AI 시대 최소한의 미적분 상식 6

"단순함은 궁극의 정교함이다." (Simplicity is the ultimate sophistication.)

— 레오나르도 다 빈치 (Leonardo da Vinci)

앞 장들에서 미분이 결국 '순간적인 변화율', 즉 '곡선 위의 한 점에서 접선의 기울기'를 알아내는 방법임을 확인했습니다. 이를 통해 우리는 어떤 값이 지금 어느 방향으로, 얼마나 빠르게 변하고 있는지를 알 수 있습니다. 하지만, 개념은 직관적으로 이해했지만, 막상 이를 수학적으로 직접 계산하려고 하면 괜히 머리가 지끈거리기 마련입니다.

"기울기를 구할 때마다 매번 복잡하게 그래프를 그리고, 한없이 가까워지는 두 점을 잡아서 나눗셈과 극한 계산을 해야 할까요?"

다행히도 전혀 그렇지 않습니다. 수학자들은 우리가 복잡한 계산의 늪에 빠지지 않도록, '아주 이해하기 쉽고 단순한 미분 규칙' 들을 만들었습니다. "단순함이 궁극의 정교함"이라는 다 빈치의 말처럼, 극도로 단순한 몇 가지 규칙만 알면 복잡한 수학 기호에 압도될 필요 없이 순식간에 변화율을 구해낼 수 있습니다.

1. 왜 x² 미분하면 2x가 될까?

가장 먼저 살펴볼 규칙은 미분에서 가장 널리 쓰이는 '거듭제곱의 미분법'입니다. 곡선 함수인 x² 을 미분했을 때 왜 직선 형태인 2x가 되는지 확인해 보겠습니다.

한 변의 길이가 x인 정사각형을 하나 떠올려 보세요. 이 정사각형의 넓이는 가로(x)와 세로(x)의 곱, 즉 x²(2차 항)입니다. 이제 이 정사각형의 변의 길이를 아주 미세한 양(Δx)만큼 살짝 늘려보는 겁니다.

넓이는 얼마나 커질까요?

기존 정사각형의 오른쪽과 위쪽 테두리로 길이가 x인 길쭉한 띠 2개가 새롭게 생겨납니다. 즉, 면적의 변화를 주도하는 핵심은 2x크기의 테두리 영역입니다.

아래 그림을 보시면 우측 상단 모서리에도 아주 조그만 정사각형 조각(Δx X Δx)도 하나 생기지만, 미세한 변화 속에서는 그 크기는 너무나 작아서 무시할 수 있는 수준입니다.

결국 2차원 면적(x²)이 살짝 넓어질 때 그 순간의 변화를 결정짓는 핵심은 1차원 테두리 선 2개(2x)가 됩니다. 2차 항(x²)의 순간 변화율을 측정했더니 자연스럽게 1차 항(2x)으로 차수가 한 단계 떨어지는 원리가 바로 여기에 있습니다.

수학자들은 이 원리를 정리해 아주 단순한 공식을 만들어 냈습니다. 바로 "지수(우측 상단의 작은 숫자)를 앞으로 툭 떨어뜨려 곱하고, 원래 지수에서는 1을 뺀다"는 것입니다.

- x²(x의 제곱-면적)을 미분하면:

머리 위의 숫자 2가 앞으로 내려오고, 원래 지수 2에서 1을 뺀 x¹ 이 되어 2x가 됩니다.

(방금 확인한 정사각형 테두리 2개가 커지는 원리입니다.)

- x³(x의 세제곱-부피)을 미분하면:

3이 앞으로 떨어져 곱해지고 차수가 하나 줄어 3 x² 이 됩니다.

(3차원 정육면체가 미세하게 커질 때 면적(x²)이 세 방향으로 커지는 원리입니다.)

- x⁴을 미분하면 어떻게 될까요? 네 4 x³ 이 됩니다.

정사각형의 테두리로 쉽게 미분하는 방법을 직관적으로 이해하셨나요? 이 규칙만 알면 아무리 거대하고 복잡해 보이는 식이라도 어렵지 않게 순간 변화율을 계산할 수 있습니다.

2. 움직이지 않으면 0, 더했으면 따로따로

그렇다면 변하지 않고 가만히 있는 숫자(상수)나 여러 항이 더해진 식은 어떻게 하면 될까요?

- 변하지 않는 '상수'를 미분하면 항상 0이 됩니다:

미분은 '변화'를 측정하는 도구입니다. x가 아무리 변해도 5나 100 같은 고정된 상수는 변하지 않습니다. 변화량이 0이므로 상수의 미분값을 항상 0입니다.

- 더해진 식은 각각 미분해서 더해주면 됩니다:

예를 들어 x² + x처럼 두 개의 식이 더해진 경우, 복잡하게 생각할 필요 없이 앞의 x²을 미분한 2x와 뒤의 x를 미분한 1을 각각 구해서 더해주면 됩니다. 결과는 쉽게 2x + 1이 됩니다.

(x¹을 미분하면 1* x⁰ = 1 * 1 = 1이 됩니다.)

3. 가장 정교한 인공지능이 가장 단순한 공식을 사랑하는 이유

"이렇게 단순한 규칙이 어디에 쓰일까"라는 의문이 들 수 있습니다.

최신 인공지능(AI) 모델의 학습 원리도 바로 이 거듭제곱 미분 규칙에서 출발합니다. 인공지능은 수억 개에 달하는 매개변수(가중치)를 조절하며 정답과의 오차를 줄여나갑니다. 이때 '어느 변수를 어느 방향으로 얼마큼 조절해야 오차가 가장 빠르게 줄어드는가?'를 계산하는 핵심 도구가 바로 미분입니다.

연쇄법칙이나 편미분 같은 고급 기법들도 결국 이 가장 기초적인 미분 공식들이 꼬리를 물고 연결된 형태일 뿐입니다.

다 빈치의 말처럼, 오늘날 세상을 바꾸고 있는 인공지능의 정교한 성능 역시 가장 직관적이고 단순한 수학적 토대 위에서 완성된 결과물입니다.