우리는 보통 ‘배운다’는 것을 지식을 쌓아 올리는 행위로 생각합니다. 책을 읽고, 강의를 듣고, 경험을 축적하면 점점 더 많이 알게 된다고요. 그런데 만약 이 상식이 완전히 틀렸다면 어떨까요? 과학철학자 칼 포퍼는 이렇게 말했습니다: “우리의 이론이 우리 대신 죽게 하자.” 지식이 성장하는 진짜 방식은 ‘축적’이 아니라 ‘도태’라는 겁니다.
진화 인식론에 따르면, 지식은 맹목적 변이와 선택적 보존의 과정을 통해 발전합니다. 마치 생물이 환경에 적응하듯, 우리의 이론과 믿음도 비판이라는 선택압 속에서 살아남거나 도태됩니다.
진화 인식론이란 무엇인가
진화 인식론(Evolutionary Epistemology)은 지식의 성장을 생물학적 진화의 메커니즘으로 설명하는 철학적 접근입니다. 칼 포퍼가 1972년 『객관적 지식』에서 체계화하고, 도널드 캠벨이 ‘맹목적 변이와 선택적 보존(BVSR)’이라는 용어로 정식화했습니다.
포퍼는 대담하게 선언했습니다: “모든 생명은 문제 해결이다.” 아메바가 먹이를 찾아 움직이는 것부터 아인슈타인이 상대성 이론을 구축하는 것까지, 모든 생명체는 환경이 던지는 문제를 해결하며 살아갑니다. 차이는 복잡성의 정도일 뿐, 본질적인 메커니즘은 동일합니다.
핵심 메커니즘: P1 → TT → EE → P2
진화 인식론의 핵심은 다음 도식으로 요약됩니다:
P1 → TT → EE → P2
문제(P1) → 시험적 이론(TT) → 오류 제거(EE) → 새 문제(P2)
이 과정은 세 단계로 작동합니다:
- 변이(Variation) — 추측, 가설, 이론이 자발적으로 생성됩니다
- 선택(Selection) — 환경(경험, 실험, 비판)이 부적합한 변이를 제거합니다
- 보존(Retention) — 살아남은 지식이 전달되고 축적됩니다
여기서 ‘맹목적’이라는 표현이 중요합니다. 우리가 가설을 세울 때, 그것이 성공할지 실패할지 미리 알 수 없습니다. 오직 시험(테스트)을 통해서만 적합성이 드러납니다. 제 경험상, 이 원리를 이해하면 실패에 대한 태도가 완전히 바뀝니다.
다음 프로젝트에서 “이게 틀렸다면 어떻게 알 수 있을까?”라고 먼저 물어보세요. 반증 가능성을 설계하는 것이 진화적 학습의 시작입니다.
귀납주의 vs 진화 인식론
전통적인 귀납주의는 “관찰 → 일반화 → 법칙”의 경로로 지식이 성장한다고 봅니다. 반면 진화 인식론은 완전히 다른 그림을 제시합니다.
- 추측이 먼저, 관찰은 테스트 수단
- 오류 제거가 핵심 메커니즘
- 틀린 이론의 도태가 발전
- 반증 가능성이 과학의 기준
- 관찰에서 법칙으로의 논리적 비약
- “모든 백조는 희다”의 오류
- 확증 편향에 취약
- 새로운 것을 만들어내지 못함
솔직히 처음 이 구분을 접했을 때 충격받았습니다. 우리가 학교에서 배운 “과학적 방법”—관찰하고, 가설 세우고, 실험하고—이 실제 과학 발전의 역사와 맞지 않다니요. 아인슈타인은 관찰에서 상대성 이론을 ‘귀납’하지 않았습니다. 그는 대담한 추측을 먼저 했고, 그 추측이 반증되지 않았기에 살아남은 것입니다.
토마스 쿤의 도전: 진화인가, 혁명인가
물론 진화 인식론에 대한 비판도 있습니다. 가장 유명한 것이 토마스 쿤의 패러다임 이론입니다. 쿤은 과학이 점진적으로 진화하는 것이 아니라, ‘과학 혁명’을 통해 급격하게 전환된다고 주장했습니다.
| 관점 | 포퍼 (진화) | 쿤 (혁명) |
|---|---|---|
| 변화 방식 | 점진적 오류 제거 | 패러다임 전환 |
| 발전 동력 | 반증과 비판 | 이상 현상의 누적 |
| 과학자 공동체 | 비판적 합리주의자 | 패러다임 내 퍼즐 해결자 |
아직 확실하지 않은 부분도 있지만, 저는 두 관점이 양립 가능하다고 봅니다. 패러다임 전환도 결국 오래된 이론 복합체가 새로운 것으로 ‘도태’되는 과정으로 해석할 수 있으니까요. 다만 그 속도와 규모가 다를 뿐입니다.
실제 적용: 스타트업부터 AI까지
진화 인식론은 추상적인 철학에 그치지 않습니다. 실리콘밸리의 ‘빠른 실패(Fail Fast)’ 문화는 사실상 포퍼 철학의 실험장입니다.
스타트업 생태계: 수많은 스타트업(변이)이 생겨나고, 시장(선택 환경)에서 대부분 실패하며, 성공한 비즈니스 모델(적응 형질)이 복제되고 확산됩니다. Y Combinator의 “Make something people want”는 결국 시장이라는 선택압에서 살아남으라는 진화적 명령입니다.
인공지능과 기계학습: 유전 알고리즘은 진화 인식론의 계산적 구현입니다. 솔루션 후보들이 생성(변이)되고, 적합도 함수에 의해 평가(선택)되며, 좋은 솔루션의 특성이 다음 세대에 전달(보존)됩니다. 신경망의 오류 역전파도 ‘부적합한 가중치의 제거’로 해석할 수 있습니다.
여러분의 학습 방식을 점검해보세요. 정답을 외우려 하나요, 아니면 가설을 세우고 테스트하나요? 진화적 학습자는 후자를 선택합니다.
진화적 사고를 일상에 적용하는 법
포퍼의 통찰을 개인의 학습과 의사결정에 적용할 수 있습니다:
- □ 새로운 아이디어를 접할 때 “이것이 틀렸다면 어떻게 알 수 있을까?”를 먼저 묻는다
- □ 확증 편향을 경계하고, 내 믿음에 반하는 증거를 적극적으로 찾는다
- □ 실패를 ‘오류 제거’로 재해석하고, 무엇이 작동하지 않는지 기록한다
- □ 빠르게 작은 실험을 반복하여 선택 주기를 가속화한다
- □ 살아남은 지식(성공 패턴)을 명시적으로 기록하고 공유한다
여러분은 어떻게 생각하시나요? 이 접근이 자신의 학습 스타일과 맞는 부분이 있나요?
자주 묻는 질문
참고 자료
- Karl Popper, 『Objective Knowledge: An Evolutionary Approach』, Oxford University Press, 1972.
- Donald T. Campbell, 「Evolutionary Epistemology」, in P. A. Schilpp (ed.), 『The Philosophy of Karl Popper』, Open Court, 1974.
- Gary Cziko, 『Without Miracles: Universal Selection Theory and the Second Darwinian Revolution』, MIT Press, 1995.
- Franz Wuketits, 『Evolutionary Epistemology and Its Implications for Humankind』, SUNY Press, 1990.
“우리의 이론이 우리 대신 죽게 하자. 그것이 비판적 합리주의의 핵심이다.”
— 칼 포퍼의 진화 인식론에서
지식은 쌓이는 것이 아니라 죽어가는 것입니다. 틀린 이론이 도태되고, 살아남은 것이 우리의 지식이 됩니다. 이 관점을 받아들이면, 실패는 더 이상 두려운 것이 아닙니다. 그것은 진화의 필수 요소, 성장의 연료가 됩니다.