▲ 신동일 교수명지대학교 재난안전학과/ 스마트엔지니어링 전공dongil@mju.ac.kr

필자를 프로그래밍 세계로 깊이 빠져들게 한 두 거장이 있다. 1987년 당시 여의도 소재 엔지니어링사에서 여름방학 인턴을 했었는데, 여기서 처음 Unix를 접하게 되었고, 시스템의 일부로 따라왔으나 아무도 기능을 몰라 방치되고 있었던 text formatter를 주위에 소개했었다. 이후 이 troff (1972)에 이어 개발된 Knuth 교수의 TeX (1978)을 익히게 되었고, 유학시절 학위논문의 작성도구로 “보는 대로 얻는다”(WYSIWYG)의 대명사인 마이크로소프트 Word와 LaTeX 사이에서 많은 고민이 있었지만, 프로그래밍 기능을 활용해 부분적인 자동화도 가능한 LaTeX을 선택하게 된다.

▲ 그림 1 빌 게이츠의 Knuth 교수 서평

TeX을 개발한 Knuth 교수는 그의 명저 “Art of Computer Programming”을 아직도 추가 발간중에 있다: 그림 1에서 보듯이 이 분의 저서를 끝까지 읽은 이들은 본인에게 이력서를 보내라고 할 정도로 책의 제목과도 일치하는 프로그래밍의 예술적 경지를 보여주고 있고, 필자가 전산 수업 첫시간에 수강생에게 소개하는 책이기도 하다. 실리콘밸리에서 프로그래밍 대회가 있으면, Knuth 교수는 가장 먼저 그리고 최고의 답을 제출하는 것으로 유명한, 알고리듬의 그야말로 대가이다 (또한 전산학 분야에서 뛰어난 천재와 평생 탁월한 업적을 이룬 이에게 수여하는 각각의 상을 모두 수상). 필자를 더욱 매료시키는 부분은 미완인 본 저서를 완결하기 위해 e-mail도 사용 않고, 주기적으로 정리된 우편 보고만 받는 방식으로, 촌음을 아껴가며 저술에 정성을 쏟는 그의 삶의 자세이다.
 
Sussman 교수의 SICP(컴퓨터 프로그램의 구조와 해석, 2판, 1996. web.mit.edu/alexmv/6.037/sicp.pdf)는 한때 프로그래머 사이에서 상대방의 수준을 평가하는 척도로도 쓰였었는데, 읽을때마다 새로운 영감을 주기에 프로그래밍 세계의 바이블로도 알려져 있다. 저서에 담긴 핵심 추상화를 강조하며, 졸업생들에게 선물로  사주던 시절도 있었는데, 이젠 저자도 은퇴했고, MIT도 더 이상 Scheme에 기반한 본 책을 교재로 사용하고 있지는 않다. 익숙함에 빠져 단순 프로그래밍에만 만족하다, 가끔씩 이 책을 펼쳐보면, AI 언어 Lisp의 매력에 빠져 도전을 멈추지 않았던 20대 후반 젊은 프로그래머 시절이 그립기만 하다.

기계학습은 RNN, LSTM을 비롯해 시계열 예측 모델링에도 널리 사용되지만, 전통적인 ARMA (Autoregressive Moving Avg), ARIMA (Autoregressive Integrated Moving Avg) 모델 또한 제어를 학습한 이라면 누구나 익숙한 시계열 모델이기도 하다 (그림 2 참고). 그러면 인공지능 기반 해법은 어떤 차이가 있는가? 왜 지금 그런 풀이법을 가르치고 있을까? 그 답은 과거 기법은 문제의 정의에 그치고 풀이법은 별도로 요구되었지만, 인공지능 기반 방법은 방법론과 해법이 하나로 통합되어 있는 것에서 기인한다 생각된다. 문제만 정의하면 풀이는 알아서 해주는 것이 우리가 AI에 거는 작은 기대라면, 기계학습 기반의 시계열 모델링은 그래서 전통적인 방법 대비 차별성과 편리성을 갖는다.
 
유사한 기능의 AI 언어로 논리형 프로그래밍 언어 Prolog가 있는데, 패턴매칭과 자연어 처리에서 탁월한 프롤로그는 1973년 개발되었지만, 이런 장점으로 아직도 생명력을 잃지 않고 있다 (그림 3 참고). 필자도 조건을 만족하는 모든 해를 되추적(backtracking)으로 찾아주던 첫 프롤로그 프로그램에 놀랐던 기억이 아직도 잊혀지지 않는다. 과도기를 넘어, 스마트안전분야에서 인공지능이 보다 폭넓게 활용되기 위해서는 선구자의 번뜩이는 아이디어도 필요하지만 검증된 AI plugin 모듈 형태의 편리성 제고가 필요하며, 그런 관점에서 자동화된 기계학습을 지원하는 AutoML을 다음 회에서는 다루어보려 한다.