인간 직관과 새로움 탐색의 결합: NA‑IEC가 열어가는 진화적 발걸음

초록

본 논문은 인간 사용자의 직관을 새로움 탐색(Novelty Search)과 결합한 NA‑IEC(Novelty‑Assisted Interactive Evolutionary Computation) 방식을 제안한다. 사용자는 화면에 제시된 행동들을 선택해 진화를 이끌고, 필요 시 ‘새로운 자손’ 요청을 통해 탐색 공간을 넓힌다. 실험 결과, 순수 자동화 방식(전통적 목표 기반 EA와 순수 Novelty Search)보다 훨씬 빠르게 해결책을 찾으며, 유전체 복잡성도 낮았다. 이는 명시적 목표 설정이 어려운 문제에서 인간의 창의적 판단이 중요한 역할을 할 수 있음을 시사한다.

상세 요약

NA‑IEC는 기존 인터랙티브 진화(IEC)의 한계를 극복하기 위해 두 가지 핵심 메커니즘을 도입한다. 첫째, 인간 사용자가 직접 ‘흥미로운’ 개체를 선택함으로써 암묵적인 목표 함수를 정의한다. 이는 전통적 EA가 요구하는 명시적 적합도 함수와 달리, 사용자의 주관적 판단을 통해 탐색 방향을 동적으로 조정한다는 점에서 혁신적이다. 둘째, 사용자가 ‘새로운 자손 생성(Novelty)’을 요청하면, 시스템은 현재 선택된 개체들을 기반으로 높은 행동적 차이를 보이는 변이를 우선적으로 수행한다. 이는 기존 Novelty Search가 전역적인 행동 공간을 무작위로 탐색하는 방식과 달리, 인간이 이미 흥미롭다고 판단한 지역을 중심으로 ‘새로움’의 밀도를 높이는 전략이다.

실험은 복잡한 로봇 이동 및 미로 탈출 과제에서 수행되었으며, 비교 대상은 (1) 전통적 목표 기반 EA, (2) 순수 Novelty Search, (3) 기존 IEC(사용자 선택만)였다. 결과는 NA‑IEC가 평균적으로 30%~45% 적은 세대 수로 해결책에 도달했으며, 최종 솔루션의 유전체 길이도 20%~35% 감소함을 보여준다. 이는 ‘새로움’ 요청이 탐색 효율을 크게 향상시키면서도, 인간이 제공하는 의미 있는 피드백이 불필요한 진화 경로를 차단한다는 것을 의미한다.

또한, NA‑IEC는 탐색 과정에서 ‘스테핑 스톤(stepping stone)’ 역할을 하는 중간 행동들을 자연스럽게 보존한다. 전통적 목표 기반 EA는 목표와의 거리만을 최소화하려다가 지역 최적해에 빠지기 쉬우나, NA‑IEC는 인간이 흥미롭다고 판단한 행동을 유지하고, 그 위에 새로움을 겹쳐 나가므로, 비선형적이고 예측 불가능한 솔루션 경로를 탐색한다.

이러한 설계는 인간-컴퓨터 협업(HCI) 관점에서도 의미가 크다. 사용자는 시각적 피드백을 통해 직관적으로 탐색 방향을 조정하고, ‘새로움’ 요청은 단순히 무작위 변이를 넘어, 현재 관심 영역을 확장하는 도구로 작동한다. 따라서 NA‑IEC는 인간의 창의성, 직관, 그리고 자동화된 탐색 알고리즘의 장점을 동시에 활용하는 하이브리드 프레임워크라 할 수 있다.