눈추적 기반 인터랙티브 진화 알고리즘으로 사용자 피로 최소화

** 본 논문은 인터랙티브 진화 계산(IEC)에서 사용자가 직접 개체를 평가해야 하는 과정이 초래하는 피로와 시간 소모 문제를 해결하고자, 눈추적 장치를 활용한 새로운 평가 메커니즘을 제안한다. IEC는 전통적인 진화 알고리즘과 달리 적합도 함수를 인간이 직접 제공하는 방식으로, 주로 시각적·미적 기준이 명확히 수식화되지 않은 문제에 적용된다. 그러나 사용자는 매 세대마다 20여 개의 개체를 눈으로 확인하고, 가장 선호하는 개체에 점수를 매기거나 클릭으로 선택해야 하며, 이는 인지적 부담과 피로를 크게 증가시킨다. 저자들은 “시선이 오래 머무를수록 해당 개체에 대한 선호도가 높다”는 가설을 세우고, Tobii와 같은 비침습적 눈추적 시스템이 제공하는 세 가지 주요 데이터를 활용한다. 첫 번째는 특정 화면 영역에 머문 시간(t), 두 번째는 해당 영역으로 전환된 횟수(d), 세 번째는 평균 동공 직경(p)이다. 동공 직경은 사용자의 집중도와 인지 부하를 추정하는 지표로 활용될 수 있다. 이 세 변수를 가중합 형태로 결합해 적합도 추정값 ˆf를 정의하고(식 1), α, β, γ 파라미터는 실험을 통해 경험적으로 설정한다. 제안된 알고리즘은 E‑TEA(Eye‑Tracking Evolutionary Algorithm)라 명명되었으며, 전통적인 진화 알고리즘 흐름과 크게 다르지 않다. 구체적인 절차는 다음과 같다. (1) 초기 집단을 무작위로 생성한다. (2) 개체들을 화면에 시각적으로 배치한다. (3) 사용자는 화면을 바라보며 자유롭게 시선을 이동한다. (4) 눈추적 장치는 각 개체에 대한 t, d, p 값을 실시간으로 기록한다. (5) 기록된 데이터를 기반으로 적합도를 계산한다. (6) 적합도가 높은 개체를 선택하고, 교배·돌연변이 연산을 수행한다. (7) 새로운 세대를 생성하고 2‑6 과정을 반복한다. 사용자는 “보는 것”만으로 평가를 마치면 되므로, 클릭·키보드 입력 등 명시적 행동이 사라진다. 이는 평가에 소요되는 물리적 시간과 인지적 부담을 크게 감소시키며, 한 세대에 평가 가능한 개체 수를 이론적으로 두 배 이상 확대할 수 있다. 실험은 One‑Max 문제를 색상 표현으로 변형한 인터랙티브 버전을 사용했다. One‑Max는 문자열 내 1의 개수를 최대화하는 전형적인 최적화 문제이며, 이를 RGB 색상(24‑비트)으로 매핑해 각 개체를 색상으로 시각화하였다. 실제 눈추적 장비가 고가이므로, 저자들은 마우스로 시선 위치를 흉내 내는 방식을 채택했다. 마우스 커서를 움직여 관심 영역을 지정하고, 클릭으로 선택 여부를 표시한다. 이때 동공 직경(p) 정보는 수집할 수 없었으므로, 적합도 계산에서는 t와 d만 사용하였다. 화면은 8개의 영역으로 나뉘어 각 영역에 하나씩 개체를 배치했으며, 중앙 영역은 눈의 자연스러운 집중을 방지하기 위해 비워두었다. 실험 결과는 정량적 통계보다는 질적 관찰에 초점을 맞추었다. 초기 9세대 동안 색상이 점차 밝은 색(흰색에 가까운)으로 수렴하는 현상이 관찰되었으며, 이는 사용자가 밝은 색에 더 오래 머무르고 전환 횟수가 적어 적합도가 상승했음을 의미한다. 또한, 마우스로 시선 위치를 지정하는 것이 개별 색상을 클릭하여 선택하는 것보다 피로도가 낮다는 주관적 의견이 제시되었다. 저자들은 눈추적 기반 평가가 실제 눈추적 장치를 사용했을 때는 더욱 큰 시간 절감 효과와 피로 감소를 기대한다는 점을 강조한다. 논문의 토론에서는 눈추적 기반 IEC의 장점과 한계를 균형 있게 제시한다. 장점으로는 (1) 비침습성 – 사용자는 눈추적이 진행되고 있음을 거의 인지하지 못한다. (2) 자연스러운 인터랙션 – 시선 이동만으로 평가가 이루어져 명시적 작업이 사라진다. (3) 피로도 감소 – 눈의 움직임만으로 다수 개체를 동시에 평가받을 수 있다. (4) 인지적 상태 파악 – 동공 직경을 통해 사용자의 집중도와 피로를 실시간으로 감지할 수 있다. 한계로는 (1) 눈추적기의 정확한 보정이 필요하며, 보정 과정이 몇 초 정도 소요된다. (2) 머리 움직임이 제한적이며, 사용자가 화면을 완전히 벗어나면 추적이 끊길 수 있다. (3) 시선 전환 횟수 감소가 피로 감소인지 빠른 수렴을 의미하는지 구분하기 위한 추가 연구가 필요하다. (4) α, β, γ 파라미터 설정이 경험적이며, 문제마다 최적값이 달라질 수 있다. 결론에서는 E‑TEA가 IEC의 평가 과정을 자동화하고, 사용자 피로를 현저히 감소시킬 가능성을 제시한다. 현재는 마우스로 눈추적을 흉내 내는 제한된 실험만 수행했지만, 실제 눈추적 장치를 연동하면 동공 직경까지 포함한 정교한 적합도 추정이 가능해진다. 향후 연구 과제로는 (1) 실제 눈추적 하드웨어와의 인터페이스 구현, (2) 파라미터 튜닝을 위한 자동화된 메타‑최적화, (3) 다양한 실세계 문제(예: 디자인, 의료 파라미터 튜닝)에서의 적용 검증, (4) 시선 데이터 기반 피로 감지 모델 개발 등이 있다. 이러한 연구는 인간‑컴퓨터 상호작용(HCI)과 진화 컴퓨팅의 융합을 촉진하고, 보다 직관적이고 효율적인 인터랙티브 최적화 시스템을 구축하는 데 기여할 것이다. **