셀룰러 오토마타는 이미 전 석사 과정에서 배웠던 내용이라 알고 있었기에 익숙했습니다.
저의 메인 포트폴리오 작품 중 하나가 셀룰러 오토마타 이론을 기반으로 한 알고리즘 모델을 사용하고 있을 정도로 꽤나 깊게 빠져들었던 컨셉입니다.
그러나 그 매트릭스 현상 자체를 패턴으로 이용하여 사운드를 발생시키는 알고리즘에 대해서는 생소했고 궁금했기 때문에 흥미롭게 보았습니다.
어떤 모델이나 소스를 사용하던지간에 결국에는 사운드를 생성하는 파라미터에는 구체적인 숫자 데이터가 들어가야 한다는 점에러는... 어떤 플랫폼을 사용하던지간에 결국엔 같더라구요. 라이브 즉흥연주를 하던, 데이터를 음악화하는 작업을 하던... 그 숫자들을 음악화하는 작업에 근본적으로 집중해야겠다는 필요성을 느꼈습니다.
시간과 정신의 방에 있는 것 같네요 석사과정이란건....
박사과정은 우주로 가겠죠?
유전 알고리즘은 처음 접하는 개념이었습니다. 랜덤으로 ‘변형’ 요소를 집어넣는 것이 올바른 솔루션을 찾는데 어떻게 도움이 되냐는 질문을 했습니다. 하나의 방법이 될 수는 있겠지만 아마도 가장 빠르거나 효율적인 방법은 아닐 거라고, 그것은 그저 답을 찾는 가능성의 풀을 넓히는 것에 불과하지 않냐는 질문까지 이어가고 싶었는데 영어가 모자라서 뒷부분으로까지 구체적으로는 못 물어봤습니다.
샘은 맞다고, 그건 답을 찾는데 도움이 될 수도, 아닐 수도 있다고 했습니다. 이것은 그냥 풀을 넓혀줄 뿐이고 자연 유전 법칙을 모사하고자 하는 것에 목적이 있다고 했습니다. 자연에 존재하는 유전/진화 법칙이 아마 잘못되거나 효율적이지 않을 수도 있다고 했습니다. 저는 다윈의 종의 보존 법칙 조차도 아직 검증중이지 않냐고 말하고 싶었는데 영어가 부족해서 말하지 못했습니다.
그리고 샘이 제네틱 알고리즘에 대해 어떻게 생각하냐고 묻기에 나는 머신 러닝과의 유사점이 많이 보인다. 하지만 머신 러닝은 답을 찾는데에 있어서 무작정 랜덤의 돌연변이 요소를 넣지 않는 걸로 알고 있는데 내가 확실히 아는 것이 아니라 자세히 논쟁할 수 없다고 했습니다. 다만 자연에서 벌어지는 법칙을 모사하려고 한 점이 인상적이라고 대답했습니다.
예전같았으면 랜덤으로 추가되는 돌연변이 요소가 무슨 마법처럼 느껴지고 매력적으로 느꼈을 지 모릅니다.
일차 석사 때는 불확정성이라는 것에 대해 명상적 신비감을 느끼기도 했습니다. 하지만 오늘은 왠지 모르게 효율성과 빠르기에 대한 생각을 버릴 수가 없네요. 제가 변한 걸까요.
음악에 있어서는 정답에 준하는 솔루션이 없기 때문에 유전 알고리즘이 더욱 선호되는 분야가 아닌가 싶기도 합니다.
그나저나 유전 알고리즘이 실제로 먹힌다(?) 실제로 솔루션을 찾아낸다는 점이 매ㅐㅐ우 놀랍네요.
