보고 가장 높은 점수를 가진 규칙을 선택한다. 따라서 과거에 잘 들어맞았던 규칙들은 더 자주 활용되는 경향이 있다. 규칙이 일단 활용된 뒤에는 그것이 어떤 결과를 가져왔는지를 살핀다. 행위자가 돈을 벌었다면 그 결과로 인하여 이 규칙은 더욱 강력한 힘을 갖는다. 반대로 돈을 잃으면 이 규칙은 약해진다.

 

지금까지 우리는 고정된 수의 규칙들 안에서 학습할 수 있는 시스템을 갖고 있다. 그러나 실제 주식 시장에서 사람들은 끊임없이 새로운 투자 전략을 고안해 내고 있다. 그렇다면 우리는 어떻게 행위자들로 하여금 새로운 규칙을 만들어 내게 할 것인가?

 

그래서 다음과 같은 과정을 모델 안에 집어넣었다. 때때로 중간중간에 각 행위자들이 보유한 100개 규칙들의 집합이 하나의 진화 과정을 겪도록 한 것이다. 즉, 성적이 밑바닥인 20개 규칙들은 제거되고 새로운 규칙들이 탄생해 이들 자리를 차지한다. 보다 성공적인, 남아 있는 80개 규칙들 중 일부의 경우는 컴퓨터  DNA의 개별 요소에 돌연변이가 일어난다.

 

이는 본질적으로 컴퓨터 섹스다. 하나의 DNA 열이 임의의 지점에서 싹둑 잘려 두 개가 되고 이것이 또 다른 열과 결합되었다가 다시 두 개로 잘리면서 새로운 다른 무엇을 탄생하기도 한다. 이와 같은 돌연변이와 재결합 과정의 결과로 행위자가 가진 100개의 규칙 풀에서 새로운 전략이 만들어진다. 물론 이렇게 만들어진 새로운 전략들 중 많은 것은 말이 안 되거나 심지어는 해롭기까지 할 수도 있지만 그중 일부는 정말 성공적인 혁신일 수 있다. 시장에서 활용되고 있는 다른 많은 전략들보다 훨씬 더 성공적인 그런 전략이 탄생할 수 있다는 얘기다.

 

모든 준비가 되자 일련의 실험을 시작 했다. 처음에는 모든 행위자가 똑같은 한 가지 규칙, 즉 완전 합리성을 가졌고, 학습률은 0인 단순한 시스템을 먼저 돌려 보았다. 결과는 전통 경제학이 예측했던 것과 매우 비슷한 것으로 나타났다. 모델은 빠른 속도로 이론적 균형 가격에 가까운 한 가격으로 안정되어 갔다. 이 실험은 모든 사람이 전통 경제학의 합리성에 따라 행동한다면 시장은 대체로 전통 이론이 예측한 대로 돌아간다는 점을 보여 주었다.

 

이번에는 다른 모델을 돌려 보았다. 행위자 머릿속에 있는 100개에 달하는 경쟁적 규칙들을 작동시켰다. 임의로 분포한 전략들을 초기 값을 주었고, 학습률은 0 이상으로 높였다. 이는 모델의 행태에 극적인 영향을 미쳤다. 거래량은 훨씬 높아졌고, 변동성은 커졌다. 그리고 주식 가격은 시간이 흐름에 따라 버블과 폭락 등 훨씬 더 복잡한 동태성을 갖게 되었다. 뿐만 아니라 행위자들의 상대적인 성과에도 큰 차이가 있었다. 실질적인 금융 시장은 지금 말한 이런 모습에 훨씬 더 가깝다.

 

무엇이 보다 동태적이고 현실적으로 보이는 시장으로 변화시킨 것일까? 여기에 이질성과 학습을 도입하자마자 상황은 훨씬 더 다양해졌고 더 복잡해졌다. 이 모든 가격 움직임은 여러 규칙들이 동태적으로 상호 작용하면서 촉발된다.

 

복잡한 패턴은 단순히 임의적인 노이즈 때문도 아니다. 그보다는 행위자의 머릿속에서, 그리고 각 행위자들 간에 여러 가지 믿음들이 복잡한 양상으로 경쟁하고 있고 그 결과 시장의 변동성과 복잡한 패턴이 촉발된다.

 

경제라는 복잡 적응 시스템에서 개인들의 미시적 행태에 대한 이해는 시스템이 전체적으로 어떤 행태를 보이는지를 이해하는 데 매우 중요하다. 거의 100년에 걸쳐 경제학의 인간 행동에 관한 모델은 오늘날 대부분의 경제학자들도 인정하듯이 과도하게 단순화시켰고, 수 많은 증거들과 근본적으로 배치되며, 단지 수학적으로 다루기 쉽다는 목적을 달성하기 위한 것이었다. 

 

그러나 이제는 새로운 모델이 나오고 있다. 이 모델은 인간을 모호하고 빨리 변화하는 환경에서도 의사 결정을 내릴 수 있고, 시간이 흐름에 따라 학습하는 귀납적으로 합리적인 패턴 인식자로 묘사한다. 실제로 사람들은 전적으로 자기만 생각하는 것도 아니고, 그렇다고 순전히 이타적인 것도 아니다. 오히려 사람들의 행태는 사회적 네트워크를 통해 협력을 이끌어내며, 협력의 대가를 보상하고 무임승차자를 벌하는 데 맞추어져 있다. 그러나 슬프게도 우리는 그 누구도 완전하지 못하며, 결점과 편견을 갖고 있다.

 

인지과학은 아직 도입 단계에 있고 합의된 단일 방법론도 없다. 앞으로 인지과학은 계속해서 빠른 속도로 발전할 것이다. 모델링 기술도 계속 향상될 것이다. 그 결과 경제학이 결코 역사심리학이 될 수 없을지라도 우리는 인간 행동이 경제를 어떻게 이끌고 가는지에 대해 현재보다는 훨씬 더 잘 이해할 수 있을 것이다.