오컴의 면도날
더 많은 작업
- Occam's Razor; Ockham's Razor
오컴의 면도날(Occam's Razor 또는 Ockham's Razor)은 동일한 현상을 충분히 설명하는 여러 가설이나 이론이 있을 때 불필요한 가정과 존재자를 가장 적게 도입하는 설명을 우선적으로 선택해야 한다는 철학적·과학적 방법론의 원칙이다.
오컴의 면도날은 절약의 원리(Principle of Parsimony) 또는 단순성의 원리(Principle of Simplicity)라고도 한다. 중세 영국의 철학자이자 신학자인 오컴의 윌리엄(William of Ockham, 약 1285~1349)의 이름에서 유래했다.
일반적으로 다른 모든 조건이 동일하다면 가장 단순한 설명을 선택하는 것이 합리적이라는 의미로 사용한다.
여기서 단순하다는 것은 설명이 짧거나 이해하기 쉽다는 뜻만은 아니다. 동일한 현상을 설명하는 데 불필요한 가정이나 원인, 존재자를 추가하지 않는다는 의미가 중요하다.
예를 들어 어떤 현상을 두 가지 가설이 똑같이 잘 설명한다고 가정하자.
- 가설 A: 이미 확인된 원인 하나로 현상을 설명한다.
- 가설 B: 동일한 원인에 더해 관찰되지 않은 추가 원인 두 개가 작용했다고 설명한다.
추가 원인들이 설명력이나 예측력을 높이지 않는다면 가설 A를 우선적으로 선택하는 것이 오컴의 면도날에 부합한다.
그러나 이 원리는 단순한 설명이 언제나 참이라는 뜻은 아니다. 복잡한 설명이 더 많은 증거를 설명하거나 더 정확한 예측을 제공한다면 그 설명을 선택할 충분한 이유가 있다.
오컴의 면도날은 형이상학, 인식론, 과학철학에서 중요한 원칙으로 논의되며, 현대에는 통계학과 인공지능, 머신러닝, 소프트웨어 공학 등에서도 활용된다.[1]
오컴의 윌리엄은 14세기 영국에서 활동한 프란치스코회 수도사이자 철학자, 신학자이다.
그는 중세 스콜라 철학의 전통 속에서 논리학과 인식론, 형이상학을 연구했으며, 특히 보편자의 존재에 관한 논쟁에서 중요한 역할을 했다.
오컴은 어떤 현상을 설명하는 데 필요하지 않은 존재나 가정을 추가하는 것을 경계했다.
그는 복잡한 형이상학적 체계를 구성하기보다 경험과 논리적 분석을 통해 정당화할 수 있는 개념을 사용하려 했다.
이러한 방법은 중세 철학에서 불필요한 존재자를 제거하는 데 활용되었으며, 이후 오컴의 면도날이라는 이름으로 알려졌다.
그러나 오컴이 단순성의 원리를 최초로 발견한 것은 아니다.
고대 그리스의 아리스토텔레스와 중세의 토마스 아퀴나스 등도 적은 수의 가정으로 충분한 설명을 구성하는 것이 바람직하다는 견해를 제시했다.
오컴의 중요성은 이러한 원리를 형이상학과 논리학의 문제에 지속적이고 적극적으로 적용했다는 데 있다.[2]
오컴의 면도날이라는 이름에서 면도날은 불필요한 가정과 개념을 잘라낸다는 비유이다.
영어에서는 Occam's Razor와 Ockham's Razor라는 두 가지 표기가 사용된다.
오컴의 윌리엄이 직접 자신의 원칙을 면도날이라고 부른 것은 아니다. 이 명칭은 후대에 사용되기 시작했다.
오늘날 가장 널리 알려진 라틴어 표현은 다음과 같다.
- Entia non sunt multiplicanda praeter necessitatem.
- 필요 이상으로 존재자를 늘려서는 안 된다.
이 문장은 오컴의 사상을 요약하는 표현으로 널리 인용되지만, 오컴이 직접 남긴 문장으로 확인되지는 않는다.
오컴이 실제로 사용한 것으로 알려진 표현 가운데 하나는 다음과 같다.
- Pluralitas non est ponenda sine necessitate.
- 필요 없이 다수의 것을 가정해서는 안 된다.
오컴의 저술에서는 더 적은 것으로 충분히 수행할 수 있는 일을 더 많은 것으로 수행하는 것은 불필요하다는 취지의 주장도 나타난다.
따라서 오컴의 면도날은 특정한 한 문장보다 불필요한 가정을 배제하려는 일련의 철학적 방법론을 가리키는 명칭으로 이해하는 것이 정확하다.[2]
단순성의 원리는 근대 자연과학의 발전 과정에서도 중요한 역할을 했다.
갈릴레오 갈릴레이와 아이작 뉴턴 등은 자연현상을 설명할 때 불필요한 원인을 도입하지 않는 것이 중요하다고 보았다.
뉴턴은 1687년 출판한 《프린키피아》에서 자연철학의 추론 규칙을 제시하면서 자연현상을 설명하는 데 참되고 충분한 원인 이상을 인정해서는 안 된다고 주장했다.
이러한 접근은 과학이 관찰된 현상을 설명하는 데 필요한 원인을 탐구하고, 검증되지 않은 추가 가정을 경계하는 방법론과 연결된다.
그러나 오컴의 면도날이 근대 과학의 발전을 단독으로 이끌었다고 보기는 어렵다. 근대 과학은 실험과 관찰, 수학적 분석, 기술적 발전 등 여러 요소가 결합하면서 발전했다.[1]
오컴의 면도날을 적용하기 위한 첫 번째 조건은 비교하는 가설들이 설명하려는 현상을 충분히 설명할 수 있어야 한다는 것이다.
가설이 아무리 단순하더라도 관찰된 사실을 제대로 설명하지 못한다면 좋은 가설이라고 볼 수 없다.
예를 들어 자동차가 갑자기 멈췄고 연료계가 비어 있다고 표시한다면 연료 부족을 우선적으로 의심하는 것이 합리적이다.
이때 연료 부족과 동시에 엔진의 여러 부품이 독립적으로 고장 났다고 가정할 필요는 없다.
그러나 연료를 보충한 뒤에도 자동차가 움직이지 않는다면 다른 원인을 조사해야 한다.
새로운 증거가 발견되면 처음의 단순한 설명을 수정하거나 더 복잡한 설명으로 대체할 수 있다.
따라서 오컴의 면도날은 새로운 증거를 무시하라는 원칙이 아니라, 현재의 증거를 설명하는 데 불필요한 가정을 추가하지 말라는 원칙이다.[2]
존재론적 절약성(Ontological Parsimony)은 어떤 이론이 존재한다고 가정하는 대상이나 존재자의 종류를 최소화하려는 원칙이다.
예를 들어 두 이론이 동일한 현상을 설명한다고 가정하자.
- 이론 A는 물리적 존재만을 가정한다.
- 이론 B는 물리적 존재 외에 별도의 비물리적 존재도 가정한다.
두 이론이 다른 모든 측면에서 동일한 설명력을 가진다면 이론 A가 존재론적으로 더 절약적이다.
그러나 비물리적 존재를 가정하는 이론이 반드시 거짓이라는 결론이 나오는 것은 아니다.
추가적인 존재자를 가정하는 데 충분한 논증이나 증거가 있는지가 중요한 판단 기준이다.
존재론적 절약성은 존재자의 전체 개수를 줄이는 것과 존재자의 종류를 줄이는 것으로 다시 구분할 수 있다.
| 구분 | 의미 | 예시 |
|---|---|---|
| 질적 절약성 | 가정하는 존재자의 종류를 줄임 | 새로운 종류의 실체를 도입하지 않고 기존 실체로 현상을 설명 |
| 양적 절약성 | 가정하는 개별 존재자의 수를 줄임 | 하나의 원인으로 충분한 현상을 설명하기 위해 여러 독립적인 원인을 추가하지 않음 |
현대 철학에서는 일반적으로 존재자의 종류를 줄이는 질적 절약성이 중요하게 논의된다.[1]
구문적 단순성(Syntactic Simplicity)은 이론을 표현하는 원리와 규칙, 가정의 수 및 구조적 복잡성에 관한 개념이다.
존재론적 절약성이 무엇이 존재한다고 가정하는가에 관한 문제라면, 구문적 단순성은 이론이 얼마나 간결한 원리로 구성되는가에 관한 문제이다.
예를 들어 수많은 현상을 각각 별도의 규칙으로 설명하는 이론보다 소수의 일반적인 법칙으로 통합하여 설명하는 이론이 구문적으로 더 단순할 수 있다.
그러나 두 종류의 단순성이 항상 일치하는 것은 아니다.
새로운 존재자를 하나 도입하면 오히려 전체 이론을 훨씬 간단하게 표현할 수 있는 경우도 있다.
반대로 존재자의 종류를 줄이기 위해 복잡한 수학적 규칙이나 추가적인 설명 구조가 필요할 수도 있다.
따라서 어떤 이론이 더 단순한지 판단하려면 무엇을 기준으로 단순성을 측정하는지 명확히 해야 한다.[1]
오컴의 면도날은 중세의 보편자 논쟁과 밀접한 관계가 있다.
보편자 논쟁은 서로 다른 개별 사물들이 공통된 성질을 가진다는 사실을 어떻게 설명할 것인가에 관한 철학적 논쟁이다.
예를 들어 여러 사람이 모두 인간이라는 공통된 성질을 가진다고 할 때, 인간이라는 보편적인 본질이 개별 인간과 별개로 실재하는지가 문제가 된다.
보편실재론에서는 보편자가 어떤 방식으로든 실재한다고 본다.
반면 유명론에서는 보편자가 개별 사물과 독립된 실체로 존재한다는 주장에 반대한다.
오컴은 개별적인 사물들이 실제로 존재하며, 보편적인 개념은 인간의 정신 속에서 형성된다고 보았다.
예를 들어 여러 사람을 관찰하면서 인간이라는 공통 개념을 형성할 수 있지만, 그 개념에 대응하는 별도의 보편적 실체가 반드시 존재해야 하는 것은 아니라는 것이다.
이러한 입장은 불필요한 형이상학적 존재자를 가정하지 않으려는 태도와 연결된다.
다만 오컴이 보편실재론을 비판한 이유를 오컴의 면도날 하나로만 설명해서는 안 된다. 그는 보편자의 실재성에 관한 논리적·형이상학적 문제도 중요하게 다루었다.[2]
오컴의 면도날은 인식론에서 여러 설명 가운데 무엇을 합리적으로 믿어야 하는지 판단하는 문제와 연결된다.
어떤 현상에 대해 여러 설명이 가능하더라도 모든 설명을 동일한 수준으로 받아들일 필요는 없다.
가설을 선택할 때에는 관찰된 증거와의 일치 여부, 논리적 일관성, 예측력, 설명력 등을 고려해야 한다.
이러한 조건이 동일하다면 불필요한 가정이 적은 설명을 우선적으로 받아들이는 것이 합리적일 수 있다.
그러나 단순성이 진리의 충분조건인 것은 아니다.
오컴의 면도날은 참과 거짓을 직접 판정하는 논리적 증명법이 아니라, 불확실한 상황에서 가설을 비교하고 선택하는 데 사용하는 방법론적 원칙이다.[1]
오컴의 면도날을 둘러싼 중요한 철학적 문제는 단순한 이론을 선호해야 하는 이유이다.
단순한 이론이 더 이해하기 쉽고 계산하기 편리하다는 사실만으로 실제 세계가 그 이론에 따라 작동한다고 결론 내릴 수는 없다.
이 문제를 두 가지 관점에서 구분할 수 있다.
| 관점 | 핵심 질문 | 설명 |
|---|---|---|
| 인식론적 관점 | 단순한 이론이 실제로 참일 가능성이 더 높은가? | 단순성과 진리 사이에 어떤 관계가 존재하는지 탐구 |
| 방법론적 관점 | 단순한 이론을 사용하는 것이 연구에 더 유리한가? | 이해와 계산, 검증 및 예측의 효율성을 평가 |
단순한 이론을 선택하는 것이 실용적으로 유리하다는 주장과 단순한 이론이 실제로 더 참에 가깝다는 주장은 구별해야 한다.
현대 과학철학에서는 단순성을 선호하는 이유가 모든 학문 분야에서 동일하게 적용되는지에 관해서도 논쟁이 있다.
예를 들어 생물학에서 단순한 설명을 선호하는 이유와 물리학에서 단순한 수학적 법칙을 선호하는 이유가 반드시 동일하지는 않을 수 있다.[3]
과학 연구에서는 동일한 관찰 결과를 설명하는 여러 가설이 제시될 수 있다.
이때 연구자는 각 가설의 설명력과 예측력, 기존 증거와의 일치 여부 등을 비교한다.
오컴의 면도날은 이러한 비교 과정에서 불필요한 가정을 줄이도록 권고한다.
예를 들어 어떤 현상을 설명하기 위해 다음과 같은 두 가설이 제시되었다고 가정하자.
- 가설 A: 알려진 물리적 원인 하나가 현상을 발생시켰다.
- 가설 B: 동일한 원인에 더해 관찰되지 않은 특수한 힘이 작용했다.
특수한 힘을 가정하더라도 새로운 현상을 설명하거나 더 정확한 예측을 제공하지 못한다면 가설 B를 선택할 이유가 약하다.
그러나 추가적인 힘의 존재를 뒷받침하는 새로운 증거가 발견된다면 가설 B를 다시 검토해야 한다.
즉, 오컴의 면도날은 기존 이론을 무조건 유지하거나 새로운 이론을 거부하는 원칙이 아니다.
필요한 설명을 유지하면서 불필요한 가정을 제거하는 데 목적이 있다.[1]
반증 가능성은 어떤 이론이 경험적 관찰이나 실험을 통해 틀렸다고 판정될 가능성이 있는지를 나타내는 개념이다.
과학철학자 칼 포퍼는 반증 가능성을 과학적 이론의 중요한 특징으로 강조했다.
오컴의 면도날과 반증 가능성은 서로 다른 개념이지만, 과학적 가설을 평가하는 과정에서 함께 고려할 수 있다.
예를 들어 어떤 가설이 관찰 결과와 맞지 않을 때마다 새로운 예외 조건을 추가한다면 그 가설은 점점 복잡해질 수 있다.
특히 추가된 조건이 독립적으로 검증할 수 없는 임시방편적인 가정이라면 이론의 설명력과 검증 가능성을 평가하는 데 문제가 발생한다.
오컴의 면도날은 이러한 불필요한 보조가정의 추가를 경계하도록 한다.
다만 모든 보조가정이 부당한 것은 아니다. 새로운 증거를 설명하고 독립적인 검증을 통과하는 가정이라면 과학적으로 정당화될 수 있다.
과학사에서는 기존 이론으로 설명하기 어려운 현상을 해결하기 위해 새로운 존재나 원리를 도입한 사례가 많다.
예를 들어 천왕성의 궤도에서 관찰된 불규칙성을 설명하기 위해 당시 알려지지 않은 행성의 중력적 영향을 가정한 연구는 해왕성의 발견으로 이어졌다.
새로운 행성을 가정한다는 점에서는 존재자의 수가 증가했지만, 기존의 중력 법칙을 유지하면서 관찰된 궤도 차이를 설명할 수 있었다.
이는 단순성을 평가할 때 단순히 존재자의 개수만 세어서는 안 된다는 사실을 보여 준다.
새로운 존재자를 도입하더라도 전체 이론의 설명력과 예측력이 개선된다면 충분히 합리적인 선택이 될 수 있다.
따라서 과학적 이론의 단순성은 가정의 수뿐 아니라 설명의 통일성과 예측력 등을 함께 고려하여 평가해야 한다.[1]
오컴의 면도날은 인공지능과 머신러닝에서 모델의 복잡성을 관리하는 원칙으로 활용된다.
특히 오버피팅(Overfitting, 과적합) 문제와 밀접한 관계가 있다.
오버피팅은 모델이 학습 데이터에 지나치게 적합되어 새로운 데이터에 대한 예측 성능이 떨어지는 현상이다.
예를 들어 주어진 데이터에 맞춰 지나치게 복잡한 함수를 만들면 학습 데이터의 값뿐 아니라 우연한 잡음까지 학습할 수 있다.
이 경우 학습 데이터에서는 오차가 매우 작더라도 실제 예측에서는 큰 오차가 발생할 수 있다.
반면 상대적으로 단순한 모델은 학습 데이터의 세부적인 잡음보다 일반적인 패턴을 학습하는 데 유리할 수 있다.
오컴의 면도날은 이러한 상황에서 불필요하게 복잡한 모델보다 충분한 예측력을 가진 단순한 모델을 우선적으로 고려해야 한다는 원칙으로 적용된다.[4]
머신러닝 모델은 복잡성에 따라 서로 다른 특성을 보인다.
| 구분 | 단순한 모델 | 복잡한 모델 |
|---|---|---|
| 표현 능력 | 상대적으로 제한적 | 복잡한 관계를 표현할 수 있음 |
| 학습 데이터 적합 | 복잡한 패턴을 충분히 학습하지 못할 수 있음 | 세부적인 패턴까지 학습할 수 있음 |
| 주요 위험 | 언더피팅(과소적합) | 오버피팅(과적합) |
| 계산 비용 | 일반적으로 상대적으로 낮음 | 모델과 구현에 따라 높아질 수 있음 |
| 일반화 성능 | 지나치게 단순하면 낮아질 수 있음 | 지나치게 복잡하면 낮아질 수 있음 |
단순한 모델이 항상 더 좋은 일반화 성능을 보이는 것은 아니다.
실제 데이터의 구조가 복잡하다면 이를 표현할 수 있는 충분한 모델 복잡성이 필요하다.
또한 현대 딥러닝에서는 매개변수가 매우 많은 모델도 높은 일반화 성능을 보이는 경우가 있다.
따라서 오컴의 면도날을 모든 모델의 매개변수를 무조건 최소화해야 한다는 규칙으로 이해해서는 안 된다.
중요한 것은 모델의 복잡성과 데이터에 대한 설명력, 새로운 데이터에 대한 예측 성능 사이의 균형이다.
머신러닝에서 정규화(Regularization)는 모델이 지나치게 복잡해지는 것을 억제하기 위해 학습 과정에 제약이나 벌점을 적용하는 방법이다.
대표적인 접근은 예측 오차와 모델 복잡성에 대한 벌점을 함께 최소화하는 것이다.
여기서 각 기호의 의미는 다음과 같다.
- : 전체 목적함수
- : 데이터에 대한 예측 오차
- : 모델 매개변수에 대한 정규화 항
- : 정규화의 강도를 조절하는 계수
정규화 계수의 값이 커지면 모델의 복잡성을 제한하는 효과가 강해질 수 있다.
반대로 정규화가 지나치게 강하면 필요한 패턴까지 학습하지 못하는 언더피팅이 발생할 수 있다.
대표적인 정규화 방법에는 L1 정규화와 L2 정규화 등이 있다.
이러한 방법은 데이터에 대한 적합도만 높이는 대신 모델의 복잡성도 함께 고려한다는 점에서 오컴의 면도날과 연결된다.[4]
머신러닝에서 특성(Feature)은 모델이 예측에 사용하는 입력 변수이다.
예를 들어 주택 가격을 예측하는 모델에서는 면적과 위치, 건축 연도 등이 특성이 될 수 있다.
특성을 많이 사용한다고 해서 반드시 예측 성능이 향상되는 것은 아니다.
예측에 도움이 되지 않는 변수를 추가하면 모델이 불필요하게 복잡해지거나 잡음에 민감해질 수 있다.
따라서 특성 공학에서는 유용한 특성을 선택하고 불필요한 특성을 제거하는 작업이 중요하다.
이러한 접근은 오컴의 면도날과 관련이 있다.
그러나 특성의 개수를 최소화하는 것 자체가 목적은 아니다.
많은 특성이 실제로 예측에 필요한 정보를 제공한다면 이를 유지하는 것이 더 합리적이다.
머신러닝에서는 여러 모델 가운데 적절한 모델을 선택하기 위해 검증 데이터를 사용한다.
예를 들어 동일한 데이터에 대해 선형 회귀모델과 복잡한 비선형 모델을 학습시킨 뒤 새로운 데이터에서의 예측 성능을 비교할 수 있다.
두 모델의 예측 성능이 유사하다면 계산 비용이 낮고 구조가 단순한 모델을 선택할 실용적인 이유가 있다.
그러나 복잡한 모델이 검증 데이터에서 일관되게 더 높은 성능을 보인다면 단순성만을 이유로 배제할 필요는 없다.
또한 검증 데이터를 반복적으로 이용하여 모델을 선택하면 검증 과정 자체에 과적합이 발생할 수 있다.
따라서 모델 선택과 최종 성능 평가를 구분하고 적절한 교차검증이나 독립적인 평가 데이터를 활용하는 것이 중요하다.[5]
소프트웨어 공학에서도 불필요한 복잡성을 줄이는 것은 중요한 설계 원칙이다.
예를 들어 동일한 요구사항을 충족하는 두 시스템이 있다고 가정하자.
- 시스템 A: 하나의 애플리케이션과 데이터베이스로 요구사항을 충족한다.
- 시스템 B: 동일한 기능을 위해 여러 독립 서비스와 메시지 브로커, 추가적인 데이터 저장소를 사용한다.
시스템 B의 복잡한 구조가 성능이나 확장성, 가용성 등의 측면에서 실질적인 이점을 제공하지 않는다면 시스템 A를 선택하는 것이 합리적일 수 있다.
반면 대규모 트래픽이나 장애 격리, 독립적인 배포 등의 요구사항이 존재한다면 복잡한 구조가 필요할 수도 있다.
따라서 오컴의 면도날은 복잡한 아키텍처를 무조건 배제하는 원칙이 아니라 요구사항을 충족하는 데 불필요한 구성요소를 제거하도록 하는 판단 기준이다.
시스템 장애를 분석할 때에도 오컴의 면도날을 적용할 수 있다.
예를 들어 웹서비스에 접속할 수 없고 서버의 디스크 사용률이 100%에 도달했다고 가정하자.
이 경우 디스크 공간 부족을 우선적으로 조사하는 것이 합리적이다.
처음부터 네트워크 장비의 고장과 운영체제의 결함, 애플리케이션의 버그가 동시에 발생했다고 가정할 필요는 없다.
그러나 디스크 공간을 확보한 뒤에도 문제가 해결되지 않는다면 다른 원인을 추가로 조사해야 한다.
특히 보안 사고나 복합 장애에서는 여러 원인이 동시에 작용할 수 있으므로 단순한 설명을 지나치게 고집해서는 안 된다.
오컴의 면도날은 조사 순서를 결정하는 데 도움이 될 수 있지만 실제 원인을 확인하는 로그 분석과 실험, 검증을 대체하지는 않는다.
오컴의 면도날에 대한 가장 중요한 비판은 단순성이 진리를 보장하지 않는다는 것이다.
실제 세계에는 여러 원인이 복합적으로 작용하는 현상이 존재한다.
예를 들어 질병의 원인이 하나가 아니라 유전적 요인과 환경적 요인, 생활습관의 상호작용일 수 있다.
이러한 현상을 하나의 원인만으로 설명하는 이론은 단순할 수 있지만 실제 현상을 충분히 설명하지 못할 수 있다.
따라서 단순성은 정확성과 설명력을 희생하면서까지 추구해야 하는 절대적인 기준이 아니다.
어떤 이론이 더 단순한지를 객관적으로 판단하기 어려운 경우가 있다.
한 이론은 적은 수의 존재자를 가정하지만 수학적 구조가 복잡할 수 있다.
반면 다른 이론은 더 많은 존재자를 가정하지만 간결한 수학적 법칙으로 표현할 수 있다.
이때 어떤 이론이 더 단순한지는 단순성을 측정하는 기준에 따라 달라질 수 있다.
또한 이론의 길이와 가정의 수, 매개변수의 수, 계산 비용 등은 서로 다른 복잡성의 척도이다.
따라서 단순성을 하나의 수치로 환산하여 모든 이론에 동일하게 적용하기는 어렵다.[1]
오컴의 면도날을 지나치게 엄격하게 적용하면 기존 이론에 포함되지 않은 새로운 원인이나 존재자를 탐구하는 데 소극적이 될 수 있다.
과학에서는 새로운 현상을 설명하기 위해 기존에 알려지지 않은 입자나 힘, 생물학적 기작 등을 가정해야 하는 경우가 있다.
이러한 가정이 충분한 증거와 예측력을 제공한다면 이론의 복잡성이 증가하더라도 정당화될 수 있다.
따라서 오컴의 면도날은 새로운 가설을 금지하는 원칙이 아니라 새로운 가설을 도입할 필요성이 있는지 검토하도록 하는 원칙이다.
브레너의 빗자루는 과학자가 자신의 이론과 맞지 않는 불편한 사실을 의도적으로 무시하거나 제쳐두는 태도를 풍자하는 표현이다.
노벨 생리의학상 수상자인 분자생물학자 시드니 브레너(Sydney Brenner)가 사용한 표현에서 유래했다.
브레너는 오컴의 면도날이 불필요한 가설을 제거하는 데 사용되는 반면, 일부 연구자들은 자신의 가설과 맞지 않는 사실을 양탄자 밑으로 쓸어 넣듯이 무시한다고 지적했다.
두 개념은 면도날과 빗자루라는 도구에 비유된다는 점에서 비교된다.
| 구분 | 오컴의 면도날 | 브레너의 빗자루 |
|---|---|---|
| 영어 | Occam's Razor | Brenner's Broom 또는 Ockham's Broom |
| 핵심 의미 | 설명에 불필요한 가정을 제거 | 이론에 불리한 사실을 무시하거나 제쳐둠 |
| 제거하거나 무시하는 대상 | 불필요한 가설과 존재자 | 관찰된 사실이나 반례 |
| 과학적 평가 | 합리적인 이론 선택의 원칙 | 증거를 선택적으로 취급하는 문제를 풍자하는 표현 |
브레너의 빗자루를 오컴의 면도날의 반대 개념으로 소개하기도 하지만, 엄밀히 말하면 두 개념은 서로 다른 문제를 다룬다.
오컴의 면도날은 이론에 포함되는 가정의 수를 줄이려는 원칙인 반면, 브레너의 빗자루는 이론과 맞지 않는 증거를 어떻게 취급하는가에 관한 표현이다.
따라서 불필요한 가정을 제거하는 것과 불편한 증거를 무시하는 것은 구별해야 한다.[6]
한론의 면도날(Hanlon's Razor)은 악의로 설명할 필요가 없는 일을 어리석음이나 실수로 설명할 수 있다면 악의를 가정하지 말라는 취지의 경험칙이다.
예를 들어 어떤 사람이 약속에 늦었을 때 의도적으로 상대방을 무시했다고 단정하기보다 단순한 착오나 일정 관리의 실패 가능성을 고려하는 것이다.
오컴의 면도날이 일반적인 이론 선택의 원칙이라면 한론의 면도날은 주로 인간의 행동과 의도를 해석하는 상황에서 사용되는 경험칙이다.
두 원칙 모두 불필요한 가정을 경계한다는 공통점이 있지만 적용 대상과 목적에는 차이가 있다.
히친스의 면도날(Hitchens's Razor)은 증거 없이 제시된 주장은 증거 없이 배척할 수 있다는 취지의 논증 원칙이다.
이는 어떤 주장을 받아들일 근거를 제시할 책임이 주장하는 사람에게 있다는 생각과 연결된다.
오컴의 면도날이 여러 설명 사이의 단순성을 비교하는 원칙이라면 히친스의 면도날은 주장과 증거의 관계를 강조한다.
따라서 두 원칙은 동일하지 않으며, 증거가 부족한 주장을 평가하는 과정에서 서로 다른 역할을 수행한다.
오컴의 면도날은 일상적인 문제 해결에서 자주 인용되지만 그 의미가 지나치게 단순화되는 경우가 있다.
| 흔한 오해 | 정확한 이해 |
|---|---|
| 가장 단순한 설명은 언제나 옳다. | 단순성은 이론 선택의 한 기준일 뿐 진리를 보장하지 않는다. |
| 설명이 짧을수록 좋다. | 문장의 길이보다 불필요한 가정과 존재자의 유무가 중요하다. |
| 원인은 반드시 하나여야 한다. | 실제로 여러 원인이 필요하다면 복합적인 설명을 사용해야 한다. |
| 새로운 가정은 모두 제거해야 한다. | 충분한 증거와 설명력을 제공하는 가정은 정당화될 수 있다. |
| 복잡한 과학 이론은 단순한 이론보다 열등하다. | 복잡한 이론이 더 많은 현상을 정확하게 설명할 수 있다. |
| 머신러닝에서는 매개변수가 적은 모델이 항상 우수하다. | 모델의 복잡성뿐 아니라 일반화 성능과 데이터의 특성을 고려해야 한다. |
| 오컴의 면도날은 과학적으로 증명된 자연법칙이다. | 오컴의 면도날은 가설과 이론을 선택하는 철학적·방법론적 원칙이다. |
특히 오컴의 면도날을 적용할 때에는 다른 모든 조건이 동일하다면이라는 전제가 중요하다.
두 이론의 설명력과 예측력, 검증 가능성이 서로 다르다면 단순성만으로 우열을 결정해서는 안 된다.
또한 단순성은 반드시 하나의 객관적인 기준으로 측정할 수 있는 성질이 아니므로 적용 상황에 따라 적절한 평가 기준을 정해야 한다.[3]
오컴의 면도날은 불필요한 가정을 줄이고 설명의 명확성과 효율성을 높이려는 원칙이다.
중세 형이상학의 논쟁에서 출발하여 근대 자연과학과 현대 과학철학, 통계학, 인공지능 등 여러 분야에서 활용되고 있다.
특히 현대의 머신러닝에서는 모델의 복잡성과 일반화 성능을 함께 고려하는 접근과 연결된다.
그러나 단순성을 지나치게 강조하면 실제 세계의 복잡한 구조를 충분히 설명하지 못할 수 있다.
따라서 오컴의 면도날의 핵심은 무조건 가장 단순한 설명을 선택하는 것이 아니라, 현상을 충분히 설명하는 데 필요한 복잡성은 유지하면서 불필요한 가정만 제거하는 것이다.
- ↑ 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 Stanford Encyclopedia of Philosophy, 「Simplicity」, 2022년 5월 16일 개정, https://plato.stanford.edu/entries/simplicity/, 확인 날짜: 2026년 10월 13일.
- ↑ 2.0 2.1 2.2 2.3 Internet Encyclopedia of Philosophy, 「William of Ockham (Occam, c. 1280—c. 1349)」, https://iep.utm.edu/ockham/, 확인 날짜: 2026년 10월 13일.
- ↑ 3.0 3.1 Internet Encyclopedia of Philosophy, 「Simplicity in the Philosophy of Science」, https://iep.utm.edu/simplici/, 확인 날짜: 2026년 10월 13일.
- ↑ 4.0 4.1 David L. Poole·Alan K. Mackworth, 《Artificial Intelligence: Foundations of Computational Agents》 제3판, 「7.4 Overfitting」, University of British Columbia, https://www.cs.ubc.ca/~poole/aibook/3e/html/ArtInt3e.Ch7.S4.html, 확인 날짜: 2026년 10월 13일.
- ↑ Gavin C. Cawley·Nicola L. C. Talbot, 「On Over-fitting in Model Selection and Subsequent Selection Bias in Performance Evaluation」, 《Journal of Machine Learning Research》, 제11권, 2010, https://jmlr.csail.mit.edu/beta/papers/v11/cawley10a.html, 확인 날짜: 2026년 10월 13일.
- ↑ Miranda Robertson, 「Ockham's broom: A new series」, 《Journal of Biology》, 8권 79호, 2009년 10월 16일, https://pmc.ncbi.nlm.nih.gov/articles/PMC2776908/, 확인 날짜: 2026년 10월 13일.