1. 코드가 진화하는 유전자 알고리즘
원활한 사고를 위해서는 그에 적절한 코드가 필요하다. 과학에는 수학이 적합하고 영문학에는 영어가, 컴퓨터 프로그램 코딩엔 프로그래밍 언어가 적합하다. 유전자 알고리즘으로 문제를 해결하려고 할 때에는, 어떤 코드가 문제 해결에 적합한지 미리 정해주어야 하는 과제가 생긴다. 이 과제를 진화 중에 스스로 해결하는 유전자 알고리즘은 없을까?
2. 패턴 인식과 칸트 인식론
전통적인 패턴 인식은 표본 학습에 의한 클래스 분류classify이다. 이 방법은 인식론에서 경험론의 맥을 잇는다. 대상에 대한 아무런 지식이 없는 상태에서 막연히 여러 가지 표본을 보고 난 뒤 그 공통점을 추려낸 것이 대상에 대한 지식으로 인정된다. 그러나 인간은 사물을 인식할 때 기하학적 특성을 추출해내어 개념으로 기억하는 경우가 흔하다. cd를 보았을 때 가운데 구멍이 뚫린 둥근 판이라고 쉽게 문장으로 서술할 수 있는 것으로 보아 그러하다. 이미지를 보고 납작하다, 둥글다, 중심에 구멍이 뚫렸다 등의 속성들이 조합된 상태를 재구성하는 것이다. 그래서 둥글고 중심에 구멍이 뚫렸지만 판 모양이 아닌 도넛과의 유사성을 쉽게 알아차린다.
"정다각형"이라는 대상을 인식하는 것은 어떤가? 정다각형들은 외관상으로 아무런 유사점이 없다. 이미지에서 직선, 길이, 각도 등을 추출할 수 있는 능력과 그것들의 조합상태를 판단할 수 있는 능력이 없으면 정다각형을 분류할 수 없다. 이것은 패턴 인식에 있어서 경험론적 접근을 넘어서는 새로운 패러다임을 요구한다.
3. 종합
패턴인식에도 이미지로부터 개념을 추출할 오성과 이것을 사고할 이성이 요구됨을 알 수 있다. 여기까지 오게 되면 개념의 사전을 경험으로부터 학습할 수 있는 능력에 대한 새로운 매커니즘이 필요해진다. 이 문제를 해결하는 데에 코드가 진화하는 유전자 알고리즘이 도움이 되지 않을까? 개념들이 구체화되면서 코드가 발전하고 그에 따른 표현물(인식기)의 인식률이 향상되는 과정이 성공하면 정교하게 대상을 분류하는 기계를 얻을 수 있을 지도 모른다.
