귀납의 한계

1 / 16

100%

우리는 매일 귀납적으로 사고합니다. "지금까지 해가 매일 떴으니까 내일도 뜰 것이다." "이 약이 100번 효과가 있었으니까 다음에도 효과가 있을 것이다." 이것은 너무나 자연스러워서 의심조차 하지 않습니다. 그런데 데이비드 흄(David Hume, 1711-1776) 이 폭탄을 던졌습니다: "관찰 1만 번은 증명이 아니다." 귀납이란: 개별 관찰들에서 일반 법칙으로 나아가는 추론 "이 백조는 하얗다, 저 백조도 하얗다, ... \to 모든 백조는 하얗다" 과학의 핵심 방법. 데이터에서 이론을 끌어낸다 귀납의 문제(Problem of Induction): 아무리 많은 관찰을 해도, 다음 관찰이 같을 것이라는 논리적 보장이 없다 관찰 1만 번 = 높은 확률? 하지만 확률 자체가 귀납에 의존한다 (순환논증!) 이것은 단순한 학문적 퀴즈가 아닙니다 — 과학의 근본 토대에 대한 도전입니다 현대적 의미: 빅데이터 시대: 데이터가 많으면 귀납이 정당화되는가? AI와 머신러닝: 학습 데이터의 패턴이 미래에도 유지될 보장은? p-hacking, 과적합, 재현성 위기 — 모두 귀납의 한계와 연결 이 레슨에서 귀납의 한계를 깊이 이해하고, 이것이 현대 과학과 AI에 어떤 교훈을 주는지 알아봅니다.

0:00 / 2:29

이런 분들이 찾고 있어요

이 레슨과 관련된 학습 키워드

CS/AI 전공 대학생

철학 교양 정리철학 기말고사윤리학 시험논리학 과제

비전공/입문자

철학이란철학 입문 추천쉬운 철학AI 윤리

취준생

AI 윤리 면접

직장인

기술 윤리AI 거버넌스

대학원생/연구자

AI 철학 논문consciousness 연구AI alignment

AI 교육 플랫폼

AI 교육 플랫폼 추천AI 강의 사이트머신러닝 온라인 강의딥러닝 강의 추천

AI 독학/로드맵

AI 독학 방법머신러닝 공부 순서딥러닝 로드맵머신러닝 독학 로드맵

AI 취업/커리어

AI 취업 준비데이터 사이언티스트 강의ML 엔지니어 준비AI 면접 준비