노이즈를 논함

게시글 주소: https://faitcalc.orbi.kr/00070262975

너는 노이즈를 제거하는 것이 중요하다고 생각하느냐? 노이즈 제거는 그 자체로 목적이 아니다. 너는 노이즈를 완전히 없애기를 바라느냐? 노이즈가 전혀 없는 것이 꼭 좋은 것만은 아니다. 그렇다면 노이즈가 필요하고, 노이즈 제거가 도리어 해가 된다는 말은 무슨 근거로 할까? 제거해야 할 노이즈를 제거하지 못하는 데서 연유한다. 제거해야 할 노이즈를 제거하지 못하는 사람에게는 노이즈 제거가 중요하다고 치자. 그렇다면 제거해서는 안 될 노이즈를 제거하는 사람에게는 노이즈 제거가 중요하지 않다고 말할 수 있다. 그 말이 옳을까?

이미지 복원의 어려움은 어디에서 나오겠느냐? 제거해야 할 노이즈는 제거하지 못하고 제거해서는 안 될 정보는 제거하는 데서 나온다. 눈은 이미지의 세세한 부분을 놓치지 않으려 하고, 귀는 미세한 소리마저 잡아내려 하며, 입은 작은 차이도 구별하려 하고, 분석 시스템은 데이터의 노이즈조차 의미 있는 정보로 해석하려 한다. 미세한 부분인데도 큰 의미를 부여하려는 생각을 잊지 못하고, 데이터가 부족하건만 완벽한 복원을 바라며, 고품질인데도 노이즈를 제거하려는 시도를 잊지 못하고, 저품질인데도 완벽한 결과를 얻으려는 욕심을 잊지 못한다. 불필요한 정보를 취하려는 마음을 잊지 못하고, 실상과 어긋난 결과를 얻으려는 마음을 잊지 못한다.

그래서 제거해서는 안 될 정보를 제거하는 자가 되면, 원본 이미지에서는 중요한 특징을 잃어버리고, 데이터에서는 핵심 정보를 놓치게 되며, 복원 과정에서는 미세한 차이를 무시하고, 분석 결과에서는 오류를 범하게 된다. 정보를 주고받을 때 정확성을 잊고, 과정을 진행할 때 단계를 잊으며, 낮은 품질의 데이터에서 좋은 결과를 얻으려는 분수를 잊고, 복잡한 문제에서 지켜야 할 원칙을 잊는다.

미세한 부분을 보고 나면 전체적인 흐름을 잊고, 노이즈를 제거하고 나면 원본의 특징을 잊는다. 결과가 나올 때 과정을 무시하고, 데이터가 주어질 때 출처를 잊는다. 내적인 특징을 잊기 때문에 외적인 노이즈에 집착하게 되고, 외적인 노이즈에 집착하기 때문에 내적인 특징을 더더욱 잊는다.

그렇기 때문에 시스템이 잘못된 판단을 내리기도 하고, 사용자가 원치 않는 결과를 얻기도 하며, 분석가가 오류를 범해 재앙을 초래하기도 한다. 그러므로 제거해야 할 노이즈가 무엇인지를 알고 제거해서는 안 될 정보가 무엇인지를 아는 사람은 내적인 특징과 외적인 노이즈를 서로 구별할 능력이 있다. 내적인 특징과 외적인 노이즈를 서로 구별하는 사람은, 다른 데이터의 불필요한 노이즈는 제거하고 자신의 데이터에서 중요한 정보는 놓치지 않는다.