새로운 연구 '최소주의 유전 프로그래밍(MGP)'이 기존 유전 프로그래밍(GP)의 핵심 원리 중 하나인 '진화적 탐색' 방식에 도전하며, 프로그램 유도(program induction) 분야에 새로운 접근법을 제시했습니다. MGP는 인간 언어의 '최소주의 프로그램(Minimalist Program)'에서 영감을 받아, 복잡한 프로그램 구조를 간단한 이진 집합 형성 연산인 '병합(MERGE)'을 통해 점진적으로 구성합니다. 이는 기존 GP가 직면했던 '비대화(bloat)' 문제, 즉 불필요하게 복잡한 프로그램이 생성되는 경향을 효과적으로 해결할 잠재력을 보여줍니다.
유전 프로그래밍(GP)은 학습 작업을 프로그램 유도 문제로 보고, 진화를 통해 구문 트리(syntax tree) 형태의 상징적 계층 모델을 찾는 방식입니다. 반면 MGP는 진화 대신 구문 파생(syntactic derivation) 작업을 수행합니다. 인간 언어의 최소주의 프로그램은 구문이 두 가지 다른 정신 시스템을 연결하는 최적의 솔루션으로 이해되는데, 여기서 핵심 연산은 단순한 마르코프(Markovian) 프로세스를 통해 복잡한 구문 구조를 점진적으로 구축하는 이진 집합 형성 연산인 '병합(MERGE)'입니다. MGP는 이러한 병합 연산을 활용해 상징적 표현의 핵심 구성 요소를 발견하고 점진적으로 결합함으로써, 기존 GP 시스템이 비대화 문제로 어려움을 겪던 상징 회귀(symbolic regression) 작업에서 탁월한 성능을 보였습니다. 적절한 원자 구문 객체(atomic syntactic objects) 사전이 주어졌을 때, MGP는 표준 GP가 실패하는 경우에도 정확한 실제 모델을 일관되게 생성할 수 있음을 입증했습니다.
이 연구는 최소주의 원리가 프로그램 유도 문제에 매우 유용하다는 점을 시사하며, MGP가 보여준 잠재력을 바탕으로 추가 연구의 필요성을 강조합니다. 기존 유전 프로그래밍의 한계를 극복하고 더 효율적이며 정확한 프로그램 생성을 가능하게 함으로써, 인공지능(AI)과 머신러닝(ML) 분야에서 모델 구축 및 문제 해결 방식에 새로운 지평을 열 수 있습니다. 특히, 복잡한 시스템이나 데이터 패턴을 자동으로 모델링해야 하는 다양한 과학 및 공학 분야에서 MGP와 같은 접근 방식은 중요한 도구가 될 수 있습니다.