오토마톤과 인공 생명 프로그램

2-1 인공 생명

인공 생명의 정의

• 인공 생명(Artificial Life, ALife): 생명 현상의 재창조 또는 모방을 통해 생명을 연구하는 학문
• 약한 인공 생명 / 강한 인공 생명

인공 생명의 특성

• 복잡계(Complex System)
• 창발성(Emergent)
• 자기 조직(Self-Organizing)
• 카오스 이론(Chaos Theory)

인공 생명 관련 연구 주제

• 유한 상태 기계(Finite State Machine)
• 셀 오토마톤(Cellular Automaton)
• 유전 알고리즘(Genetic Algorithm)
• 보이드(Boid)
• 컴퓨터 바이러스(Computer Virus)

인공 생명의 활용 분야

• 생명의 기원과 생명체에 대한 더 나은 이해를 얻음
• 인공지능에 대한 접근 방식
• 주식 시장, 날씨 예측과 같이 복잡한 환경 구현시 유용
• 정해진 규칙들의 조합에 따라 환경에 상호작용 및 빠른 대응

인공 생명의 예 - 라이프 게임

• 규칙 1: 이웃의 수가 2 또는 3인 돌은 다음 세대에도 그대로 있으나, 이웃의 수가 1, 0, 4이상인 돌은 다음 세대에 없어진다
• 규칙 2: 빈칸은 이웃의 수가 3일 때만 다음 세대에서 그 속에 돌이 생긴다. 이웃의 수가 3 이외일 경우, 다음 세대에도 빈칸인 상태로 남는다.

2-2 유한 오토마톤

오토마톤의 개념

• 오토마톤: 스스로 작동하는 기계 (로봇)
• 유한 오토마톤: 오토마톤 중 유한 개의 상태를 갖는 것 (유한 상태 기계)
• 대표적인 유한 오토마톤의 예로 플립플롭을 들 수 있음

오토마톤의 예

2-3 마르코프 모델

마르코프 모델의 개념

• 확률에 기반을 두고 상태가 변하는 것을 표현한 것
• 마르코프 성질(Markov Property)을 가짐

관련 용어의 의미

• 확률 과정(Stochastic Process): 오토마톤(시간의 경과에 따른 변화) + 확률
• 마르코프 과정(Markov Process): 현상태에만 의존하는 마르코프 성질이 있는 확률 과정
• 이산 상태 마르코프 과정: 확률 과정 중 마르코프 과정의 성질을 가지면서 확률이 연속이 아닌 이산값을 갖는 경우
• 마르코프 연쇄(Markov Chain): 이산 상태 마르코프 과정을 나타내는 확률값들의 모임

마르코프 모델의 예

• 시간의 경과에 따른 상태 변화: 확률 마르코프 모델
• 내일 날씨는 오늘 날씨에만 종속: 마르코프 과정
• 확률값이 연속이 아닌 이산값: 이산 상태 마르코프 과정
• 상태 전이 확률을 가짐: 마르코프 연쇄

2-4 상태 기반 에이전트

• 게임을 예로 들면, 게임의 등장 인물이나 필드의 구성 요소를 유한 오토마톤으로 설정한 후 게임을 구현하는 것
• 예시로 보드 게임 프로그램이 있음

 

 

 

 

※ 해당 내용은 <인공지능 바이블>의 내용을 토대로 학습하며 정리한 내용입니다.