요약
생물 종이 사라질수록 생태계가 주는 혜택도 꾸준히 줄어든다는 연구가 나왔습니다.
영국 킹스칼리지 런던과 임페리얼 칼리지 런던 연구진이 『Nature Ecology & Evolution』에 발표한 연구입니다. 생태계에는 서로 대신할 종이 넉넉해 몇 종쯤 사라져도 괜찮다는 통념을 이 분야 최대 규모의 자료로 검증했습니다.
왜 중요한가
- 종을 하나씩 잃을 때마다 식량 안보와 기후 보호를 떠받치는 혜택도 함께 줄어든다는 뜻입니다.
- 기능적 중복성(사라진 종의 역할을 다른 종이 대신한다는 개념)에 기댄 낙관이 과했다는 근거입니다.
- 연구진은 데이터베이스와 23개 범주의 예측 결과를 공개해 정책과 계획 수립에 쓰도록 했습니다.
핵심 내용
- 수분, 정수, 탄소 저장, 해충 방제 같은 혜택 대부분은 종이 늘수록 멈추지 않고 계속 커졌습니다.
- 논문 423편에서 육상·담수·해양·하구 생태계 데이터 22만 2,829건을 모아 분석했습니다.
- 다양성에 가장 크게 반응한 것은 바다의 탄소 격리였지만, 연구진은 자료가 적다는 한계를 밝혔습니다.
- 해안 침수·침식 방어는 다양성보다 모래언덕을 붙잡는 관목 같은 기반종(생태계의 뼈대가 되는 종)에 더 기댔습니다.
- 연구진은 전체 다양성 유지와 대체할 수 없는 기반종 보호를 함께 챙겨야 한다고 했습니다.
HN 반응
- 일부 이용자는 '자연 평형' 개념이 1950년대 시스템 이론의 환상이라고 했고, 생태학은 이미 단일 평형을 가정하지 않는다는 반론이 나왔습니다.
- 흔들린 시스템이 더 나쁜 평형에 자리 잡을 수 있다는 보충과 함께, 모델에 한계가 있다고 통째로 버려선 안 된다는 의견도 많았습니다.
이 주제라면 애덤 커티스의 시리즈 "All Watched Over by Machines of Loving Grace"를 추천하지 않을 수가 없습니다. 특히 "되튕김(bounce back)"이라는 주제에는 그 시리즈의 두 번째 에피소드가 딱 맞습니다.
"자연의 평형"이라는 개념은 1950년대 사이버네틱스 기계 판타지를 자연계에 덮어씌운 것이지, 생태계의 실상을 정확히 비춘 것이 아닙니다. 세상을 시스템 이론의 언어로 모델링할 수는 있지만, 그렇게 만든 모델이 실제 세계에 대해 할 말이 별로 없을 수도 있습니다. 시스템 이론에 따르면 반드시 평형이 있다고, 그리고 시스템을 교란해도 결국 그 평형으로 돌아간다고 주장할 수는 있습니다(저도 어느 정도는 전문가로서 말씀드리는데, 첫 번째 주장부터가 사실이 아닙니다). 그래도 돌아오는 게 안 보이면 더 기다려야 했던 것뿐이라고 하면 그만이죠.
이 논리의 층층이 어느 것도 제대로 된 추론 위에 세워진 것이 아닙니다. "호모 에코노미쿠스"에 기댄 경제학과 닮은 점이 놀랍습니다. 거기서도 이상적인 모델에서 출발해 현실 세계에 대한 귀납적 진술을 하려 들고, 그 진술이 관찰과 정면으로 충돌하는 경우가 많습니다. "생태계(eco-system)"와 "자연의 평형"은 시스템 이론을 생태학에 적용하는 이런 접근에서 나왔고, 지금은 서양의 사고방식에 깊이 뿌리내렸지만 분명히 틀린 생각입니다.
두 번째 에피소드의 시작 부분은 여기 있습니다: https://www.youtube.com/watch?v=FgoereMDUJ0
이런 사고방식은 조심하셔야 합니다. 저는 10년 넘게 "학자들"이라는 말을 코웃음으로 넘기다가 그 함정에 제대로 뒤통수를 맞았거든요.
"모델은 틀렸다"는 생각을 하게 되는 사람은 대개 골라낸 반례 몇 개에 이끌려 거기까지 가고, 그 뒤로는 반례만 먹고 삽니다. "전문가들은 틀렸다(그리고 이 콘텐츠를 보면 15분 만에 당신이 맞는 사람이 될 수 있다!)"는 식의 콘텐츠는 넘쳐나고요.
실제 현실은 "모델은 잘 맞다가 안 맞을 때가 온다"입니다. "모델은 안 맞는다"가 아닙니다.
아이러니하게도 "틀린" 모델을 만드는 전문가들이 이 점을 가장 잘 알고 있는 편입니다.
이건 분야나 세부 분야에 따라 크게 다릅니다. 나쁜 모델에 기댄 나쁜 경제학이 수십 년째 광대한 지적 황무지를 이루고 있는데, 그 모델들은 규범적인 이유로만 매력이 있습니다. 행동심리학 분야 전체가 사기일지도 모르고요. 기타 등등. 과학은 장례식 하나하나를 거치며 발전한다는 말이 있는데, 그 큰 이유는 사람들이 자기 모델을 놓으려 하지 않기 때문입니다. 모델이 쓸모를 다했어도, 원래 목적에조차 쓸 수 없을 만큼 틀렸다는 게 입증돼도 마찬가지입니다.
저는 인지과학을 공부했는데 똑같은 슬픈 결론에 도달했습니다. 재현성 위기가 괜히 있었던 게 아니고, 그 위기는 아직 끝나지도 않았습니다. 논문 토론 때 우리 교수님 한 분이 비판이 나오면 "그래도 게재된 논문이잖아"라며 끝내던 게 생생합니다. 대학원생들도 단번에 알아보는 심각한 연구상의 구멍을 그 어설픈 손짓 하나로 덮을 수 있다는 듯이요. 부실한 통계가 양(量)을 보상하는 시스템 안에 있으면 큰 해를 끼칠 수 있습니다.
이 순간까지는 경제학이 과학 분야일 수 있다고 생각해 본 적도 없었어요. 정말 스스로를 과학이라고 여기나요? 밖에서 보기엔 전혀 그렇지 않았거든요.
"분야의 순수성" 0 같은 논쟁까지 깊이 들어가지 않더라도, 게임 이론, 심리학, 인류학 등이 연구 분야인 정도로는 분명히 연구 분야입니다. 행동이나 결과 가능성에 대한 특정 모델을 만들 수는 있지만, 실험을 돌리는 건 물리학이나 생물학보다 훨씬 어렵습니다.
그러니 n=1 재현성만 가지고도 과학이라 할 수 있다면, 그 정도로는 과학입니다.
이상하게도 경험적 실험은 심리학(제 분야입니다)이 훨씬 돌리기 쉬운데, 제 경험으로는 어쩐 일인지 경제학이 심리학보다 훨씬 더 엄밀하고 실증적입니다.
전체적인 복잡도가 더 효과적으로 모델링하기 쉬운 쪽이라서일 수도 있습니다. 심리학은 오차항이 워낙 커서, 포기하거나 아니면 얼버무림과 교조에 익숙해지거나 둘 중 하나입니다. 심리학자 중 상당수는 그저 활동가일 뿐이고, 과학자가 되는 데는(권위 말고는) 별 관심이 없습니다.
경제학이 과학 분야라는 건 점성술이나 정치가 과학 분야라는 것과 같은 의미에서입니다. 고객이 듣고 싶어 할 이야기로 이론을 세웁니다. 그리고 고객에게 그 이야기를 해 보면서 즉각적인 반응과 시간이 지나며 상황이 어떻게 전개되는지를 함께 관찰해서 그 이론을 검증합니다. 후자는 고객이 원하는 게 뭔지에 대한 이론을 새로 고치는 일과 맞물리고요... 끝없는 반복입니다.
그럼 스스로 과학이라고 믿느냐고요? 업턴 싱클레어의 유명한 말이 적용된다고 보시면 됩니다.
말도 안 되는 소리예요. 경제학은 물리학이나 화학 같은 방식의 과학은 아니지만, 점성술처럼 예측력이 아예 없는 것도 아니잖아요.
어원을 보면 도움이 됩니다.
Eco는 집, 가정, 거처를 뜻합니다.
-logy 접미사는 '과학'입니다. 그러니 생태학(ecology)은 생물이 서로, 그리고 물리적 환경과 어떻게 상호작용하는지를 과학적으로 연구하는 학문입니다.
-nomy 접미사는 어떤 것의 분야나 체계를 뜻합니다.
그러니 경제(economy)는 금융의 생태학입니다. 달리 말하면 경제학은 금융 시스템을 예측하는 과학 분야입니다. 어떤 과학 분야든 내용을 알고 나면 예측에 도움이 됩니다. 다만 쓸모 있는 예측에는 쓸모 있는 측정이 필요합니다.
-logy는 '-생각', -nomy는 '-이름 붙이기'잖아요, 맞죠?
이 맥락에서는 그 정도면 충분히 가깝지만, 곁가지로 가면 훨씬 흥미롭습니다.
특히 로고스(Logos)는 제가 제일 좋아하는 단어입니다. -logy 접미사가 여기서 나왔고, 대략 "생각"으로 옮기기도 하고 "말씀"으로 보기도 합니다. 성경은 "태초에 로고스가 있었다"로 시작합니다. 우리는 이걸 "말씀"으로 번역하지만 "생각"이라는 뉘앙스도 있습니다. "우주의 패턴, 규칙, 논리"로 이해하는 게 더 정확할 수도 있습니다. 그리스인에게 생각은 우리가 생각한다고 할 때처럼 사람이 "하는" 것이 아니라, 자연에 본래 깃들어 있어서 사람이 거기에 참여하는 어떤 것이었습니다.
그러니 그 성경 구절은 "태초에 지금 우리가 관찰하고 참여하는 것과 같은 작동 논리가 우주에 있었고, 지금과 똑같은 본연의 규칙이 우주를 다스렸다"로 이해하는 편이 더 나을 수 있습니다. 사실 "태초에 하나님의 말씀이 있었다"보다 훨씬 쓸모 있고 솔직한 해석입니다.
생물학(biology), 생태학(ecology) 같은 자기 분야의 -logy를 공부하는 사람은 그저 대상을 들여다보고 기술하는 데 그치지 않습니다. 패턴과 작동 원리를 알아낼 수 있는 대상에 대해 진리를 발견하는 일에 더 본질적으로 얽혀 있는 겁니다.
자연과학은 로고스학(logology)으로 개념화할 수도 있습니다. 말 그대로 로고스가 여러 차원에서 어떻게 작동하는지 연구하는 학문이니까요.
"모델은 잘 맞다"라고 하셨는데, "전문가를 믿지 마라"는 비판의 틀에서 "모델은 반증되기 전까지는 잘 맞는다"로 틀을 옮기는 순간 무한 재귀의 고리에 빠집니다.
그래서는 누가 그걸 판정하느냐는 문제가 해결되지 않습니다. 무엇이 맞고 무엇이 아닌지를 누가 정합니까?
저는 "전문가"를 의심해 봐야 한다는 앞의 주장이 마음에 듭니다.
애초에 "전문가를 믿어라 모델"은 왜 써야 합니까? 어느 전문가요? 몇 명이요? 모델이란 뭡니까? "맞는다"는 건 무슨 뜻입니까? 안 맞는다는 건요? 그리고 그 의사결정 과정 자체는 누가 결정합니까?
앞서 글을 쓰신 분 말에도 일리가 있습니다. 이건 모델끼리의 싸움이고, 연구와 새로운 발견이 불투명한 학계 직함에 묶여서는 안 되니까요.
같은 수준의 학자 두 명이 정반대 결론을 내면, 그땐 어떻게 합니까?
그리고 점수 매기는 체계를 둬도 자연은 인간 중심적인 모델 따위에 신경 쓰지 않는다는 사실은 달라지지 않습니다.
저는 법학, 수학, 컴퓨터공학을 공부했는데 특히 수학에 실망했습니다. 결국 수학도 인간이 만든 인류학적 추상이니까요. 칸토어가 가장 좋은 예입니다. 그의 연구는 획기적이었는데도 학계의 합의가 그의 편을 들지 않고 받아들이지 않았다는 이유만으로 외면당했습니다.
그가 세상을 떠나고 한참 뒤에야 그의 체계는 표준이 됐고, 너무나 명확해 보여서 그때 위원회는 대체 뭐가 문제였나 싶을 정도입니다.
그러니 수학은 세간의 평처럼 엄격하고 빈틈없고 논리적인 학문과는 거리가 멉니다. 오히려 인간이 일정한 규칙을 따르는 모델을 쓰고 있는 것에 가깝습니다.
유용하긴 하지만 뉴턴과 아인슈타인의 경우처럼 더 나은 모델이 있는지 없는지는 전혀 증명되지 않습니다.
참고로 칸토어는 자기 연구가 적대감 속에서 거부당하자 수학을 그만뒀습니다.
판단은 여러분이 하세요.
모델마다 의사결정에서 맡는 목적이 다르고, 의사결정자들이 그걸 잘 이해하지 못하는 경우가 많아서입니다.
모델은 여전히 세상을 이해하는 데 큰 도움이 되고, 여러 면에서 우리가 가진 최선의 도구입니다. 문제는 요즘 우리가 생태계 자체에 대한 실제 정책 개입(예를 들어 동물을 솎아내거나 물고기를 잡는 "건강한" 양이 얼마인가)을 생태계라는 개념에 기대어 내리는 데 지나치게 의존한다는 겁니다. 그런데 그 생태계라는 건 형편없는 모델일 뿐이거든요.
경제학과 생태학에서 "안정"과 "평형"이라는 생각을 걷어낼 수만 있다면 저는 행복할 겁니다.
제가 여기 있는 이유가 바로 그겁니다 :-)
의사결정은 리스크 관리이고, 예측보다 단순한 경우가 많습니다. 효용 함수 관점에서 생각해야 하고, 파국적인 영역에서는 멀찍이 떨어져 있어야 합니다. 그러려고 초정밀 예측까지 필요한 경우는 드뭅니다.
한 예가 팬데믹입니다. 팬데믹은 사망자 수 측면에서 꼬리가 극단적으로 두껍습니다. 어떤 유행 모델이든 맞추려면 데이터가 많이 필요한데 그럴 시간이 없습니다. 하지만 감염병 유행에 대한 대응은 아주 단순합니다. 치명률이 높고 전염성도 강한가? 그렇다면 다 닫아라! 코로나 때 베트남이나 대만 같은 아시아 국가들이 본질적으로 이렇게 했고, 서구보다 훨씬 잘 대처했습니다. 저는 유행 모델을 두고 논쟁하던 게 기억나는데, 완전히 쓸모없는 짓이었습니다.
우리 주장을 가장 잘 보여 주는 건 일기예보 모델일 겁니다. 일반인에게도 꽤 와닿는 예시니까요.
기상 모델은 어이없을 만큼 고도화돼 있고, 전 세계에 깔린 실시간 데이터를 슈퍼컴퓨터로 처리합니다. 그런데도 완벽에는 근처에도 못 갑니다.
그렇다고 맑다고 했던 날 내 생일에 비가 왔다고 해서 날씨 앱을 지우고, 기상학을 사이비 과학이라 부르고, "예보가 또 틀렸다"는 글을 올리는 서브스택을 시작하지는 않잖아요.
사람들은 날씨 모델과 늘 접하니까 이게 바보짓이라는 걸 직관적으로 압니다. 그런데 거의 접할 일이 없는 것에는 "틀린 예보" 한 번만으로 쉽게 내쳐 버립니다.
(물론 모든 모델이 날씨 모델만큼 좋은(혹은 나쁜) 건 아니라는 단서도 인정합니다. 사람들 머릿속을 헝클어 놓는 변수가 또 하나 있는 셈이죠.)
그래도 날씨는 측정하기 쉬워서 모델이 계속 개선되는 거잖아요. 많은 분야에서는 실험을 하고 결과를 측정하기가 몹시 어렵습니다. 그런 분야에서는 모델이 오랫동안 형편없는 채로 남을 수 있어요.
이 비유 마음에 드네요... 기상학의 이단! 날씨에 대해 안다고 생각했던 건 전부 틀렸다. 일기예보는 어떻게 당신 인생의 즐거움을 갉아먹는가. 날씨의 진실! 대자연을 예측하겠다는 잘못된 과학.
웃기게 들리는 건 실제로 그렇게 믿는 사람들을 만나기 전까지예요.
저는 그 사람들이 정말로 뭘 긍정적으로 믿고 있기는 한지 의심하게 됐어요. 이른바 "지구 평면론자"와 현실에서 한 번 대화해 본 적이 있는데, 자기가 하는 말을 믿는다기보다 그냥 "옳은 사람"이 되고 싶은 거라고 금세 결론 냈거든요. 그래서 저는 당신은 사실 그걸 안 믿는다고 말해 줬고, 그 사람이 저를 설득하려 들 때는 똑같이 "내가 더 잘 알아" 태도로 맞받았어요.
물론 그 사람은 저를 설득하지 못했죠! 어설프게 평면론자 흉내나 내는 양반 같으니.
"모든 모델은 틀렸지만 일부는 유용하다"는 박스(Box)의 격언(출처가 불확실할 수도 있습니다)이 더 나은 마음가짐입니다.
물론 우리는 자연을 완벽하게 모델링할 수 없지만, 유용한 예측을 할 만큼은 충분히 가까이 갈 수 있는 경우가 많습니다. 사소한 예측 실패가 있다고 해서 모델과 그 모든 예측을 통째로 버려야 하는 건 아닙니다.
안타깝게도 소셜 미디어는 생각이 얕은 사람이나 속고 싶어 하는 사람을 먹잇감으로 삼죠 :(
말로 하지 않을 뿐 영원히 톱니바퀴에 끼어 있는 걸림돌은 카오스 이론에 있습니다. 모델에는 항상 현실을 어느 정도 뭉뚱그려서 덩어리로 다루는 면이 있습니다. 여기에는 반올림 오차나 예외 상황 같은 직관적인 부정확성이 있고, 게다가 현실은 카오스적 상호작용에서 창발적인 행동이 나타나곤 하는데, 이는 실제로 일어난 뒤에야 이해할 수 있습니다. 이런 것들은 모델의 적합성을 완전히 무너뜨릴 만한 오류가 될 수 있습니다.
창발적 행동을 관찰하고 나면, 앞서 뭉뚱그렸던 것들을 더 잘게 쪼개서 모델에 반영할 수 있는 경우가 많지만 근본적인 문제는 그대로 남습니다. 그래서 (기후 변화처럼) 모델을 개선할 비교적 빠른 피드백 고리가 없는 대상에 대한 모델은 알려지지 않은 변수에 매우 취약해집니다. 완전히 쓸모없다는 얘기는 아니지만, 모델 결과의 구체성에 실린 무게를 크게 덜어낼 수 있고, 모델이 어느 방향으로 틀릴 것 같은지에 대한 두 번째 논의를 열어야 합니다.
게다가 인간의 행동이 들어가는 모델을 만들 때는 게임 이론, 심리학, 사회학, 통계학 등을 끌어다 쓸 수 있지만 결국 카오스가 판을 칩니다. 이제 AI가 등장하면서 자동화에서도 이전에는 없던 방식으로 하나의 변수가 될 겁니다. 신경망의 가중치가 여러 맥락에서 예상 밖으로 어떻게 움직일지 모델링할 현실적인 방법은 없습니다.
이 모든 얘기는, 모델이 유용한 예측을 내놓는 데는 그리 뛰어나지 않고, 오히려 복잡한 상황에서 관계를 이해하는 기초를 쌓고 "깔끔한" 상황이 어떤 모습일지 보여 주는 데 뛰어나다는 뜻입니다. 그 결과를 바탕으로 현실이 어떤 모습이 되고 어떻게 전개될 것 같은지 따져 볼 수 있죠. 이 구분이 중요한 이유는, 지금의 자동화 도구와 AI에는 눈 밝은 인간이 적용할 수 있는 마지막 카오스적 보정이 빠져 있기 때문입니다. AI는 복잡한 모델을 만드는 데는 아주 능숙해졌지만, 제 생각에는 의도했든 아니든 설계상 모델 자체와 똑같은 한계에 묶여 있습니다.
현실의 결정을 내리고 개인적인 책임을 지기 위한 그 마지막 보정은 모델의 출력보다는 신념과 감정에 더 뿌리를 두고 있습니다. 물론 모델의 출력이 그걸 다듬는 데 도움이 되기는 하지만요.
아이작 아시모프도 1986년에 같은 이야기를 했습니다. "틀림의 상대성(The Relativity of Wrong)"
https://web.williams.edu/Mathematics/sjmiller/public_html/238/handouts/asimovrelativityofwrong.htm
저는 예전에 한 선배 동료가 커리어 초기에 제 머릿속에 새겨 준 말을 늘 좋아했습니다.
예측에 쓸모가 없는 모델은 나쁜 모델이지만, 모든 모델은 예측력에서 한계에 부딪힙니다. 어떤 모델은 "가장자리"에서 정확도가 절벽처럼 뚝 떨어지고, 어떤 모델은 초점이 나간 사진처럼 서서히 충실도를 잃습니다.
제가 보는 반과학적 비판은 대부분 시스템이나 현상을 모델링한다는 게 실제로 무엇을 뜻하는지, 즉 그 어려움, 한계, 최종 목표, 성공 기준 같은 것을 전혀 모릅니다. 분야를 가리지 않고 뿌리 깊게 퍼져 있는 일종의 통계적, 과학적 무지입니다. 과학을 한다는 것은 여러 면에서 모델을 만든다는 게 무슨 뜻인지와 씨름하는 일이고, 어떤 면에서는 우주를 심문하는 일입니다.
멍청한 데다 자신감까지 넘치면 "모델링"처럼 복잡한 것은 붙들고 씨름하기를 포기하고 그냥 거의 변덕으로 우주가 진짜 어떠해야 하는지 정해 버리고 싶어지죠. 그래도 모델링이 지적으로 너무 벅차다고 느끼는 사람 중 일부는, 적어도 자기가 영영 이해하지 못할 것들이 있다는 건 인정합니다.
설령 그런 주장을 한다 해도, 시스템 이론을 실제로 다뤄 본 경험으로 보면 어떤 시스템에는 평형이 여러 개 있을 수 있다는 걸 알아야 합니다. 시스템이 교란되면 훨씬 덜 바람직한 다른 평형에 자리 잡을 수도 있습니다.
저는 기계 시스템과 컴퓨터 시스템을 다뤄 봤는데, 부하를 가하는 순서와 타이밍에 따라 관찰되는 동작이 크게 달라지는 경우가 있었습니다. 원치 않는 평형에 빠지면 시스템 전체를 멈췄다가 다시 시작해야 할 때도 있습니다.
자연환경에서는 통제된 방식으로 멈췄다가 다시 시작하는 일을 우리가 온전히 좌우할 수 없습니다.
"공정하게 말하자면..." 하는 사람이 되는 건 싫지만, 시스템을 교란했을 때 가끔 훨씬 덜 바람직한 다른 평형에서 멈출 수 있다는 게 논거라면, 가끔은 훨씬 더 바람직한 다른 평형에서 멈출 수도 있다는 뜻이기도 합니다.
사실 그런 구분이 비관주의와 낙관주의의 차이를 가르는 것일 수도 있습니다.
우리가 지구의 객관적으로 더 나은 지배자였던 공룡 대신 인간이 된 게 바로 그런 식이었죠.
닭이 다시 일어날 겁니다!
동의합니다. 자연은 인간에게 관심이 없습니다. 자연이 인간을 돌본다는 건 이념가들이 만든 낭만적 판타지입니다.
2차 대전 이후에 자연에 대한 이론이 그렇게 많이 나온 데는 이유가 있습니다. 하루하루 생존하는 문화에서, 인간의 가장 기본적인 욕구를 충분히 감당하고도 남는 시스템에 보살핌을 받는 문화로 바뀐 것이었죠.
결국 우리는 수십만 년 진화의 결과물입니다. 현대는 겨우 100년 정도인데, 이 기간들을 비교해 보세요. 인류학자의 관점에서 100년은 수십만 년의 몇 배와 나란히 놓고 따질 만한 길이가 못 됩니다.
생태계가 안정적인 평형 상태를 단 하나만 갖는다고 생각하는 진지한 사람은 제 주변에 없는 것 같습니다.
사실 포식자와 피식자의 관계처럼 학교에서 배우는 사소한 시스템조차 정적 평형이 아니라 동적 평형입니다. 실험을 해 보면 영양 단계 연쇄(trophic cascade)가 생태계를 한 준안정 상태에서 다른 준안정 상태로 옮길 수 있다는 게 분명히 드러납니다(예를 들어 바위틈 웅덩이에서 게를 없애면 초식 동물 개체수가 폭발하다가 해초가 바닥나면 폭락합니다).
진화는 분명 수많은 준안정 상태 사이를 오가는 과정입니다.
더 강한 주장은 경제학 이 이걸 인식하지 못한다는 것이라고 생각합니다. 지역적 인센티브와 가격 피드백 구조만으로는 자연 시스템이 현재의 준평형 상태에서 밀려나 악화된 상태로 떨어지는 걸 막을 수 없습니다. 그런 상태는 장기적으로 인간에게도 더 가난한 결과를 가져오고요(예: 어족 자원 붕괴). 이 점도 꽤 널리 이해되고 있고, 어획 할당량 같은 시장 개입이 존재하는 이유입니다. 하지만 "지금 더 많이 뽑아내자"와 "생태계의 장기적 건강"이 충돌하면 "지금 더 많이 뽑아내자"가 경제적 기본값이고 "장기적 건강"은 특별한 호소가 필요하니, 앞쪽이 이기는 경향이 있는 건 놀랄 일이 아닙니다.