인스타그램 좋아요 늘리기 [사설] 상승폭 커진 서울 집값, 강력한 종합대책 실기 말라 > 공지사항

인스타그램 좋아요 늘리기 [사설] 상승폭 커진 서울 집값, 강력한 종합대책 실기 말라

페이지 정보

작성자 행복이이
댓글 0건 조회 90회 작성일 25-10-10 16:37

본문

인스타그램 좋아요 늘리기 서울 아파트값 상승폭이 계속 커지며 6·27 대출 규제 이전 수준으로 돌아갔다. 실수요자들이 불안 심리로 주택 매수에 뛰어들면 추석 이후 더 출렁일 가능성도 있다. 시장 과열을 막고 반전시킬 종합적이고 강력한 대책을 강구할 때가 됐다.
한국부동산원이 2일 발표한 9월 다섯째 주(9월29일 기준) 서울 아파트 매매가격은 1주 새 0.27% 상승했다. 상승폭은 전주(0.19%)보다 커졌고, 대출 규제 발표 전인 6월 둘째 주(0.26%)도 웃돌았다. 9월1일 0.08%, 8일 0.09%, 15일 0.12%에 이어 상승률도 매주 높아지고 있다. 특히 성동(0.78%)·마포(0.69%)·광진(0.65%)·강동(0.49%)은 전체 상승세를 견인하는 ‘불장’이 됐다. ‘똘똘한 한 채’ 심리를 누그러뜨리기엔 대출 규제만으로 부족하고, 9·7 공급 대책 발표 후에도 주택 수요자들이 이른바 ‘한강 벨트’ 지역을 규제지역으로 묶기 전 서둘러 매수에 나선 영향으로 풀이된다.
정책 당국은 추가 대책을 고민하고 있다. 김용범 대통령실 정책실장은 전날 인터뷰에서 규제지역 확대에 대해 “필요하면 정교하게 하겠다”고 했고, 김윤덕 국토교통부 장관도 최근 기자간담회에서 “세금 문제, 토지거래허가구역 등 모든 가능성을 열어놓고 종합대책으로 발표할 것”이라고 말했다. 시장이 달아오른다고 그때그때 단발성 땜질 대책을 쏟아내기보다는 차분하고 정교하게 다방면으로 접근하겠다는 것이다. 역대 정부의 고강도 대책에도 집값 상승을 막지 못했던 경험이 반면교사로 작용한 것이지만, 자칫 장고하다 칼 빼들 시점을 놓칠 우려도 있다.
주지하듯 ‘정책 한 방’으로 집값이 안정되지는 않는다. 그런 특효약은 없다. 정부 처방이 시장에 스며들도록 정책의 일관성이 필수적이다. 이를 위해선 당국 간 긴밀한 협조가 바탕이 돼야 한다. 하지만 부동산 정책의 한 축인 오세훈 서울시장은 인허가 절차 간소화로 재건축·재개발 사업 속도를 높이는 ‘신속통합기획’만이 만능 공급책인 듯 홍보할 뿐 빌라·다세대주택 가격을 급등시키는 부작용엔 눈감고 있다. 특히 토지거래허가구역 추가 지정은 없다는 식의 미온적 태도로 시장에 혼선을 일으키고 있다. 오 시장은 지난 2월 느닷없이 ‘잠삼대청 토허제 해제’로 집값 상승을 촉발한 장본인이란 사실을 잊어선 안 된다.
정부는 금융·공급·세제를 아우르는 강력하고 치밀한 종합대책을 마련하되 정책의 타이밍을 놓치지 않아야 한다. 부동산 시장은 한 번 불붙으면 진화하기 어렵다. 아무리 강력한 대책도 적시적소를 놓치면 ‘난로 위의 얼음’처럼 금세 녹아버릴 수 있음을 명심해야 한다.
최모씨(63)는 18년간 장애와 노환으로 거동이 불편한 시부모 두 분을 집에서 정성껏 돌봐왔다. 자신도 나이가 들었지만 요양시설에도 맡기지 않았다. 최씨는 식사준비부터 시부모의 위생 및 청결관리, 병원진료 동행, 재활보조, 간호까지 일상 전반을 책임지며 그들의 손발이 돼 왔다.
서울시는 2일 장충체육관에서 열린 ‘제29회 노인의날 기념식’에서 최씨와 같은 효행자와 유공자를 선정해 표창을 수여했다.
오세훈 서울시장은 이날 90세 이상 고령의 부모와, 시부모, 처부모를 헌신적으로 봉양한 효행자 8명, 지역사회에 모범이 된 어르신 11명, 노인복지 증진에 기여한 개인·단체 34명 등 총 53명(단체)에게 표창을 전달했다.
이날 함께 효행상을 받은 김모씨(75)는 1975년부터 지금까지 50년간 치매를 앓고 있는 장모(97)를 돌봐왔다. 장모가 편히 지낼 수 있도록 생활 전반을 지원하는 한편 늘 찾아뵈며 정성껏 보살폈다. 손모씨(63) 역시 30여 년간 고령의 어머니를 모시며, 지역 노인복지관의 어르신을 위한 봉사활동에도 적극 참여했다.
모범 어르신 표창은 연 2000번 이상 어르신 안부 확인활동을 하는 등 적극적으로 봉사활동을 실천한 오모씨(75), 2012년부터 2380시간 동안 복지관 안내데스크 자원봉사 등에 참여한 조모씨(75) 등에게 수여됐다.
또 어르신들을 대상으로 한 운동프로그램을 개발·운영한 물리치료사, 무료법률 상담을 제공한 변호사 등 각 분야에서 노인복지향상에 기여한 30명에게는 노인복지기여자 표창이 돌아갔다.
이날 노인복지기여자 표창을 함께 받은 신가네 칼국수는 2007년부터 18년간 홀로 사는 어르신들에게 반찬을 지원하고 명절 식사 대접 등 꾸준히 나눔을 실천했다. 신가네 칼국수는 특히 명절과 어버이날, 노인의 날 등에는 지역 어르신 수백 명을 초대해 식사를 제공해왔다.
오 시장은 장수를 축하하는 의미로 올해 100세를 맞은 어르신 2명에게 ‘장수 기념패’도 전달했다.
오 시장은 “노인의 날을 맞아 축하와 함께 어르신을 위해 헌신하며 올바른 효를 실천해 온 분들의 노고에 깊이 감사드린다”며 “서울시는 앞으로도 어르신들이 공경받고 효의 가치가 살아있는 도시, 어르신들이 살던 지역에서 편안하고 활기찬 노후생활을 보낼 수 있는 도시를 만들어 나가기 위해서 노력하겠다”고 말했다.
챗GPT는 인간의 피드백을 학습했다. 이전까지 ‘끝말잇기’ 정도나 가능했던 인공지능 언어모델을 드라마틱하게 향상시킨 핵심 열쇠였다. 챗GPT는 인간이 남긴 텍스트만 기계적으로 학습한 게 아니다. 이후 사람이 만든 예상 질문과 정답 세트를 배웠고, 이를 토대로 챗GPT가 만들어낸 답변에 사람이 다시 점수를 매겨서 돌려줬다. 이른바 인간 피드백을 통한 강화학습(RLHF)이다. 이 피드백을 바탕으로 만든 인공지능 보상 모델이 다시 성능 향상에 쓰였다.
막 챗GPT가 화제로 떠올랐던 2년여 전, 언어모델을 개발하고 있는 김성훈 업스테이지 대표는 한 강의에서 챗GPT의 이 훈련 과정 개념도를 보여주면서 이렇게 말했다. “10년 뒤 인공지능 역사에서 가장 중요한 장면이 무엇이었냐 물으면 이 그림을 꼽을 것입니다.” 김 대표는 “끝말잇기 기계가 우리 말을 잘 알아듣도록 만들어준 핵심 기본 알고리즘”이라고도 말했다. 지금 이 시각에도 챗GPT, 제미나이에 질문하는 우리는 인공지능에 피드백을 제공하고 있다. 이제는 인공지능끼리 피드백을 주고받기도 한다.
인공지능이 피드백으로 향상되는 시대, 인간의 현주소는 어떨까. 16세기 유럽에서 시작된 ‘서신 공화국’이나 조선 시대 이황과 기대승의 편지 교환처럼 논쟁과 피드백은 인간의 지식을 더욱 정교하게 다듬고 확장하는 도구였지만 이제는 아닌 것 같다. 내 편이 얘기하는 정보는 무조건 옳고, 상대편이 얘기하는 정보는 무조건 그르다. 편지는 사라진 지 오래고 확성기만 남았다. 오늘날 인간은 그 어떤 시대보다 많은 정보를 접하고 있지만 그 어떤 시대보다 피드백을 받아들이지 않는 시대에 살고 있는지도 모른다.
데이터저널리즘팀은 지난 대선 선거운동기간 네이버 뉴스 정치분야 기사의 댓글을 분석했다. 극우 성향 교육단체 ‘리박스쿨’의 댓글 공작 흔적을 분석하려는 취지였지만, 댓글의 작성 행태와 내용에 더 주목하게 됐다. 2000년대 새로운 공론장의 하나로 부상했던 댓글 공간은 더 이상 토론과 논쟁, 피드백의 공간이 아니었다. 3만여명도 안 되는 이들이 분석 대상 댓글 130만여개의 절반 가까이 작성하고 있었다. 대선 후보 관련 댓글의 80% 이상이 상대 후보에 대한 비방으로 점철돼 있었고, 댓글 4개 중 하나는 자진삭제되거나 악성댓글 감시스템인 클린봇으로 숨김 처리되고 있었다. 서로 경쟁하듯 적대감 섞인 언어를 내던지는 비방과 혐오의 쓰레기통과 다를 바 없었다.
댓글 공간은 피드백을 잃어버린 오늘날 세태가 극대화된 축소판에 불과하다. 일부 무분별한 정치인과 그 극성 지지자들은 입맛에 맞는 허위조작정보와 유튜브만에 빠져들면서 상대방을 제거해야 할 악으로만 규정한다. 최소한의 공통적인 지점은 사라진 지 오래다. 서로 다른 평행우주에 사는 것처럼 세계를 완전히 다르게 보고 있다.
이런 모습은 인공지능 학습 과정에서 발생하는 문제인 ‘오버피팅(Overfitting)’을 닮았다. 인공지능 모델이 과도하게 훈련 데이터에만 최적화된 나머지, 학습에 사용되지 않은 일반 데이터에 대한 답은 제대로 내놓지 못하는 현상이다. 오버피팅 방지를 위해 여러 기법이 동원되는데 그중 하나가 학습 단계마다 무작위로 일부 뉴런을 꺼 버림으로써 특정 정보에 과의존하지 않고 다양한 패턴을 인식할 수 있게 하는 ‘드롭아웃’이다. 드롭아웃 비율은 사람이 정할 수 있는데, 이렇게 사람이 직접 설정하는 수치를 인공지능 모델이 학습 과정에서 자체 생성하는 ‘파라미터’와 구분해 ‘하이퍼파라미터’라고 한다. 학습 횟수 등도 이에 속한다.
드롭아웃은 내가 믿고 있었던 일부 정보를 버리고 다른 사람의 생각을 받아들이는 과정을 떠올리게 한다. 우리는 우리의 생각을 얼마나 드롭아웃할 준비가 되었을까. 최적의 드롭아웃 비율, 하이퍼파라미터를 찾는 과정은 매우 지난하고 어렵다. 인간 세상의 일도 마찬가지다. 산적한 문제를 해결하기 위해 최적의 공통 입장을 정리하면서 취할 건 취하고 버릴 건 버리는 과정은 고통스럽다. 반면 맞갖은 데이터만 들이켜면서 오버피팅 모델의 높은 정답률에 취하는 건 즐겁고 쉽다. 피드백을 받고 점점 성장해가는 인공지능과, 피드백을 거부하고 점점 과도한 자신감에 빠져드는 인간을 보면서 뭔가 거꾸로 돼 가고 있다는 생각이 든다.

이전글신용카드박물관 광주서 상가·주택 차량 돌진 사고 잇따라···경찰 “운전 미숙” 25.10.10
다음글분트 중국, 희토류 관련 기술까지 ‘수출 통제’ 25.10.10

댓글목록

등록된 댓글이 없습니다.

인스타그램 좋아요 늘리기 [사설] 상승폭 커진 서울 집값, 강력한 종합대책 실기 말라 > 공지사항

공지사항

페이지 정보

본문

댓글목록

회원로그인