brunch

라이킷 2 댓글

You can make anything
by writing

C.S.Lewis

계정을 잊어버리셨나요?

by 선한인공지능연구소 Mar 08. 2020

2-5.과목별 AI융합

+ 5-1.고교학점제 중복

합리적 사고 사고의 법칙 접근방식

그리스 철학자 아리스토텔레스는 올바른 사고(right thinking)', 즉 반박할 수 없는 추론과정을 시도한 최초의 사람 중 한명이다. 그의 삼단논법은 옳은 전제가 주어진 다면 항상 옳은 결론을 내는 논증 구조를 위한 패턴을 제공했다. 이를테면 "소크라테스는 사람이다 .모든 사람은 죽는다. 따라서 소크라테스는 죽는다." 이러한 사고의 법칙(law of thought)들이 정신의 작동을 관장한다고 간주한 학자들의 연구에 의해 논리학(logic)이라고 부르는 분야가 만들어졌다.

19세기 논리학자들은 세상의 모든 종류의 불체와 그들 사이의 관계에 관한 명제를 엄밀하게 표현하는 표기법을 개발했다. (반면 통상적인 산술 표기법은 오직 수에 관한 명제에만 적용된다.) 1965년에 이르러서는 논리학 표기법으로 서술된 그 어떤 문제도 원칙적으로 풀 수 있는 프로그램이 만들어졌다. (단, 만일 해가 존재하지 않으면 프로그램은 무한 루프에 빠질 수 있다.) 인공지능 분야에 존재하는 소위 논리주의자(logicist)의 전통은 지능적 시스템을 생성하는 그와 비슷한 프로그램을 구축해주길 희망한다.

이러한 접근방식의 주된 장애물은 두 가지이다. 첫째로 이형식적(informal) 지식을 논리 표기법에 필요한 형식적(formal) 용어로 표현하기가 쉽지 않다. 특히 해당 지식이 100% 확실한 것은 아닌 경우에는 더욱 그렇다. 둘째로, 문제를 원칙적으로 풀 수 있는 것과 실제로 푸는 것은 다르다. 사실관계가 몇 백개 정도인 문제라도, 어떤 추론 단계를 먼저 시도할 것인지에 대한 지침이 주어지지 않는다면 컴퓨터의 계산 자원을 모두 소모해도 풀리지 않을 수 있다. 사실 이 두 장에 물은 계산적인 추론 시스템을 구축하려는 그 어떤 시도에도 존재하지만 논리주의자 진동 접근방식에서 처음으로 드러나게 되었다.

합리적 행위 합리적 에이전트 접근방식

에이전트(agent, 대리자)는 무언가를 수행하는 어떤 것이다. (agent라는 영어 단어는 "~를 하다"를 뜻하는 라틴어 agere에서 비롯되었다) 물론 모든 컴퓨터 프로그램은 뭔가를 수행하지만, 컴퓨터 에이전트에는 좀 더 많은 것이 요구된다. 컴퓨터 에이전트는 자율적으로 작동하고, 자신의 환경을 인지하고, 장기간 행동을 유지하고, 변화에 적응하고, 목표를 만들고 추구해야 한다. 합리적 에이전트(rational agent, 또는 이성적 에이전트는 최상의 결과를 (불확실성이 존재할 경우에는 기대할 수 있는 최상의 결과를) 내도록 행동하는 에이전트이다.

인공지능에 대한 ‘사고의 법칙' 접근방식은 정확한 추리(inference)를 강조한다. 정확한 추리는 합리적 에이전트의 일부이다. 이는 주어진 어떤 행위가 에이전트의 목표를 달성하게 만들 것이라는 결론을 논리적으로 추론한 후 그 결론에 따라 행동하는 것이 합리적 행위의 한 방법이기 때문이다. 그러나 정확한 추리가 합리성의 전부는 아니다.

정확한 행위라고 할 만한 것이 없지만 그래도 뭔가 해야 하는 상황도 있기 때문이다. 또한 추리가 관여한다고는 말할 수 없지만 그래도 합리적으로 행동하는 방법들이 존재한다.

1. 철학

· 형식적 규칙들을 이용해서 유효한 결론을 이끌어낼 수 있는가?

· 물리적인 뇌에서 어떻게 정신이 창발하는가?

· 지식은 어디에서 오는가?

· 지식은 어떻게 행동으로 이어지는가?

아리스토텔리스 (기원전 384-322)는 정신의 이성적 부분을 관장하는 일단의 법칙들을 정밀하게 공식화하고자 시동한 최초의 인물이다. 그는 초기 전제가 주어졌을 때 원칙적으로 결론을 기계적으로 만들어 낼 수 있는 적절한 추론을 위한 삼단논법의 비공식적 체계를 개발했다. 이후 라몬 율 Ramon Ulm (1315년 죽음)은 기계적인 인공물을 이용해서 유용한 추론을 실제로 수행할 수 있다고 생각했다. 토머스 홉스Thomas Hobbes( 1588-1679)는 추론이 우리의 소리 없는 사고 안에서 더하고 빼는 ‘수치 계산 같은 것’이라고 주장했다. 계산 자체의 자동화는 이미 상당히 진행되어 있었다. 1500년경 레오나르도 다빈치(1452-1519)는 기계적 계산기를 설계했으나 실제로 만들지는 않았다. 최근의 재구축에 의하면 그 설계는 실현 가능한 것 이었다. 최초로 알려진 계산 기계는 1623년경에 독일 과학자 빌헬름 시카드 Wilhelm Schickard(1592-1635)가 만들었으나, 블레스 파스칼Blaise Pascal 1623-1662)이 1642년에 만든 파스칼린Pascaíne이 더 유명하다. 파스칼은 ‘이 산술 기계는 동물의 모든 행동보다 사고에 더 가까워 보이는 결과를 낸다" 라고 썼다. 고트프리트 빌헬름 라이프니츠Gottfried Witem Leibniz(1646-1716)는 수가 아니라 개념에 대한 연산을 수행하도록 고안된 기계 장치를 만들었으나, 그 작용 범위는 상당히 제한적이었다. 그러나 라이프니츠의 기계는 더하기, 폐기, 곱하기뿐만 아니라 제곱근도 계산할 수 있다는 점에서, 더하기와 빼기만 가능했던 파스칼의 것을 능가했다.

기계가 그냥 계산을 수행하는 차원을 넘어서 스스로 생각하고 행동하게 될 수도 있을 것 이라는 예측을 한 사람들도 있었다. 토머스 홉스는 1651년 그의 책 리바이어선Leviathan에서 ‘인공동물이’라는 개념을 제안하면서 ‘시장이란 용수철에 불과하고, 신경들은 다수의 끈, 관절은 여러 톱니바퀴일 뿐이라고 주장했다.’ 그런데 정신이 적어도 부분적으로는 논리적 규칙에 따라 작동한다고 주상하고 그런 규칙들 일부를 흉내 내는 물리적 시스템을 구축하는 것과 정신 자체가 바로 그런 물리적 시스템이라고 주장하는 것은 다른 문제이다. 정신과 물질의 구분 및 그로부터 비롯되는 문제들을 처음으로 명확하게 논의한 이는 르네 데카르트 Rene Descartes이다.

정신을 순수하게 물리적으로 이해하는 것에 관련된 문제점 하나는, 그런 모형에는 자유의지가 포함될 여지가 거의 없다는 점이다. 만일 정신이 전적으로 물리 법칙에 의해 운영된다면, 자유 의지는 그저 바위가 지구의 중심을 향해 떨어지기로 결정하는 것보다 나을 것이 없다. 데카르트는 세계를 이해하는 데 있어 추론의 위력을 강력히 옹호했다. 그런 관점을 지금은 합리주의(rationalism, 이성론)라고 부르는데, 아리스토델레스와 라이프니츠도 합리주의자이다. 그러나 데카르트는 이원론(dualism)의 주창자이기도 했다.

사람의 정신(또는 영혼이나 마음에는 자연에서 벗어난, 물리 법칙으로부터 자유로운 부분이 있다는 믿음을 유지했다. 반면 동물에는 그러한 이원론적 속성이 없으므로 기계처럼 다룰 수 있다고 생각했다.

지식을 조작하는 물리적 정신이 있다고 할 때, 그다음 문제는 지식의 근원을 확립하는 것이다. 프랜시스 베이컨France Bacon(1561-1626)의 노붐 오르가눔Novum Organum에서

시작된 경험주의 운동은 존 로크 John Locke( 1632-1704)의 다음과 같은 견해로 특징지을 수 있다. '애초에 감각에 없었던 것은 오성(이해)에도 없다,‘ 데이비드 흄 David Hume (1711-1776)은 인간 본성에 관한 논고(A Treatise of Human Nature: Hume, 1739)에서 지금은 귀납법(induction)이라고 부르는 원리를 제안했다. 즉, 일반적인 규칙은 그 요소들 사이의 반복적인 연관성을 노출함으로써 얻을 수 있다는 것이다. 비트겐슈타인 (1889-1951)과 버트런드 러셀 Bertrand Russel(1872-1970)의 연구를 기반으로 형성되고 루돌프 카르납 Rudolf Carnap(1891-1970)이 이끈 유명한 빈 학파(Vienna Circle)는 논리 실증주의(logical positivism) 교리를 발전시켰다. 이 교리는 궁극적으로 모든 지식 감각적 입력에 대응되는 관찰 문장(observation sentence)들과 연관된 논리적 이론들로 특징지을 수 있다고 주장한다. 따라서 논리 실증주의는 합리주의와 경험주의의 결합이라 할 수 있다. 카르납과 칼 헴펠Carl Hempel (1905-1997)의 입증 이론(confirmation theory)은

경험으로부터의 지식 획득을 분석하려 했다. 카르납의 책 The Logical Structure of the World (Carnap, 1928)은 기초적 경험에서 지식을 추출하는 제산 절치를 명시적으로 정의했다. 아마도 이는 계산 공정으로서의 정신에 대한 최초의 이론일 것이다.

정신의 철학적 묘사의 최종 요소는 지식과 행위의 관계이다. 이 문제가 인공지능에 아주 중요한 이유는, 지능에는 추론뿐만 아니라 행위도 필요하기 때문이다. 더 나아가서 정당화할 수 있는 (즉, 합리적인) 동작을 수행하는 에이전트를 만드는 방법을 이해하려면 행위들이 어떻게 정당화되는지 이해해야 한다. 아리스토텔레스는 행위들이 목표와 행위의 결과에 관한 지식 사이의 논리적 연결에 의해 정당화된다고 주장했다 (동물운동론 De Motu Animalium)에서,

“그렇다면, 생각이 어떤 때는 행위(action)와 함께하고 어떤 때는 그렇지 않은 것은 왜이며, 어떤 때는 동작(motion)과 함께하고 어떤 때는 그렇지 않은 것은 왜인가? 변하지 않는 물체에 관한 추론과 추리의 경우에도 같은 일이 벌어지는 것으로 보인다. 그러나 그 경우 목적은 사변적 명제이다, 반면 지금과 같은 경우에 두 전제로부터 비롯된 결론은 하나의 행위이다. 나는 덮을 것이 필요하다; 는 덮을 것이다. 나는 외투가 필요하다. 필요한 것은 만들어야 한다. 나는 외투가 필요하다. 나는 외투를 만들어야 한다. 그리고 “나는 외투를 만들어야 한다. 라는 결론은 하나의 행위이다.

니코마코스 윤리학(Nicomachean Ethics: Book Ill. 3, 1112b)에서 아리스토텔레스는 이 주제를 좀 더 설명하면서 일종의 알고리즘 하나를 제시한다.

우리가 숙고하는 것은 목적이 아니라 수단이다. 치료할 것인지 아닌지를 의사가 숙고하지는 않듯이 설득할 것인지 아닌지를 연사가 숙고하지는 않듯이... 그들은 목적을 당연한 것으로 여기고, 어떤 수단으로 그 목적을 어떻게 달성할 것인지, 그럼으로써 최선의 결과를 쉽게 얻을 수 있을 것인지 고려한다. 그들은 수단으로 목적을 달성할 수 있을 때만 그 목적을 어떻게 달성할 것인지, 그리고 구체적으로 어떤 수단을 사용할 것인지 고려한다. 그러한 과정을 제1원인(first cause)에 도달할 때까지 반복한다. … 그리고 분석의 마지막 요인은 그 다음 분석의 첫 요인이 되곤 한다. 만일 불가능에 부딪히면, 이를테면 돈이 필요한 데 돈을 구하지 못한다면 검색을 포기한다. 그러나 가능해 보이는 일이라면 시도한다.

아리스토텔레스의 이 알고리즘을 2천3백 년 후에 Newell과 Simon이 자신들의 GPS 프로그램에서 구현했다. 요즘은 이것을 회귀 계획 시스템(regression planning system)이라고 부른다.

목표 기반 분석이 유용하긴 하지만 목표를 달성하는 행위가 여러 개이거나 목표를 완전하게 달성하는 행위가 하나도 없을 때는 답을 주지 못한다. 앙투완 아르노 Antoine Arnaud (1612-1694)는 이런 경우에 취해야 할 행동을 결정하기 위한 정량적 공식 하나를 올바르게 서술했다. 존 스튜어트 빌 John Stuart Mill (1806-1873)의 책 공리주의 (Utilitarianism: Mill, 1863)는 인간 행동의 모든 영역에서의 합리적 의사결정 기준에 관한 착안을 주창했다. 다이마믹 프라이싱은 철학적 사유와 깊은 고찰을 통해 올바른 방향을 설정해야 한다. 올바른 사고를 경영자과 함께 하고 정확한 판단을 데이터과학자와 함께 하기 위해 인공지능을 정확히 이해하고 소비자에서 가치를 의미있게 전달하기 위해 다이나믹 프라이서는 의사결정에 관한 좀 더 공식적인 이론을 충분히 학습하고 이해하는 노력을 꾸준히 해야 한다.

2. 수학

· 유효한 결론을 이끌어내는 공식적인 규칙들은 무엇인가?

· 계산할 수 있는 것은 무엇인가?

· 불확실한 정보로 어떻게 추론을 진행할 것인기?

철학자들이 인공지능의 근본 착안 몇 가지를 확립하긴 했지만, 다이나믹 프라이싱의 근본적인 접근하고 공식적인 과학(formal science)으로 도약하려면 논리, 계산, 확률이라는 세 근본 영역에서의 수학적 공식화(formalization)가 필요하다.

형식 논리(formal logic)라는 개념은 고대 그리스의 철학자들로까지 올라가겠지만 진정한 수학적 발전은 조지 부울George Boole( 1815-1864)의 연구에서 시작되었다. 그는 흔히 부울 논리(Boolean logic)라고 하는 명제 논리의 세부사항을 밝혀냈다. (Boole 1847). 1897년에 코틀롭 프레게 Gottlob Frege (1848-1925)가 객체(object)와 관계를 포함시켜서 부울의 논리학을 좀 더 확장했다. 그것이 오늘날 쓰이는 1차 논리(first-order logic)이다. 알프레드 타르스키 Alfred Tarski (1902-1983)는 논리학의 대상들을 실세계의 객체를 연관시키는 방법을 보여 주는 참조 이론(reference theory : 또는 지칭 이론)을 도입했다.

그 다음 단계는 논리와 계산으로 할 수 있는 일의 한계를 정하는 것이었다. 최대공약수를 계산하는 유클리드 Euclid의 알고리즘 algorithm으로 간주한다. 알고리즘이라는 단어(그리고 그것을 연구한다는 착상)는 9세기 페르시아 수학자 알콰리즈미 Al-Khowarazmi에서 비롯된 것이다. 또한 그의 저작들은 아라비아 숫자와 대수학을 유럽에 소개하는 역할도 했다. 부울과 그 외의 연구자들은 논리적 연역을 위한 알고리즘들을 논의했으며 19세기 후반에는 전반적인 수학적 추론을 논리적 연역으로서 공식화하는 작업도 진행되었다.

1930년에는 쿠르트 괴델 Kurt Godel(1906-1978)이 프리게와 러셀의 1차 논리 안에서 임의의 참 명제를 증명하는 효과적인 절차가 존재함을 보였으나 그 1차 논리가 자연수를 특징짓는데 필요한 수학적 귀납 원리를 포착하지는 못했다. 괴델은 1931년에 연역에 한계가 실제로 존재함을 보였다. 그의 불완전성 정리(incompleteness theorem)에 따르면, 페아노Peano 산술(자연수 기초 이론)만큼 강력한 임의의 형식 이론에는 결정이 불가능한 (그 이론 안에서 증명이 존재하지 않는다는 뜻에서) 참 명제가 존재한다. 이러한 근본적인 결과들을 정수에 관한 함수 중 알고리즘으로는 표현할 수 없는 것들이 존재한다는 것으로 해석할 수도 있다. 즉, 계산할 수 없는 정수 함수가 존재하는 것이다. 이 점에 착안해서, 앨런 튜링Alan Turing(1912-1954)은 그렇다면 계산할 수 있는 함수, 즉 계산 가능(computable) 함수는 구체적으로 어떤 것인지 특징지으려 했다. 그런데 계산 가능이라는 개념에는 약간의 문제가 있다. 계산이나 효과적인 절차라는 개념을 형식적으로 정의하는 것이 사실상 불가능하기 때문이다. 그러나 일반적으로는 튜링(Turing machine; Turing. 1936)을 천명한 처치-튜링 명제(Church-Turing thesis)가 계산 가능이라는 개념에 충분한 정의를 제공하는 것으로 간주한다. 튜링은 또한 그 어떤 튜링 기계도 계산할 수 없는 함수가 존재함을 보였다. 예를 들어 주어진 프로그램이 주어진 입력에 대해 하나의 답을 돌려줄 것인지 아니면 무한히 실행될 것인지를 일반적으로 판정할 수 있는 기계는 없다.

결정 가능성과 계산 가능성이 계산의 이해에 중요하긴 하지만 그보다 더 큰 영향을 준 개념은 처리 가능성(tractability)이다. 간략하게만 말하자면, 만일 어떤 문제의 구체적인 사례(instance)들을 푸는데 필요한 시간이 그 사례들의 크기에 지수적으로 비례해서 증가한다면, 그 문제는 처리 불가능(intractable)이다. 복잡도의 다항식적 증가와 지수적 증가의 구분은 1960년대 중반에 처음으로 강조되었다(.Cobham, 1964: Edmonds, 1965)

이 구분이 중요한 이유는 복잡도가 지수적으로 증가한다면 사례들이 조금만 많아도 시간이 너무 많이 걸려서 문제를 사실상 풀지 못하게 되기 때문이다. 따라서 지능적 행동을 생성한다는 전반적 인 문제를 풀 때는 처리 불가능한 문제를 풀려고 들기보다는 그 문제를 처리 가능한 부분 문제로 분할해 볼 필요가 있다. 마치 유능한 목수가 10시간의 작업 시간이 주어지면 8시간은 연장을 준비하고 설계를 하는데 쓰는 것과도 유사하다.

그런데 처리 불가능 문제를 어떻게 식별할 수 있을까? 스티븐 쿡seven Cook,1971)과 리처드 카프 (Richard Karp, 1972)가 개척한 NP-완전(NP-completeness) 이론에서 한 가지 방법을 찾을 수 있다. 쿡과 카프는 여러 부류의 표준 조합 검색(canonical combinatorial) 및 추론 문제들이 NP-완전임을 보였다. NP-완전 문제에 속하는 부류의 문제는 처리 불가능할 가능성이 크다. (NP-완전 문제는 반드시 처리 불가능이라는 점이 증명되지는 않았으나, 대부분의 이론가들이 그럴 것이라고 믿고 있다.) 이러한 연구 결과

들은 최초의 컴퓨터를 접한 대중 매체가 보인 낙관론(이를테면 아인슈타인보다 빠르다!", “전자 슈퍼 두뇌.. 능등)과는 대조된다. 컴퓨터의 속도가 계속 빨라진다고 해도 지능적인 시스템이라면 자원들을 세심하게 사용해야 하다.

논리와 계산 다음으로 수학이 인공지능과 다이나믹 프라이싱에 기여한 것은 확률(probability) 이론이다.

확률 개념은 이탈리아 수학자 제롤라모 가르다노 (Gerolamo Cardano 1501-1576)가 처음으로 공식화했다. 그는 내기(도박) 사건들의 가능한 결과들을 이용해서 확률을 서술했다. I654년에 블레즈 파스칼 Blaise Pascal (1623-1662)은 피에르 메프 Pierre Fermat(1601-1665)에게 보낸 편지에서 진행 중인 도박 게임의 향후 결과를 예측하고 도박꾼이 얻을 수 있는 평균이익을 계산하는 방법을 보였다. 확률은 정량定量과학에서 아주 중요한 요인이 되어서, 불확실한 측정과 불안전한 이론을 다루는 데 도움을 주었다. 제임스 베르누이 James Bernoulli(1654-1705, 야콥 베르누이와 피에르 라플라스Pierre Loplace(1749-1827)를 비롯한 여러 사람이 확률 이론을 발전시키고 새로운 통계적 방법을 도입했다. 토머스 베이즈Thomas Bayes(1702-1761)는 새로운 증거로 확률을 갱신하는 데 적용하는 규칙을 제시했다. 인공지능 시스템에서 불확실한 추론을 수행하는 데 적용되는 현대적 접근방식들은 대부분 베이스의 규칙을 바탕으로 한다.

3. 경제학

나는 경제학을 일이 잘 돌아가게 하는 학문이라 생각한다. 기존의 고전학파, 케인즈학파, 시카고학파 등의 사상적인 접근을 바탕으로 다이나믹 프라이싱은 경제학적인 접근과 밀접한 상관관계가 있다.

그러나 이 책에 가장 많은 영향을 준 학자는 토마 피케티 인 것을 미리 밝힌다. 그럼 몇가지 질문을 던져보자.

· 이익을 극대화하기 위한 의사결정 방법은 무엇인가?

· 다른 사람들과 이해관계가 상충하는 상황에서 이익을 극대화하려면?

· 이익이 미래에 주어지는 상황에서 이익을 극대화하려면?

학문으로서의 경제학은 1776년 스코틀랜드 철학자 국부론으로 유명한 애덤 스미스Adam Smith(1723-1790) (An Inquiry into the Nature and Causes of the Wealth of Nations: 국부의 본질과 원인에 관한 연구)을 출간하면서 시작되었다. 고대 그리스인들과 기타 여러 인물들이 경제학적 사고에 기여하긴 했지만 경제가 자신의 경제적 안녕을 최대화하려는 개별 에이전트들로 이루어진 것으로 생각할 수 있다는 착안을 이용해서 경제학을 하나의 과학으로 취급한 이는 스미스가 처음이다. 대부분의 사람은 경제를 돈에 관한 것으로 생각하지만, 경제학자들은 사실 "사람들이 자신이 선호하는 결과를 얻기 위해 의사결정을 내리는 방식“이 자신들의 연구 주제라고 말할 것이다. 롯데리아가 햄버거를 3,500원에 판다는 것은 롯데는 현금을 원한다는 점과 고객이 햄버거를 원하길 희망한다는 점을 천명하는 것에 해당한다. 선호하는 결과, 즉 효용效用(utility)을 수학적으로 다룬 최초의 인물은 레옹 발라스Leon Walras(1834-1910)이다. 그것을 프랭크 램지Frank Ramsey가 개선하고 (1931), 이후에 존 폰 노이만 John von Neumann과 오스카 모르겐슈테른 Oskar Morgenstern이 그들의 책 The Theory of Games and Econonuc Behavion (Neumann 및 Morgenstern, 1944; 게임이론과 경제적 행동)에서 더욱 발전시켰다.

결정이론(Decision theory)은 확률론과 효용이론을 결합해서 확률적 서술이 의사결정자의 환경을 제대로 포착하는 상황에서의 의사결정(경제는 물론 그 외의 분야에 대한)을 위한 공식적이고 안전한 틀을 제공한다. 이는 각 에이전트가 개인으로서의 다른 에이전트의 행동에 주의를 기울일 필요가 없는 거시 경제에 적합하다. 소규모경제에서는 상황이 게임에 더 가깝다. 즉, 한 플레이어의 행위가 다른 플레이어의 효용에 큰 영향(부정적이든 긍정적이든)을 미칠 수 있는 것이다. 폰 노이만과 모르겐슈테른이 발전시킨 게임이론(game theory, Luce 및 Raiffa, 1957)에는 일부 게임에서 합리적인 에이전트가 무작위한(또는 적어도 그렇게 보이는) 정책을 채용하는 것이 유리하다는 놀라운 결과가 포함되어 있다. 결정이론과는 달리 게임이론은 행위 선택에 대한 모호하지 않은 처방을 제공하지 않는다.

대부분의 경우 경제학자는 앞에 제시된 셋째 질문, 즉 이익이 즉시 주어지는 것이 아니라 여러 행위를 차례로 수행한 후 주어질 때 합리적 결정을 내리는 문제를 고려하지 않는다. 이 주제는 경영과학(operations research)이 추구한다. 이 분야는 제2차 세계대전에서 영국이 레이더 설치를 최적화하는 과정에서 시작되었으며, 이후 복합적 관리 의사 결정과 관련해서 민간인도 응용하게 되었다. 리처드 벨먼Richard Bellman의 저작(Bellman, 1957)은 마르코프 의사결정 과정(Markov decision process)이라고 부르는 순차 의사결정 문제들의 한 부류를 공식화했다.

공급과 수요는 경제학적으로 말했을 때 가격이 수행하는 가장 중요한 역할은 공급과 수요 사이의 균형을 이루는 일이다. 공급곡선은 우상향하는 (양수의) 기울기를 가진다. 높아진 가격은 또한 수요가 줄어듦을 의미 한다. 수요곡선은 따라서 우하향하는 음수의) 기울기를 가진다. 두 곡선이 서로 교차하는 지점에서의 가격은 시장청산가격으로 공급과 수요가 균형을 이루는 유일한 가격이다.

균형이란 주어진 가격에 물건을 팔고자 하는 모든 공급자가 팔고

자하는 양만큼 팔 수 있으며, 이에 따라 모든 구매자는 같은 가격에 사고자 하는 만큼 살 수 있다는 뜻이다. 공급과 수요가 자유로운 시장에서 시장 청산가격은 언제나 존재한다. 만일 정부가 규제, 조세, 흑은 다른 장벽들을 통해 시장에 개입한다면 결과는 언제나 공급과 수요의 불균형으로 이어진다.

가격은 제품의 희소성을 나타내주는 가장 강력한 지표다. 가격이 오른다는 것은 곧 그 제품의 공급이 증가할 것임을 암시한다. 공급자는 높아진 가격으로 더 많은 이익을 얻을 수 있기 때문에 이후 생산 물량을 늘리게 된다. 이 확장을 통해 회사는 덜 희소한 제품에 투입되는 자원을 돌려서 희소한 제품을 더 빠르게 생산할 수 있게 된다. 가격이 하락할 때에는 정반대의 일이 발생한다. 낮아진 가격은 과잉생산 혹은 초과공급을 의미하기 때문에 공급자들은 생산을 줄이게 된다. 낮아진 가격은 결국 더 많은 소비자의 구매로 이어지므로 이를 통해 균형이 형성된다.

대학원에서 처음으로 들었던 경제학 수업 들 중 한 과목을 가르치던 교수님에게, 왜 시장은 언제나 결국에는 적당한 생산량을 맞추게 되는지 물어보았다. 그는 나를 물끄러미 내려다보면서, 왜 칠판에 적힌 공식이나 이론과는 전혀 관계도 없는 멍청한 질문을 던지는지 모르겠다는 표정을 지었다. 그러나 이 질문은 활동적인 모든 시장경제에 중요한 질문이다. 가게 창문에 붙은 '창고 정리 세일광고‘나 전단지를 본 적이 있다면 당시 내가 궁금했던 현상의 단면을 엿본 셈이다. 공급과 수요의 주기가 한 바퀴 돌기까지는 몇 년이 걸리기도 하며 그때마다 국가경제와 국가정책 수립에 막대한 영향력을 행사한다.

가격 변경의 효과는 주로 뒤늦게 나타나는데, 이를 ‘붐 앤드 버스트 주기 Boom and Bust cycle, 혹은 호그 주기Hog cycle'라고 부른다.

돼지의 공급량이 부족하면 돼지 가격은 오른다. 그래서 농부들은 다음 시즌에 더 많은 돼지를 기르게 된다. 늘어난 공급량이 몇 개월 후 시장 유입되면 자연스레 가격은 떨어진다. 때문에 농부들은 다음 시즌에 더 적은 돼지를 키우게 된다. 이 순환주기는 계속해적 되풀이된다.

다이나믹 프라이싱을 위한 경제학적 접근과 경영과학에서 다루는 합리적 의사결정을 바탕으로 기업과 소비자는 모두 합리적인 선택을 할 수 있도록 연구되고 기여되어져야 한다.

<요약>

이번 장에서 우리는 인공지능을 정의하고 인공지능이 자라난 문화적 배경을 개괄했다. 몇 가지 요점을 정리하자면 다음과 같다.

· 여러 연구자가 서로 다른 목표를 염두에 두고 인공지능에 접근했다. 접근방식들은 초점이 사고인가, 아니면 행동인가라는 기준과 사람을 본뜨려 하는가, 아니면 이상적인 기준을 만족하려 하는가를 기준으로 분류된다.

· 인공지능의 주된 초점이 합리적 행동rational action)이라는 관점을 견지한다, 지능적 에이전트(intelligent agent)는 주어진 상황에서 가능한 최선의 행동을 취한다. 우리는 그러한 의미에서 지능적인 에이전트를 구축하는 문제를 탐구해야 한다.

· 철학자들(B.С. 400년대까지 거슬러 올라가는)은 정신이 어떤 방식으로든 기계와 비슷하다. 즉 정신이 어떤 내부 언어로 부호화된 지식에 대해 사용하며, 다음에 취할 행동을 선택하는 데 사고를 사용할 수 있는 착안을 고찰함으로써 인공지능에 대한 이해를 하게 만들었다.

· 수학자들은 논리적으로 확실한 명제를 다루는 도구는 물론 불확실하고 확률적인 명제를 다루는 도구들도 제공했다. 그들은 또한 알고리즘에 관한 계산과 추론을 이해하기 위한 기초도 확립했다

· 경제학자들은 의사결정자의 기대 이득이 최대화되도록 결정을 내리는 문제를 형식화했다.

· 신경과학자들은 뇌의 작동 방식에 관한 몇 가지 사실을 발견했으며, 컴퓨터의 작동 방식과의 유사점과 차이점도 발견했다.

· 심리학자들은 인간과 동물을 정보 처리 기계로 간주할 수 있다는 착안을 받아들였다. 언어학자들은 언어의 사용이 그러한 모형에 부합함을 보였다.

· 컴퓨터 공학자들은 점점 더 강력한 컴퓨터들을 제공함으로써 인공지능의 응용을 가능하게 만들었다.

·인공지능의 역사는 성공, 빗나간 낙관, 그 결과로 빚어진 열광과 자금의 축소를 반복했다. 또한 새로운 독창적 접근방식의 도입과 최상의 접근방식들의 체계적인 정련이라는 주기도 반복되었다.

· 지난 10년간 인공지능이 더욱 빠르게 발전했다. 이는 인공지능 실험과 접근방식 비교에 과학적 방법이 더욱 많이 쓰인 덕분이다.

keyword