수학을 알면 범죄가 보인다 현실의 문제를 해결하는 살아 있는 수학을 만난다 LA에서 연쇄살인이 일어나고, FBI 특수요원 돈 엡스가 사건을 맡지만 수사는 이렇다 할 단서 없이 정체 상태다. 어느 날 지도를 펼쳐놓고 고민하는 그를 보고 동생 찰리가 도와주겠다고 제안한다. 어린 나이에 칼사이 대학(극 중 명칭으로, 물론 ‘칼텍’의 패러디다)의 수학과 교수가 된 동생의 천재성을 인정하면서도 돈은 딱 잘라 거절한다. “수와 관련 있는 사건이 아니야.” 그러나 찰리는 고집스레 말한다. “모든 건 수야.” 많은 사람들이 수학에 흥미... 수학을 알면 범죄가 보인다 현실의 문제를 해결하는 살아 있는 수학을 만난다 LA에서 연쇄살인이 일어나고, FBI 특수요원 돈 엡스가 사건을 맡지만 수사는 이렇다 할 단서 없이 정체 상태다. 어느 날 지도를 펼쳐놓고 고민하는 그를 보고 동생 찰리가 도와주겠다고 제안한다. 어린 나이에 칼사이 대학(극 중 명칭으로, 물론 ‘칼텍’의 패러디다)의 수학과 교수가 된 동생의 천재성을 인정하면서도 돈은 딱 잘라 거절한다. “수와 관련 있는 사건이 아니야.” 그러나 찰리는 고집스레 말한다. “모든 건 수야.” 많은 사람들이 수학에 흥미를 느끼지 못한다. 여기에는 여러 이유가 있겠지만 수학이란 현실과 동떨어져 있는 학문이라는 인식이 큰 역할을 한다. 결국 수학을 배운다고 우리 현실의 문제를 해결할 수 있는 것은 아니지 않는가? [넘버스〉는 이런 우리의 통념을 뒤엎는다. 일련의 사례를 통해 수학자인 동생 찰리는 어째서 모든 것이 수일 수 있는지를 보여준다. 이 책 〈넘버스〉는 FBI인 형을 도와 범죄사건을 해결하는 천재 수학자의 활약상을 그린 인기 미드 〈넘버스NUMB3RS〉를 바탕으로 DNA 프로파일링에서 디지털 지문 검색, 흐릿한 CCTV 영상의 화질 개선처럼 우리에게 낯익은 기법들은 물론이고, 인공지능 신경망을 이용한 안면 인식 시스템, 통화·구매 내역 같은 자료더미에서 유용한 정보를 걸러내는 ‘데이터 마이닝’, 생물학적 공격이나 전염병의 발생 징후를 조기에 포착해내는 ‘변화시점 탐지’, 통신 감청을 통해 비밀 범죄조직의 핵심 인물을 특정하는 ‘사회연결망분석’ 등 최신 기법들에 이르기까지 경찰, FBI, CIA가 범죄수사에 실제로 활용하고 있는 주요 수학적 기법에 대한 원리와 방법을 알기 쉽게 설명하며 결코 수학이 우리의 삶과 동떨어져 있지 않다는 사실을 보여준다. 흥미진진한 드라마 속 가상의 사건뿐 아니라 드라마보다 더 드라마 같은 실제 범죄사건과 재판들을 통해, 수학이 여러 범죄의 해결과 예방에서 얼마나 중요한 역할을 하는지 알려주며, 인터넷 상거래에서 카지노 도박에 이르기까지 수학이 우리의 실생활과 얼마나 밀접한 관련이 있는지도 보여주어, ‘패턴을 식별하고 분석하고 예측하는 학문’으로서 수학의 경이로운 세계를 더 탐험해보고 싶도록 자극한다. 핫존 ? 연쇄범죄의 지리적 프로파일링 지도에 마구잡이로 흩어져 있는 범행장소를 보고 다음번 범행장소를 예측하는 건 아무리 수학천재라도 불가능한 일이 아닐까? 찰리는 마당에서 돌아가고 있던 스프링클러를 예로 든다. 스프링클러가 흩뿌리는 물방울의 패턴을 이용해서 다음번 물방울이 떨어질 곳을 예측할 수는 없지만, 그 출발점 즉 스프링클러가 어디에 있는지는 역추적할 수 있다. 마찬가지로 범행장소의 패턴을 이용해서 다음번 범행이 일어날 장소를 예측할 수는 없지만 살인자가 사는 곳, 곧 ‘핫존’은 알아낼 수 있다는 설명이다. 찰리는 연구실로 돌아와 칠판에 여러 공식과 방정식을 써내려가고, 마침내 다음과 같은 하나의 공식에 도달하여 사건 해결을 돕는다. 수학 공식 하나로 범인을 잡는다는 드라마의 설정은 선뜻 납득하기 어렵다. 슈퍼히어로들의 초능력이 난무하는 SF영화처럼, 천재 수학자인 주인공의 활약을 극적으로 과장한 것이라는 의구심을 지울 수 없다. 그러나 〈넘버스〉 시리즈 전체의 파일럿 에피소드인 ‘핫존’은 스프링클러의 예에서 마지막 반전에 이르기까지 거의 실화에 바탕하고 있다. 실화의 주인공은 캐나다 경찰 출신의 수학자 킴 로스모다. 1991년 그가 열차를타고 가다 아이디어를 떠올리고 급히 냅킨에 끼적인 것이 바로 ‘로스모 공식’으로 알려진 위의 공식이며, 수사관들이 범인의 심리적 특성을 분석해 특정해내는 ‘심리적 프로파일링’ 기법과 대비해, 연쇄범죄자가 사는 곳을 수학을 이용해 예측하는 로스모의 기법을 ‘지리적 프로파일링’이라 부른다. 그런데 이 공식이 어떻게 범인이 사는 곳을 알려줄까? 연쇄범죄자는 범행장소를 고를 때 특정한 경향을 보인다. 항상 자신의 집과 멀지 않은 곳에서 주로 범행을 저지르지만, 너무 가까우면 불안하기에 자신의 거주지 주변에는 범행을 저지르지 않는 일종의 안전지대, 완충지대를 둔다. 로스모의(그리고 찰리의) 공식은 이러한 범행 패턴을 반영한다. 연쇄범죄자는 정체를 드러내지 않으려고 자기 딴에는 무작위로 희생자를 고르지만, 이 공식은 범인이 사는 핫존을 매우 높은 확률로 말해준다. 통계와 확률이 밝히는 진실과 한계 어느 야간병동의 간호사가 심장정지 환자들을 조기에 발견하고 제때 응급조치하여 여러 생명을 구함으로써 ‘죽음의 천사’라는 명성을 얻는다. 하지만 동료 간호사들은 그녀가 근무할 때 심장정지 사망자가 유독 많다는 의혹을 제기하고, 병원이 진상조사에 착수하지만 전체 심장발작 비율은 다른 병원과 엇비슷한 정도다. 그럼에도 풀리지 않는 의혹은 급기야 법정으로 향하고, 검찰 측 증인으로 통계학자가 나서게 된다. 이것은 드라마 속 이야기가 아니라 1998년 실제로 있었던 ‘미국 정부 대 크리스틴 길버트 사건’의 개요다. 길버트의 기소 여부를 판단하기 위한 사전재판의 쟁점은 간단했다. 그녀가 근무 중일 때 환자가 유의미하게 더 많이 사망했는가? 한두 명 더 사망했다면 우연일 수도 있다. 길버트의 근무시간에 환자들이 그저 좀 더 불운했을지도 모른다. 길버트를 기소하기에 충분할 정도로 ‘유의미한’ 수준이려면 몇 명이나 더 사망해야 할까? MIT의 통계학 교수 스티븐 겔바흐는 이를 검사하기 위해 ‘가설검정’이라는 기초 통계분석을 이용했다. 먼저 그는 길버트가 근무한 18개월 동안 간호사들의 교대근무 횟수와 사망자 수를 조사했다. 총 1641회의 교대근무 중 사망자는 74명이었다. 만일 사망이 무작위로 일어났다면, 임의의 근무시간 중 사망자가 발생할 확률은 1641분의 74, 즉 0.045 정도다. 그중 길버트가 교대근무한 횟수는 257회였다. 만일 길버트가 환자를 살해하지 않았다면, 그녀의 근무시간 중 사망자 수는 즉 11~12명 정도라고 예상할 수 있다. 하지만 실제 사망자는 40명이나 되었다. 이런 일이 일어날 가능성은 얼마일까? 겔바흐의 계산에 따르면, 전체 사망자 74명 중 40명이 길버트의 근무시간에 사망할 확률은 1억분의 1보다 작았다. 동전을 10번 던져 모두 다 앞면이 나올 확률이 1000분의 1임을 감안한다면, 이러한 사망이 자연적으로 발생할 확률이 얼마나 낮은지 짐작할 수 있다. 이러한 결론에 힘입어 사전재판의 대배심원단은 길버트를 기소하기에 충분하다고 판단했다. 하지만 놀랍게도 본 재판에서 연방판사는 이러한 통계적 증거를 법정에 제시해서는 안 된다고 판시했는데, 이것은 또 다른 통계학자 조지 캅의 의견 때문이었다. 사전재판의 목적은 길버트를 용의자로 볼 근거가 있는지를 가리는 것이었고, 겔바흐의 분석은 길버트의 근무시간 중 사망자 수의 증가가 우연한 변동이 아니라는 의혹을 뒷받침했다. 그러나 본 재판의 목적은 그녀가 정말로 이런 사망 증가를 일으켰는가를 판단하는 것이었고, 조지 캅은 통계적 상관관계가 있다고 해서 인과관계가 있다고 말할 수는 없다고 주장했다. 즉 의심스러운 사망이 우연히 발생했을 확률이 1억분의 1이라는 사실이 곧 길버트가 환자들을 죽이지 않았을 확률이 1억분의 1이라는 의미는 아니라는 것이다. 어떤 다른 원인에 의해서 전자의 확률이 발생했을 수도 있으며, 상관관계 뒤에 숨은 변수가 존재할 가능성은 언제나 있기 때문이다. (이러한 이유로 겔바흐의 통계분석은 비록 채택되지 못했지만, 그럼에도 길버트는 종신형을 받았다.) 이미지 화질 개선의 수학 1992년 LA 폭동은 수많은