무작위 (r1)

무작위의 수학적 정의는 확률론과 통계학의 기초가 된다. 수학에서 무작위성은 결과가 확률 분포에 따라 발생하지만, 개별 결과는 예측 불가능한 특성을 의미한다. 즉, 가능한 모든 결과의 집합과 각 결과가 발생할 확률은 알려져 있으나, 다음에 어떤 특정 결과가 나타날지는 결정적으로 알 수 없다. 이러한 개념은 표본 공간과 사건의 확률을 정의하는 공리적 확률론 체계 내에서 엄밀하게 다루어진다.

무작위성을 수학적으로 모델링하는 핵심 도구는 확률 변수이다. 확률 변수는 표본 공간의 각 결과에 실수를 할당하는 함수로, 그 값이 무작위적으로 결정된다고 간주한다. 예를 들어, 공정한 주사위를 한 번 던지는 실험에서, 눈금을 나타내는 확률 변수 X는 {1, 2, 3, 4, 5, 6}의 값을 각각 1/6의 동일한 확률로 취한다. 여기서 각 시행의 결과는 무작위적이지만, 장기적으로 관찰되는 빈도는 이론적 확률에 수렴한다는 큰 수의 법칙이 성립한다.

수학적 무작위성은 크게 두 가지 관점에서 논의된다. 하나는 통계적 무작위로, 관찰된 데이터 열에 유의미한 패턴이나 상관관계가 존재하지 않는 것을 의미한다. 다른 하나는 알고리즘 정보 이론에서의 무작위성 개념으로, 어떤 데이터 열을 설명하는 가장 짧은 알고리즘의 길이가 데이터 열 자체의 길이와 거의 같을 때, 그 데이터 열을 무작위라고 정의하기도 한다. 이는 콜모고로프 복잡성과 연결된 개념이다.

이러한 수학적 정의와 모델은 의사 난수 생성기를 설계하는 이론적 토대가 되며, 모의 실험이나 몬테카를로 방법과 같은 계산 방법에서 무작위 표본을 생성하는 근거를 제공한다.

확률론에서 무작위성은 사건의 발생 가능성을 수치적으로 다루는 확률의 근간이 되는 개념이다. 확률론은 기본적으로 각 결과가 동일한 가능성으로 발생하는 이상적인 무작위 과정, 즉 균등 분포를 가정하며 출발한다. 이러한 무작위 과정에서 얻어지는 결과의 열을 확률 변수로 모델링하고, 그 분포와 특성을 연구한다.

무작위성을 설명하는 두 가지 주요 관점이 있다. 첫째는 빈도주의 관점으로, 장기적으로 반복했을 때 사건의 상대적 빈도가 일정한 값에 수렴한다는 것을 무작위성의 근거로 삼는다. 예를 들어, 동전 던지기를 무수히 반복하면 앞면이 나오는 비율은 1/2에 가까워진다. 둘째는 베이지안 관점으로, 무작위성은 지식이나 정보의 부족에서 기인하는 불확실성으로 해석된다. 즉, 사건 자체가 본질적으로 불확실하거나 관찰자에게 그 결과를 예측할 수 있는 충분한 정보가 없을 때 무작위적이라고 판단한다.

확률론에서의 무작위성은 단순히 '불규칙함'을 넘어서 체계적으로 분석 가능한 대상이다. 큰 수의 법칙이나 중심 극한 정리와 같은 핵심 정리들은 명확한 수학적 구조를 가지고 무작위 현상의 장기적 행동을 예측하는 데 기초를 제공한다. 이는 통계적 추론, 위험 관리, 금융 공학 등 다양한 응용 분야의 이론적 토대가 된다.

결정론은 우주의 모든 사건이 이전 사건들에 의해 필연적으로 결정된다는 철학적 견해이다. 이 관점에서 보면, 모든 결과는 원인과 조건의 완전한 집합을 알 수 있다면 이론적으로 예측 가능해야 한다. 따라서 결정론적 세계관 속에서 무작위는 단지 인간의 무지나 정보 부족에서 비롯된 인식상의 착오, 즉 '겉보기 무작위성'에 불과할 수 있다.

역사적으로 고전 역학의 성공은 이러한 결정론적 세계관을 강화했다. 예를 들어, 동전 던지기나 주사위 굴리기와 같은 사건은 초기 조건(힘, 각도, 공기 저항 등)을 완벽히 알면 그 결과를 정확히 예측할 수 있는 결정론적 과정으로 해석될 수 있다. 이는 무작위성이 근본적인 것이 아니라, 복잡성과 측정의 한계 때문에 발생하는 현상임을 시사한다.

그러나 20세기 양자역학의 등장은 결정론에 근본적인 도전을 제기했다. 양자역학의 표준 해석에 따르면, 예를 들어 방사성 동위원소의 붕괴나 광자의 경로와 같은 미시적 수준의 현상들은 본질적으로 비결정론적이며, 진정한 의미의 무작위성을 내포한다고 본다. 이는 무작위성이 단순히 인식의 한계가 아니라, 자연계의 근본적 속성일 수 있음을 의미한다.

결정론과 무작위성의 관계에 대한 논의는 여전히 철학과 과학의 중요한 주제이다. 카오스 이론은 결정론적 방정식이 초기 조건에 극도로 민감한 시스템에서는 장기적인 예측이 사실상 불가능해져 무작위처럼 보이는 행동을 보일 수 있음을 설명한다. 이는 결정론적 세계 안에서도 실질적인 무작위성이 존재할 수 있는 영역을 보여준다.

물리적 난수 생성기는 예측 불가능한 물리적 현상을 측정하여 진정한 무작위성을 확보하는 장치이다. 이는 소프트웨어만으로 구현되는 의사 난수 생성기와 근본적으로 구분되는 개념으로, 암호학이나 복권 추첨과 같이 높은 수준의 보안성이 요구되는 분야에서 핵심적인 역할을 한다. 생성기의 핵심 원리는 열 소음, 방사성 붕괴, 광자의 양자적 행동, 심지어 대기 잡음과 같이 본질적으로 무질서하고 결정론적으로 예측하기 어려운 자연 현상을 난수의 근원으로 활용하는 데 있다.

이러한 생성기의 구체적인 예로는 방사성 동위원소의 붕괴 시간을 측정하거나, 반도체의 열 잡음을 전기 신호로 변환하는 장치가 있다. 또한, 사용자의 마우스 움직임이나 키보드 입력 타이밍과 같은 인간의 행동에서 무작위성을 추출하는 방법도 널리 사용된다. 이러한 물리적 과정에서 얻은 원시 데이터는 후처리를 거쳐 통계적으로 균일한 분포를 갖는 난수열로 정제된다.

물리적 난수 생성기의 가장 큰 장점은 이론적으로 완전한 예측 불가능성을 제공할 수 있다는 점이다. 이는 시드 값에 의존하는 의사 난수 생성기가 가질 수 있는 주기성이나 예측 가능성의 위험에서 자유롭다. 따라서 금융 보안, 군사 통신, 디지털 서명 생성과 같은 고급 암호 시스템의 초기화나 암호화 키 생성에 필수적으로 사용된다.

그러나 물리적 장치의 구현은 상대적으로 비용이 높고, 생성 속도가 의사 난수 생성기에 비해 느릴 수 있으며, 하드웨어 고장이나 환경적 간섭으로 인해 출력 품질이 저하될 위험이 존재한다. 이러한 단점을 보완하기 위해, 물리적 난수 생성기로부터 얻은 진정한 난수를 시드로 사용하여 고속의 의사 난수 생성기를 구동하는 하이브리드 방식이 실무에서 널리 채택되고 있다.

의사 난수 생성기는 결정론적 알고리즘을 사용하여 무작위처럼 보이는 수열을 생성하는 컴퓨터 프로그램 또는 하드웨어 장치이다. 진정한 무작위성을 제공하는 물리적 난수 생성기와 달리, 의사 난수 생성기는 초기값인 시드를 입력받아 미리 정해진 계산을 통해 일련의 숫자를 만들어낸다. 동일한 시드를 사용하면 항상 동일한 수열이 생성되므로, 결과는 엄밀히 말해 예측 가능하다. 그러나 잘 설계된 의사 난수 생성기는 생성된 수열이 통계적 검증을 통과하고, 실제 난수와 구별하기 어려운 특성을 가지도록 만든다.

의사 난수 생성기의 핵심 알고리즘은 선형 합동 생성기, 메르센 트위스터, 암호학적 의사 난수 생성기 등 다양하다. 선형 합동 생성기는 구현이 간단하고 빠르지만, 주기가 짧고 통계적 품질이 낮아 중요한 응용에는 부적합할 수 있다. 메르센 트위스터는 매우 긴 주기와 우수한 통계적 분포를 제공하여 과학 계산이나 몬테카를로 시뮬레이션에 널리 사용된다. 암호학적 목적을 위한 생성기는 예측 저항성과 역산 불가능성 같은 보안 속성이 추가로 요구된다.

이러한 생성기는 시뮬레이션, 몬테카를로 방법, 컴퓨터 그래픽스, 그리고 암호 기술이 필요하지 않은 일반 게임 등 다양한 분야에서 필수적이다. 운영체제와 프로그래밍 언어의 표준 라이브러리는 대부분 의사 난수 생성 기능을 제공한다. 그러나 암호학적 보안이 필요한 전자 상거래, 통신, 키 생성 등에는 예측이 불가능한 진성 난수 또는 암호학적으로 안전한 의사 난수 생성기가 반드시 사용되어야 한다.

생성된 난수의 품질을 평가하는 것은 그 난수가 얼마나 진정한 무작위성을 갖추고 있는지를 판단하는 과정이다. 특히 암호학이나 도박과 같이 예측 불가능성이 중요한 분야에서는 난수의 품질이 시스템의 안전성과 공정성을 좌우한다.

난수의 품질을 평가하는 주요 기준은 통계적 무작위성이다. 이는 생성된 숫자열이 통계적 검정을 통해 균일한 분포를 보이고, 상관관계나 패턴이 발견되지 않아야 함을 의미한다. 대표적인 통계적 검정법으로는 카이제곱 검정, 이동 평균 검정, 주기성 검정 등이 있으며, 이를 통해 난수열의 균일성, 독립성, 비주기성을 평가한다.

의사 난수 생성기(PRNG)의 경우, 시드 값이 같으면 동일한 난수열이 생성되므로 암호학적 용도로는 부적합할 수 있다. 따라서 암호학적 안전성을 요구하는 응용 분야에서는 암호학적으로 안전한 의사 난수 생성기(CSPRNG)를 사용하며, 이는 시드 값을 알아도 출력을 예측하거나 역산하기 어렵도록 설계된다. 반면, 물리적 난수 생성기(RNG)는 열 소음이나 방사성 붕괴 같은 물리적 현상을 기반으로 하여 이론적으로 진정한 무작위성을 제공한다.

통계학에서 무작위 표본 추출은 표본이 모집단을 대표하도록 보장하는 핵심 원리이다. 실험 설계에서 피험자나 처치를 무작위로 배정하는 무작위화는 편향을 최소화하고 인과 관계 추론의 타당성을 높인다. 이는 통계적 유의성 검정의 기초가 된다.

무작위화 비교 임상 시험은 의학 연구의 표준 방법론으로, 새로운 치료법의 효과를 평가할 때 사용된다. 사회 과학 연구에서도 설문 조사의 표본을 선정하거나 실험 조건을 배정할 때 무작위 절차가 필수적이다. 이를 통해 연구자들은 체계적 오류를 통제하고, 관찰된 효과가 우연에 의한 것인지 여부를 가설 검정을 통해 판단할 수 있다.

이러한 통계적 방법론은 빅데이터 분석, 기계 학습의 모델 검증, 품질 관리 공정에서도 광범위하게 활용된다. 무작위성은 결국 데이터에서 신호와 잡음을 구분하고, 보다 객관적이고 재현 가능한 과학적 결론을 도출하는 데 기여한다.

암호학에서 무작위성은 정보의 기밀성, 무결성, 인증을 보장하는 핵심 요소이다. 특히 암호 키 생성, 초기화 벡터 설정, 솔트 생성 등에 진정한 무작위성이 필수적으로 요구된다. 예측 가능한 난수를 사용할 경우, 공격자가 키를 추측하거나 암호 체계를 무너뜨릴 수 있기 때문이다. 따라서 현대 암호 시스템은 물리적 난수 생성기나 이를 보강한 암호학적으로 안전한 의사 난수 생성기를 통해 높은 품질의 난수를 공급받는다.

이러한 암호학적 응용을 위해 난수의 품질을 평가하는 통계적 검정이 개발되었다. NIST의 난수 검정 스위트와 같은 도구는 난수 열이 통계적으로 균일하고 예측 불가능한지를 검증한다. 최근에는 양자 난수 생성기와 같은 하드웨어 기반 생성 기술도 발전하고 있으며, 이는 양자 역학의 본질적 무작위성을 이용하여 이론적으로 가장 안전한 난수를 제공할 수 있다고 평가받는다.

시뮬레이션은 실제 시스템이나 과정을 모델링하여 분석하거나 예측하기 위해 널리 사용되는 방법이다. 이 과정에서 무작위성은 현실 세계의 불확실성과 변동성을 반영하는 핵심 요소로 작용한다. 특히 몬테카를로 시뮬레이션은 무작위 샘플링을 반복 수행하여 복잡한 수학적 문제의 근사해를 구하는 대표적인 기법이다.

시뮬레이션에서 무작위성은 의사 난수 생성기를 통해 주로 생성된다. 이는 결정론적인 알고리즘으로 만들어지지만, 통계적 검증을 통해 충분히 무작위적인 수열을 제공하여 다양한 시나리오를 모의할 수 있게 한다. 예를 들어, 금융 공학에서 주가 변동을 예측하거나, 물류 시스템의 대기 행렬을 분석할 때, 무작위 입력은 모델의 정확도와 현실성을 높인다.

이러한 시뮬레이션은 결정론적인 모델만으로는 다루기 어려운 복잡하고 확률적인 현상을 이해하는 데 필수적이다. 무작위성을 통합함으로써 연구자와 엔지니어는 보다 견고한 설계를 하고, 리스크를 평가하며, 불확실한 미래에 대한 대비책을 마련할 수 있다.

게임과 오락 분야에서 무작위는 핵심적인 요소로 작용한다. 게임의 재미와 긴장감을 유발하고, 게임 플레이의 다양성과 균형을 보장하는 역할을 한다. 전통적인 보드 게임이나 카드 게임에서는 주사위 던지기나 카드 섞기와 같은 물리적 방법으로 무작위성을 도입한다. 비디오 게임에서는 의사 난수 생성기를 활용하여 몬스터의 등장 위치, 아이템 드롭 확률, 공격의 명중 여부, 맵 생성 등 다양한 요소에 무작위성을 적용한다.

게임 디자인에서 무작위성은 크게 두 가지 방식으로 활용된다. 하나는 플레이어의 선택에 영향을 미치는 요소, 예를 들어 전략적 롤플레잉 게임에서의 확률적 공격 성공 여부나 전략 게임에서의 치명타 발생과 같은 것이다. 다른 하나는 게임 세계 자체를 구성하는 요소, 즉 로그라이크 게임의 던전 구조 생성이나 오픈 월드 게임의 자원 분포와 같은 절차적 생성에 사용된다. 적절한 무작위성은 매번 새로운 경험을 제공하여 게임의 재생산 가치를 높인다.

그러나 무작위성의 과도한 의존은 게임 플레이에 부정적인 영향을 미칠 수 있다. 순전한 운에만 의존하는 요소가 지나치게 강하면 플레이어의 숙련도나 전략적 선택의 의미가 퇴색되어 불만을 초래할 수 있다. 따라서 현대 게임 디자인은 완전한 무작위성과 완전한 결정론 사이에서 균형을 찾고자 하며, 이를 위해 가중치 시스템이나 피티 메커니즘과 같은 방법을 통해 무작위 결과를 부분적으로 조정하기도 한다.

알고리즘 분야에서 무작위성은 문제 해결의 효율성과 성능을 높이는 핵심 요소로 활용된다. 무작위 알고리즘은 알고리즘의 실행 과정에 난수를 도입하여, 동일한 입력에 대해 매번 다른 실행 경로와 결과를 낼 수 있다. 이는 특히 최적화 문제나 확률적 알고리즘에서 두드러지게 사용되며, 전역 최적해를 찾거나 평균적인 성능을 보장하는 데 유리하다.

대표적인 예로 퀵 정렬 알고리즘은 피벗을 선택할 때 무작위성을 적용함으로써 최악의 경우의 시간 복잡도를 피하고 평균적으로 우수한 성능을 보인다. 몬테카를로 방법은 무작위 샘플링을 기반으로 복잡한 수학적 문제나 시뮬레이션의 근사해를 구하는 데 널리 쓰인다. 또한, 기계 학습과 인공지능에서는 모델의 초기 가중치를 무작위로 설정하거나, 경사 하강법에서 미니배치를 무작위로 추출하는 등 다양한 방식으로 무작위성을 도입한다.

이처럼 알고리즘에 무작위성을 통합하는 것은 결정론적인 방법만으로는 해결하기 어려운 문제를 효과적으로 다루는 강력한 패러다임이다. 이 접근법은 계산 복잡도 이론에서도 중요한 위치를 차지하며, 난수의 품질과 생성 속도는 알고리즘의 전체 효율성에 직접적인 영향을 미친다.

우연과 필연의 관계는 철학과 과학의 오랜 주제이다. 필연은 인과 관계에 따라 특정한 결과가 반드시 발생하는 것을 의미하며, 결정론적 세계관과 연결된다. 반면 우연은 예측 불가능하고 필연적인 인과 관계를 따르지 않는 사건을 가리킨다. 역사적으로 많은 철학자들은 세계의 모든 현상이 필연적인 인과 법칙에 따라 움직인다고 보았으며, 우연은 단지 우리의 무지에서 비롯된 착각에 불과하다고 주장하기도 했다.

그러나 현대 과학, 특히 통계역학과 양자역학의 발전은 이러한 결정론적 관점에 도전했다. 통계역학에서는 거시적 세계의 많은 현상이 본질적으로 무작위적인 미시적 입자들의 행동에 기반하여 설명된다. 더 근본적으로, 양자역학의 표준 해석에 따르면, 특정한 미시적 사건의 결과는 본질적으로 예측 불가능한 무작위성을 지닌다. 이는 우연이 단순히 인식의 한계가 아니라 자연의 근본적 속성일 수 있음을 시사한다.

이러한 논의는 자유 의지와 같은 철학적 문제와도 깊이 연관되어 있다. 만약 모든 사건이 필연적으로 결정된다면 인간의 선택도 환상에 불과한가? 아니면 근본적인 무작위성이 우리의 자유 의지를 가능하게 하는가? 우연과 필연에 대한 탐구는 단순한 학문적 호기심을 넘어, 우리가 세계와 자신을 이해하는 방식의 근간을 이루는 중요한 개념적 틀을 제공한다.

양자역학은 현대 물리학의 근간을 이루는 이론으로, 미시 세계의 입자 행동을 설명한다. 양자역학의 핵심 원리 중 하나는 근본적인 무작위성의 존재이다. 이는 고전적인 결정론적 세계관과는 근본적으로 다른 특징이다. 예를 들어, 방사성 물질의 원자핵이 언제 붕괴할지, 또는 광전 효과에서 광자가 특정 위치에 언제 도달할지와 같은 현상은 본질적으로 예측 불가능한 무작위적 사건으로 여겨진다.

양자역학의 무작위성은 단순히 우리의 지식이 부족해서 발생하는 것이 아니라, 자연계의 근본적인 속성으로 받아들여진다. 이는 양자역학의 표준 해석인 코펜하겐 해석에서 명확히 드러난다. 이 해석에 따르면, 입자의 상태는 파동함수로 기술되며, 측정이라는 행위가 일어날 때 비로소 특정한 결과가 '무작위적으로' 결정된다. 이러한 무작위적 붕괴는 확률의 법칙에 따라 일어난다.

양자역학적 무작위성은 단순한 이론적 개념을 넘어 실용적인 기술의 기반이 되기도 한다. 양자 난수 생성기는 광자의 편광 상태나 진공 요동과 같은 양자적 불확정성을 이용하여, 예측이 불가능한 진정한 난수를 생성하는 장치이다. 이는 기존의 의사 난수 생성기나 물리적 난수 생성기와 달리 이론적으로 완벽한 무작위성을 보장할 수 있어, 고급 암호학과 보안 통신 분야에서 중요한 역할을 한다.

그러나 양자역학의 무작위성에 대한 해석은 여전히 논쟁의 대상이다. 양자역학의 방정식 자체는 결정론적이지만, 그 결과가 무작위적으로 나타난다는 점에서, 이 무작위성이 진정한 것인지 아니면 우리가 알지 못하는 숨은 변수가 존재하는지에 대한 철학적 논의는 계속되고 있다. 그럼에도 불구하고, 현재의 실험 결과들은 양자 세계의 근본적 무작위성을 강력히 지지하고 있다.

확률은 무작위 사건의 발생 가능성을 수치화한 척도이다. 즉, 어떤 사건이 일어날 가능성을 0에서 1 사이의 숫자로 표현한 것이다. 확률은 무작위 현상을 이해하고 분석하는 데 필수적인 수학적 도구로, 통계학, 게임 이론, 보험, 금융 등 다양한 분야에서 활용된다. 무작위로 발생하는 사건의 빈도를 예측하거나, 불확실성을 정량적으로 관리하는 데 확률 개념이 기초가 된다.

확률의 주요 해석으로는 빈도론적 관점과 베이지안 관점이 있다. 빈도론적 확률은 동일한 조건에서 무한히 반복할 때 특정 사건이 발생하는 상대적 빈도의 극한값으로 정의된다. 반면, 베이지안 확률은 불확실한 명제에 대한 믿음의 정도를 나타내는 주관적 척도로 본다. 두 해석 모두 무작위성을 다루는 데 유용하며, 적용 분야에 따라 선택적으로 사용된다.

무작위 표본 추출은 확률 이론의 중요한 응용 사례이다. 모집단에서 각 구성원이 선택될 확률을 동일하게 부여하여 표본을 추출하면, 그 표본은 모집단의 특성을 대표할 가능성이 높아진다. 이 원리는 여론 조사, 임상 시험, 품질 관리 등에서 공정하고 객관적인 데이터를 얻는 데 필수적이다. 따라서 확률은 단순히 가능성을 계산하는 것을 넘어, 과학적 방법론의 핵심적 기반을 제공한다.

엔트로피는 무질서도 또는 불확실성의 정도를 나타내는 척도이다. 물리학과 정보 이론에서 핵심적인 개념으로 사용되며, 무작위성과 밀접하게 연관되어 있다. 열역학에서는 시스템의 무질서한 상태를 정량화하는 물리량으로 정의되며, 정보 이론에서는 메시지나 데이터의 불확실성 또는 정보량을 측정하는 단위로 사용된다. 엔트로피가 높다는 것은 시스템이 더 무질서하거나, 발생 가능한 결과의 수가 많아 예측이 어렵다는 것을 의미한다.

정보 이론에서 클로드 섀넌이 도입한 정보 엔트로피는 무작위 변수의 불확실성을 수치화한다. 예를 들어, 공정한 동전 던지기 결과는 앞면과 뒷면 두 가지 가능성이 동일하게 존재하므로 엔트로피가 높다. 반면, 한쪽으로 치우친 동전은 결과 예측이 상대적으로 쉬워 엔트로피가 낮다. 이처럼 엔트로피는 무작위성의 정도를 측정하는 중요한 도구가 된다.

암호학에서 엔트로피는 암호 키나 난수의 품질을 평가하는 지표로 활용된다. 높은 엔트로피를 가진 암호 키는 예측이 거의 불가능하여 보안 강도가 높다. 따라서 의사 난수 생성기나 물리적 난수 생성기가 생성한 난수의 품질을 검증할 때 엔트로피 측정이 필수적이다.

엔트로피는 카오스 이론과도 연결된다. 카오스 시스템은 결정론적인 법칙을 따르지만 초기 조건에 극도로 민감하여 장기적인 예측이 불가능해 보이는, 즉 높은 무작위성을 보이는 현상을 연구한다. 이러한 시스템에서의 복잡성과 불확실성은 엔트로피 개념으로 설명될 수 있다.

카오스 이론은 결정론적 시스템에서 나타나는 복잡하고 예측 불가능한 행동을 연구하는 분야이다. 초기 조건에 매우 민감하게 반응하여, 아주 작은 차이가 시간이 지남에 따라 결과에 엄청난 차이를 만들어내는 특징을 가진다. 이는 비선형 동역학 시스템에서 흔히 관찰되며, 날씨 예측이나 유체 역학 같은 복잡한 자연 현상을 이해하는 데 중요한 개념이다.

카오스 이론에서의 무질서는 표면적으로는 무작위와 유사해 보이지만, 근본적으로 다르다. 무작위는 본질적으로 예측 불가능한 요소에서 비롯되는 반면, 카오스는 완전히 결정론적인 규칙에 의해 지배받는 시스템 내부에서 발생한다. 즉, 카오스 시스템의 모든 미래 상태는 초기 조건과 방정식에 의해 엄격하게 결정되어 있지만, 초기 조건을 완벽하게 알 수 없다는 사실 때문에 실질적으로 장기 예측이 불가능해 보이는 것이다.

카오스 이론은 나비 효과라는 개념으로 잘 알려져 있으며, 이는 시스템의 초기 상태에 대한 미세한 불확실성이 시간이 지남에 따라 기하급수적으로 증폭되어 전혀 다른 결과를 초래할 수 있음을 비유적으로 설명한다. 이러한 특성은 기상학, 생태학, 천체역학 등 다양한 과학 분야의 모델링에 적용된다.

무작위성과의 관계에서, 카오스 이론은 결정론적 시스템이 어떻게 무작위성을 닮은 복잡한 행동을 보일 수 있는지를 보여준다는 점에서 의미가 있다. 그러나 카오스 시스템은 내재적으로 결정론적이기 때문에, 의사 난수 생성기의 설계에 아이디어를 제공할 수는 있으나, 암호학 등에서 요구되는 진정한 무작위성의 원천으로는 간주되지 않는다.