요즘 세상의 화두는 로봇과 인간이 세기의 대결을 펼쳐 인간이 졌다는 사실이다. 인간에 의해 만들어진 로봇 친구, 로봇 애인이 등장하고 수만 광년 떨어져 있는 별에도 가고 있다. 인공지능을 포함한 과학의 발달은 결국 융합하고 생략하며 펼치고 협력하며 상상할 줄 아는 인간이라는 사실이다. 인간은 스스로 생각하고 공부하며 배우고 학습할 수 있는 인류의 단 하나의 생명체이다. 앞으로 우리들의 미래교육은 어떻게 해야 할까? 학교의 역할에 대해 다시 생각해 보게 된다. 인간은 태어나면서부터 생태적으로 배우고 성장하며 죽을 때 까지 학습한다. 이러한 학습을 좀 더 체계적이고 즐겁게 즐기면서 소통 과 경쟁과 협력속에서 배울 수 있게 만드는 곳이 학교이다. 학습의 즐거움을 학교에서 터득하고 온 마을과 지역이 함께 배우고 가르치는 작업을 학교를 통해 시스템화 하고자 한다. 도전하며 즐겁게 배울 줄 아는 배움의 과정을 즐길 수 있는 평생학습인 육성을 목표로 이 연구를 시작하였으며 학교의 인적∙물적 자원을 활용하여 훨씬 더 쉽게 평생학습인을 기르고 배움공동체를 형성할 수 있는 무한한 가능성을 가진 학교로 재구성하여 목표한 소기의 성과를 거두었다.

농업사회, 산업사회, 정보화 사회를 거쳐 이제 인류는 인공지능, 생체 조작, 로보틱스, 사물인터넷, 3D 프린팅과 하드웨어 및 소프트웨어 융합으로 대변되는 제4의 물결 혹은 4차 산업혁명기로 접어들고 있다. 한국도 빠른 추격자의 접근 방식으로 집중적 고속성장을 이루어 낸 반도체, 디스플레이, 스마트폰 등의 IT 산업과 바이오융합의 새로운 흐름에서 이제 혁신적 신기술 개발과 함께 새로운 패러다임에 적응해야 하는 숙제를 안고 있다. 자연친화적 지속가능성 과 에너지 효율적 시스템이 중요하게 대두되는 미래기술은 사실 자연에서는 오랜 기간 진화해온 생물의 적응전략과 기능성, 그리고 생태학적 원리와 그 흐름을 같이 한다. 나노 및 마이크로 기술, IT 기술, 바이오 기술의 융합적 발전은 자연의 오랜 지혜를 구현하여 인간생활에 응용할 수 있는 기반을 이루어 자연모사 혹은 생체모방 기술은 미래기술의 중요한 접근 방식이 되고 있으며 곤충학을 비롯한 기초생태학과 응용기술의 만남은 그를 위한 핵심적 가치를 창출하게 되리라 기대된다. “본 연구는 미래창조과학부 및 정보통신기술진흥센터의 ICT명품인재양성사업의 연구결과로 수행되었음”(IITP-R0346-16-1008)

포장의 공용수명은 교통량, 기후, 포장강도, 차량하중 등 다양한 인자들의 영향을 받고 있으며 특히 교 통하중 특성과 기후, 포장의 상･하부구조 등은 포장의 수명에 큰 영향을 주는 것으로 알려져 있다. 하지 만 측정에 따른 오차, 조사구간의 불일치등에 따른 다양한 잠재오차들로 인해 다양한 인자들을 고려한 공 용수명의 예측에 관한 연구가 어려운 실정이다. 따라서 본 연구에서는 다중회귀분석기법을 활용하여 포장 의 수명에 영향을 미치는 주요인자를 선정하고 인공지능 분석기법 중의 하나인 신경망 분석기법(Neural Network Analysis)을 활용하여 아스팔트포장의 공용수명을 예측하고 이를 다중회귀분석의 분석결과 비 교･분석하였다. 먼저, 최근 3년간의 일반국도를 대상으로 조사가 이루어진 아스팔트포장의 수명 데이터를 기준으로 해 당 구간의 누적 교통량(AADT: Average Annual Daily Traffic), 누적 환산축하중(ESAL: Equivalent Single Axle Loads), 포장상부구조(보수층, 표층, 기층), 포장하부구조(보조기층, 동상방지층), 포장강도, 유지보수 지역(관리청)등의 다양한 요인들을 고려한 다중회귀분석 결과 누적교통량, 포장상부구조, 포장하 부구조, 유지보수 지역(관리청)이 유효한 변수로 선정되었다. 본 연구에서 인공신경망분석을 위해 활용한 다층 퍼셉트론(Multi layer Perceptron)기법은 입력층과 출력층 사이에 하나 이상의 은닉층(Hidden Layer)이 존재하게 되며 분석 알고리즘으로는 역전파 알고리 즘(Backpropagation algorithm)을 활용하였다. 분석을 위해 입력층에는 독립변수에 해당되는 누적교통 량, 포장상·하부구조, 유지보수지역의 4가지 변수를 입력하였으며 출력층에는 포장의 공용수명을 입력 하였다. 분석데이터는 70%를 학습, 15%를 검정, 15%를 테스트를 위해 활용하였으며 나아가 은닉층 신경 망(hidden neuron) 개수의 변화를 고려한 시나리오 분석을 수행하였다. 분석결과, 다중회귀분석에 비해 인공신경망 분석기법의 예측력이 뛰어난 것으로 나타났으며 은닉층 신경망(hidden neuron)의 개수가 과 대해지는 경우에는 인공신경망 자체의 예측력이 감소하는 것으로 나타났다.

Many undergraduate AI courses have the learning objective that students are able to precisely define different classes of AI problems and to apply core algorithmic techniques to them. Due to the great breadth of the field of AI, however, introductory AI courses typically include a heterogenous collection of topics and techniques. For this reason, AI courses risk appearing incoherent to students, who can find it challenging to understand how different AI topics relate to each other. We have found that assigning a tightly integrated series of programming projects using a computer game environment has lent unity to our AI course by providing students with a common platform for solving many different kinds of AI problems. In this paper, we introduce a set of useful computer games to use for introductory AI courses. And then we describe our experiences and lessons from utilizing some of them in our AI courses.

가상 환경 또는 실세계에서 지능적인 NPC를 위한 연구가 하드웨어나 소프트웨어 분야에서 활발히 진행되고 있다. 하드웨어 분야로는 로봇 시스템이 주를 이루고 있으며, 이는 물리적인 제약점과 노이즈의 문제 해결에 초점을 맞추고 있다는 점에서 단순 소프트웨어 분야와는 차이점이 있다. 그러나 공통적인 목표는 사람과 같은 환경에서 사람과 같이 행동하는 지능형 NPC 기술 개발이다. 본 논문은 최근 기존 연구 중에서 소프트웨어 분야와 아키텍쳐 설계를 통해 지능적인 NPC를 연구한 사례를 중점으로 조사한다. 사람과 같은 행동 결정을 유도하는 NPC에는 신경망, 유전자 알고리즘, 사례기반 추론, 학습과 같은 여러 분야에 연구가 진행되고 있다. 다양한 인공지능 알고리즘 중에서 현재 환경과 자신의 상태를 고려하여 가장 적합한 행동 결정을 유도하는 계획 기법을 기반으로 하는 연구를 조사한다. 이러한 연구는 기존의 실세계의 로봇 시스템, 가상 환경, 가상 시뮬레이션 그리고 게임의 여러 캐릭터 위주의 장르에서도 활용범위를 넓힐 수 있다.

게임에서의 인공지능은 등장 캐릭터의 지능적인 행동을 구현함으로써 게이머가 조작하지 않는 NPC(Non-Player Character)들의 움직임을 자연스럽게 제어하거나 게이머의 상대 역할 또는 보조자 역할을 한다. 뿐만 아니라 애니메이션의 동작을 제어할 수도 있으며 캐릭터가 목적지까지 갈 수 있는 최적의 이동경로를 찾아주기도 한다. 게임에서의 인공지능을 구현하기 위해서는 한 두가지 방법만을 사용하기보다는 게임의 수준이나 장르에 따라 몇가지 방법을 조합하여 구현하는 것이 일반적이다. 현재 출시되어 상용화 된 RPG 게임에는 인간과 거의 흡사한 모션들이 많은데 이 모든 모션들은 모션 캡처를 통해 얻은 데이터들이어서 용량도 무척 크고 특히 이러한 자연스러운 모션은 플레이어 캐릭터에 국한되어 있다. 따라서 게임플레이 할 때 상대적으로 비중이 작은 NPC의 모션은 무척 단순하고 부자연스럽다. 본 논문에서는 NPC가 플레이어캐릭터의 모션을 학습할 수 있는 알고리즘을 제시하고 연구하였다.

최근 개발자와 사용자 사이에서 게임의 인공지능에 대한 관심이 늘어나고 있다. 그래픽과 사운드 요소의 한계로 인 해 화려하고 웅장한 게임보다 다양한 재미를 줄 수 있는 게임을 원하기 때문이다. 기존의 게임 인공지능 기법은 단순 하여 쉽게 질리고, 사용자에게 다양한 재미를 지속적으로 제공하기 어렵다. 그러나 학습 능력을 갖춘 게임은 다양하고 예측하기 어려운 특성으로 인해 사용자에게 끝없는 재미를 제공할 수 있다. 본 논문에서는 이러한 학습 능력을 게임 내의 에이전트에게 부여하기 위해 심리학 이론 중 하나인 관찰학습 이론을 적용한 알고리즘을 제시하고자 한다.

인공지능 캐릭터에 대한 연구는 게임뿐만 아니라 애니메이션 그래픽스 분야에서 가장 많이 연구되고 논의되어 왔 던 이론 중의 하나이다. 게임 환경의 인공지능 캐릭터인 NPC는 감각 시스템을 이용하여 환경을 인지하고 기억 시스 템에 저장한다. 기억 체계는 감각 기억과 인지 기억으로 구성되고 인지 기억은 공간 데이터베이스 이론에 기반을 둔 공간에 존재하는 정보들 간의 위치 관계를 이용하여 정보를 저장한다. 본 논문에서는 NPC의 효율적인 인지 기억 기 법으로 공간 데이터베이스 이론과 퍼지이론을 적용하여 인지한 객체 간의 관계그래프, 즉 인지 맵을 만들어 기억한다. 즉 기억된 정보간의 인지 맵을 표현하기 위해 퍼지함수 이론을 적용한다. NPC는 이 인지 맵을 통해 객체 간의 개략 적인 거리와 방향을 자신의 인지 메모리에 저장 가능하다. 실험 결과 인지 맵을 이용한 결과 NPC의 목표 객체 탐색 시간이 기존 NPC와 비교하여 1.5배 향상되었다.

지금까지의 NPC 게임캐릭터는 단순한 대전 동작과 길 찾기 알고리즘 정도의 인공지능 정도로 게임 내에서 주인공캐릭터와 대적하는 기능을 가지고 있다. 게임을 플레이 하면서 유저들이 좀 더 재미있고 긴장감 넘치는 게임을 할 수 있도록 인간과 같은 사고와 능력 그리고 감정을 가진 NPC 캐릭터를 위한 인공지능 엔진이 연구되고 있다. 이 논문에 서는 다중지각 능력과 스스로 자율학습이 가능한 게임캐릭터가 상대방의 동작을 모방하는 학습을 통해 주인공과 같은 유연한 동작을 하게 되고 상대 캐릭터의 동작에 따라 반응하는 감정을 토대로 다른 장소에서 다른 캐릭터를 만났을 때 이전에 학습한 동작이나 감정을 합성한 알고리즘을 바탕으로 반응하게 한다. 특히 이 논문에서는 계속적인 온라인 게임 환경에서 인공지능 캐릭터의 학습을 효율적으로 할 수 있으며 온라인 게임에서의 방대한 인공지능 캐릭터의 데이터를 줄이기 위한 방법으로 학습 공유시스템을 제안한다. 본 논문에서 제시한 방법을 이용하여 같은 구조를 가진 여러 에이전트들이 동시에 학습을 진행하고 또한 그렇게 습득한 지식을 공유할 수 있다면 더욱 신속하고 정확한 에이전트 학습이 이루어 질 수 있다.

본 논문에서는 최근 컴퓨터게임 분야 뿐 아니라 애니메이션이나 가상현실에서 분야에서도 적용 가능한 게임 인공지능 기술 중 하나인 Flocking 규칙에 기초하여, 그룹형 NPC의 군집 행동에 적용하기 위한 물고기 떼의 행동형태 알고리즘을 제안한다. 또한, 이 알고리즘을 사용하여 물고기 어종이 하나인 경우와 두 종류인 경우, 그리고 장애물이 있는 경우의 Fish 개체 이동을 시뮬레이션하여 그 결과를 제시하였다.

Human emotion is a point to communicate each other. we applied human emotion to make computer interface. In this paper, we have researched the next generation interface technology "Bio Feedback system" which enabled us to estimate an emotional state of human being and so we applied it to embody ‘NPC’ using "Reinforcement Learning Algorithm" which is able to respond appropriately to human being’s emotions.

인공지능 캐릭터의 가장 초기 연구는 로보틱스(robotics) 분야에서 시작되었다. 로봇에 대한 연구는 실세계를 반영한 반면 게임이나 애니메이션과 같은 가상 환경을 인지하고 반응하게 하는 가상 캐릭터에 대한 연구가 현재 활발히 진행되고 있다. 본 연구에서는 가상의 공간에서 캐릭터가 인지한 정보들 중에서 시각적으로 가장 중요하다고 생각되는 정보를 가진 사물을 주목하여 인지한 후 메모리에 단계적으로 저장하는 인공지능 엔진에 관해 기술하고자 한다. 특히 상향적 주목방식과 메모리를 이용한 하향식 주목 방법을 혼합하여 통합된 주목알고리즘을 적용하고 구현하였다. 본 연구에서 제시한 쿼드트리를 이용한 메모리 모듈을 이용해 실험한 결과 인공지능캐릭터는 빠르고 정확한 환경의 인지와 작업수행을 하였다.

스타크래프트는 1998년도에 미국 ‘블리자드’ 사에서 제작한 실시간 전략 시뮬레이션 게임이다. 이 게임의 등장 이후로, 게임을 즐기는 사용자들의 수준은 본 게임이 등장한 이후로 월등히 향상되었으나, 본 게임의 컴퓨터 인공지능의 수준에는 변화가 없었다. 이 문제를 해결하기 위해, 몇 가지 연구 노력이 진행되어왔다. 그러나 기존의 인공지능 성능 향상 기법들은 치트 (cheat) 등을 사용하거나, 상당히 획일화된 전략 전술로 인해, 컴퓨터 인공지능의 한계가 쉽게 드러나는 단점이 있었다. 본 논문에서는 보다 적응성 있고 비용 효율적인 빌드 오더 선택 기법을 제안한다. 제안한 기법은 상대적인 전략 전술의 차이를 바탕으로, 현 상황에서 발생할 수 있는 적의 공격에 대하여 비용 효율적인 대응 방안을 선택한다. 이를 사용하면 컴퓨터 인공지능의 질과 성능의 측면에서 향상을 이룰 수 있다. 제안한 기법과 기존 스타크래프트 인공지능의 상대적 성능 평가를 통해, 제안한 기법을 사용한 인공지능이 월등히 뛰어난 성능을 보임을 확인한다.

인공생명은 생명체의 특성을 갖는 인공체를 구현하는 학문분야로서, 대상 인공체가 물질이 아닌 정보를 본질적 요소로 삼는다는 점에서 로보틱스와 구별되며, 생명체가 가지는 모든 특성을 구현하고자 한다는 점에서 인간의 인지적 기능을 모방하는데 초점을 맞춘 인공지능과도 구별된다. 이상적으로 구현된 인공생명체는 가상현실 속에서 독립적인 실체로서 성장하고 증식하며 사멸하는 것은 물론, 인공생명체간 서로 상호작용하며 시간의 흐름에 따라 진화할 수 있다. 만일 우리가 생물학적으로 타당하다고 여기는 몇 가지 규칙을 인공생명체에게 제공하면, 인공생명체는 그 규칙에 따라 성장ㆍ증식ㆍ사멸ㆍ상호작용ㆍ진화해 나가면서 개별 규칙으로부터 직접적으로 도출할 수 없는 현상을 창발(emergence)하게 된다. 이와 같이 창발된 현상이 자연 생태계에서 관찰한 실재에 부합한다면, 인공생명체에게 부여했던 생물학적 규칙이 실제로도 현실 생태계의 특성을 좌우하는 내재적 규칙일 가능성이 높아지는 것이다. 이번 소모임에서는 다음과 같은 모의실험을 통하여 인공생명의 생태학적 활용방안을 모색하고자 한다. 온도발육특성을 비롯하여 미소해충의 생물학적 정보를 지닌 인공생명체를 구현하면, 온도 조건을 달리하였을 때 이들 개체군이 어떻게 변동하는지 모의실험 할 수 있다. 또한 약제에 대한 반응이 유전자 구성에 따라 달라지도록 하면, 약제 처리에 따라 약제 저항성이 발현하고 다시 약제 처리결과에 영향을 미치는 것을 확인할 수 있다. 천적의 생물적 특성을 지닌 인공생명체를 함께 투입하여 모의실험하면, 생물학적 방제 효과를 간접적으로 평가할 수 있지만, 시공간적으로 의미 있는 결과를 도출하기 위해서는 아직 해충과 천적의 공간 점유행동에 대한 기초적인 선행 연구가 충분히 이루어져야 할 것으로 보인다.

구조설계 과정에서 설계대안을 효율적으로 생성하여 평가하면서, 특히 다목적 환경 속에서 최적구조의 위상과 부재의 치수까지 동시에 결정할 수 있는 새로운 방식을 제시하고자 한다. 설계자가 설계대안을 생성하기 위해 설계자의 경험과 노하우를 체계적으로 구축해 놓고 이를 적절한 시기에 활용할 수 있게 하는 방법으로는 인공지능 기술의 하나인 사례기반 추론 기법을 사용하였다. 이와 더불어, 설계대안들 간의 효율적인 비교와 평가를 위해서 구조물의 계층적인 면을 고려한 새로운 유전적인 표현법을 개발하였다. 여기에 기존의 유전적 표현법을 변경시켜 생긴 여분의 효과와 계층적인 특징을 가지는 Structured Genetic Algorithm(StrGA)를 변형시켜서 사례기반 추론에 의해 생성된 설계대안들을 표현하였다. 일반적인 구조설계 과정에서는 구조물을 평가하는 기준이 여러 개가 존재하므로, 모든 대안들을 동시에 최적화 하는 과정에 Multicriteria Optimization for Genetic Algorithm(MOGA)를 병합하였다. 본 논문에서는 인공지능 기술을 이용하여 구조물의 위상설계를 할 수 있는 새로운 방법을 제안하여 그 유용성을 truss 설계문제에 대해 검토하였다.

작물, 가축, 농산물을 학문의 대상으로 하는 농학은 기상, 토양 등과 같은 자연 현상으로부터 필요한 데이터를 획득하여 이용한다. 그러나, 이들 데이터는 많은 환경 요인의 영향을 받아 그 거동이 매우 복잡한 비선형적 현상을 나타내는 것이 대부분이다. 따라서, 실험을 통해 획득된 데이터의 처리 및 모형화 등을 위해 기존의 수학적, 통계적 방법을 이용하는 경우에 많은 어려움을 겪게 된다. 이에 최근에는 신경회로망 및 퍼지 이론 등과 같은 인공 지능 기법을 이용하여 이러한 문제점을 해결하기 위한 연구가 활발히 진행되고 있다. 본 강좌에서는 복잡한 비선형 특성 특히 임의적 거동을 보이는 자연 현상을 기술하기 위해 최근에 대두되고 있는 혼돈 이론에 대한 소개를 하고자 한다.(중략)

퍼지 이론(fuzzy theory)은 정보의 애매성을 다루는 학문으로 과학에 주관성이 도입된 형태의 새로운 학문 분야이다. 인간의 사고를 수치화하고 이를 언어적으로 처리할 수 있는 퍼지 이론은 인공지능(artificial intelligence)의 한 분야로서, 1965년 Lofti Zadeh 교수에 의하여 창안되었다. 초기 기초 연구 중심의 단계에서 현재에는 첨단 전자공학의 발달과 함께 퍼지 제어기의 농업 및 산업 응용이 활발해지고 있으며, 퍼지 칩이나 퍼지 컴퓨터의 개발까지 연구가 진행되고 있다.(중략)

생물체와 자연현상을 대상으로 하는 농업은 알려지지 않거나 불확실하고 애매한 정보를 처리해야 하는 경우가 많다. 따라서 농업시스템 시뮬레이션에 있어 다수의 가정이 필요하여 시뮬레이션 결과의 신뢰성이 떨어지게 되는 경우가 있다. 이러한 경우에 전문가 시스템, 퍼지, 인공신경망 등의 인공지능(Artificial Intelligence) 기술이 효과적으로 이용될 수 있으며 최근에 농업 분야에 응용이 활발해지고 있다. 전문가 시스템(Expert System)은 인공지능의 한 분야로서 인공지능이 실용화되는 과정에서 가장 각광받는 분야 중의 하나이다.(중략)