Beethoven, Chopin, and AI: History as a Civic Skill for Understanding Technology

As a young, aspiring pianist, I didn’t just practice scales or memorize pieces—I immersed myself in the histories behind the music. I read about the political turmoil surrounding Beethoven’s Emperor Concerto, Schubert’s fragile life, Chopin’s self-imposed exile from Poland, and his turbulent relationship with George Sand. These weren’t rote facts; they were ways of understanding how music emerged from particular lives and circumstances.

Young Saemi, practicing Tchaikovsky's "Dumka" at Oberlin Conservatory

I may not remember most historical dates I studied, but Chopin’s—and Bach’s—have stayed with me. I remember Beethoven tearing up the dedication to the Eroica Symphony when Napoleon crowned himself emperor. Small details, but when history feels alive, it sticks.

At the time, I didn’t think of this as “studying history.” I thought I was just trying to play the music better. Only later did I realize that “better” meant something very specific; it did not mean technically perfect or a “truer” knowledge of music. It meant situating a piece as an artifact embedded in its historical, social, and political context, shaped by the choices of real people. The music felt more alive, more meaningful, and more connected—the notes resonated differently once I understood Beethoven’s decisions and struggles.

Understanding Chopin’s exile transformed how I approached interpretation. Before, I focused mainly on phrasing and technique. Afterward, every pause, every dynamic was guided by the context of his exile, loss of his homeland, and a sense of yearning from distance. Performance became less about execution and more about response. Similarly, Beethoven’s disillusionment with Napoleon reshaped how I interpreted grandeur and defiance in his writing. In both cases, interpretation became a way of attending to the lives and choices of the composers, bringing the past into dialogue with the present—rather than claiming absolute knowledge of the “true” music. 

Of course, one can perform, enjoy, and appreciate music without knowing its history; the notes alone are enough to move a listener. Music has the power to transcend language and cultural barriers. Yet without historical contexts, interpretations are narrower—detached from the conditions that shaped the music. History doesn’t just provide background; it opens up meaning and makes understanding accountable to the world it came from. Interpretation became less about projecting my own ideas and more about listening closely to the choices, struggles, and circumstances that shaped the work—a skill later essential for understanding not just music, but the complex systems we build, including technology.

Invited to perform at the University of Oxford Alumni Network (2020)

From Music to Systems

Looking back, I see that I was learning something more general: how to treat any work not as self-contained, but as embedded in a world. History taught me not just that context matters, but how to interpret artefacts as products of human decisions under particular constraints. Meaning was never simply in the notes alone; it emerged from the conditions under which they were written and performed. Interpretation is never neutral—it is shaped by human choices, reflecting what we know, what we value, and which histories we foreground.

A marking like Marcia funebre: Adagio assai ("Funeral march: very slow") can carry very different meanings depending on whether it appears in an early piano sonata or in the Third Symphony, originally dedicated to Napoleon. Engaging seriously with music meant asking: who created it, under what constraints, for which audiences, and within what structures of power and possibility?  

Of course, AI differs from music in many ways. Music is an expressive art experienced subjectively, while AI is a socio-technical system whose outputs are often measurable and whose production is opaque. Yet both emerge from human decisions, constraints, and contexts. This habit of attending to context and human choice—this interpretive skill—became the lens through which I approach AI systems. Just as knowing Beethoven’s choices, struggles, and historical circumstances changed the way I heard and performed his music, understanding who builds AI, under what pressures, and within which institutions changes the way we interpret and judge its outputs. The skill of tracing decisions and weighing constraints—the habit I learned through music—helps us see AI not as a neutral tool, but as a product of human worlds with ripple effects across society. In both cases, interpretation is grounded in history: in music, it shapes meaning and the ways we connect with it; in AI, it shapes our capacity for responsible, historically informed judgment.

How often do we pause to ask the same questions of the technologies we build and use everyday? Just as composers, their patrons, and their socio-political contexts shaped music, engineers, designers, institutions, and societies shape AI.  Understanding the makers, their constraints, and the environments in which they operate is just as essential as examining the outputs themselves. 

From Music to AI

What I was really learning, though I didn’t have the language for it at the time, was not just how to interpret music, but how to interpret artifacts as products of human worlds. That habit of mind extends far beyond music. It is, at its core, a civic skill—not because it belongs to any one domain, but because it shapes how we judge the systems that govern us. The same skill that deepened my musical interpretation—listening carefully, tracing the origins of decisions, weighing context—becomes a civic practice when applied to technology, helping us scrutinize AI not as abstract tools, but as products of human choices and institutional pressures.

This perspective is especially urgent now. Today, discussions around AI often focus on models, capabilities, and outputs—as if these systems could be understood independently of history. But like music, AI systems are inseparable from the conditions under which they are produced—the people, institutions and historical contexts that shape them.

Consider AI as you might consider Chopin: who is building it? What pressures shape their decisions? What data are being used, and what histories are embedded in it? Which institutions fund and deploy it? What economic, political, and organizational constraints define what gets built—and what does not?

These questions shift our attention from performance to production. They remind us that AI systems are not neutral; they reflect decisions made by engineers, companies, and governments within particular historical moments. A model trained on past data does not simply mirror the world—it reflects a version of it, shaped by earlier decisions about what to measure, record, and whose experiences to prioritize. For instance, a hiring algorithm trained on historical data can quietly reproduce past patterns of exclusion while appearing neutral. Approaching AI this way mirrors the care and attention I learned from music: every note, every output, carries human intention and context. 

 

Historical Thinking as Civic Practice

 

Historical thinking is a civic practice. By ‘civic,’ I mean a skill that allows us to engage responsibly and thoughtfully with systems that shape society—judging not just their outputs, but the human choices, histories, and structures behind them. Without it, we evaluate systems only by output: is it accurate, efficient, impressive? With it, we ask deeper questions about responsibility and consequence. What assumptions are built in? Whose knowledge is encoded, and whose is ignored? What existing patterns does it reinforce, intentionally or not? Engaging with AI in this way cultivates responsible, historically informed judgment, attentiveness to context, power, and consequence.

AI systems are now embedded in education, governance, healthcare, and finance—domains with long institutional histories. These practices emerged over centuries, shaping how knowledge, labor, and social categories were measured and valued. AI does not create these systems; it amplifies and accelerates ones that have been evolving for generations. This amplification makes their legacies faster, more pervasive, and harder to trace or contest; decisions once visible and contestable can become opaque. Attending to history, as I did with Chopin, helps us see which inequalities persist and which promises of novelty obscure continuity.

History also fosters something quieter but equally important: humility. Paying attention to the historical realities behind Chopin’s music slowed me down and made me more aware of nuance. Approaching AI with the same care uncovers patterns, assumptions, and trade-offs that might otherwise go unnoticed—turning curiosity into informed engagement. It encourages careful judgment, recognizing the limits of hype and the stakes of human decision-making.

Technical literacy matters. But without historical awareness, it is thin. It tells us how something works, but not why it matters or what it carries forward. The habit of attention, interpretation, and contextualization—the skill I first learned through music history—is what allows us to engage with AI responsibly, thoughtfully, and with civic judgment.

I don’t remember every date from those early lessons. But I remember Chopin’s—not because it was required, but because it made the music real. Remembering when he was born, how he died, and the circumstances of his exile gave the notes different weight; it transformed them from abstract patterns on a page into expressions of lived human experience. That is the difference historical awareness makes: it turns knowledge into interpretation. These details grounded my understanding of history, reminding me that music—and later, AI systems—emerges from real human decisions, constraints, and contexts. Small facts like these anchor interpretation in the world, shaping judgment in ways that go far beyond memorization.

And maybe that’s the point.

History is not about memorizing timelines. It is about cultivating judgment—seeing the present as layered, inherited, and shaped by past decisions. In an era of rapid technological change, that habit of mind is not optional.

It is a civic practice.

어린 시절, 피아니스트를 꿈꾸던 나는 단순히 스케일을 연습하거나 곡을 암기하지 않았다. 좋은 음악인이 되기 위해 음악 뒤에 숨겨진 역사 속으로 깊이 들어가야 했다. 베토벤의 ‘황제 협주곡’을 둘러싼 정치적 격변, 슈베르트의 위태로운 삶, 조국 폴란드를 떠나야 했던 쇼팽의 자발적 망명, 그리고 조르주 상드와의 격정적인 관계까지. 이런 것들은 단순한 사실 암기가 아니라, 음악이 어떤 삶과 상황 속에서 탄생했는지를 이해하는 방식이었다.

어렸을 때 공부했던 역사적 날짜의 대부분은 기억나지 않지만, 쇼팽과 바흐의 생애는 여전히 선명하게 남아 있다. 나폴레옹이 스스로 황제로 즉위했을 때, 베토벤이 ‘영웅 교향곡’의 헌정을 찢어버렸다는 일화도 기억한다. 사소한 디테일일지 모르지만, 역사가 살아 움직이는 것처럼 느껴질 때 그것은 오래 남는다.

당시 나는 이것을 ‘역사를 공부한다’고 생각하지 않았다. 그저 음악을 더 잘 연주하고 싶었을 뿐이다.

하지만 시간이 지나고 나서야 깨달았다. 여기서 ‘더 잘 연주한다는 것’이란 기술적으로 완벽해지는 것도, 음악에 대한 ‘더 참된’ 지식을 얻는 것도 아니었다. 그것은 한 작품을 역사적·사회적·정치적 맥락 속에 놓인 산물로 이해하는 것이었다. 실제 사람들의 선택과 상황 속에서 형성된 결과물로 바라보는 일이었다.

그렇게 이해했을 때 음악은 더 생생해졌고, 더 의미 있어졌으며, 더 깊이 연결되었다. 베토벤의 선택과 갈등 등을 알게 되자, 같은 음표들이 전혀 다르게 울리기 시작했다.

쇼팽의 망명을 이해하게 된 것은 나의 해석 방식을 완전히 바꾸어 놓았다. 그전에는 주로 프레이징과 테크닉에 집중했다. 그러나 이후에는 모든 쉼표와 모든 다이내믹이 그의 망명, 고향 상실, 그리고 거리에서 비롯된 그리움이라는 맥락 속에서 해석되었다. 연주는 실행이 아니라 응답이 되었다. 마찬가지로, 나폴레옹에 대한 베토벤의 환멸을 이해하면서 그의 음악 속 장엄함과 저항의 의미도 새롭게 들리기 시작했다. 이 두 경우 모두에서 해석은 과거의 삶과 선택에 주의를 기울이며, 그것을 현재와 대화시키는 행위가 되었다. ‘진짜’ 음악에 대한 절대적 지식을 주장하는 것이 아니라 말이다.

물론 음악의 역사를 몰라도 연주하고, 즐기고, 감상하는 것은 가능하다. 음표만으로도 충분히 사람을 감동시킬 수 있다. 음악은 언어와 문화의 장벽을 넘어서는 힘을 지닌다. 그러나 역사적 맥락 없이 이루어지는 해석은 더 좁을 수밖에 없다. 음악을 형성한 조건들로부터 분리되기 때문이다. 역사는 단순한 배경 설명이 아니다. 그것은 의미를 열어주고, 이해를 그 음악이 탄생한 세계에 대해 책임 있게 만든다. 해석은 더 이상 내 생각을 투영하는 것이 아니라, 작품을 형성한 선택과 역사적 상황을 주의 깊게 듣는 일이 되었다. 이 능력은 훗날 음악을 넘어, 우리가 만들어내는 복잡한 시스템, 특히 기술을 이해하는 데에도 중요해졌다.

음악에서 시스템으로

돌이켜보면, 나는 더 일반적인 어떤 것을 배우고 있었다. 어떤 작품이든 그것을 고립된 대상으로 보지 않고, 세계 속에 놓인 것으로 이해하는 법이었다. 역사는 맥락이 중요하다는 사실뿐 아니라, 특정한 제약 속에서 이루어진 인간의 선택의 산물로서 결과물을 해석하는 방법을 가르쳐 주었다. 의미는 결코 음표 자체에만 있는 것이 아니라, 그것이 쓰이고 연주된 조건 속에서 생겨난다. 해석은 중립적일 수 없다. 그것은 우리가 무엇을 알고, 무엇을 중요하게 여기며, 어떤 역사를 전면에 내세우느냐에 따라 달라진다.

예를 들어 ‘Marcia funebre: Adagio assai' ("장송 행진곡: 매우 느리게")’라는 지시어 하나도, 초기 피아노 소나타에 등장하느냐, 아니면 원래 나폴레옹에게 헌정되었던 교향곡 3번에 등장하느냐에 따라 전혀 다른 의미를 가질 수 있다. 음악을 진지하게 다룬다는 것은 결국 이런 질문을 던지는 일이었다. 누가 만들었는가? 어떤 제약 속에서? 누구를 위해? 어떤 권력 구조와 가능성 속에서?

물론 AI는 음악과 여러 면에서 다르다. 음악은 주관적으로 경험되는 표현 예술이고, AI는 종종 측정 가능한 결과를 내며 생산 과정이 불투명한 사회기술적 시스템이다. 그러나 둘 다 인간의 선택과 제약, 그리고 맥락 속에서 탄생한다. 이처럼 맥락과 인간의 선택에 주의를 기울이는 습관, 해석의 능력은 내가 인공지능 시스템들을 연구할 때 바라보는 렌즈가 되었다.

베토벤의 삶과 선택을 아는 것이 그의 음악을 듣고 연주하는 방식을 바꾸었듯, 누가 어떤 압력 속에서, 어떤 제도 안에서 AI를 만드는지를 이해하는 것은 그 결과물을 해석하고 판단하는 방식을 바꾼다. 결정의 흐름을 추적하고 제약을 따져보는 능력, 음악을 통해 배운 이 습관은 AI를 중립적인 도구가 아니라 인간 세계의 산물로 보게 만든다. 그리고 그 영향이 사회 전반으로 확산된다는 점을 이해하게 한다. 두 경우 모두에서 해석은 역사에 뿌리를 둔다. 음악에서는 의미와 연결 방식을, AI에서는 책임 있는 판단 능력을 형성한다.

우리는 일상적으로 사용하는 기술에 대해서도 이런 질문을 얼마나 자주 던지는가? 작곡가와 후원자, 그리고 그들의 사회·정치적 맥락이 음악을 형성했듯이, 엔지니어와 디자이너, 제도와 사회 역시 AI를 형성한다. 결과물 자체를 분석하는 것만큼이나, 그것을 만든 사람들, 그들이 처한 제약, 그리고 그들이 활동하는 환경을 이해하는 것은 필수적이다.

음악에서 AI로

돌이켜보면, 나는 단지 음악을 해석하는 법이 아니라, 인간 세계의 산물로서 결과물을 해석하는 법을 배우고 있었다. 그리고 이 사고방식은 음악을 훨씬 넘어선다. 이것은 본질적으로 시민적 기술이다. 특정 분야에 국한된 능력이 아니라, 우리를 지배하는 시스템을 어떻게 판단하는지를 형성하기 때문이다. 음악 해석을 깊게 만든 바로 그 능력, 주의 깊게 듣고, 결정의 기원을 추적하며, 맥락을 따지는 태도는 기술에 적용될 때 시민적 실천이 된다. AI를 추상적 도구가 아니라 인간의 선택과 제도적 압력의 산물로 비판적으로 바라보게 해주기 때문이다.

이 관점은 지금 특히 중요하다. 오늘날 AI에 대한 논의는 종종 모델, 성능, 결과에만 집중된다. 마치 이 시스템들이 역사와 무관하게 이해될 수 있는 것처럼 말이다. 그러나 음악과 마찬가지로, AI 역시 그것이 만들어진 조건, 사람, 제도, 역사적 맥락과 분리될 수 없다.

AI를 쇼팽처럼 생각해 보자. 누가 그것을 만들고 있는가? 어떤 압력이 그들의 결정을 형성하는가? 어떤 데이터가 사용되고 있으며, 그 안에는 어떤 역사가 담겨 있는가? 어떤 제도가 그것을 지원하고 배치하는가? 무엇이 만들어지고 무엇이 만들어지지 않는지를 결정하는 경제적·정치적·조직적 제약은 무엇인가?

이 질문들은 우리의 시선을 ‘성과’에서 ‘생산’으로 이동시킨다. AI 시스템이 결코 중립적이지 않다는 점을 상기시킨다. 그것들은 특정한 역사적 순간 속에서 엔지니어, 기업, 정부가 내린 선택을 반영한다. 과거 데이터를 학습한 모델은 단순히 세계를 반영하는 것이 아니라, 무엇을 측정하고 기록할지, 누구의 경험을 우선할지에 대한 이전의 결정들이 만든 세계의 한 버전을 반영한다. 예를 들어 채용 알고리즘은 과거 데이터를 기반으로 하면서, 겉으로는 중립적으로 보이지만 과거의 배제 패턴을 그대로 재생산할 수 있다. 이런 방식으로 AI를 바라보는 것은 음악에서 배운 태도와 닮아 있다. 모든 음표와 모든 출력에는 인간의 의도와 맥락이 담겨 있다.

시민적 실천으로서의 역사적 사고

역사적 사고는 시민적 실천이다. 여기서 ‘시민적’이란, 사회를 형성하는 시스템에 대해 책임감 있고 사려 깊게 참여할 수 있게 해주는 능력을 의미한다. 단순히 결과만이 아니라, 그 뒤에 있는 인간의 선택, 역사, 구조를 함께 판단하는 능력이다. 이러한 사고 없이 우리는 시스템을 오직 결과로만 평가하게 된다. 정확한가? 효율적인가? 인상적인가? 그러나 역사적 사고를 통해 우리는 더 깊은 질문을 던진다. 어떤 가정이 내재되어 있는가? 누구의 지식이 반영되고, 누구의 것은 배제되는가? (의도성이 있든 없든) 어떤 기존의 패턴이 강화되는가? 이런 방식으로 AI를 보고, 다루는 것은 맥락, 권력, 결과에 대한 주의를 포함한 책임 있는 판단을 가능하게 한다.

오늘날 AI는 교육, 거버넌스, 의료, 금융 등 오랜 제도적 역사를 가진 영역에 깊이 들어와 있다. 이러한 영역들은 수세기에 걸쳐 형성되며, 지식과 노동, 사회적 범주를 측정하고 평가하는 방식을 만들어왔다. AI는 이 시스템들을 새로 만드는 것이 아니라, 이미 존재하던 것들을 증폭하고 가속한다. 이 증폭은 과거의 유산을 더 빠르고 광범위하게 확산시키며, 추적하거나 문제 삼기 어렵게 만든다. 한때는 보이고 논쟁 가능했던 결정들이 점점 불투명해질 수 있다. 쇼팽을 이해할 때 그랬듯, 역사에 주의를 기울이는 것은 어떤 불평등이 지속되는지, 그리고 어떤 ‘새로움’의 약속이 실제로는 연속성을 가리고 있는지를 보게 해준다.

역사는 또 다른 중요한 것을 길러준다. 바로 겸손이다. 쇼팽의 음악 뒤에 있는 역사적 현실에 주의를 기울였을 때, 나는 속도를 늦추고 뉘앙스에 더 민감해졌다. 같은 태도로 AI를 바라보면, 그렇지 않았다면 놓쳤을 패턴과 가정, 트레이드오프가 드러난다. 단순한 호기심이 아니라, 정보에 기반한 참여로 나아가게 한다. 과장된 기대의 한계를 인식하고, 인간의 결정이 갖는 무게를 이해하게 만든다.

기술적 이해력은 중요하다. 그러나 역사적 인식이 없다면 그것은 얕다. 기술이 어떻게 작동하는지는 알려주지만, 왜 중요한지, 무엇을 이어받고 있는지는 말해주지 않는다. 주의 깊게 보고, 해석하고, 맥락 속에 놓는 습관, 내가 음악사를 통해 처음 배운 이 능력이야말로 우리가 AI와 책임감 있고 사려 깊게, 그리고 시민적 판단을 가지고 관계 맺을 수 있게 해준다.

나는 그 시절 배운 모든 날짜를 기억하지는 못한다. 하지만 쇼팽의 생애는 기억한다. 그것이 시험에 필요했기 때문이 아니라, 음악을 실제로 느끼게 해주었기 때문이다. 그가 언제 태어났고 어떻게 죽었는지, 어떤 상황에서 망명했는지를 아는 것은 음표에 다른 무게를 부여했다. 그것을 단순한 기호가 아니라 살아 있는 인간 경험의 표현으로 바꾸어 놓았다. 이것이 바로 역사적 인식이 만드는 차이다. 지식을 해석으로 바꾸는 힘이다. 이런 작은 사실들은 음악, 그리고 나중에는 AI 시스템까지도, 실제 인간의 선택과 제약, 맥락 속에서 탄생한다는 점을 이해하게 해주었다. 사소해 보이는 디테일들이 해석을 현실에 뿌리내리게 하고, 단순한 암기를 넘어서는 판단을 형성한다.

어쩌면 그게 핵심일지도 모른다.

역사는 연표를 외우는 것이 아니다. 그것은 판단력을 기르는 일이다. 현재를 과거의 선택들이 겹겹이 쌓여 형성된 것으로 보는 능력말이다. 급격한 기술 변화의 시대에, 이러한 사고 방식은 선택이 아니라 필수다.

이것은 하나의 시민적 실천이다.