[인공지능과 로봇] Soft computing과 Hard computing의 조합

[인공지능은 Soft Computing]
기존의 수학적 모델 및 분석을 통한 제어 또는 연산 기법들은 모두 Hard computing 이다. 그리고 이러한 수학적 모델을 기반으로 한 시스템의 경우 매우 정확하고 최적화된 이론적 수치와 최대한으로 가까운 결과를 매우 빠른 속도로 얻을 수 있는 장점이 있다. 하지만 수학적 모델을 위한 공부를 하면 할 수록 수학적 모델로 정확히 표현 가능한 시스템이 거의 없다는 것을 알 수 있다. 대부분의 수학적 모델은 선형 시스템으로 간주하여 적용하거나 비선형 시스템이라도 일부 구간 또는 제한된 상황으로 제한하여 선형적인 특성을 도출하고 모델링 하여 사용하도록 한다. 하지만 우리 주변의 대부분의 시스템들은 매우 복잡한 비선형 시스템인 경우가 대부분이다. 수학적 모델을 통해 정확히 표현 가능한 시스템은 거의 없다.

그렇다면 선형적 분석 및 모델링을 통한 기법은 쓸모가 없는가? 그렇지 않다. 제어 분야를 보면 우리가 제어 해야 하는 시스템의 90%이상은 수학적 모델을 기반한 제어로 충분할 정도로 수학적 제어 기법은 매우 유용하다. 우리 주변의 대부분의 시스템은 비선형 시스템이지만 비선형적 요소를 배제하고 모델링화 하더라도 실제와 크게 많이 다르지 않은 경우가 많다. 이는 우리가 뉴턴의 법칙에 영향을 받는 2차 방정식의 물리계에 살고 있기 때문이다. 즉, 센서나 모터를 통한 제어에 있어서는 시스템의 선형적 모델을 통해 대부분의 문제를 해결 할 수 있는 것이다.

하지만 금융이나 패턴 인식 등과 같이 2차 방정식의 물리계의 영향을 받지 않는 매우 비선형적인 시스템에서의 경우 선형적 모델링은 그 힘을 크게 발휘 할 수 없다. 그리고 이렇게 수학적 모델링이 큰 역할을 할 수 없는 경우 수학적 분석에 기반한 Hard computing 방식은 매우 비효율적이며 성능이 크게 떨어질 수 밖에 없다. 이 순간이 Soft computing 방식 기법들을 필요로 하는 순간이다.

인공지능은 soft computing을 지향한다. 특정 시스템이 항상 새로운 데이터 또는 상황에 처하는 경우가 없다면 이 시스템에서는 hard computing 방식이 soft computing 방식보다 값싸고 빠르게 좋은 성능을 발휘할 수 있을 것이다. 하지만 soft computing을 지향하는 인공지능의 경우 hard computing과 다르게 분석되거나 경험하지 못하였던 상황에 대해서도 어느 정도 합리적인 결론을 도출할 수 있도록 해줄 수 있는 큰 장점을 가진다.

[Soft Computing 예]
Soft computing의 전형적인 예로는 퍼지 시스템, 유전자 알고리즘, 신경망 이론 등이 있으며 각각의 주요 특성은 추론, 진화, 학습을 한다는 것이다.
- 퍼지 시스템: 전문가 시스템의 일종으로서 전문가의 전문적 지식을 퍼지 룰을 통해 표현하는 시스템.
- 유전자 알고리즘: 진화이론에 바탕을 둔 알고리즘으로서 세대를 거듭할 수록 더 좋은 성능을 갖는 조합이 많아지도록 하는 알고리즘
- 신경망이론: 뇌의 구조를 모델링 하여 뉴런간 연결 강도에 대한 변형을 통해 입력에 대한 출력이 나오도록 학습하도록 하는 이론

[Soft & Hard computing 융합]
대부분의 경우 수학적 분석이 가능하며 일부 상황에서만 수학적 분석이 불가한 임의 시스템이 있다고 가정하자. 이러한 시스템에서는 분석이 가능했던 유사한 상황의 데이터를 바탕으로 soft computing 로직이 유연하게 결과를 도출해줄 수 있을 것이다. 그렇다면 일반적인 상황에서는 매우 빠르게 최적의 출력을 내보낼 수 있으면서도 새로운 상황에서도 유연하게 대처가 가능할 것이다. 기본적으로는 수학적 분석 결과를 바탕으로 인공지능이 유연성을 추가해주는 것이기에 예측되지 않은 완전 엉뚱한 결론을 도출하지 않아 안전성 측면에서도 큰 장점을 가질 수 있다.
즉, 필자가 생각하는 인공지능 기술은 기존 수학적 분석 기반 기술과 인공지능 기반 기술의 조합으로서의 인공지능을 지향한다. 사실 대부분의 복잡해 보이는 시스템이 수학적 분석이 가능한 요소와 그렇지 못한 요소를 복합적으로 가지고 있다는 점에서 그 활용도는 무궁 무진할 것이다. 그렇다면 soft computing 방식과 Hard computing 방식의 융합은 어떤 식으로 가능할 것인가? 앞으로 관련해서 조사하고 연구 진행해야 할 과제이다.